JPH05188932A - 楽音認識装置 - Google Patents
楽音認識装置Info
- Publication number
- JPH05188932A JPH05188932A JP4024681A JP2468192A JPH05188932A JP H05188932 A JPH05188932 A JP H05188932A JP 4024681 A JP4024681 A JP 4024681A JP 2468192 A JP2468192 A JP 2468192A JP H05188932 A JPH05188932 A JP H05188932A
- Authority
- JP
- Japan
- Prior art keywords
- musical
- musical instrument
- music
- neural network
- feature extraction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Landscapes
- Electrophonic Musical Instruments (AREA)
Abstract
(57)【要約】
【目的】 複数楽器、複数音階の音楽信号から特定の楽
器、音階情報を得る。 【構成】 複数楽器、複数音階で演奏された曲の音楽信
号をＡ／Ｄ変換し、周波数解析部２で周波数解析を行な
う。オン・レスポンス・セル部３は、周波数解析部２の
出力より特徴量を抽出する。ニューラルネットワーク４
は、オン・レスポンス・セル部３の出力をもとに、楽
器、音階情報を抽出する。
器、音階情報を得る。 【構成】 複数楽器、複数音階で演奏された曲の音楽信
号をＡ／Ｄ変換し、周波数解析部２で周波数解析を行な
う。オン・レスポンス・セル部３は、周波数解析部２の
出力より特徴量を抽出する。ニューラルネットワーク４
は、オン・レスポンス・セル部３の出力をもとに、楽
器、音階情報を抽出する。
Description
【０００１】
【産業上の利用分野】本発明は、複数楽器、複数音階の
音楽信号より特定の楽器、音階を認識する楽音認識装置
に関する。
音楽信号より特定の楽器、音階を認識する楽音認識装置
に関する。
【０００２】
【従来の技術】従来、単一楽器で演奏された音楽信号か
ら音階もしくはピッチを検出することはできたが、複数
楽器、複数音階で演奏された音楽信号から特定の楽器、
音階情報を抽出することは、技術的に困難であった。
ら音階もしくはピッチを検出することはできたが、複数
楽器、複数音階で演奏された音楽信号から特定の楽器、
音階情報を抽出することは、技術的に困難であった。
【０００３】
【発明が解決しようとする課題】上述したように、従
来、複数楽器、複数音階で演奏された音楽信号から特定
の楽器、音階情報を抽出することができないため、楽譜
を生成したり、特定の楽器を選択し再演奏したりするこ
とができなかった。
来、複数楽器、複数音階で演奏された音楽信号から特定
の楽器、音階情報を抽出することができないため、楽譜
を生成したり、特定の楽器を選択し再演奏したりするこ
とができなかった。
【０００４】本発明の目的は、複数楽器、複数音階で演
奏された音楽信号から特定の楽器、音階情報を抽出する
ことができ、従ってＣＤやレコード、生演奏の音楽信号
から楽譜を生成したり、複数の楽器によって構成される
曲から特定の楽器を選択し再演奏したりすることができ
るようにした楽音認識装置を提供することにある。
奏された音楽信号から特定の楽器、音階情報を抽出する
ことができ、従ってＣＤやレコード、生演奏の音楽信号
から楽譜を生成したり、複数の楽器によって構成される
曲から特定の楽器を選択し再演奏したりすることができ
るようにした楽音認識装置を提供することにある。
【０００５】
【課題を解決するための手段】本発明の楽音認識装置
は、特徴抽出部としてのオン・レスポンス・セル部３
と、ニュートラルネットワークとしてのニュートラルネ
ットワーク４とを備えることを特徴とする。
は、特徴抽出部としてのオン・レスポンス・セル部３
と、ニュートラルネットワークとしてのニュートラルネ
ットワーク４とを備えることを特徴とする。
【０００６】
【作用】上記構成の楽音認識装置においては、オン・レ
