汪順和

（安徽廣播電視大學(xué) 安徽 合肥 230022）

0.引言

現(xiàn)今，信息技術(shù)模擬軟件應(yīng)用的大規(guī)模推廣，使其成為和聲技術(shù)算法搜索運(yùn)用的重要技術(shù)構(gòu)成，對(duì)解決部分軟件算法模擬效益不強(qiáng)及算法模擬準(zhǔn)確性不高問(wèn)題具有重要意義。為更好的適應(yīng)多種和聲搜索軟件的使用環(huán)境，對(duì)算法指數(shù)及參數(shù)數(shù)據(jù)評(píng)估是改進(jìn)和聲搜索算法軟件模型應(yīng)用及提高其使用可靠性的有效途徑。

1.改進(jìn)和聲搜索算法軟件可靠性模型建立

改進(jìn)和聲搜索算法軟件廣泛運(yùn)用于音樂(lè)演奏及數(shù)學(xué)運(yùn)算等各個(gè)方面，依托GO 及MO 基礎(chǔ)技術(shù)實(shí)現(xiàn)模型軟件系統(tǒng)構(gòu)建?，F(xiàn)階段所主要采用的模型種類多達(dá)100 種以上，但由于GO 模型技術(shù)及MO 模型技術(shù)運(yùn)用條件適應(yīng)性及可靠性較強(qiáng)，所以成為現(xiàn)階段和聲搜索軟件運(yùn)用的主要代表。和聲所搜算法的改進(jìn)需要建立在多種模型模板技術(shù)應(yīng)用條件之上，雖部分模型建立應(yīng)用可靠性不佳，但其基礎(chǔ)上仍有優(yōu)勢(shì)，因此應(yīng)汲取多種模型技術(shù)優(yōu)勢(shì)，對(duì)現(xiàn)有的可靠性模型和聲搜索算法做深層次的改進(jìn)與優(yōu)化。算法方面MO 模型采用 μ（t）=a（1-e-bt）集成運(yùn)算，GO 模型采用 μ（t）in（λ 0θt+1）／θ 公式進(jìn)行帶入。

2.和聲及搜索算法軟件應(yīng)用可靠性分析

對(duì)和聲搜索算法軟件可靠性分析，其目的在于提高軟件和聲模擬效益，解決軟件和聲與實(shí)際和聲測(cè)試結(jié)果不一致問(wèn)題，保障軟件和聲的真實(shí)性與準(zhǔn)確性。傳統(tǒng)意義的算法應(yīng)用實(shí)際問(wèn)題較多，且兼容性較差，本文主要采用HS 算法計(jì)算進(jìn)行分析，從而保障算法測(cè)試及模型可靠性分析的結(jié)果可用性。

2.1 標(biāo)準(zhǔn)和聲搜索算法條件下的可靠性分析

標(biāo)準(zhǔn)的和聲搜索算法主要采用HS 算法模擬實(shí)現(xiàn)對(duì)多種音樂(lè)內(nèi)容的集合應(yīng)用，在實(shí)際音樂(lè)創(chuàng)作方面，音調(diào)的調(diào)整必須符合演奏樂(lè)器音色，不同音色階段所發(fā)出的音調(diào)高度及聲調(diào)頻率略有差異，為將樂(lè)器音調(diào)調(diào)整至最佳狀態(tài)，需要在HS 算法應(yīng)用基礎(chǔ)上，將樂(lè)器的和聲、聲音效果組合值指數(shù)做細(xì)微調(diào)控，選取決策變量值及決策變量組成的解向量，對(duì)相關(guān)秒函數(shù)值做科學(xué)運(yùn)算，根據(jù)運(yùn)算結(jié)構(gòu)，選用最佳的樂(lè)器調(diào)試方案。

2.1.1 初始算法及相關(guān)參數(shù)計(jì)算

初始算法計(jì)算參數(shù)由于N 個(gè)不同變量值組成，聲音記憶庫(kù)大小HMS 將決定不同變量的基礎(chǔ)取值，同時(shí)在取值范圍方面亦可有效限制，以免在算法選取方面，相關(guān)的音調(diào)調(diào)整出現(xiàn)整體音域不協(xié)調(diào)及音頻不一致問(wèn)題。決策變量的取值采用[Ui,Li]計(jì)算，和聲記憶庫(kù)需要考慮基礎(chǔ)概率數(shù)據(jù)HMCR 構(gòu)成，通過(guò)音調(diào)微調(diào)控制音律PAR，使音調(diào)微調(diào)的帶寬能夠與BW 數(shù)據(jù)算法的迭代次數(shù)N 保持對(duì)等，避免調(diào)試方面出現(xiàn)音調(diào)誤差。

