El análisis automático musical del ritmo en audio, y más concretamente el tempo y la detección de beats (Beat tracking), es uno de los problemas fundamentales en recuperación de información de Musical (MIR). La detección automática de beat es una valiosa herramienta para la solución de otros problemas de MIR, ya que permite el análisis sincronizado de la música con los beats para tareas tales como: segmentación estructural de musica, detección de acordes, similitud músical, la detección de versiones de una cancion, mezcla automática de canciones y sistemas interactivos músicales. Aunque la descripción automática de ritmo es un area de investigación relativamente madura en MIR y diversos algoritmos se han propuesto, la estimación tempo y la detección de beats siguen siendo un problema sin resolver. Recientes estudios comparativos de estos sitemas sugieren que ha habido pocas mejoras en el estado del arte en los últimos años. En esta tesis, describimos un nuevo método para la extracción de beats en señales de audio que mide el grado de confianza de la estimación, basado en la medición del grado de similitud entre un comité de sistemas de detección de beats. Además, se presenta una variante a este metodo que sólo requiere de un modelo único de detección de beats y que utiliza varias funciones de detección de onsets como comité para la estimación de similitud. Estos métodos se puede utilizar también para identificar canciones que son difíciles para la detección de beats sin la necesidad de intervención humana. Utilizando el método propuesto, Hemos compilado una nueva base de datos que se compone de piezas que son difíciles para los algoritmos de detección de beats. A través de una evaluación internacional se demuestra que nuestro método proporciona el más alto resultado en las medidas de ALMC y AMLT obtenidas en esta evaluación hasta la fecha. Además, comparamos nuestro método con 20 sistemas de referencia en la mas grande base de datos existente para la detección de beats y demostramos que supera a todos los otros sistemas en todos los criterios de evaluación utilizados. En este trabajo también llevamos a cabo una extensa evaluación comparativa de los sistemas actuales de descripción automática ritmo. Para esto, Evaluamos 32 algoritmos de tempo y 16 sistemas de detección de beats que reflejan el estado del arte en el area con el fin de identificar sus características e investigar la forma en que se pueden combinar para mejorar el rendimiento en esta area. Por último, proponemos y evaluamos el uso de algoritmos de supresión de voz para señales de música con voz predominante con el fin de mejorar el rendimiento de los métodos de detección de beats.
Bibliografia: Bello, J., Daudet, L., Abdallah, S., Duxbury, C., Davies, M., & Sandler, M. B.
(2005). A Tutorial on Onset Detection in Music Signals. Speech and Audio Processing, IEEE Transactions on, 13 (5), 1035-1047.
Davies, M. E. P. & Plumbley, M. D. (2007). Context-dependent beat tracking of musical audio. IEEE Transactions on Audio, Speech, and Language Processing, 15 (3), 1009-1020.
Degara, N., Rua, E. A., Pena, A., Torres-guijarro, S., Davies, M. E. P., Plumbley, M. D., & Argones, E. (2012). Reliability-Informed Beat Tracking of Musical Signals. IEEE Transactions on Audio, Speech and Language Processing, 20 (1), 290-301.
Gouyon, F., Klapuri, A. P., Dixon, S., Alonso, M., Tzanetakis, G., Uhle, C., & Cano, P. (2006). An experimental comparison of audio tempo induction algorithms. Audio, Speech, and Language Processing, IEEE Transactions on, 14 (5), 1832-1844.
Gouyon, F. & Dixon, S. (2005). A Review of Automatic Rhythm Description Systems. Computer Music Journal, 29 (1), 34-54.
Klapuri, A. P., Eronen, A. J., & Astola, J. T. J. (2006). Analysis of the meter of acoustic musical signals. IEEE Transactions on Audio, Speech, and Language Processing, 14 (1), 342-355.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados