В данной работе приводится математическое описание четырёх наиболее распространённых алгоритмов по распознаванию нот в одноголосных мелодиях, осуществляется их программная реализация, производится анализ их точности и эффективности на распознавании аудиозаписей, в которых помимо мелодии содержатся “шумовые” отзвуки и обертоны, а также специфические приёмы игры, характерные для определённых музыкальных инструментов. В процессе интерпретации результатов распознавания выявляются несовершенства алгоритмов при работе с такими аудиозаписями. Данные несовершенства объясняются с точки зрения специфики алгоритмов и методов цифровой обработки сигналов, использованных в их основе. В завершение анализа алгоритмов по распознаванию одноголосных мелодий приводится их сравнительная характеристика по всем рассмотренным аспектам в соответствии с использованными для работы аудиозаписями. Далее в работе разрабатывается нейроалгоритм для смежной задачи: распознавания аккордов в музыкальных фрагментах. После описания реализации приводится оценка качества и универсальности работы алгоритма.

This paper gives mathematical descriptions of four mostly widespread single-pitch estimation algorithms, and then describes their software implementation. After that, the accuracy and effectiveness of these algorithms are measured based on the results captured after processing audio-recordings with different «noisy» sounds, overtones, echo effects, timbre features and music techniques of various musical instruments. Obviously, all these aspects affect the estimation accuracy. The goal of the part dedicated to single pitch estimation algorithms is to analyze the accuracy loss and relate the loss with the steps implemented in the algorithms. The end of this part of work provides the comparative characteristics based on the aspects chosen in accordance with the features of audio-recordings being processed. The remainder of the work is dedicated to the implementation of the neuro-algorithm for the related purpose: multi-pitch estimation. The implementation description is followed by the quality and operational universality evaluation of the model.