2.1.2 初始化和聲記憶庫(kù)構(gòu)建

和聲記憶庫(kù)主要由多個(gè)發(fā)聲單元組成，相關(guān)的聲樂(lè)節(jié)點(diǎn)變化將直接影響初始化記憶庫(kù)構(gòu)建，所以要及時(shí)的對(duì)分量值界域內(nèi)容進(jìn)行控制，分量值主要有下界及上界兩個(gè)部分構(gòu)成，由于HMS 和聲采用隨機(jī)生成方案，在一倍或多倍聲音節(jié)點(diǎn)信息輸入方面，需要解決HM 優(yōu)化處理問(wèn)題，將和聲記憶庫(kù)中每個(gè)音調(diào)均按照固定公式進(jìn)行合理運(yùn)算，以便確保分量值指數(shù)穩(wěn)定性，提高和聲記憶庫(kù)構(gòu)建效益，保障多種樂(lè)器聲色保持一致。

2.1.3 新和聲的產(chǎn)生與環(huán)境融入性分析

單頻段音調(diào)控制只是一種和聲規(guī)則，不同規(guī)則條件下所需選取的所產(chǎn)生的聲音環(huán)境融入性差別較大，為更好的適應(yīng)新和聲條件與和聲環(huán)境，必須在初始化后，對(duì)HS 算法中寫(xiě)生采用多倍數(shù)控制，新和聲中任意音調(diào)均應(yīng)按照以下三個(gè)規(guī)則產(chǎn)生。首先是和聲記憶庫(kù)規(guī)則，即保障新和聲及和聲記憶庫(kù)和聲內(nèi)容的互通性。其次是隨機(jī)值域內(nèi)的音調(diào)選擇控制原則，該原則用于對(duì)后續(xù)階段不同聲段的控制。第三是微調(diào)和聲管理原則，該原則用于保障新和聲在不同條件下的聲色傳播優(yōu)勢(shì)。如在新和聲音調(diào)調(diào)試方面，存在與和聲記憶庫(kù)內(nèi)容相似性較高問(wèn)題，則可采用PAR 的概率對(duì)音調(diào)內(nèi)容做一定的微調(diào)，以提升新和聲融入環(huán)境整體性。

2.1.4 和聲記憶庫(kù)更新及處理

隨著和聲種類的增加，不同和聲處理?xiàng)l件下，和聲的使用特點(diǎn)及優(yōu)勢(shì)共鳴點(diǎn)不同，需要采取和聲控制處理方案，及時(shí)的對(duì)和聲質(zhì)量不佳的和聲內(nèi)容及和聲音調(diào)進(jìn)行更替，如新和聲由于HM 數(shù)據(jù)基礎(chǔ)音域值，則可對(duì)和聲舊和聲內(nèi)容進(jìn)行替換，若其在單倍數(shù)計(jì)算方面，音域指數(shù)相對(duì)較低，則無(wú)需進(jìn)行HM 的數(shù)據(jù)庫(kù)更新。當(dāng)然必要時(shí)需要采用不同的和聲處理方案，對(duì)和聲數(shù)據(jù)做詳細(xì)評(píng)估，以免單元和聲內(nèi)容差異對(duì)整體和聲記憶庫(kù)項(xiàng)目使用造成不良影響。

2.2 改進(jìn)和聲搜索算法條件下的可靠性分析

標(biāo)準(zhǔn)環(huán)境下的HS 算法應(yīng)用雖滿足和聲所搜算法使用的基本需求，在技術(shù)條件上也具有一定的實(shí)際優(yōu)勢(shì)，但在后續(xù)階段的使用過(guò)程中，音域收斂速度緩慢，實(shí)際處理效率不高，且存在具備優(yōu)解性問(wèn)題，由于HS 算法在多種和聲搜索算法內(nèi)綜合性優(yōu)勢(shì)較強(qiáng)，所以需要對(duì)現(xiàn)有的HS 算法應(yīng)用做出一定的分解改進(jìn)，以便更好地運(yùn)用HS 算法對(duì)和聲搜索技術(shù)運(yùn)用可靠性進(jìn)行提升。

2.2.1 和聲記憶庫(kù)初始化的改進(jìn)與優(yōu)化

傳統(tǒng)的HS 算法應(yīng)用采用正函數(shù)計(jì)算模塊延續(xù)，計(jì)算質(zhì)量不足，和聲記憶庫(kù)的初始優(yōu)化改進(jìn)，必須對(duì)函數(shù)運(yùn)用方向做出調(diào)整，采用方向?qū)W習(xí)策略實(shí)現(xiàn)對(duì)初始值數(shù)據(jù)收斂速度的提升，尤其是該方法在智能算法解空間初始化的運(yùn)用，使其技術(shù)內(nèi)容更為成熟，在提高初始解質(zhì)量階段，可有效針對(duì)和聲記憶庫(kù)初始優(yōu)化問(wèn)題采取分布式策略予以解決。和聲記憶庫(kù)半程解計(jì)算要按照基礎(chǔ)分布式運(yùn)算公式帶入，改變傳統(tǒng)的HS 算法計(jì)算策略，將反向?qū)W習(xí)策略與HMS 分解式做深入解析，以此保障各階段及節(jié)點(diǎn)和聲記憶庫(kù)使用有效性。

2.2.2 新和聲解析產(chǎn)生的改進(jìn)

