專利名稱：旋律辨識方法與其裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及旋律辨識領(lǐng)域，尤其涉及一種旋律辨識方法與其裝置。
背景技術(shù)：
傳統(tǒng)上，旋律辨識方法的辨識基礎(chǔ)為音高與該音高的總長度。目前旋律辨識技術(shù)先建立包含多首曲目的音高信息的旋律數(shù)據(jù)庫，當(dāng)使用者哼唱一段旋律之后，擷取該旋律的音高信息，例如音高與音高的總長度等，然后與旋律數(shù)據(jù)庫作比對，藉以提供可能的對應(yīng)曲目。一些現(xiàn)有的旋律辨識方法除了比對上述音高信息之外，同時也利用額外輸入的歌曲文字信息或歌詞來輔助辨識。然而，當(dāng)使用者哼唱輸入不標(biāo)準(zhǔn)時，旋律與旋律數(shù)據(jù)庫的比對極容易發(fā)生誤差而使旋律辨識的成功辨識率無法提升，尤其在使用者哼唱旋律五音不全時。

發(fā)明內(nèi)容
有鑒于此，本發(fā)明的實(shí)施例提供一種旋律辨識方法，其根據(jù)輸入旋律的清晰度并利用二階段的比對以更精確且更有效率地辨識旋律。該旋律辨識方法包括輸入一旋律； 取得該旋律的音高追蹤信息；取得該旋律的節(jié)拍信息；由該音高追蹤信息判斷該旋律的一清晰度；若該清晰度大于一預(yù)設(shè)門檻值，先進(jìn)行一第一比對，以從一數(shù)據(jù)庫中篩選出第一批候選歌曲；再進(jìn)行一第二比對，以從該等第一批候選歌曲中篩選出第二批候選歌曲；以及根據(jù)該等第二批候選歌曲決定至少一最后候選歌曲。本發(fā)明的實(shí)施例更提供一種旋律辨識裝置，包括一接收器，其接收一旋律；一處理器，其取得該旋律的音高追蹤信息與節(jié)拍信息，并通過該音高追蹤信息判斷該旋律的一清晰度；以及一比對器，其根據(jù)該清晰度進(jìn)行該旋律與一數(shù)據(jù)庫的比對；其中若該清晰度大于一預(yù)設(shè)門檻值，該比對器先進(jìn)行一第一比對，以從該數(shù)據(jù)庫中篩選出第一批候選歌曲； 該比對器再進(jìn)行一第二比對，以從該等第一批候選歌曲中篩選出第二批候選歌曲；其中該比對器根據(jù)該等第二批候選歌曲決定至少一最后候選歌曲。本發(fā)明實(shí)施例旋律辨識方法及裝置，根據(jù)輸入旋律的清晰度并利用二階段的比對來辨識旋律，可以更精確且更有效率。


此處所說明的附圖用來提供對本發(fā)明的進(jìn)一步理解，構(gòu)成本申請的一部分，并不構(gòu)成對本發(fā)明的限定。在附圖中圖IA所示為根據(jù)本發(fā)明一實(shí)施例的旋律辨識流程圖；圖IB所示為根據(jù)本發(fā)明另一實(shí)施例的旋律辨識流程圖；圖2所示為根據(jù)本發(fā)明一實(shí)施例的旋律辨識裝置示意圖。附圖標(biāo)號
S100、S110、......S170 步驟；20 旋律辨識裝置200 接收器；210 處理器；212 清晰度模塊；214 音高追蹤模塊；216 拍點(diǎn)檢測模塊；220 比對器；222 音高向量比對模塊；2M 節(jié)拍比對模塊；230 數(shù)據(jù)庫；232 音高語料庫；234 節(jié)拍數(shù)據(jù)庫；240 顯示裝置；250 互動裝置。
