浅析钢琴演奏中手的小材大用

来源 :厦门大学 | 被引量 : 0次 | 上传用户:sky_fly_sk
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
手小的人在钢琴专业的学习道路上会比较艰辛,由于小手肌肉不够发达,手指长度不够,力度和跨度都有限,“小手”演奏者在练习大跨度的过程中手的肌肉负荷很大,甚至会有程度不等的拉伤。因此有很多“小手”学琴人在学习过程中丧失信心,中途不得不选择放弃。本文主要是以“小手”演奏者为研究对象,指导其在选曲上如何扬长避短地选曲,以及结合谱例具体讲解在演奏的大跨度作品的过程中如何放松,且通过踏板等方式弥补音响效果上不足。本文主要分为三章,第一章主要是分析了“小手”在钢琴演奏方面的优劣势,进而有根据地进行选曲;第二章主要是讲述了“小手”在演奏上应如何尽可能缩短与大手之间的差距,弥补不足;第三章是通过分析前两章的内容,总结在实践中解决小手演奏问题的方法。通过分析及比对,“小手”演奏者在作品选择上可以多选择古典时期,浪漫时期前期等歌唱性较强的作品,如海顿,巴赫,又或者是浪漫派前期作曲家舒伯特的作品,可以很好地凸显小手的长处,避开浪漫后期和现代作品的大跨度和弦。另一方面,为了提升小手演奏者自身技能技巧,丰富知识的全面性的综合性,当面对小手不擅长的大跨度和重力度时,“小手”演奏者可通过一些方法和渠道来弥补自身的缺点,在演奏效果上尽可能地缩短与大手的距离。
其他文献
张申府是我国现代知名的逻辑学家,不但大力引入、宣传西方逻辑学理论,而且提出了不少富有新意的逻辑学观点。论文介绍了张申府逻辑思想的选题的缘起,问题与困难等。虽然张申府在学术方面著述颇丰,但由于历史原因,学界对他逻辑学方面思想的研究成果不多。在逻辑观方面,张申府不但对“logic”的原义作了分析,而且对逻辑学的研究对象特征和主要内容作了阐释,还对逻辑和辩证法的关系作了探讨。在“名实观”方面,张申府对方
广义频分复用(GFDM)是一种新型的非正交多载波调制技术,相比于正交频分复用(OFDM),它具有低峰均功率比(PAPR)、低带外辐射(OOB)、高频谱利用率和波形灵活等优势。因此,GFDM能更好地适用于未来无线通信网络的发展。本文首先学习了GFDM基本原理和收发端结构,根据调制原理将GFDM表述为矩阵形式。基于调制矩阵,学习了三种线性接收机:匹配滤波接收机(MF)、迫零接收机(ZF)以及最小均方误
RDF(Resource Description Framework)是目前语义Web研究的一个重要内容,它能够使网络数据的表达更加规范。大型RDF知识库中有描述空间位置的语义。空间位置可以描述成位置语义,而且在语义Web中检索位置语义可以提高空间位置检索的准确性。因此,RDF非常适合用来检索空间位置。RDF知识库上的关键字检索不需要用户掌握查询语言、理解数据之间的关系,只需要用户输入关键字就可以
伴随着5G无线通信技术的发展,物联网的应用俨然成为了大家热议的话题之一,比如涉及到无人驾驶汽车、智能交通、智慧医疗等领域。物联网的本质一般是无线传感器网络,即在目标
随着电子科技和移动通信技术的飞速发展,5G时代已经悄然来临,各种智能设备相互连通共享信息,人类正式迈入大数据时代。然而传统的信息存储技术由于自身原理的限制,已经接近各
刑期计算问题本是刑罚裁量中的一个环节,是刑罚执行的依据,宏观上看是保护人权,体现出刑法的人性化情怀,在微观上看是对犯罪嫌疑人人身自由权的一种保护制度。在我国刑事实体法中对刑期的计算问题,刑期起止日、刑期折抵等只是作了原则性的法律规定,没有形成完整的法律制度和适用规则,导致刑期计算、刑期折抵等问题在司法实践中带来众多的争议。一旦在刑罚的审判过程中,发生减刑、监外执行后发现漏罪、犯新罪等复杂情形时,便
目前脉冲功率技术对开关设备导通及开断性能指标的要求更加严苛,研制出综合性能优良的脉冲功率开关势在必行。作为一种新型脉冲功率闭合开关器件,激光触发真空开关(Laser Tri
有机太阳能电池具有巨大的商业化潜力,其能量转换效率已超过17%,但与无机电池的效率仍有一定的差距。与无机材料相比,有机半导体材料最大优势在于其可设计性强,可通过优化材料的结构提升器件的光伏性能。富勒烯类材料曾是性能最优异的有机光伏受体材料,相应器件效率已超过11%,但其较低的LUMO能级与较弱的吸收限制了器件性能。为了克服这些缺点,科学家设计合成了许多新型受体材料。本文以有机太阳能电池为研究对象,
仪表放大器作为模拟前端电路,常用于检测、处理传感器输出的微弱电压信号。无论是在基本的信号放大、采集系统,还是在AI、远程医疗等一些新兴领域的应用中,都对仪表放大器的
在模式识别中,一个对象往往有不同的表示方法,而这些不同的表示方法从理论上来说可以更加充分地反映同一个对象不同维度的信息。深度典型相关分析(Deep Canonical Correlation Analysis,CCA)是一种被广泛使用的特征提取算法,其目标是学习两个数据视图间复杂的非线性投影向量,该投影向量使得得到的映射特征具有高度的非线性相关性,它可以看作是线性典型相关分析的非线性拓展。本质上,