范靜

(阜陽師范大學(xué)音樂舞蹈學(xué)院，安徽 阜陽 236037)

0 引言

鋼琴作為最受歡迎的樂器之一，不但愛好者數(shù)量眾多，還在其他領(lǐng)域占據(jù)著重要的位置，是目前為止發(fā)展較為快速的樂器之一。鋼琴的種類與品牌層出不窮，對鋼琴的設(shè)計要求也越來越高。關(guān)于鋼琴指法識別或標(biāo)注方法的研究有益于提高演奏技巧，許多學(xué)者開展了鋼琴指法標(biāo)注算法的研究。其中，Moryossef等[1]研究了基于機器視覺技術(shù)的鋼琴指法提取方法，在公共視頻和 MIDI 文件中，將深度學(xué)習(xí)計算機視覺模型轉(zhuǎn)移到域外數(shù)據(jù)，通過生成式對抗網(wǎng)絡(luò)增強視覺模型進行鋼琴指法的自動標(biāo)注。葉素芬等[2]研究了穿戴式鋼琴彈奏手套智能感知與手勢識別技術(shù)，以慣性數(shù)據(jù)手套與紅外檢測桿的輸出作為數(shù)據(jù)樣本，針對鋼琴彈奏手勢特性，進行多模態(tài)手勢特征的提取并采用分層識別算法改善識別效果。上述方法能夠為指法標(biāo)注提供參考依據(jù)，但是在和弦指法識別的準(zhǔn)確度方面有待進一步完善，為此本文設(shè)計了考慮音符序列的鋼琴演奏和弦指法自動標(biāo)注算法。該算法利用音符序列，對鋼琴演奏和弦音樂信號進行動態(tài)壓縮處理，將其轉(zhuǎn)換為Chroma頻譜，以減少輸出維數(shù)。通過PCA(principle component analysis)方法抑制噪聲，完成和弦指法信號的預(yù)處理。在此基礎(chǔ)上，分析演奏頻率譜的基本特點，集合分散的音符，按照頻率的大小分布自動尋找標(biāo)記位置。在頻率一定、序列不變的條件下完成歸一化處理，完成標(biāo)注音符區(qū)域分配，以提高指法標(biāo)注的準(zhǔn)確性。為了保持和弦彈奏的穩(wěn)定狀態(tài)，增加了判決的概率，構(gòu)建了指法標(biāo)注模型，完成音符序列的轉(zhuǎn)換。將和弦音符引入波爾茲曼機模型中，提取和弦指法特征，再根據(jù)音符的主要特征預(yù)測和弦指法，通過分幀波動的次數(shù)與頻率形成1個新的序列并完成和弦指法的自動標(biāo)注。

1 預(yù)處理音符序列

在對和弦指法自動標(biāo)注之前，對音符序列進行預(yù)處理，主要預(yù)處理過程如下。

首先，對鋼琴演奏的和弦音樂進行處理，獲得頻譜，由于音樂信號在振幅上存在很大的動態(tài)差異，因此采用了動態(tài)范圍壓縮的方法，對其進行自適應(yīng)調(diào)整[3]。

其次，把自增益調(diào)整后的線性頻譜轉(zhuǎn)換成Chroma頻譜，與傳統(tǒng)的方法相比，在抽取Chroma時，不需要對數(shù)據(jù)進行標(biāo)準(zhǔn)化處理，這樣可以保持原有的線性頻譜特征，同時也能減少輸出的維數(shù)。

在對數(shù)壓縮公式中，Chroma頻譜的振幅被壓縮，其表達式如公式(1)所示：

Z=lg(1+C·Chroma)

(1)

