音乐音符起点检测是基于内容的音乐信号分析处理的关键性环节。尤其对开启音乐检索领域新篇章的哼唱检索(QBH)系统而言,若加入一种高效快捷的音符切分程序,不仅可以在很大程度上提升检索效率,而且可以极大程度地方便用户的使用,即可免去很多限制直接使用自然哼唱进行检索。因此音符起点检测确实是基于内容的音乐检索系统中不可缺少的一个重要步骤。本文首先介绍了近年来音乐信号领域中各种经典有效的处理算法,并分析了各自利弊。之后,针对音乐音符所特有的信号特征,将几种有效的特征参数进行融合进而提出了更为有效的全新的音符起点检测算法——小波域的Teager能量熵算法。鉴于Teager能量特征参量不仅包含信号幅度信息,而且包含信号的频率信息,这一特性恰能很好地反映音频流中音符所特有的能量分布随频率而有所差异的特性。与此同时,信息熵能够很好地反映特征参量的分布情况,而不会受到信号个别样本点变化的影响。因此,本文首先将二者相结合,提出了基于Teager能量熵的音符切分算法。接着对所提取的Teager能量熵特征曲线首先经由对数函数的均衡峰值处理,而后用双门限阈值法提取峰值,进而完成整个音符切分过程。与目前较优的音符切分法——自适应子带谱熵法相比,Teager能量熵算法快速简洁,计算量减少近60%,得到的检测曲线更平整光滑,音符分界更为明显,音符切分的准确度提高近十个百分点,尤其适用于打击类乐曲。但是,当待处理的音乐信号中掺杂有噪声信号,尤其是高频噪声时,Teager能量熵算法的检测性能会逊色不少。对于这一问题,本文在特征提取前首先进行了小波变换,滤除高频噪声,只对低频信号进行Teager能量熵特征提取,实验证明抗噪性能确实提升了不少。至此,形成了本文最终提出的音符起点检测算法——小波域的Teager能量熵算法。文中对不同种类的音乐音频进行实验检测,实验数据大体分为四大类共七组音乐片段,约共含2000多个音符。实验结果表明本文算法在音符起点检测中确实更具优势,尤其对于由多种乐器演奏或加有背景音乐的复杂音乐音频信号,本文算法的优势将更加突出。