スポンス・セル部３は複数楽器、複数音階の音楽信号Ｓ
（ωk ，ｎ）をもとに特徴量Ｄ（ωk ，ｎ）を抽出す
る。ニューラルネットワーク４はオン・レスポンス・セ
ル部３からの特徴量Ｄ（ωk ，ｎ）をもとに楽器、音階
情報Ｏij（ｎ）を抽出する。ここに、ｎは離散時間、ω
k は中心周波数（ｋはフィルタ番号、ｋ＝１，２，・・
Ｋ）、ｉは楽器、ｊは音階を表わす。
スポンス・セル部３は複数楽器、複数音階の音楽信号Ｓ
（ωk ，ｎ）をもとに特徴量Ｄ（ωk ，ｎ）を抽出す
る。ニューラルネットワーク４はオン・レスポンス・セ
ル部３からの特徴量Ｄ（ωk ，ｎ）をもとに楽器、音階
情報Ｏij（ｎ）を抽出する。ここに、ｎは離散時間、ω
k は中心周波数（ｋはフィルタ番号、ｋ＝１，２，・・
Ｋ）、ｉは楽器、ｊは音階を表わす。
【０００７】このようにして、複数楽器、複数音階で演
奏された音楽信号から特定の楽器、音階情報を抽出する
ことができる。従ってＣＤやレコード、生演奏の音楽信
号から楽譜を生成したり、複数の楽器によって構成され
る曲から特定の楽器を選択し再演奏したりすることがで
きる。
奏された音楽信号から特定の楽器、音階情報を抽出する
ことができる。従ってＣＤやレコード、生演奏の音楽信
号から楽譜を生成したり、複数の楽器によって構成され
る曲から特定の楽器を選択し再演奏したりすることがで
きる。
【０００８】
【実施例】次に本発明の実施例につき図面を用いて説明
する。図１は本発明による楽音認識装置の一実施例を示
すシステム構成図である。ここでは、複数の楽器、複数
の音階で構成される、ある曲の音楽信号から楽器情報と
音階情報を抽出する場合を示す。同図において、複数の
楽器、複数の音階によって構成される、ある曲の音楽信
号ｓ（ｔ）（ここに、ｔは連続時間）はＡ／Ｄコンバー
タ１によって標本化、量子化され離散時間信号Ｓ（ｎ）
（ここに、ｎは、離散時間）となる。
する。図１は本発明による楽音認識装置の一実施例を示
すシステム構成図である。ここでは、複数の楽器、複数
の音階で構成される、ある曲の音楽信号から楽器情報と
音階情報を抽出する場合を示す。同図において、複数の
楽器、複数の音階によって構成される、ある曲の音楽信
号ｓ（ｔ）（ここに、ｔは連続時間）はＡ／Ｄコンバー
タ１によって標本化、量子化され離散時間信号Ｓ（ｎ）
（ここに、ｎは、離散時間）となる。
【０００９】周波数解析部２は、前記離散時間信号Ｓ
（ｎ）の周波数解析を行なうものである。周波数解析部
２として、例えば中心周波数がωk （ｋはフィルタ番
号、ｋ＝１，２，・・Ｋ）のバンドパスフィルタをＫ個
用いたとすると、各バンドパスフィルタｋの離散時間ｎ
における出力はＳ（ωk ，ｎ）となる。
（ｎ）の周波数解析を行なうものである。周波数解析部
２として、例えば中心周波数がωk （ｋはフィルタ番
号、ｋ＝１，２，・・Ｋ）のバンドパスフィルタをＫ個
用いたとすると、各バンドパスフィルタｋの離散時間ｎ
における出力はＳ（ωk ，ｎ）となる。
【００１０】オン・レスポンス・セル（Ｏｎ Ｒｅｓｐ
ｏｎｓｅ Ｃｅｌｌ）部３は、生物の聴覚神経経路にみ
られる特徴抽出細胞をモデル化したもので、特に音の始
まりの部分に選択的に反応するオン（ＯＮ）型細胞をモ
デル化したものである。前段のバンドパスフィルタｋの
それぞれについて、オン・レスポンス・セル部３を構成
する特徴抽出細胞が接続されている。オン・レスポンス
・セル部３の出力、即ち各特徴抽出細胞の出力をＤ（ω
k ，ｎ）とする。
ｏｎｓｅ Ｃｅｌｌ）部３は、生物の聴覚神経経路にみ
られる特徴抽出細胞をモデル化したもので、特に音の始
まりの部分に選択的に反応するオン（ＯＮ）型細胞をモ
デル化したものである。前段のバンドパスフィルタｋの
それぞれについて、オン・レスポンス・セル部３を構成
する特徴抽出細胞が接続されている。オン・レスポンス
・セル部３の出力、即ち各特徴抽出細胞の出力をＤ（ω
k ，ｎ）とする。
【００１１】ニューラルネットワーク（Ｎｅｕｒａｌ
Ｎｅｔｗｏｒｋ）４は、前段で得た特徴抽出量から、特
定の状態だけに反応し、楽器・音階情報を抽出するもの
である。楽器をｉ，音階をｊとすると、ニューラルネッ
トワーク４の出力はＯij（ｎ）となる。
Ｎｅｔｗｏｒｋ）４は、前段で得た特徴抽出量から、特
定の状態だけに反応し、楽器・音階情報を抽出するもの