具體實(shí)施例方式以下說明為本發(fā)明的實(shí)施例。其目的是要舉例說明本發(fā)明一般性的原則，不應(yīng)視為本發(fā)明的限制，本發(fā)明的范圍當(dāng)以權(quán)利要求范圍所界定者為準(zhǔn)。目前旋律辨識多用音高與音高總長度等音高信息來辨識。然而歌曲的節(jié)拍也是重要的特征，若兩首歌曲的音調(diào)相近但是節(jié)拍不同，則兩首歌曲很有可能是完全不相同的，因此，若能結(jié)合音高信息與節(jié)拍信息就可以更有效地辨識旋律；此外，更由于使用者哼唱旋律五音不全(輸入不標(biāo)準(zhǔn))時，所導(dǎo)致的成功辨識率降低的問題，能得到有效的解決方案。圖IA所示為根據(jù)本發(fā)明一實(shí)施例的旋律辨識方法流程圖。步驟SlOO為輸入旋律， 在一實(shí)施例中，可通過使用者對著麥克風(fēng)哼唱一旋律。使用者對麥克風(fēng)所哼唱的旋律需要經(jīng)過合適的取樣以將此旋律數(shù)字化成數(shù)字音頻(Audio Signal)文件。步驟S120，取得該旋律的音高追蹤信息，例如對上述的輸入旋律進(jìn)行音高追蹤 (Pitch tracking)以取得音高追蹤信息。音高追蹤的相關(guān)技術(shù)將于后再述。步驟S122，取得該旋律的節(jié)拍信息，例如對上述的輸入旋律進(jìn)行拍點(diǎn)檢測(Onset detection)以取得節(jié)拍信息。拍點(diǎn)檢測的相關(guān)技術(shù)將于后再述。步驟S130，由該音高追蹤信息判斷該旋律的一清晰度，例如，將音高追蹤信息正規(guī)化(Normalize)之后所得的值作為清晰度，清晰度的相關(guān)技術(shù)將于后再述。步驟S150，若該清晰度大于一預(yù)設(shè)門檻值，先進(jìn)行一第一比對，以從一數(shù)據(jù)庫中篩選出第一批候選歌曲。第一比對可以是音高向量比對。本實(shí)施例雖以音高向量比對作為舉例說明，但第一比對并不限于音高向量比對。音高向量比對的相關(guān)技術(shù)將于后再述。步驟S160，進(jìn)行一第二比對，以從該等第一批候選歌曲中篩選出第二批候選歌曲。 第二比對是指相異于第一比對的另一種比對方式。例如當(dāng)?shù)谝槐葘κ且舾呦蛄勘葘r，第二比對可為節(jié)拍比對，但第二比對并不限于節(jié)拍比對。節(jié)拍比對的相關(guān)技術(shù)將于后再述。步驟S170，根據(jù)該等第二批候選歌曲決定至少一最后候選歌曲。例如，輸出TOP10首候選歌曲以供使用者參考。圖IB所示為根據(jù)本發(fā)明另一實(shí)施例的旋律辨識方法流程圖。其中步驟和圖IA中步驟相同者，以相同標(biāo)號進(jìn)行標(biāo)示。步驟SlOO為輸入旋律。步驟SllO為對輸入的旋律進(jìn)行前置處理，前置處理為一般音頻處理時所需要的預(yù)處理，包括端點(diǎn)檢測(end-point detection)、預(yù)強(qiáng)調(diào)(pre-emphasis)、音框切割(frame partitioning)等。端點(diǎn)檢測用來判斷音頻中哪些區(qū)段是有聲段、哪些是無聲段或背景噪聲；預(yù)強(qiáng)調(diào)用來補(bǔ)償高頻部分的信號數(shù)字化后所造成的失真；音框切割為將音頻文件每間隔一固定時間切割成一個又一個的音框，相鄰音框之間可以重疊。輸入旋律前置處理完成后，步驟S120和步驟S122分別對前置處理過的輸入旋律進(jìn)行音高追蹤(Pitch tracking)與拍點(diǎn)檢測(Onset detection)，以取得輸入旋律的音高追蹤信息和節(jié)拍信息。在一些實(shí)施例中，可利用自相關(guān)函數(shù)(Auto-Correlation Function, ACF)進(jìn)行音高追蹤，音框s中某個時間點(diǎn)t的自相關(guān)函數(shù)值計算如下

