哼唱检索系统的研究与实现的中期报告.docx

哼唱检索系统的研究与实现的中期报告

一、研究背景

随着音乐产业的迅猛发展，人们对于音乐的需求越来越高，音乐数据也在爆发式增长，因此如何高效地检索音乐成为一个亟待解决的问题。哼唱检索系统是一种基于声学相似性的检索方法，通过用户哼唱或者输入音频片段，来搜索匹配的音乐曲目。哼唱检索系统能够打破语言的限制，同时避免了关键词的输入和记忆方面的问题，具有较高的使用价值和实用性。

分别利用基于特征提取和基于深度学习的方法，实现了哼唱检索系统的研究，但两种方法都存在一些问题，例如特征提取的方法处理的音频信号特征不够丰富，而深度学习的方法需要大量的训练数据，建立模型的时间和计算资源成本也较高，因此需要进行更加综合性能和效果的方法研究。

二、研究目标

本次研究旨在综合利用基于特征提取和基于深度学习的方法，开发出一种高效、实用、准确的哼唱检索系统。

三、研究内容与方法

本次研究主要内容包括以下方面：

1、对音频数据进行特征提取，提取音频数据的有代表性的内容，用于后续的匹配。

2、应用深度学习技术进行模型建立，在保持模型准确性的同时，尽量减少模型的时间和计算资源成本。

3、建立哼唱检索系统，将特征提取和深度学习方法相结合，实现对用户哼唱或者输入音频片段的快速检索。

四、预期成果

通过本次研究，预计实现一个能够高效地检索音乐的哼唱检索系统，具备以下特点：

1、能够实现对用户哼唱或输入的音频片段进行准确的匹配，使用户能够方便快捷地找到所需音乐。

2、系统建立时间和计算资源成本较低，能够为大众提供更加便捷的音乐服务。

3、系统能够处理不同语言的哼唱请求和音频输入，具有广泛的适用性。

五、进度计划

下列时间表是本研究的预计进度：

1、数据收集（一个月），收集并存储需要的音频数据。

2、特征提取方法研究（两个月），对收集的音频数据进行特征提取。

3、深度学习模型建立（三个月），建立基于深度学习技术的哼唱检索模型。

4、系统实现（三个月），将特征提取和深度学习方法相结合，实现哼唱检索系统。

5、系统测试与优化（两个月），对系统进行测试，发现和解决其中存在的问题。

六、参考文献

[1]李虎.基于声音信号的异构音乐检索方法研究[D].大连理工大学,2014.

[2]杨易,曹知行.基于自编码器的音乐相似性度量方法[J].海南大学（自然科学版）,2020,38(4):479-485.

[3]王诚,黄诗浩.一种基于注意力机制的音乐相似度计算模型[J].计算机工程与应用,2019,55(23):64-68.

[4]张柏龙,刘吉波,罗云涛,等.一种基于卷积神经网络的哼唱检索方法[J].计算机工程,2019,45(10):73-78.