である。楽器をｉ，音階をｊとすると、ニューラルネッ
トワーク４の出力はＯij（ｎ）となる。
【００１２】次に図１の要部構成、特に特徴抽出部とし
てのオン・レスポンス・セル部３とニューラルネットワ
ーク４について詳述する。
てのオン・レスポンス・セル部３とニューラルネットワ
ーク４について詳述する。
【００１３】（Ａ）オン・レスポンス・セル部３につい
て説明する。音階を決定し得る大きな要素はピッチであ
り、その感覚は主に基本周波数（一般的に最も周波数の
低いピーク成分のある周波数）によって決まるとされて
いる。また、楽器を決定し得る最も大きな要素は音色で
あって、その音色は、スペクトル、即ち倍音と呼ばれる
基本周波数とそれに伴う高周波成分との混合比であると
されている。実際に楽器のスペクトルを、例えばトラン
ペットとフルートのスペクトルを例に取り、観察してみ
ると、音階は双方ともＣ５（５２３．２５Ｈｚ）であ
る。基本周波数はともに５２３．２５Ｈｚであり、基本
周波数をｆ0 とすると、その高周波成分はｎ・ｆ0 （ｎ
はｎ＞０の整数）となる。両楽器が大きく異なる点は高
周波成分の数が異なることである。明らかにフルートの
方が、高周波成分の数が少ない。このように、楽器の音
色の差は、倍音構造に大きく影響する。
て説明する。音階を決定し得る大きな要素はピッチであ
り、その感覚は主に基本周波数（一般的に最も周波数の
低いピーク成分のある周波数）によって決まるとされて
いる。また、楽器を決定し得る最も大きな要素は音色で
あって、その音色は、スペクトル、即ち倍音と呼ばれる
基本周波数とそれに伴う高周波成分との混合比であると
されている。実際に楽器のスペクトルを、例えばトラン
ペットとフルートのスペクトルを例に取り、観察してみ
ると、音階は双方ともＣ５（５２３．２５Ｈｚ）であ
る。基本周波数はともに５２３．２５Ｈｚであり、基本
周波数をｆ0 とすると、その高周波成分はｎ・ｆ0 （ｎ
はｎ＞０の整数）となる。両楽器が大きく異なる点は高
周波成分の数が異なることである。明らかにフルートの
方が、高周波成分の数が少ない。このように、楽器の音
色の差は、倍音構造に大きく影響する。
【００１４】一方、生物の聴覚神経経路には、特定の状
態だけに反応する特徴抽出細胞が、数種類発見されてい
る。本発明では、楽器による倍音構造の違いを検出する
ため、幾つかの特徴抽出細胞の中から、音の始まりに反
応するオン型細胞をモデル化して用いている。
態だけに反応する特徴抽出細胞が、数種類発見されてい
る。本発明では、楽器による倍音構造の違いを検出する
ため、幾つかの特徴抽出細胞の中から、音の始まりに反
応するオン型細胞をモデル化して用いている。
【００１５】連続時間ｔにおける、音楽信号をｓ（ｔ）
（ｓ（ｔ）≧０）とすれば、その始まり、つまり、立ち
上がりの部分だけを抽出した特徴抽出量ｆ（ｔ）を、原
理的に次式で求めることができる。 ｆ（ｔ）＝ｄ｛ｓ（ｔ）｝／ｄｔ， ｄ｛ｓ（ｔ）｝／ｄｔ＞０のとき ｆ（ｔ）＝０， ｄ｛ｓ（ｔ）｝／ｄｔ≦０のとき
（ｓ（ｔ）≧０）とすれば、その始まり、つまり、立ち
上がりの部分だけを抽出した特徴抽出量ｆ（ｔ）を、原
理的に次式で求めることができる。 ｆ（ｔ）＝ｄ｛ｓ（ｔ）｝／ｄｔ， ｄ｛ｓ（ｔ）｝／ｄｔ＞０のとき ｆ（ｔ）＝０， ｄ｛ｓ（ｔ）｝／ｄｔ≦０のとき
【００１６】具体的な例として各特徴抽出細胞の出力Ｄ
（ωk ，ｎ）を次式で求めることができる。 ｆ（ｎ，ｄ）＝Ｓ（ωk ，ｎ＋ｄ）p ーＳ（ωk ，ｎ）p ・・・・・（１） 但し、Ｓ（ωk ，ｎ）＞Ｓ（ωk ，ｎ＋ｄ）のとき ｆ（ｎ，ｄ）＝０ ・・・・・・・・・・・・・・・・・・・・・・・（２） 但し、Ｓ（ωk ，ｎ）≦Ｓ（ωk ，ｎ＋ｄ）のとき
（ωk ，ｎ）を次式で求めることができる。 ｆ（ｎ，ｄ）＝Ｓ（ωk ，ｎ＋ｄ）p ーＳ（ωk ，ｎ）p ・・・・・（１） 但し、Ｓ（ωk ，ｎ）＞Ｓ（ωk ，ｎ＋ｄ）のとき ｆ（ｎ，ｄ）＝０ ・・・・・・・・・・・・・・・・・・・・・・・（２） 但し、Ｓ（ωk ，ｎ）≦Ｓ（ωk ，ｎ＋ｄ）のとき
【００１７】
【数１】
【００１８】 Ｄ（ωk ，ｎ）＝１ ・・・・・・・・・・・・・・・・・・・・・・（４） 但し、ｇ（ｎ，ｄ）≧１のとき Ｄ（ωk ，ｎ）＝ｇ（ｎ，ｄ） ・・・・・・・・・・・・・・・・・（５） 但し、ｇ（ｎ，ｄ）＜１のとき
