中文摘要：

随着多媒体数字化技术的发展和国际互联网的普及，流行音乐数据库呈现爆炸式增长。人们希望能对音乐数据库中的每首歌曲的语义区域建立语义层面的索引，从而能方便人们对日益庞大的音乐数据库进行有效快速检索。基于内容的流行音乐结构分析，就是为了满足这样的应用需求而诞生的。本课题以实现计算机自动分析流行音乐的结构为目标，结合多媒体理论与系统、信号与信息处理、机器学习与模式识别、音乐理论知识、计算机人机交互等学科领域的最新研究成果，提出了:引入音乐自然音阶的音频特征抽取算法来准确表征音乐信号的音质，旋律和节奏特性、采用机器学习算法的自下而上的音乐语义单元理解模型、采用模版匹配算法与音乐知识相结合的自上而下的音乐语义区域检测模型等一系列方案，并首次提出了将自下而上和自上而下相结合方法论的指导来对流行音乐结构进行分析，以提高自动流行音乐结构分析的正确率。

结论摘要：

随着多媒体数字化技术的发展以及计算机网络技术的快速发展，流行音乐数据库呈现爆炸式增长。人们希望能对音乐数据库中的每首歌曲的语义区域建立语义层面的索引，从而能方便人们对日益庞大的音乐数据库进行有效快速检索。基于内容的流行音乐结构分析，就是为了满足这样的应用需求而诞生的。本课题以实现计算机自动分析流行音乐的结构为目标，结合多媒体理论与系统、信号与信息处理、机器学习与模式识别、音乐理论知识、计算机人机交互等学科领域的最新研究成果，在音乐特征表征层面提出了:基于音乐自然音阶的音频特征抽取算法来准确表征音乐信号的音质，用小波分析技术对音乐信号进行多尺度细化来分析节奏特性以及采用基于折叠音阶滤波器来分析旋律特性；在音乐语义自动理解方面，采用机器学习算法的自下而上的音乐语义单元理解模型、采用模版匹配算法与音乐知识相结合的自上而下的音乐语义区域检测模型等一系列方案，并首次提出了将自下而上和自上而下相结合方法论的指导来对流行音乐结构进行分析，提高自动流行音乐结构分析的正确率。在音乐结构分析的基础上，我们还将音乐结构分析的研究成果应用于音乐情感分类等基于内容的音乐信息检索领域。