本发明专利技术公开了一种基于混合算法的江南小调计算机辅助作曲的方法，具体步骤包括建立江南小调音乐素材库、建立江南小调作曲知识规则库、制定遗传算法的关键规则、提取遗传算法的初始种群和生成江南小调旋律，建立94首的江南小调音乐素材库，用于特征参数提取。本发明专利技术通过知识规则库来定义编码规则、遗传算子及适应度函数，利用适应度函数评判机制，从而实现江南小调计算机自动作曲功能，将江南小调的知识规则库用于建立遗传算法中的适应度函数，既可以避免交互式遗传算法的复杂性，还大大提高了适应度函数的准确性，从而提高了整个计算机辅助作曲系统的准确性。
【技术实现步骤摘要】
本专利技术涉及计算机应用
，具体是一种基于混合算法的江南小调计算机辅 助作曲的方法。
技术介绍
随着计算机技术在音乐创作上的应用，计算机音乐应运而生。计算机音乐作为一 门新兴的学科，其主要目的是应用计算机来模仿人们对音乐的认知，进行辅助创作和设计。 探索计算机辅助作曲问题一方面可以了解和模拟作曲家在从事音乐创作这一特定过程中 的思维方式；另一方面，基于计算机辅助作曲研究技术而开发的作曲系统所创作出的不同 形式的音乐作品可以起到对作曲家的有益补充。目前计算机辅助作曲技术在国外相对成熟，总结来看主要的算法包括马尔克夫 (Markov)转换表（或称马尔克夫链）、算法作曲研究中的知识库系统、音乐文法、人工神经 网络技术和遗传算法。马尔克夫（Markov)转换表就像一个函数。其自变量是当前的音符，而函数值则是 下一个要出现音符的可能性。针对某一特定（如某一作曲家或某一时期）风格的音乐作品 进行收集和统计，就可以构造出相应的转换表。该算法目前存在的问题是很难判断生成音 乐的质量，此外随机生成的片段，与标准的完整音乐之间还是存在差距。 基于规则的知识库系统的算法作曲是一种很自然的选择，特别是在已定义完善的 领域内建立模型或者是介绍清晰的结构或规则时尤其如此。其主要优点是：它们具有清晰 的推理，并能够为行为的选择做出解释。该算法的缺点是知识引导机制的建立既困难又费 时，对于较为规范的音乐容易总结规则，但是对于即兴多变的旋律，很难找到规范。 正如语言有文法一样，音乐也是有音乐文法的。结合统计的方法，使用音乐文法可 以匹配（或捕获）现有作品中的各种音乐事件（如音程、节奏等）的概率分布，并能基于这 些特征生成出类似风格的作品。但是该算法对于即兴创作的音乐很难找到范畴文法，进而 很难进行音符的分解与重组，生成新的音乐。 在感知和认知方面，人工神经网络能够从一个样板集合中学习，以避免需要对规 则的形式化。特别是递归神经网络能够成功获取一个旋律经过句的表层结构，并以这样获 取的知识为基础，产生出新的旋律。但是所生成的旋律缺乏音乐的全局连贯性，即它无法获 取较高级的音乐特征。从原理上讲，人工神经网络技术通常更适合用于分析音乐作品而不 是创作。 遗传算法是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型，是一 种通过模拟自然进化过程搜索最优解的方法。遗传算法使用适应函数来演化候选者（染色 体），从而得到近似最优解。但是在使用遗传算法进行自动作曲的研究时，适应度函数其实 是很难准确定义的。于是出现了让人代替适应度函数来直接评估染色体的一种方法，即交 互式的遗传算法IGA。然而目前交互式遗传算法的有效性较差，用户必须听到所有可能潜在 的解，才能做出具有普遍性的评估。 综上所述，各种作曲算法各有其自身的优点和存在的问题。建立一种混合算法的 计算机辅助作曲系统可以扬长避短，以最优化的方式进行计算机辅助作曲。此外，由于国内 关于计算机作曲系统的研究起步较晚，目前并没有成熟的针对于中国民族音乐的算法作曲 技术。因此将国际上现有的算法作曲技术进行整合，应用到中国民族音乐的分析和创作中， 并建立有自己民族特色的计算机作曲系统是十分必要的。
技术实现思路
本专利技术的目的在于提供一种适应度函数准确性高、使用方便的基于混合算法的江 南小调计算机辅助作曲的方法，以解决上述
技术介绍