【００１９】上記（１）式では、離散時間ｎにおけるス
ペクトルＳ（ωk ，ｎ）と、離散時間ｎ＋ｄ（ｄ＝１，
２・・Ｄ）におけるスペクトルＳ（ωk ，ｎ＋ｄ）の差
を算出する。Ｓ（ωk ，ｎ）＞Ｓ（ωk ，ｎ＋ｄ）が成
り立つ場合は、差を０とする。ｐはｐ＞０を満たす実数
で鮮鋭化を施す。なお、Ｓ（ωk ，ｎ）は０≦Ｓ（ω
k ，ｎ）≦１の範囲を持つ実数とする。
ペクトルＳ（ωk ，ｎ）と、離散時間ｎ＋ｄ（ｄ＝１，
２・・Ｄ）におけるスペクトルＳ（ωk ，ｎ＋ｄ）の差
を算出する。Ｓ（ωk ，ｎ）＞Ｓ（ωk ，ｎ＋ｄ）が成
り立つ場合は、差を０とする。ｐはｐ＞０を満たす実数
で鮮鋭化を施す。なお、Ｓ（ωk ，ｎ）は０≦Ｓ（ω
k ，ｎ）≦１の範囲を持つ実数とする。
【００２０】上記（３）式では、上記（１）式で求めた
ｆ（ｎ，ｄ）の平均値を求め、ε（ε≧１の実数）を乗
じることで強調化を行なう。
ｆ（ｎ，ｄ）の平均値を求め、ε（ε≧１の実数）を乗
じることで強調化を行なう。
【００２１】上記（４）、（５）式によって最終的な特
徴量が算出される。特徴量Ｄ（ωk，ｎ）は、０≦Ｄ
（ωk ，ｎ）≦１の範囲を持つ実数とする。
徴量が算出される。特徴量Ｄ（ωk，ｎ）は、０≦Ｄ
（ωk ，ｎ）≦１の範囲を持つ実数とする。
【００２２】（Ｂ）次にニューラルネットワーク４につ
いて説明する。ニューラルネットワーク４の構成例を図
２に示す。但し、図２は、１つのネットワークを示した
ものである。１つのネットワークは１楽器、１音階の判
別を行なう。
いて説明する。ニューラルネットワーク４の構成例を図
２に示す。但し、図２は、１つのネットワークを示した
ものである。１つのネットワークは１楽器、１音階の判
別を行なう。
【００２３】１つのネットワークは、図２に示すように
２層構造となっている。入力層には、図１の周波数解析
部２の出力Ｓ（ωk ，ｎ）が入力される。１つのネット
ワークの出力は、Ｏij（ｎ）の１つに対応している。入
力層と出力層の間は伝達度を決める結合係数ｖk,ijを通
して接続されている。出力Ｏij（ｎ）は、次式で求めら
れる。
２層構造となっている。入力層には、図１の周波数解析
部２の出力Ｓ（ωk ，ｎ）が入力される。１つのネット
ワークの出力は、Ｏij（ｎ）の１つに対応している。入
力層と出力層の間は伝達度を決める結合係数ｖk,ijを通
して接続されている。出力Ｏij（ｎ）は、次式で求めら
れる。
【００２４】
【数２】
【００２５】ここで、θは、しきい値を意味する。 Ｏij（ｎ）＝１ ・・・・・・・・・・・・・・・・・・・・・・・・（７） 但し、ｈ（ωk ，ｎ）≧０のとき Ｏij（ｎ）＝０ ・・・・・・・・・・・・・・・・・・・・・・・・（８） 但し、ｈ（ωk ，ｎ）＜０のとき
【００２６】次に結合係数ｖk,ijの求め方を説明する。
結合係数は、楽器と音階の特徴が反映される非常に重要
なものである。
結合係数は、楽器と音階の特徴が反映される非常に重要
なものである。
【００２７】楽器の音は、基本周波数ｆ0 と高周波成分
ｎ・ｆ0 （ｎはｎ＞０の整数）を含み、倍音構造という
規則性を持っている。まず、ある楽音を構成するうえ
で、無関係な周波数領域、つまりｆ0 とｎ・ｆ0 以外の
領域の結合係数を０にする。結合係数を０にするという
ことは、結合を持たないことと解釈することができる。
一方、ｆ0 とｎ・ｆ0 の領域に関しては、例えばある楽
音がｆ0 ，２ｆ0 ，３ｆ0 ，４ｆ0 の倍音構造を持って
いるとすれば、その領域に対しては興奮性の結合（正の
値をとる。）とし、それ以外の領域５ｆ0 ，６ｆ0 ，７
ｆ0 ・・・に対しては抑制性の結合（負の値をとる。）
となるようにする。その上で、適当なしきい値をとる。
原理的には、結合係数ｖを次式によって求めることがで
きる。 ｖ＝ｒ（ｆ）（−１）， 但し、ｒ（ｆ） ０，ｐ
（ｆ）≒０のとき ｖ＝ｐ（ｆ）ｒ（ｆ）， 上記以外のとき
ｎ・ｆ0 （ｎはｎ＞０の整数）を含み、倍音構造という
規則性を持っている。まず、ある楽音を構成するうえ
で、無関係な周波数領域、つまりｆ0 とｎ・ｆ0 以外の
領域の結合係数を０にする。結合係数を０にするという
ことは、結合を持たないことと解釈することができる。
一方、ｆ0 とｎ・ｆ0 の領域に関しては、例えばある楽
