思路：信号→和声
通过计算特征值（特征向量）区分音频的关键信息
Chroma特征向量
(32 条消息) 什么是 Chroma Features？ - 知乎 (zhihu.com)
基本思想：音高听感的周期性
- 音高每高一个八度，就回到相似的听感
- 音高所处的八度，对和声功能影响较小
而Chroma所做的就是把音频特征压缩在一个八度中（12个维度）
向量提纯：打击乐和音频音色分离
基于概率模型的思路
定义随机变量：
X：一首音乐音频的Chroma特征序列
S：和弦标签特征
求：argmax[P(S/X)]
序列生成模型：隐马尔科夫模型（HMM）
- 使用随机值初始化HMM的参数θ，α
- 给定数据集，通过最大似然估计求HMM的参数
- 通过动态规划算出argmax[P(S/X)]
拓展：动态贝叶斯模型
深入：基于深度学习的自动和声分析
