音乐作为一种悠久的艺术形式,自动音乐转录的工作对于音乐信息检索等工作具有重要的应用价值。本研究的目标围绕钢琴和小提琴混合音源的转录展开,具体工作包括混合音源的分离以及单音源的转录两个子研究。在钢琴和小提琴混合音源的分离研究中,包含以下工作:对钢琴和小提琴音源进行切片、混合、编号等工作,为音源分离的研究提供数据支撑;分析了基于频域的音源分离的一些性能限制,采用基于时域的U-net模型进行分离工作;针对基于时域的U-net模型中的卷积层加入了空洞卷积,在不增加卷积核参数的情况下扩大了感受野;在U-net分离模型和空洞卷积的基础上,利用不同的扩张因子获得多种不同的感受野,通过融合多尺度的信息来提高分割精度。在单音源的转录实验中,包含了以下工作:采用了频域的特征进行转录工作的研究,包括STFT、CQT和对数梅尔频率特征;转录模型采用了两种经典的神经网络:深度神经网络和卷积神经网络,对钢琴和小提琴两种乐器均作了转录实验;对于深度神经网络比较了不加Dropout和加入Dropout的效果差异,发现加入了Dropout的DNN网络虽然收敛速度变慢,但是测试集与训练集之间的loss差更小,并且转录的效果也要好于没有加入Dropout的DNN模型;对于卷积神经网络比较了带有全连接层和用卷积层替代全连接层的卷积神经网络之间的转录效果,发现用卷积层替代了全连接层之后转录的效果更好。