音がｆ0 ，２ｆ0 ，３ｆ0 ，４ｆ0 の倍音構造を持って
いるとすれば、その領域に対しては興奮性の結合（正の
値をとる。）とし、それ以外の領域５ｆ0 ，６ｆ0 ，７
ｆ0 ・・・に対しては抑制性の結合（負の値をとる。）
となるようにする。その上で、適当なしきい値をとる。
原理的には、結合係数ｖを次式によって求めることがで
きる。 ｖ＝ｒ（ｆ）（−１）， 但し、ｒ（ｆ） ０，ｐ
（ｆ）≒０のとき ｖ＝ｐ（ｆ）ｒ（ｆ）， 上記以外のとき
【００２８】上式で、ｐ（ｆ）はある楽音の周波数ｆに
おけるスペクトルパワーを表わし、ｒ（ｆ）は基本周波
数ｆ0 と高周波成分ｎ・ｆ0 が十分に含まれた音信号の
周波数ｆにおけるスペクトルパワーである。
おけるスペクトルパワーを表わし、ｒ（ｆ）は基本周波
数ｆ0 と高周波成分ｎ・ｆ0 が十分に含まれた音信号の
周波数ｆにおけるスペクトルパワーである。
【００２９】具体的な例として結合係数ｖk,ijおよび、
しきい値θを次式によって求めることができる。
しきい値θを次式によって求めることができる。
【００３０】
【数３】
【００３１】 ｖk,ij＝Ｓ（ωk ，ｎ）Ｒ（ωk ，ｎ） ・・・・・・・・・・・・（１０） 但し、Ｓ（ωk ，ｎ）≧ｒのとき ｖk,ij＝Ｒ（ωk ，ｎ）（−１） ・・・・・・・・・・・・・・・（１１） 但し、Ｓ（ωk ，ｎ）＜ｒのとき
【００３２】
【数４】
【００３３】但し、ｖk,ij≧０
【００３４】上記（９）式は、学習させる楽音の基本周
波数ω0 とその高周波成分ｕ・ω0（ｕ＝１，２，３・
・Ｕ）を十分含んだ正弦波（ｓｉｎ波）をフーリエ変換
することで、離散時間ｎ，周波数ωk におけるスペクト
ルＲ（ωk ，ｎ）を得る。
波数ω0 とその高周波成分ｕ・ω0（ｕ＝１，２，３・
・Ｕ）を十分含んだ正弦波（ｓｉｎ波）をフーリエ変換
することで、離散時間ｎ，周波数ωk におけるスペクト
ルＲ（ωk ，ｎ）を得る。
【００３５】上記（１０）、（１１）式は、結合係数ｖ
k,ijの算出を行なうものである。ｒは、０＜ｒ＜１の実
数であり、Ｓ（ωk ，ｎ）≧ｒを満たし、かつＲ（ω
k ，ｎ）≧ｒを満足する場合、結合係数ｖk,ijは正の値
（興奮性）をとる。一方、Ｓ（ωk ，ｎ）＜ｒの場合
は、逆に負の値（抑制性）をとる。但し、ωk とその高
周波成分以外の周波数領域では、Ｒ（ωk ，ｎ）≒０と
なるため、ｖk,ijは０に近い値をとる。つまり、結合を
持たない状態になる。
k,ijの算出を行なうものである。ｒは、０＜ｒ＜１の実
数であり、Ｓ（ωk ，ｎ）≧ｒを満たし、かつＲ（ω
k ，ｎ）≧ｒを満足する場合、結合係数ｖk,ijは正の値
（興奮性）をとる。一方、Ｓ（ωk ，ｎ）＜ｒの場合
は、逆に負の値（抑制性）をとる。但し、ωk とその高
周波成分以外の周波数領域では、Ｒ（ωk ，ｎ）≒０と
なるため、ｖk,ijは０に近い値をとる。つまり、結合を
持たない状態になる。
【００３６】上記（１２）式は、しきい値θを求めるも
ので、興奮結合係数の総和に定数σ（σ＜１）を乗じ
る。
ので、興奮結合係数の総和に定数σ（σ＜１）を乗じ
る。
【００３７】以上、特徴抽出部としてのオン・レスポン
ス・セル部３とニューラルネットワーク４について説明
した。
ス・セル部３とニューラルネットワーク４について説明
した。
【００３８】以上の説明から分かるように複数楽器、複
数音階で演奏された、ある曲の音楽信号から特定の楽
器、音階情報を抽出することができる。従ってＣＤやレ
コード、生演奏の音楽信号から楽譜を生成したり、複数
の楽器によって構成される曲から特定の楽器を選択し再
演奏したりすることができる。
数音階で演奏された、ある曲の音楽信号から特定の楽
器、音階情報を抽出することができる。従ってＣＤやレ
コード、生演奏の音楽信号から楽譜を生成したり、複数
の楽器によって構成される曲から特定の楽器を選択し再
演奏したりすることができる。
【００３９】本発明は、本実施例に限定されることな
く、本発明の要旨を逸脱しない範囲で種々の応用および
変形が考えられる。
く、本発明の要旨を逸脱しない範囲で種々の応用および
変形が考えられる。
【００４０】
【発明の効果】上述したように本発明の楽音認識装置に
よれば、特定の状態だけに反応するニューラルネットワ
ークを用いることで、複数楽器、複数音階の音楽信号か