權(quán)利要求
1.一種旋律辨識方法，其特征在于，所述旋律辨識方法包括 輸入一旋律；取得所述旋律的音高追蹤信息；取得所述旋律的節(jié)拍信息；由所述音高追蹤信息判斷所述旋律的一清晰度；若所述清晰度大于一預(yù)設(shè)門檻值，先進(jìn)行一第一比對，以從一數(shù)據(jù)庫中篩選出第一批候選歌曲，再進(jìn)行一第二比對，以從所述第一批候選歌曲中篩選出第二批候選歌曲；以及根據(jù)所述第二批候選歌曲決定至少一最后候選歌曲。
2.如權(quán)利要求1所述的旋律辨識方法，其特征在于，更包括若所述清晰度小于所述預(yù)設(shè)門檻值，先進(jìn)行所述第二比對，以從所述數(shù)據(jù)庫中篩選出第三批候選歌曲，再進(jìn)行所述第一比對，以從所述第三批候選歌曲中篩選出第四批候選歌曲；以及根據(jù)所述第四批候選歌曲決定至少一最后候選歌曲。
3.如權(quán)利要求2所述的旋律辨識方法，其特征在于，所述第一比對為音高向量比對，所述第二比對為節(jié)拍比對。
4.如權(quán)利要求3所述的旋律辨識方法，其特征在于，更包括 進(jìn)行所述旋律的前置處理；其中所述前置處理包括檢測所述旋律的端點(diǎn)、預(yù)強(qiáng)調(diào)處理以及切割所述旋律的音框。
5.如權(quán)利要求4所述的旋律辨識方法，其特征在于，更包括使用白相關(guān)函數(shù)或平均差異量函數(shù)取得前置處理過的所述旋律的各個音框的所述音高追蹤信息，從所述音高追蹤信息取得各個音框的音高值，并將各個音框的所述音高值轉(zhuǎn)換為所述旋律的音高向量。
6.如權(quán)利要求4所述的旋律辨識方法，其特征在于，更包括 使用相位偏移檢測所述旋律的拍點(diǎn)以取得所述旋律的所述節(jié)拍信息。
7.如權(quán)利要求4所述的旋律辨識方法，其特征在于，更包括 使用光譜通量檢測所述旋律的拍點(diǎn)以取得所述旋律的所述節(jié)拍信息。
8.如權(quán)利要求5所述的旋律辨識方法，其特征在于，所述音高向量比對使用線性伸縮將所述旋律的所述音高向量與一音高語料庫的所有音高向量數(shù)據(jù)作比對。
9.如權(quán)利要求3所述的旋律辨識方法，其特征在于，所述節(jié)拍比對使用以動態(tài)規(guī)劃為基礎(chǔ)的一演算法將所述旋律的所述節(jié)拍信息與一節(jié)拍數(shù)據(jù)庫的所有節(jié)拍數(shù)據(jù)作比對，所述節(jié)拍數(shù)據(jù)庫紀(jì)錄所述數(shù)據(jù)庫中每首歌曲的節(jié)拍信息。
10.如權(quán)利要求8所述的旋律辨識方法，其特征在于，所述音高語料庫紀(jì)錄所述數(shù)據(jù)庫中每首歌曲的音高向量。
11.如權(quán)利要求5所述的旋律辨識方法，其特征在于，所述清晰度為所述音高追蹤信息正規(guī)化后的值，且所述清晰度越高代表所述音高值越準(zhǔn)確。