式中：C代表壓縮程度。在此步驟之后，每個音符都會有1個振幅壓縮的Chroma特征系數(shù)[4]。

由于在訓(xùn)練時，每個音符都會有1個特征矩陣，如果不將其全部選出，就會造成較大的特征訓(xùn)練誤差，并且不能保證每個特征都具有代表性。為使第二階段的無監(jiān)督學(xué)習(xí)更好地掌握有效的特征矢量，提出基于起點的識別算法。該算法將和弦的起點作為基礎(chǔ)，從鋼琴曲譜的特征矩陣中提取出1個特征矢量，并利用該矢量構(gòu)造1個新的特征矩陣，作為訓(xùn)練的輸入特性。其主要功能是在不進行訓(xùn)練的情況下，確保音符特征仍是全幅值壓縮后的Chroma頻譜。PCA的白化是一種常用的預(yù)處理方法，用于消除關(guān)聯(lián)和減少數(shù)據(jù)的尺寸。PCA白化矩陣是通過初始點采樣矩陣進行降維處理，然后通過PCA空間進行方差標(biāo)準(zhǔn)化從而獲得。在此階段，采用最大值池和求均值的方法，對PCA降維后的特征矩陣進行無監(jiān)督學(xué)習(xí)，得到“詞袋”的特征矢量[5]。

最后，經(jīng)過前面的步驟，獲得經(jīng)過 PCA白化處理后的 Chroma特性，該特性是基于已有的知識進行人工設(shè)計的，因此在本步驟中，采用降噪編碼器進行處理。噪聲抑制的自動編碼是典型的瓶頸模式[6]，以隱藏層為實際輸出。在訓(xùn)練過程中，最佳參數(shù)權(quán)重矩陣W和偏差向量b如公式(2)所示：

(2)

2 分配標(biāo)注區(qū)域

經(jīng)過上述預(yù)處理后，將鋼琴演奏和弦放置在三維空間中，序列表中的標(biāo)注看作空間內(nèi)的元素[7]。假設(shè)在任意和弦上標(biāo)注的序列處于靜止?fàn)顟B(tài)，那么關(guān)于和弦尺度函數(shù)的表達式如公式(3)所示：

(3)

式中，Xi代表標(biāo)注的定位，并且在序列中處于最高位，占據(jù)和弦的主要部分。采用基于區(qū)域劃分的標(biāo)注布局方法，將標(biāo)注區(qū)域劃分為8個區(qū)域，每個圖形覆蓋的節(jié)點都均勻分布。通過對和弦的控制將標(biāo)注的位置簡單化，以免出現(xiàn)音符互相碰撞與丟失[8]，因此，將其轉(zhuǎn)化到二維平面進行分區(qū)域標(biāo)注，以減少音符之間的碰撞。經(jīng)過分區(qū)處理之后，簡化標(biāo)注布局，在標(biāo)注區(qū)域內(nèi)會出現(xiàn)同一類型的標(biāo)注。為此,對同一類型的標(biāo)注采用排序的方式重新排布，以達到完全避免碰撞的目的。在排布上，采用標(biāo)注定義點作為每個區(qū)域的索引值，以形成相應(yīng)的標(biāo)注體。該階段的處理主要是分析出演奏頻率譜的基本特點，在頻率一定、序列不變的條件下完成歸一化處理[9]。在此基礎(chǔ)上，采集接收到的聲音信號，利用和弦的變化來推測演奏的節(jié)點，調(diào)整到相應(yīng)的幅度，減少誤差的產(chǎn)生，通過儀器的自動編輯對音符序列進行預(yù)處理，流程如圖1所示。

圖1 音符序列預(yù)處理流程

按照圖1中的步驟將和弦的長度縮減，融合重復(fù)的音符，檢測標(biāo)注出的每個音符位置[10]，構(gòu)成1個動態(tài)的音符序列矩陣，表達式如公式(4)所示：

A=lg(1+C′·Chroma)

(4)

式中：A代表矩陣；C′代表縮減參數(shù)。

在處理序列時由于影響因素居多，偶爾會產(chǎn)生噪聲，因此要使用可以降噪的自動編輯器來識別和弦指法，以便過濾掉嘈雜的噪音，將音樂調(diào)整至正常曲調(diào)。假設(shè)儀器檢測到的頻譜信號序列中的音符與指法相對應(yīng)，那么兩者之間的關(guān)系式如公式(5)所示：

(5)

式中：y(k)代表映射函數(shù)；k代表系數(shù)；fr代表頻譜；fb代表噪聲函數(shù)；N代表待連接權(quán)重。

將分散的音符集合按照頻率的大小進行分布，之后音樂信號就會根據(jù)音符的排列自動找到自身標(biāo)注位置，減少和弦上的空缺，剩余的信號就會填補空余的標(biāo)注位置，為后續(xù)指法自動標(biāo)注提供參考。

