[发明专利]一种基于旋律特征聚类与优化的哼唱检索方法

权利要求书

1.一种基于旋律特征聚类与优化的哼唱检索方法，其特征在于，包括以下几个步骤：

S1、对歌曲库MIDI文件提取音高向量；

S2、利用基于优化初始聚类中心的k-means算法，对步骤S1中提取的音高向量进行聚类，获取聚类标签；

S3、利用步骤S1中提取的音高向量及步骤S2中获取的聚类标签训练DBN模型；

S4、利用步骤S3中得到的DBN模型，提取步骤S1中音高向量所对应的高层旋律特征及其类别信息，利用这些信息构成歌曲特征库；

S5、对哼唱WAV文件提取音高向量；

S6、利用步骤S3中得到的DBN模型，提取步骤S5中音高向量所对应的高层旋律特征及其类别信息；

S7、利用步骤S6中得到的类别信息，将步骤S6中提取的高层旋律特征与步骤S4歌曲特征库中同类别的高层旋律特征进行匹配，最终得到匹配结果。

2.根据权利要求1所述的一种基于旋律特征聚类与优化的哼唱检索方法，其特征在于，所述步骤S1包括：

S11、MIDI文件由不同音符值p_i持续t_i时间所构成的音符序列(p₁,t₁),...,(p_i,t_i)表示，音符持续时间t_i又可以转换为持续帧数F_i，因此可以根据帧移数将时间音符序列转换为帧移音符序列(p₁,F₁),...,(p_i,F_i)；

S12、所有的二维帧移音符序列均可由一维音高序列来表示：

其中，p_i表示任意音符，F_i表示音符持续帧数；

S13、每个MIDI文件由不同音符值p_w构成一维音高序列(p₁,...,p_w,...,p_W)，对其提取音高向量时，需要选取一个h秒的窗，在窗内提取一个固定时间间隔的高维音高向量，然后移动窗去提取下一个音高向量，以此类推，最终即可获得全部音高向量，表示为：

x＝(p₁,...,p_w+T,...,p_W+T(D-1))

其中，x为音高向量，T为采样间隔，D为音高向量维数。