12.如權(quán)利要求1所述的旋律辨識方法，其特征在于，更包括 根據(jù)所述第一比對產(chǎn)生一第一評估分?jǐn)?shù)；根據(jù)所述第二比對產(chǎn)生一第二評估分?jǐn)?shù)；根據(jù)所述第一評估分?jǐn)?shù)與所述第二評估分?jǐn)?shù)產(chǎn)生所述至少一最后候選歌曲中每首歌曲的一評估分?jǐn)?shù)；其中所述評估分?jǐn)?shù)為所述第一評估分?jǐn)?shù)與所述第二評估分?jǐn)?shù)根據(jù)一權(quán)重比例所組成， 若所述清晰度大于所述預(yù)設(shè)門檻值則所述權(quán)重比例偏重所述第一評估分?jǐn)?shù)，若所述清晰度小于所述預(yù)設(shè)門檻值則所述權(quán)重比例偏重所述第二評估分?jǐn)?shù)，所述評估分?jǐn)?shù)越高與所述旋律的匹配度越高。
13.一種旋律辨識裝置，其特征在于，所述旋律辨識裝置包括一接收器，其接收一旋律；一處理器，其取得所述旋律的音高追蹤信息與節(jié)拍信息，并通過所述音高追蹤信息判斷所述旋律的一清晰度；以及一比對器，其根據(jù)所述清晰度進(jìn)行所述旋律與一數(shù)據(jù)庫的比對；其中若所述清晰度大于一預(yù)設(shè)門檻值，所述比對器先進(jìn)行一第一比對，以從所述數(shù)據(jù)庫中篩選出第一批候選歌曲；所述比對器再進(jìn)行一第二比對，以從所述第一批候選歌曲中篩選出第二批候選歌曲；其中所述比對器根據(jù)所述第二批候選歌曲決定至少一最后候選歌曲。
14.如權(quán)利要求13所述的旋律辨識裝置，其特征在于，若所述清晰度小于所述預(yù)設(shè)門檻值，所述比對器先進(jìn)行所述第二比對，以從所述數(shù)據(jù)庫中篩選出第三批候選歌曲，再進(jìn)行所述第一比對，以從所述第三批候選歌曲中篩選出第四批候選歌曲，然后根據(jù)所述第四批候選歌曲決定至少一最后候選歌曲。
15.如權(quán)利要求14所述的旋律辨識裝置，其特征在于，所述第一比對為音高向量比對， 所述第二比對為節(jié)拍比對。
16.如權(quán)利要求13所述的旋律辨識裝置，其特征在于，更包括一顯示裝置，其顯示所述至少一最后候選歌曲。
17.如權(quán)利要求16所述的旋律辨識裝置，其特征在于，更包括一互動裝置，其根據(jù)所述旋律的所述節(jié)拍信息透過預(yù)定的燈光閃爍與動作做出對應(yīng)所述節(jié)拍信息的互動播放。
全文摘要
本發(fā)明公開了一種旋律辨識裝置，包括一接收器，其接收一旋律；一處理器，其取得所述旋律的音高追蹤信息與節(jié)拍信息，并通過所述音高追蹤信息判斷所述旋律的一清晰度；以及一比對器，其根據(jù)所述清晰度進(jìn)行所述旋律與一數(shù)據(jù)庫的比對；其中若所述清晰度大于一預(yù)設(shè)門檻值，所述比對器先進(jìn)行一第一比對，以從所述數(shù)據(jù)庫中篩選出第一批候選歌曲；所述比對器再進(jìn)行一第二比對，以從所述第一批候選歌曲中篩選出第二批候選歌曲；其中所述比對器根據(jù)所述第二批候選歌曲決定至少一最后候選歌曲。本發(fā)明實(shí)施例旋律辨識方法及裝置，根據(jù)輸入旋律的清晰度并利用二階段的比對來辨識旋律，可以更精確且更有效率。
文檔編號G10L15/00GK102479509SQ20111003214
公開日2012年5月30日 申請日期2011年1月28日 優(yōu)先權(quán)日2010年11月29日
發(fā)明者葉子雋, 張智星, 游信文, 王崇喆, 王文男, 許丞佑 申請人:財團(tuán)法人資訊工業(yè)策進(jìn)會