随着多媒体的发展,网络音乐也日益增多。现在人们已经不满足于通过歌曲名、歌曲的演唱者等一些文本信息来检索。特别是对于那些种类繁多的音乐数据,人们也许只记得一个调子,也许只记得一个片断,如何快速有效的通过旋律来检索相关音乐就成为一个突出问题。本文对基于哼唱的音乐检索进行了相关的研究和探索。人们在哼唱过程中存在着随意性,而且男生一般比女生的音调要低;不同的哼唱者哼唱的音调是有差异的,同一哼唱者不同的时刻哼唱的音调也是有差异的:对于同一哼唱者也存在变调、跑调、少唱音符和多唱音符的情况。我们通过一系列的实验分析,得出:对于音乐旋律、节奏的把握上,虽然哼唱中存在大量的音调变化,但是对于所哼唱的同一首音乐,音符之间的音高差基本是不变的,音长比的变化也很小。针对上述情况,本文作了如下工作:(1)采用音高差和音长比作为特征向量,避免哼唱中的变调问题。(2)采用基于音高的连续隐马尔可夫模型对乐曲建模,由于该模型输出的可观测序列是连续值,不是有限的几个离散值,从而可以找到产生任意音高差的概率,将跑调问题数字化。(3)在隐马尔可夫模型中引入相应的隐状态表示少唱音符和多唱音符的情况,从而减少检索误差。(4)使用设定动态阈值点的方法提取哼唱音乐信号的平均幅度差函数的谷值点,将计算出的基音周期增加平滑处理,以提高音高、音长的精确度,从而提高后续的匹配概率。(5)使用音长相似度和基于音高差的连续隐马尔克夫模型概率输出相结合的方法进行音乐检索,考虑音乐的节奏信息。