3 轉(zhuǎn)換音符序列

經(jīng)過預(yù)處理后的標(biāo)注指法不會出現(xiàn)手指間距離過大的問題，也不會在演奏過程中發(fā)生手指交錯交叉的誤差。在此條件下建立指法標(biāo)注模型[11]，一方面糾正了指法變換過于緩慢的問題，另一方面提高了演奏的整體效率，使得加入音調(diào)時更加自然與迅速，包括音樂的升降調(diào)銜接更加順暢，從其他角度上看，增加了判決的概率，原理模型如圖2所示。

圖2 指法標(biāo)注模型的構(gòu)建

但在建模過程中，手指間的升降與轉(zhuǎn)換會影響節(jié)奏的變化，導(dǎo)致和弦出現(xiàn)差錯。為了提高指法標(biāo)注的準(zhǔn)確率并獲取相應(yīng)的信息，在各個參數(shù)不影響計算的前提下利用指法轉(zhuǎn)換的規(guī)律得到音符序列的轉(zhuǎn)移概率，如公式(6)所示：

P(β?K)=det(Mβ)

(6)

式中：K代表概率模型；Mβ代表音樂片段。

當(dāng)集合中的音符序列輸入模型中時，系統(tǒng)就會隨機出現(xiàn)1個與之匹配的指法標(biāo)注方法，然后檢測指法標(biāo)注的正確性，自動形成矩陣。矩陣中的每個音符元素都代表著不同的信息，與集體過濾相比，獨立的音符序列對指法的自動標(biāo)注來說效果更好。

假設(shè)矩陣中的元素用y1表示，利用序列中的音符位置推算出參數(shù)的位置[12]，那么音符的最初狀態(tài)的表達式如公式(7)所示：

(7)

音符會根據(jù)矩陣的指示跳到特定的路線上，去除噪聲的干擾，那么在模型中標(biāo)注的參數(shù)范圍如公式(8)所示：

σn(i)=Smax(it=i|i1,…,in，…，λ)

i=1,2,…,n

(8)

式中：Smax代表參數(shù)的最大值；λ代表特征向量。在該范圍內(nèi)的所有音符序列都能被轉(zhuǎn)換，但模型會選擇最符合標(biāo)準(zhǔn)的序列，剩余的其他路線就會被舍棄，使和弦維持穩(wěn)定狀態(tài)。

4 提取和弦指法特征

經(jīng)過上述處理后，提取和弦指法特征。波爾茲曼機是一種無向性模型，主要包含輸入層與隱藏層，這兩層彼此連接，內(nèi)部不存在聯(lián)系[13]。在訓(xùn)練后，隱藏層能夠?qū)W習(xí)到輸入層的概率分布模式，獲得輸入層的特性。本文的學(xué)習(xí)模式主要是不受監(jiān)督模式，如果將和弦引入該模型中，它就可以提取聲音特性，并對其重建。因此，在多層次的深度學(xué)習(xí)模型中，波爾茲曼機往往被看作是用于抽取前一層次的輸入特征的方法，但是，如果把原始的輸入(聲音)與其分類(社區(qū)標(biāo)記)一起輸入波爾茲曼機，通過輸入和標(biāo)記的聯(lián)合分配就能夠?qū)崿F(xiàn)學(xué)習(xí)。假設(shè)生成的波爾茲曼機含有n個隱節(jié)點，輸入數(shù)據(jù)為d維音頻特征，形成的概率分布函數(shù)如公式(9)所示：

(9)

式中：x、y、h分別表示節(jié)點、標(biāo)簽和隱藏節(jié)點；Z代表歸一化系數(shù)；E代表散度參數(shù)。

將Dtrain作為整合訓(xùn)練集集合，為了達到目標(biāo)函數(shù)極小值，需要保證負(fù)對數(shù)似然最少[14]，負(fù)對數(shù)似然函數(shù)計算式如公式(10)所示：

(10)