中提出的问题。 为实现上述目的，本专利技术提供如下技术方案： -种基于混合算法的江南小调计算机辅助作曲的方法，具体步骤如下： (1)建立江南小调音乐素材库：建立94首的江南小调音乐素材库，用于特征参数 提取； (2)建立江南小调作曲知识规则库：提取声学特征和旋律特征，建立知识规则库， 用于遗传算法关键技术的制定； (3)制定遗传算法的关键规则：对江南小调素材厍进行特征参数计算及旋律特征 的统计分析，根据提取的特征制定遗传算法的编码规则、遗传算子和适应度函数； (4)提取遗传算法的初始种群：根据用户选择的调式和速度，从素材库挑选对应 的旋律，并提取旋律的第一小节作为遗传算法的初始种群； (5)生成江南小调旋律：通过计算适应度函数，开始进行选择、交叉和变异的遗传 计算，经过多次迭代直到达到终止的条件，再进行下一小节的遗传计算，最终生成12小节 的江南小调的旋律。 作为本专利技术进一步的方案：所述步骤（4)中的调式分别是G徵调、A羽调和C宫调， 速度分别为中慢速和中快速。 作为本专利技术进一步的方案：所述步骤（2)中建立江南小调作曲知识规则库时，分 别提取江南小调的声学特征参数和旋律特征参数建，提取声学特征参数采用时频计算的 方法，提取与音色、音高和调性相关的11个特征参数，计算频谱时所使用的傅立叶变换长 度为8192个采样点，频率分辨率为5. 38Hz，75 %的重叠，得到的频谱为线性幅度谱，使用 TrueEnvelope的方法来计算信号波形包络，所有声学特征参数均为帧平均值，帧时窗为 0. 05s，半重叠；旋律特征参数通过统计分析的方法获得，旋律特征参数共7个，包括特殊的 旋律行进、节奏型和音程，旋律特征参数的统计概率计算公式如下： 作为本专利技术进一步的方案：所述步骤（3)中的适应度函数分两步进行，首先对生 成的每个小节进行评判，然后对整个旋律进行适应度函数的评判，小节的适应度函数如下 所示：(公式 2)， 其中i表示第i个小节，j表示第i个小节中的第j个音符，N表示小节中音符的 个数，m表示该小节中音程量多48的旋律音程个数； 整个旋律的适应度函数如下所示： 作为本专利技术再进一步的方案：所述步骤（5)中采用遗传算法生成江南小调的旋律 时，初始种群为10个，以小节为迭代单元，设定适应度函数得分小于4分的小节下一轮迭代 舍弃，生成12个小节的江南小调旋律，采用整个旋律的适应度函数进行评判，将得分最高 的旋律视为生成的旋律。 与现有技术相比，本专利技术的有益效果是： 本专利技术通过知识规则库来定义编码规则、遗传算子及适应度函数，利用适应度函 数评判机制，从而实现江南小调计算机自动作曲功能，将江南小调的知识规则库用于建立 遗传算法中的适应度函数，既可以避免交互式遗传算法的复杂性，还大大提高了适应度函 数的准确性，从而提高了整个计算机辅助作曲系统的准确性。【附图说明】 图1为本专利技术的流程示意图。 图2为本专利技术中建立适应度函数的流程示意图。图3为本专利技术中实施例1生成的G徵调、中慢速的江南小调旋律谱图。【具体实施方式】 下面结合【具体实施方式】对本专利的技术方案作进一步详细地说明。 请参阅图1-2,，具体步骤如 下： (1)建立江南小调音乐素材库：建立94首的江南小调音乐素材库，用于特征参数 提取； (2)建立江南小调作曲知识规则库：提取声学特征和旋律特征，建立知识规则库， 用于遗传算法关键技术的制定； (3)制定遗传算法的关键规则：对江南小调素材库进行特征参数计算及旋律特征 的统计分析，根据提取的特征制定遗传算法的编码规则、遗传算子和适应度函数； (4)提取遗传算法的初始种群：根据用户选择的调式和速度，从素材库挑选对应 的旋律，并提取旋律的第一小节作为遗传算法的初始种群； (5)生成江南小调旋律：通过计算适应度函数，开始进行选择、交叉和变异的遗传 计算，经过多次迭代直到达到终止本文档来自技高网...
【技术保护点】
一种基于混合算法的江南小调计算机辅助作曲的方法，其特征在于，具体步骤如下：(1)建立江南小调音乐素材库：建立94首的江南小调音乐素材库，用于特征参数提取：(2)建立江南小调作曲知识规则库：提取声学特征和旋律特征，建立知识规则库，用于遗传算法关键技术的制定；(3)制定遗传算法的关键规则：对江南小调素材库进行特征参数计算及旋律特征的统计分析，根据提取的特征制定遗传算法的编码规则、遗传算子和适应度函数；(4)提取遗传算法的初始种群：根据用户选择的调式和速度，从素材库挑选对应的旋律，并提取旋律的第一小节作为遗传算法的初始种群；(5)生成江南小调旋律：通过计算适应度函数，开始进行选择、交叉和变异的遗传计算，经过多次迭代直到达到终止的条件，再进行下一小节的遗传计算，最终生成12小节的江南小调的旋律。
【技术特征摘要】
【专利技术属性】
技术研发人员：王鑫，王永滨，吕志胜，李樱，吴林，
申请(专利权)人：中国传媒大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。