ら特定の楽器、音階情報を抽出することができる。従っ
てＣＤやレコード、生演奏の音楽信号から楽譜を生成し
たり、複数の楽器によって構成される曲から特定の楽器
を選択し再演奏したりすることができる。
よれば、特定の状態だけに反応するニューラルネットワ
ークを用いることで、複数楽器、複数音階の音楽信号か
ら特定の楽器、音階情報を抽出することができる。従っ
てＣＤやレコード、生演奏の音楽信号から楽譜を生成し
たり、複数の楽器によって構成される曲から特定の楽器
を選択し再演奏したりすることができる。
【図１】本発明による楽音認識装置の一実施例を示すシ
ステム構成図
ステム構成図
【図２】図１のニューラルネットワーク４の一実施例を
示す構成図
示す構成図
２ 周波数解析部 ３ オン・レスポンス・セル部 ４ ニューラルネットワーク
Claims (2)
- 【請求項１】 複数楽器、複数音階の音楽信号より特定
の楽器、音階を認識する楽音認識装置において、 前記音楽信号より特徴量を抽出する特徴抽出部と、 前記特徴抽出部で抽出した特徴量から特定の楽器、音階
を認識するニューラルネットワークとを備えてなること
を特徴とする楽音認識装置。 - 【請求項２】 前記特徴抽出部として、オン型細胞をモ
デル化したものを用いてなることを特徴とする請求項１
に記載の楽音認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4024681A JPH05188932A (ja) | 1992-01-14 | 1992-01-14 | 楽音認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4024681A JPH05188932A (ja) | 1992-01-14 | 1992-01-14 | 楽音認識装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH05188932A true JPH05188932A (ja) | 1993-07-30 |
Family
ID=12144897
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4024681A Withdrawn JPH05188932A (ja) | 1992-01-14 | 1992-01-14 | 楽音認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH05188932A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08179791A (ja) * | 1994-12-21 | 1996-07-12 | Nippon Telegr & Teleph Corp <Ntt> | 音可視化方法および装置 |
| WO2020006898A1 (zh) * | 2018-07-05 | 2020-01-09 | 平安科技（深圳）有限公司 | 音频数据的乐器识别方法及装置、电子设备、存储介质 |
-
1992
- 1992-01-14 JP JP4024681A patent/JPH05188932A/ja not_active Withdrawn
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08179791A (ja) * | 1994-12-21 | 1996-07-12 | Nippon Telegr & Teleph Corp <Ntt> | 音可視化方法および装置 |
| WO2020006898A1 (zh) * | 2018-07-05 | 2020-01-09 | 平安科技（深圳）有限公司 | 音频数据的乐器识别方法及装置、电子设备、存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Piszczalski et al. | Predicting musical pitch from component frequency ratios | |