式中：p(xi,yi)代表樣本x、y的聯(lián)合分布參數(shù)。

為了使目標(biāo)函數(shù)值最小，本文提出基于隨機梯度遞減的計算式，如公式(11)所示：

(11)

式中：?、θ分別代表連接權(quán)重系數(shù)和特征權(quán)重。

此次研究的目的是實現(xiàn)和弦指法自動標(biāo)注，基于上述函數(shù)，獲得的是語音特性和社區(qū)標(biāo)記結(jié)合的非概率分布情況。因此，對目標(biāo)函數(shù)進行轉(zhuǎn)換，將p(x,y)替換為p(y/x)，具體計算式如公式(12)所示：

(12)

與產(chǎn)生波爾茲曼機類似，在訓(xùn)練和識別波爾茲曼機時，也可以采用比較散度法來求出其特征值。

5 實現(xiàn)和弦指法自動標(biāo)注

鋼琴演奏和弦包括多個音符與曲調(diào)，根據(jù)其內(nèi)容劃分為多個種類，基于其多樣性特征，根據(jù)音符的主要特征來預(yù)測和弦指法。構(gòu)建特征函數(shù)標(biāo)記音符序列的變化情況，根據(jù)分幀波動的次數(shù)與頻率形成1個新的序列[15]，預(yù)測出標(biāo)注指法。

(13)

式中：x代表任意點；α代表序列中的向量。

在執(zhí)行標(biāo)注任務(wù)時，若新加入1段和弦就會導(dǎo)致新的序列節(jié)點出現(xiàn)，那么就要過濾全部的隱藏節(jié)點才能形成1個穩(wěn)定的音符序列。假設(shè)節(jié)點的數(shù)量為N，空間維度為n，輸入編輯器中的音樂用M來表示，那么序列的重新分布計算式如公式(14)所示：

(14)

式中：A代表延遲點數(shù)；e代表產(chǎn)生的能量;m代表不能自主標(biāo)注的數(shù)量。式中所有參數(shù)都是成比例變化的，單個音符或者多個音符的序列節(jié)點改變會影響整首樂曲。為了確保樂曲的演奏質(zhì)量，需要找出序列中相同的2個片段相互補償，這樣會增大標(biāo)注的準(zhǔn)確率與靈敏度。

在集合中所有音符序列形成的矩陣都是有方向和有順序的，因此可以通過空間向量來構(gòu)成和弦自動標(biāo)注指法，使其自動完成標(biāo)注。那么，建立的標(biāo)注函數(shù)如公式(15)所示：

(15)

由于指法具有隨機性，音符序列的預(yù)測可能會出現(xiàn)誤差，集合預(yù)測可能出現(xiàn)的誤差，形成誤差集合，尋找誤差最小的音符序列，將誤差概率用公式(16)表示為

Pu=

(16)

式中：θ代表特征參數(shù)；N′代表音符數(shù)量；ot與ot-1代表相鄰序列。

為了確定指法標(biāo)注的準(zhǔn)確性，需要降低誤差概率。找到音符序列的初始位置，計算出與終點的差值，記作Δi，將序列中的音符相互比較，找到峰值，作為預(yù)測的標(biāo)準(zhǔn)值。重復(fù)以上所有步驟，直到得到最佳標(biāo)注指法為止，計算式如公式(17)所示：

(17)

式中：Sa代表指法的速度；b代表誤差因子；fa代表分隔函數(shù)；d代表音符距離。經(jīng)驗證，當(dāng)指法標(biāo)注誤差在20～40時，演奏和弦的指法標(biāo)注最優(yōu)。同時在切分中會存在一些不必要的片段，與預(yù)測的標(biāo)注有較大出入，因此要消除多余的音符，還要保證音頻不被損傷，仍然可以被識別。得到預(yù)測的樣本音符序列后就要立即預(yù)處理，將點的集合傳輸?shù)骄庉嬈髦?，那么形成的函?shù)計算式如公式(18)所示：

(18)