全局算法能力的提升，要避免算法陷入具備優(yōu)解，在產(chǎn)生過(guò)程中，首先要注重對(duì)和聲記憶庫(kù)最優(yōu)解問(wèn)題的處理，對(duì)標(biāo)準(zhǔn)的HS 算法應(yīng)用需做部分公式改進(jìn)，新的和聲內(nèi)容與記憶庫(kù)內(nèi)容一半以上來(lái)源于最優(yōu)解，所以不能夠在改進(jìn)優(yōu)化方面照搬原有公式內(nèi)容，而是要采用新的公式，將MHS 作為最優(yōu)解變量控制要素，從記憶庫(kù)中將最優(yōu)解賦予信息的變量值，另外要注意HS 算法的改進(jìn)流程必須與HS 標(biāo)準(zhǔn)算法流程相同，以免在改進(jìn)流程方面出現(xiàn)不必要的誤差。

3.改進(jìn)和聲搜索算法軟件可靠性模型參數(shù)評(píng)估

不同的技術(shù)條件下和聲搜索算法軟件可靠性參數(shù)評(píng)估數(shù)據(jù)內(nèi)容差異較大，數(shù)據(jù)評(píng)估要符合實(shí)際的和聲記憶庫(kù)使用需求，從技術(shù)角度及函數(shù)計(jì)算角度出發(fā)，對(duì)不利的評(píng)估影響因素進(jìn)行排除，采取平均值取值估算對(duì)可預(yù)見(jiàn)的模型應(yīng)用可靠性問(wèn)題做一定的實(shí)際改進(jìn)，優(yōu)化HS 算法應(yīng)用模板，選擇多種數(shù)據(jù)參數(shù)逐一分析，結(jié)合軟法軟件應(yīng)用參數(shù)數(shù)據(jù)提取內(nèi)容不統(tǒng)一問(wèn)題，使其能夠在和聲算法軟件使用方面達(dá)到效果最大化。

3.1 基礎(chǔ)算法計(jì)算流程

基礎(chǔ)算法流程模擬分為多個(gè)階段，不同階段的算法內(nèi)容略有差異，在實(shí)際的計(jì)算方面，要選擇適宜的時(shí)間節(jié)點(diǎn)進(jìn)行模擬運(yùn)算，同時(shí)要注意對(duì)不同計(jì)算公式的帶入運(yùn)用，并對(duì)模型均值函數(shù)曲線做出評(píng)估，如實(shí)際評(píng)估結(jié)果接近實(shí)測(cè)數(shù)據(jù)曲線，則保障目標(biāo)函數(shù)構(gòu)造的HS 算法軟件應(yīng)用可靠性較高，若對(duì)比結(jié)果不同，則反之。時(shí)間階段是基礎(chǔ)算法模擬的關(guān)鍵內(nèi)容，計(jì)算方面需針對(duì)軟件失效數(shù)的歐式距離作為參照，模型預(yù)測(cè)的大小直接表示數(shù)據(jù)精度，估值越低，則表示準(zhǔn)確性越低，而估值高，則表示軟件軟法可用。HS 算法參數(shù)評(píng)估對(duì)變量的控制必須給出固定的參數(shù)值，并由HS 算法變量值域求解，最終的結(jié)果要與仿真模擬軟件參數(shù)一致。

3.2 仿真實(shí)驗(yàn)技術(shù)應(yīng)用

仿真實(shí)驗(yàn)技術(shù)應(yīng)用采用MatIab2013 模板進(jìn)行計(jì)算，改進(jìn)后的HS 算法將針對(duì)Musa 數(shù)據(jù)集指數(shù)做詳細(xì)計(jì)算，其中包括SYS1/SYS2 及CSR1等多組數(shù)據(jù)內(nèi)容。實(shí)驗(yàn)操作方面，HS 算法參數(shù)值通常取其基礎(chǔ)平均數(shù)，計(jì)算次數(shù)應(yīng)保持在20 次以上，相關(guān)的平均值越小，模型應(yīng)用可靠性越高，所以在技術(shù)運(yùn)用條件也就越成熟，在軟件使用方面，可以滿足多種環(huán)境條件的下的和聲及調(diào)音等使用需求。如平均數(shù)值過(guò)大，則要考慮是否在計(jì)算中對(duì)出現(xiàn)數(shù)據(jù)計(jì)算錯(cuò)誤或公式帶入不正確問(wèn)題，從最初的初始值及初始解計(jì)算方面，相關(guān)的技術(shù)流程重新核準(zhǔn)，通過(guò)獨(dú)立的數(shù)據(jù)計(jì)算，實(shí)現(xiàn)對(duì)模型可用性的全面性解析。

4.結(jié)語(yǔ)

綜上所述，和聲搜索算法算計(jì)的可靠性模型改進(jìn)分析并不是單一的對(duì)基礎(chǔ)和聲模塊進(jìn)行優(yōu)化，而是將多組和聲計(jì)算模組做深入調(diào)整，使和聲的模塊化計(jì)算不僅停留在理論取值方面，在實(shí)際運(yùn)用上亦可發(fā)揮良好的模擬效用，通過(guò)深度的實(shí)踐分析，對(duì)主要使用的特定算法做系統(tǒng)化或局部化改進(jìn)，從而實(shí)現(xiàn)和聲模擬軟件及模型控制軟件算法的科學(xué)運(yùn)用。