Ingeniería de Sonido · 2020
Algoritmo para la identificación de piezas musicales enmarcadas en el folclor colombiano, utilizando MIR y empleando el software Matlab
In the project an algorithm has developed for the recognition of tropical Colombian pieces using MIR y the software Matlab, for the development of this one, it has been considered to be an algorithm of the literature, though it is applied also to musical different, it has aims similar to those of this research. The algorithm has two stage of work, which are studied separately in order to connect both stages and to obtain the best possible performance, we have been identified a few parameters that intervene considerably in the implementation of every stage. We have realized an important number of essays with different configuration with the aim to establish one. Like final test of the algorithm a field trial has been realized, in order to know response of the complete algorithm in presence and absence of noise.
Texto completo 53 páginas con texto
Leer la tesis completa Ficha en el repositorio
Contenido
- RESUMENp. 9
- ABSTRACTp. 10
- I. INTRODUCCIÓNp. 11
- II. PLANTEAMIENTO DEL PROBLEMAp. 12
- A. Antecedentesp. 12
- III. JUSTIFICACIÓNp. 15
- IV. OBJETIVOSp. 16
- A. Objetivo generalp. 16
- B. Objetivos específicosp. 16
- VII. MARCO TEÓRICOp. 17
- Transformada discreta de Fourierp. 17
- Windowingp. 18
- Audio digitalp. 20
- Music Information Retrievalp. 23
- Génerop. 25
- Folclorp. 26
- VIII. METODOLOGÍAp. 27
- Bases de datos de pruebap. 27
- Algoritmo de reconocimientop. 28
- Caracterización de la base de datos modelop. 29
- Codificación binaria de la respuesta en frecuenciap. 31
- Matrices de envolvente de señalp. 31
- Etapa 1p. 34
- Etapa 2p. 35
- IX. RESULTADOSp. 38
- X. DISCUSIÓNp. 47
- XI. CONCLUSIONESp. 50
- XII. RECOMENDACIONESp. 51
- REFERENCIASp. 52
- TABLA I. VARIABLES DEL PROYECTO Y SUS RESPECTIVOS VALORESp. 36
- U2=0.55p. 38
- U1=0.55, U2=0.60p. 38
- U1=0.50, U2=0.55p. 38
- U2=0.60p. 38
- U1=0.50, U2=0.55p. 39
- U1=0.55, U2=0.60p. 39
- U1=0.50, U2=0.55p. 39
- U1=0.55, U2=0.60p. 39
- TABLA X. PORCENTAJE DE EFICIENCIA DEL ALGORITMO COMPLETOp. 45
- Fig. 1. Señales en dominio del tiempop. 17
- Fig. 2. Señal en el dominio de la frecuenciap. 18
- Fig. 3. Ventana triangular y su espectro de amplitudp. 19
- Fig. 4. Ventana Hann y su espectro de amplitudp. 19
- Fig. 5. Ventana Hamming y su espectro de amplitudp. 20
- Fig. 6. Proceso de conversión análogo – digital y digital – análogo de una señalp. 21
- Fig. 7. Tabla de verdad de la operación lógica ANDp. 22
- Fig. 8. Tabla de verdad de la operación lógica ORp. 22
- Fig. 9. Tabla de verdad de la operación lógica NOTp. 23
- Fig. 10. Forma de onda y espectro de una señalp. 24
- Fig. 11. Géneros de la música folclórica de pitos y tambores de Colombiap. 26
- Fig. 12. Diagrama del montaje de las capturasp. 28
- Fig. 13. Diagrama del algoritmo de reconocimientop. 28
- Fig. 14. Bandas de frecuencia utilizadasp. 30
- Fig. 15. Envolventes para un frame con n=3500p. 32
- Fig. 16. Envolventes para un frame con n=2500p. 32
- Fig. 17. Envolventes para un frame con n=1500p. 33
- Fig. 18. Envolventes para un frame con n=1000p. 33
- Fig. 19. Umbrales de envolventesp. 36
- Fig. 20. Curva ROC de las diferentes configuracionesp. 40
- Fig. 21. Curva ROC global de las diferentes configuracionesp. 41
- Fig. 22. Bandas recurrentes en la base de datos modelo con NMAX=17 y NSF=25p. 41
- Fig. 23. Bandas recurrentes en la base de datos modelo con NMAX=17 y NSF=40p. 42
- Fig. 24. Bandas recurrentes en la base de datos modelo con NMAX=19 y NSF=25p. 42
- Fig. 25. Bandas recurrentes en la base de datos modelo con NMAX=19 y NSF=40p. 43
- Fig. 26. Bandas recurrentes en la base de datos modelo con NMAX=21 y NSF=25p. 43
- Fig. 27. Bandas recurrentes en la base de datos modelo con NMAX=21 y NSF=40p. 44
- Fig. 29. Curva ROC global de las configuraciones de las dos etapas acopladasp. 45
- Fig. 30. Accuracy de la prueba de campo con bajo nivel de ruidop. 46
- Fig. 31. Accuracy de la prueba de campo con alto nivel de ruidop. 46