當(dāng)函數(shù)持續(xù)發(fā)生變化時，需要即時記錄。將函數(shù)即時記錄的計算結(jié)果輸入編輯器中。為使本文方法的指法標(biāo)注更接近人工標(biāo)注的結(jié)果，需要進行后續(xù)加工。在維特比算法中，根據(jù)初始指法的先驗，確定初始狀態(tài)，再用遞推方法求最大可能路徑，從而限制了后續(xù)指法的選擇。指法標(biāo)注的后續(xù)加工計算式如公式(19)所示：

(19)

如果上一次的手指指位是固定的，則根據(jù)上次的指位提升下一次指法標(biāo)注。在固定指位不換手的情況下，沒有其他的指法選擇。因此，此時可以擴大指位范圍，增加每一次選擇的指法，以此實現(xiàn)和弦指法自動標(biāo)注。

6 實驗對比

為驗證此次研究的和弦指法自動標(biāo)注算法的有效性，將基于機器視覺技術(shù)的鋼琴指法自動識別方法(文獻[1])和穿戴式鋼琴彈奏手套智能感知與手勢識別方法(文獻[2])作為對照組。

實驗數(shù)據(jù)集合使用亞馬遜網(wǎng)站的媒體統(tǒng)計數(shù)據(jù)，使用者可以根據(jù)自己的喜好，在不同的標(biāo)簽上標(biāo)注不同的風(fēng)格，比如“孤獨”“快節(jié)奏”等。本研究共選擇915個10 s的視頻，并從中抽取100個片段進行指法標(biāo)注。

6.1 評價標(biāo)準(zhǔn)

此次實驗中，采用的指標(biāo)主要如下。

一致率指標(biāo)，可將各時間點算法標(biāo)記的指法和手工標(biāo)記的比例進行運算，其結(jié)果與正確率相似，指數(shù)越高，則運算結(jié)果越好，公式表示如下：

(20)

式中：z、q分別代表人工標(biāo)注指法序列和算法的標(biāo)注指法序列；n代表序列長度；Λ為異或運算。

P-score指標(biāo)，主要計算標(biāo)準(zhǔn)和弦的序列與待標(biāo)注和弦節(jié)點的序列之間的有限互相關(guān)的總數(shù)，容差在間隔中值的20%左右，在該指標(biāo)內(nèi)認(rèn)為是正確的。其算法為預(yù)先構(gòu)建40個25 s長的序列，公式表示如下：

(21)

式中,ai代表互相關(guān)函數(shù)。

不可彈指法占比衡量的是不可彈指法的占比，在指法標(biāo)注過程中首先需要避免不可彈指法，從而在諸多指法序列中尋找最優(yōu)的指法，公式表示如下：

(22)

式中：md代表分段次數(shù)；ψ1、ψ2代表不可彈指法數(shù)量。

6.2 實驗結(jié)果分析

3種方法的一致率結(jié)果如圖3所示。

圖3 一致率對比

3種方法的P-score指標(biāo)結(jié)果如圖4所示。

圖4 P-score指標(biāo)對比

3種方法的不可彈指法占比結(jié)果如圖5所示。

圖5 不可彈指法占比對比

通過圖3、圖4、圖5能夠發(fā)現(xiàn)，本文提出的算法標(biāo)注結(jié)果一致率提升較多，不可彈指法占比下降，P-score指標(biāo)也較低。由此能夠看出，本文提出的算法能夠提升和弦指法標(biāo)注的一致率，原因是本文提出的算法預(yù)先對和弦序列進行處理，增加了整體搜索的可選路徑，相較于另外2種方法來說，效果更好。

7 結(jié)語

基于上述過程本文完成了鋼琴演奏和弦指法自動標(biāo)注算法的研究。本文提出的算法能夠計算出音符之間的距離，高效分離出序列中的音符，得到譜中的和弦變化，找到其主要特征，準(zhǔn)確地識別出正確的序列，然后與校驗后的指法相呼應(yīng)，多余的音符可視為和弦的起點與終點，繼續(xù)組成新的音符序列，最后促使其自動標(biāo)注。實驗結(jié)果也證明，本文提出的算法是有效的，可滿足設(shè)計需求。然而，研究時間有限，還有不足之處，在后續(xù)研究中將重點研究和弦標(biāo)注的影響因素，以進一步提高和弦指法標(biāo)注的效果。