欧阳歌谷创编 2024年2月1
2014级数字信号处理课程设计报告
欧阳歌谷（2024.02.01）
题目：钢琴音符识别
姓名：邱晨曦 学号：2014010909008 答辩时间：2016/12/9
一. 题目要求：
（1） 播放和记录一段钢琴音乐中的音符；
（2） 记录到音符以后，找到音符所对应的现代标准钢琴的钢琴键，并分析结果。 二. 课程设计思路：
（1） 涉及到的知识点：
快速傅里叶变换、钢琴音频信号的时域和频域的特性、能熵比的概念、频率校正、频率与音符的转换关系。
（2） 方案分析： A.
预处理部分：
1.
直接用audioread函数读出来的原始数据。 优点：准确率较高；
缺点：数据量较大，采样频率为44kHz，远大于奈奎斯特采样率。
2.
以11kHz的采样率重新采样，并转换为单声道。
欧阳歌谷创编 2024年2月1
欧阳歌谷创编 2024年2月1
优点：数据量小了很多，易于处理；
缺点：牺牲了部分的准确率，但对于音符的判断影响可以忽略。
B. 端点检测算法： <1> . 双门限法：
1. 计算短时能量（高门限）和过零率（低门限）； 2. 选取一个较高的门限T2，语音信号的能量包络大部分都
在此门限之上，进行一次初判，语音起止点位于该门限与短时能量包络交点所对应的时间间隔之外；
3. 根据噪声能量，确定一个较低的门限T1，并从初判起点
往左，从初判终点往右搜索，分别找到能零比曲线第一次与门限T1相交的两个点，两点之间段就是用双门限方法所判定的语音段；
4. 以短时平均过零率为准，从低门限点往左右搜索，找到
短时平均过零率低于某阈值的两点，为语音的起止点；
图1：双门限法示意图
说明：算法中的阀值是根据实验过程调节的。
该算法在实际应用的过程中发现：在语音信号频率分布较为集中的时候，端点检测出来的结果比较准确，但当语音信号频率分布比较分散的时候，很难通过控制固定的阀值来检测到每个音符；
<2>. 自相关法：
欧阳歌谷创编 2024年2月1
欧阳歌谷创编 2024年2月1
由于两种信号的自相关函数存在极大的差异，可以利用这种差别来提取语音端点。根据噪声的情况，设置两个阈值T1和T2，当相关函数最大值大于T2时，便判定是语音；当相关函数最大值大于或小于T1时，则判定为语音信号的端点。
该算法同样存在当语音信号频率分布较广的时候，阀值比较难控制的问题。
<3>. 基于谱熵的端点检测：
基于谱熵语音端点检测方法是通过检测谱的平坦程度，来进行语音端点检测的，为了更好进行语音端点检测，采用语音信号的短时功率谱构造语音信息谱熵，从而对语音段和噪声段进行区分。检测思路：
1. 2. 3.
对语音信号进行分帧加窗； 计算每一帧的谱能量；
计算出每一帧中每个样本点的概率密度函数
pn?Yn(k)N2l?0??Y(l)nYn(k)； EnN2l?04.
计算出每一帧的谱熵值Hn???pn(l)lnpn(l)（由信息论知识知道，熵值在自变量服从均匀分布的时候，熵值达到最大值，所以噪声的熵值是比较大的，而钢琴音符的熵值是比较小的，由此区别了噪声和音符）；
5. 6.
设置判决门限；
根据各帧的谱熵值进行端点检测。
欧阳歌谷创编 2024年2月1
电子科技大学数字信号处理DSP课程设计-钢琴音符识别之欧阳歌谷创编
