[发明专利]一种基于判决隐马尔可夫模型的钢琴指法自动标注方法

说明书

本发明涉及一种基于判决隐马尔可夫模型的钢琴指法自动标注方法，包括以下步骤：建立标注好指法的数字钢琴乐谱代表集；从乐谱中提取音符的音高序列和对应的指法序列；将指法标注过程映射为一个隐藏的马尔可夫链随机生成不可观测的指法状态随机序列，再由各个指法状态生成一个观测音符而产生音符随机序列的过程，建立隐马尔可夫模型；利用极大似然估计法估计判决隐马尔可夫模型的指法转移概率和音符观测概率；对于输入的待标注音符序列，利用训练好的转移概率和观测概率参数，结合判决函数，使用维特比算法，回溯得到最优指法路径。

技术领域

本发明属于自然语言处理领域中的序列标注问题，通过结合钢琴指法的先验知识，对机器学习算法进行改进，修正现有方法中标注结果存在物理不可实现情况的问题，完成钢琴指法的自动标注任务。

背景技术

指法是钢琴演奏中最基本最重要的技术之一。合理的指法，指手指的运动规律满足以下几点：(1)符合手的生理结构及每个手指的灵活性等特点；(2)满足手指与音符间的关系。适当的指法可以增加演奏的流畅性，对快板(Allegro)类乐曲尤为重要。理论上每个钢琴谱都存在最佳指法序列，但目前乐谱的理想指法仍主要依赖实践经验和反复尝试。因此钢琴乐谱自动指法标注可以节省实践时的探索时间，消除业余爱好者早期的演奏障碍，并为职业钢琴家提供初始参考指法。如果将该任务看成钢琴演奏机器人运动规划的一部分，实现指法自动标注的方法还能推广至使用类人机器手的更一般的机器人操作任务中。我们的研究目标是为乐谱中的音符序列，预测对应的指法序列，即选择舒适正确的手指号完成弹奏。它可以看作是一个时间序列的预测问题，需要利用时刻间音符和指法的相关性进行标注。

隐马尔可夫模型(HMM)是解决时间序列标注问题常用的统计学习模型，它描述由一个隐藏的马尔科夫链随机生成不可观测的状态序列，再由各个状态生成一个观测而产生观测随机序列的过程。将模型映射到钢琴指法标注问题中，音符序列对应观测序列，目标是预测不可见的指法状态序列。模型参数包括指法状态转移概率矩阵和音符输出概率矩阵，预测阶段使用两个概率矩阵采用维特比算法，利用动态规划的原理在路径搜索图中选择最大概率路径为最优的指法序列。

但一阶HMM假设每个时刻的指法状态只与前一时刻指法状态和当前时刻音符观测有关，没有利用更长距离的指法和音符信息，导致标注结果出现了物理不可弹指法，包括错误的穿跨指和超出手指间最大跨度的指法。

发明内容

本发明的主要目的是结合钢琴指法先验知识，对隐马尔可夫模型进行改进，提供一种钢琴指法自动标注方法，修剪动态规划寻找路径中的不可弹指法路径，解决现有方法中出现物理不可弹指法的问题，从而为钢琴演奏者提供指导。技术方案如下：

一种基于判决隐马尔可夫模型的钢琴指法自动标注方法，包括以下步骤：

1)建立标注好指法的xml格式数字钢琴乐谱代表集；

2)从乐谱中提取音符的音高序列和对应的指法序列；

3)将指法标注过程映射为一个隐藏的马尔可夫链随机生成不可观测的指法状态随机序列，再由各个指法状态生成一个观测音符而产生音符随机序列的过程，建立隐马尔可夫模型；

4)利用正确指法类型和指法的音程约束两个先验知识为隐马尔可夫模型加入ψ₁和ψ₂判决函数，得到判决隐马尔可夫模型，当使用ψ₂标注时若出现找不到可选路径的极端情况，则替换为ψ'₂，放松音程约束，增多待选路径；判决函数用以结合相邻音符信息约束指法路径的搜索空间，判决函数如下：