1、“.....其规定了模型的状态数，以及状态的初始概率，状态间转换概率的初始情况。初始化就是在此原始模型的基础上，根据待训练文件以及对应的标注文件，对原始模型进行次参数更新。多音符的原始模型形式如下参数配置脚本转换脚本波形文件集特征文件集大连海洋大学本科毕业论文设计第五章基于的歌曲音符识别图初始化中执行模型初始化的函数为，初始化流程如图。本课题多音符建模研究中，沿用中函数，未做任何修改，使用形式如下其中存放的是原型库，存放初始化后的模型库，为对应标注文件存放路径。模型参数重估多音符模型初始化后得到的模型并不能很好地表征对应的多音符音频的特征转换过程，需对该模型参数重新估计与优化，以便模型更好地表征当前多音符。模型估计与优化的具体过程在有详细介绍，且与中函数的算法相同......”。

2、“.....图是迭代重估流程图。待训练文件待训练标签原型初始化后模型大连海洋大学本科毕业论文设计第五章基于的歌曲音符识别否是图迭代重估流程图参数重估函数为，其使用方式如下存放的是参数重估后模型库，存放参数重估前模型库，为对应的标注文件存放路径。多音符系统识别根据识别任务的不同，本课题分别研究了单音符与多音符的识别。对于单音符的识别，其识别率达到，已达到实用要求，因而本课题着重考虑的是实时稳健的识别对于歌曲多音符的识别中，由于识别率不到，达不到实际应用的要求，因而本课题的研究中主要集中在系统识别率的提高上......”。

3、“.....通常需建立音素模型语义模型。音素模型为声学模型，为建模的最小单元而语义模型则非模型，主要用于统计各音素间的连接情况，或已知当前音素，计算下音素出现的概率。与语音识别系统类似，基于的多音符识别系统也采用了两层模型，即多音符模型音符间模型。其识别原理是根据多音符模型，分别计算当前测试音频与各多音符模型之间的匹配度，即计算出各概率值。假设模型库中共有个多音符模型，对计算得到的个概率值从小到大排序，求最大值与其余各概率值得差值若中不存在小于阈值的值，则可认为所对应的的模型为当前输入帧的识别结果若中有小于阈值的值实验中认为相差小于......”。

4、“.....用于进步确定当前多音符名。确定最佳模型的方法如式式中集合表示中有小于阈值的所有元素的集合基于的多音符识别，其最终识别过程可以化简为求，为第个多音符模型，如图所示。在中，实现最终语音识别的函数为，本课题在其基础上，结合多音符间模型，重新编译得到新的。多音符识别结果与分析正确识别率定义在得到多音符识别系统的识别结果后，最重要步是评价当前系统的识别效果，即系统的多音符识别正确率。本课题通过比较测试音频的参考标注与识别结果之间的多音符名起始和终止时刻，实现对歌曲多音符识别系统的评价。正确率的定义为式中为参考标注中的多音符总数，为起始终止时刻在时间容忍范围内但是识别结果却为的多音符识别数目,为起始终止时刻超出识别范围的多音符数目。歌曲时域频谱转化结果选取了歌曲莫斯科郊外的晚上......”。

5、“.....直观的以图片形式反映出歌曲的特征，并以声音的形式表现出来。如图大连海洋大学本科毕业论文设计第五章基于的歌曲音符识别图莫斯科郊外的晚上时域频谱图识别结果与分析在符合条件的首歌曲中，随机选出首作为训练样本数据，其余的首作为测试数据。训练测试曲目的平均时间长度为平均多音符数目为个。从训练模型库中，可以看出经过首曲目训练后得到的多音符基本覆盖了个单音所构成的多音符组合这些符合和弦规律。表是几种多音符识别系统的识别率多音符中单音符数超过。表多音符识别正确率比较识别方法正确率百分比本文方法本课题所研究的基于的多音符识别系统其识别率提高了近。与时频域统计法等识别相比，基于的模式识别法虽然需要对样本进行先期训练，但是由于对多音符特征转换较为精确的建模......”。

6、“.....在模型建立过程中，对于相近多音符的建模是本课题识别率较低的原因之。比如，对于多音符和，在特征提取过程中，二者相差的只是和两音符上的频率带能量差，而根据钢琴十二平均律的物理特性，二者成倍频关系，这就为特征提取带来极大的苦难。因此，对于多音符大连海洋大学本科毕业论文设计第五章基于的歌曲音符识别的建模来说，虽然本课题研究中采用等代替了和弦识别中特征，提高了多音符的识别率，但仍然难以满足实际应用中对高识别率的要求。大连海洋大学本科毕业论文设计第六章总结第六章总结音乐识别的根本目标是用计算机来模拟人对音乐的智能认识和创造过程，它的发展涉及人工智能信息处理模式识别音乐理论以及计算机应用等许多方面。直到今天，语音识别领域的发展依然在持续进行并且将继续不断的发展下去......”。

7、“.....那就是音符的识别。在本文中将音符的识别分为两个部分单音符和多音符的识别。如此划分的原因，是根据实际需求和识别难度而做出的理论性决定。对于早期的音乐识别和学习来说，实时稳健的单音符识别就可以达到预定的目标和学习效果，因此本文在线性模型的基础上，应用提出的多样本字典处理法就完成了有关钢琴单音符的实时和稳健的识别。而对于多音符的识别来说，单音符所用的方法和研究理论实验模型等许多方面已经无法满足这方面的需求，因而课题转向模式识别法，也就是为各多音符建立模型，从而实现多音符的识别。音符识别过程中有关端点检测的问题必须好好处理，准确的端点检测结果方面可以减少计算量和率单音符识别中，静音段与音符段共存时，出现跨八度......”。

8、“.....有利于模型匹配。本课题在基于频域相位的基础上，加入频域幅度信息，提高了端点检测的精确度。在单音符的识别系统上，结合线性模型，提出了多样本字典多样本字典后处理，成功地实现了单音符实时稳健的识别。针对多音符的识别，具体应该分为三个步骤。首先，对多音符音频进行特征提取，并将此过程改写到相关函数中其次获取多音符的标注文件最后是多音符的建模，以及对中相关函数的重编工作。在应用理论学习的基础上，介绍了的基础概念，包括了马尔可夫过程及链，研究中遇到的三个主要问题及其解决方法，建立了多音符的模型。重点学习和应用了包括了前向后向算法，算法和算法在内的的三个基本算法，。并分析了识别中必须用到的特征的计算方法和成功的进行了应用。虽然本课题成功实现了对多音符的建模以及识别。但是......”。

9、“.....首先，在对多音符的建模时实验时，因为样本中相近的多音符的特征差异比较小，这就导致了模型差异性近乎于无，结果出现了的识别结果，这个问题就只能采用新的更好的多音符特征来解决其次，在建立多音符标注文件时，从信息处理中得到些音符的持续时间太长。实际正确的情况下，音符所具有的能量在处理后期已衰减到非常小的程度，达到了可以忽略不计的程度。但是在研究中建立标注文件时，我还是将这个不准确的数据计入标注，导致结果出现了误差。对于这个问题，我们要继续研究如何才能解决掉。不能置之不理，只有研究方法进步了，我们才能学到更多音符处理的方法。大连海洋大学本科毕业论文设计致谢致谢首先衷心的感谢导师姜凤娇老师,在整个毕业设计期间，姜老师在学习上和生活上都给了我十分宝贵的指点......”。