14、数字音乐录音中鼓点片段的查找

数字音乐录音中鼓点片段的查找

1 研究背景与目标

在电子舞曲（EDM）创作中，鼓点片段（breakbeats）的发现和处理是常见的艺术流程。以往研究多聚焦于鼓点提取和处理阶段，而本次研究旨在实现鼓点片段的自动发现，为艺术家筛选有用音乐素材。

2 基线系统

2.1 特征提取

• 借鉴的特征 ：参考了用于歌唱声音检测（SVD）的方法，使用了其中的部分特征，如波动图、频谱平坦度/收缩度、声乐方差（VOCVAR），并结合了梅尔频率倒谱系数（MFCCs）。
• 新特征 ：引入了基于谐波 - 残差 - 打击乐源分离（HRPSS）的新特征。HRPSS 可将信号分解为音调、噪声和瞬态成分。级联谐波 - 残差 - 打击乐（CHRP）特征通过迭代应用 HRPSS 并测量成分能量，捕捉沿 HRP 轴的音色特性，实验中采用了七维的 CHRP 特征。
• 特征矩阵 ：将所有特征连接后，每个频谱帧得到一个 83 维的向量，所有向量构成特征矩阵，并划分为训练集、验证集和测试集用于机器学习。

2.2 分类方案

采用随机森林（RF）作为分类方案。RF 为每个类别提供逐帧得分值，可作为分类器决策的置信度度量。在二分类场景中，选择对应目标纯打击乐类别的得分函数作为决策函数。决策函数值接近 1 表示很可能属于纯打击乐类别，接近 0 则相反。在二值化之前，可使用中值滤波器平滑决策函数，以稳定检测结果，避免分类频繁翻转。

以下是决策函数和分类的流程：