买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华南理工大学申请的专利基于节奏状态空间图的节拍检测及速度估计方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119993101B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510159726.8，技术领域涉及：G10H1/40；该发明授权基于节奏状态空间图的节拍检测及速度估计方法是由杨智涵;俞祝良设计研发完成，并于2025-02-13向国家知识产权局提交的专利申请。

本基于节奏状态空间图的节拍检测及速度估计方法在说明书摘要公布了：本发明公开了一种基于节奏状态空间图的节拍检测及速度估计方法，包括获取音乐的节拍和速度检测结果；构建音乐二维节奏状态空间图，将音符强度特征函数与音乐速度谱进行显式结合；基于该状态空间图和贝叶斯优化方法，通过最大后验估计实现复杂音乐风格下节拍和局部音乐速度的联合跟踪。本方法通过贝叶斯方法对节拍和速度检测结果进行联合分析，能够在动态变化和噪声复杂的音乐环境中稳定跟踪，特别适用于古典音乐、爵士乐等节奏变化复杂的风格，有效减少速度估计错误，提高节拍检测的准确性与稳定性。

本发明授权基于节奏状态空间图的节拍检测及速度估计方法在权利要求书中公布了：1.一种基于节奏状态空间图的节拍检测及速度估计方法，其特征在于，包括： 获取音频数据，对音频数据进行分帧得到多个数据帧及数据帧对应的分帧时刻，并提取音频数据的频谱特征； 从所述频谱特征获取音符强度特征函数； 从所述频谱特征获取音乐的速度谱； 通过对音符强度特征函数和速度谱的联合概率建模，得到二维节奏状态空间图，所述二维节奏状态空间图的状态变量为音乐节拍位置和音乐速度； 引入隐马尔可夫模型，对二维节奏状态空间中的状态变量进行估计，得到音乐节拍和音乐速度的最优估计序列，用于描述音乐节奏，具体为： 引入隐马尔可夫模型描述状态变量和观测值的相互关系，将最大化联合概率分布问题转化为递推贝叶斯估计问题； 根据节奏的动态模型对状态变量的先验分布做出假设，根据先验从二维节奏状态空间中取得观测信息，在贝叶斯框架下顺序求解状态变量的最大后验估计，得到最优状态估计序列，进一步得到音乐节拍和音乐速度的最优估计序列； 状态变量包括随机变量τ和v，其中τ表示节拍时刻，v表示速度； 在已有观测y1:K的条件下寻找一个状态变量序列x1:K，使得联合分布px1:K,y1:K取得最大值，其中K是状态变量的个数，K为正整数； 根据一阶马尔可夫性质假设和观测独立性假设，k时刻的状态只依赖于k-1时刻的状态，观测yk仅依赖于第k时刻的状态xk，可将联合分布因式分解为： 其中，px1为初始状态的先验分布，pxk|xk-1为状态转移概率，pyk|xk为二维节奏状态空间图； 通过最大化联合分布求解节拍的最优估计序列。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。