| US8716586B2 (en) | Process and device for synthesis of an audio signal according to the playing of an instrumentalist that is carried out on a vibrating body | |
| CN110111773A (zh) | 基于卷积神经网络的音乐信号多乐器识别方法 | |
| CN110136730A (zh) | 一种基于深度学习的钢琴和声自动编配系统及方法 | |
| EP1885156B1 (de) | Hörhilfe mit einem Audiosignalerzeuger | |
| Penttinen et al. | A time-domain approach to estimating the plucking point of guitar tones obtained with an under-saddle pickup | |
| EP2342708A1 (en) | Method for analyzing a digital music audio signal | |
| Kızrak et al. | Classification of classic Turkish music makams | |
| JPH10503908A (ja) | オーディオ信号の調性を決定するための方法および装置 | |
| JP2006227452A (ja) | 調律装置および調律装置の制御方法 | |
| Traube et al. | Extracting the fingering and the plucking points on a guitar string from a recording | |
| JPH05188932A (ja) | 楽音認識装置 | |
| Vincent et al. | Two nonnegative matrix factorization methods for polyphonic pitch transcription | |
| JPH05181464A (ja) | 楽音認識装置 | |
| Marolt | Transcription of polyphonic piano music with neural networks | |
| CN111681674B (zh) | 一种基于朴素贝叶斯模型的乐器种类识别方法和系统 | |
| JP3149466B2 (ja) | ピッチ抽出装置及びそれを用いた電子楽器 | |
| Rafii | The Constant-Q Harmonic Coefficients: A timbre feature designed for music signals [Lecture Notes] | |
| Marolt | Adaptive oscillator networks for partial tracking and piano music transcription. | |
| Dubnov et al. | Hearing beyond the spectrum | |
| JPWO2008001779A1 (ja) | 基本周波数推定法および音響信号推定システム | |
| Chen et al. | Modified Perceptual Linear Prediction Liftered Cepstrum (MPLPLC) Model for Pop Cover Song Recognition. | |
| Dillon | Extracting audio cues in real time to understand musical expressiveness | |
| Marolt et al. | SONIC: A system for transcription of piano music | |
| JPH05188931A (ja) | 音楽処理システム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Withdrawal of application because of no request for examination |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 19990408 |