Implementação em Python de detecção de onset e estimação da frequência central
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Outros Autores: | |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
Texto Completo: | http://app.uff.br/riuff/handle/1/31648 |
Resumo: | Este trabalho possui como objetivo uma análise das diferenças entre determinados instrumentos tais como guitarra, piano e violino por meio de técnicas de MIR (Music Information Retrieval). O objetivo é identificar caracterı́sticas musicais que possam ser usadas para distinguir esses três instrumentos. A extração de Informação Musical (MIR) é uma área vasta que incorpora os seguintes tópicos: identificação de artista, musicologia, classificação de gênero, psicoacústica, processamento de sinais, reconhecimento de instrumentos e aprendizado de máquina. Define-se MIR como um conjunto de técnicas com a intenção de obter dados relevantes de sinais de áudio e transformá-los em informações musicais de interesse, como o reconhecimento de notas musicais, acordes, ritmos, estruturas melódicas, dentre outros. Dentre essas técnicas foram escolhidas a detecção de onsets e o rastreio da frequência fundamental para serem implementadas em Python e, em especı́fico, foram utilizadas as bibliotecas numpy, pandas, math, librosa e mathplotlib para o desenvolvimento dos algoritmos. A partir dos algoritmos feitos em python conseguimos achar gráficos no domı́nio do tempo, STFT do sinal, Novelty Function de energia, Novelty Function de espectro de frequência, Detecção de Onsets e por fim temos o Rastreio da Frequência Fundamental |
id |
UFF-2_ca5f2feb2ece79a188227d6ff551ea20 |
---|---|
oai_identifier_str |
oai:app.uff.br:1/31648 |
network_acronym_str |
UFF-2 |
network_name_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository_id_str |
2120 |
spelling |
Implementação em Python de detecção de onset e estimação da frequência centralExtração de informação musicalDetecção de onsetRastreamento da frequência fundamentalPythonPython (Linguagem de programação de computador)Instrumento musicalExtração de informação musicalMusical information retrievalFundamental frequency trackingOnset detectionEste trabalho possui como objetivo uma análise das diferenças entre determinados instrumentos tais como guitarra, piano e violino por meio de técnicas de MIR (Music Information Retrieval). O objetivo é identificar caracterı́sticas musicais que possam ser usadas para distinguir esses três instrumentos. A extração de Informação Musical (MIR) é uma área vasta que incorpora os seguintes tópicos: identificação de artista, musicologia, classificação de gênero, psicoacústica, processamento de sinais, reconhecimento de instrumentos e aprendizado de máquina. Define-se MIR como um conjunto de técnicas com a intenção de obter dados relevantes de sinais de áudio e transformá-los em informações musicais de interesse, como o reconhecimento de notas musicais, acordes, ritmos, estruturas melódicas, dentre outros. Dentre essas técnicas foram escolhidas a detecção de onsets e o rastreio da frequência fundamental para serem implementadas em Python e, em especı́fico, foram utilizadas as bibliotecas numpy, pandas, math, librosa e mathplotlib para o desenvolvimento dos algoritmos. A partir dos algoritmos feitos em python conseguimos achar gráficos no domı́nio do tempo, STFT do sinal, Novelty Function de energia, Novelty Function de espectro de frequência, Detecção de Onsets e por fim temos o Rastreio da Frequência FundamentalThis work aims to analyze the differences between certain instruments such as guitar, piano, and violin through Music Information Retrieval (MIR) techniques. The goal is to identify musical characteristics that can be used to distinguish these three instruments. Music Information Retrieval (MIR) is a broad area that incorporates the following topics: artist identification, musicology, genre classification, psychoacoustics, signal processing, instrument recognition, and machine learning. MIR is defined as a set of techniques with the intention of obtaining relevant data from audio signals and transforming them into musical information of interest, such as the recognition of musical notes, chords, rhythms, melodic structures, among others. Among these techniques, onset detection and fundamental frequency tracking were chosen to be implemented in Python. Specifically, the numpy, pandas, math, librosa, and matplotlib libraries were used for the development of the algorithms. From the Python algorithms, we were able to generate graphs in the time domain, Short-Time Fourier Transform (STFT) of the signal, Novelty Function of energy, Novelty Function of frequency spectrum, Onset Detection, and finally, Fundamental Frequency Tracking73 f.Ferreira, Tadeu Nagashimahttp://lattes.cnpq.br/3756829511114463Castellanos, Pedro Vladimir Gonzalezhttp://lattes.cnpq.br/3925067878676905Fernandes, Victorhttp://lattes.cnpq.br/6924919452002001Gisbert, Brian MozatoHenriques, Felipe de Souza2023-12-22T14:38:25Z2023-12-22T14:38:25Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfGISBERT, Brian Mozato; HENRIQUES, Felipe de Souza. Implementação em Python de detecção de onset e estimação da frequência central. 2023. 73 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Telecomunicações) - Escola de Engenharia, Universidade Federal Fluminense, Niterói, 2023.http://app.uff.br/riuff/handle/1/31648CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2023-12-22T14:38:28Zoai:app.uff.br:1/31648Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202023-12-22T14:38:28Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false |
dc.title.none.fl_str_mv |
Implementação em Python de detecção de onset e estimação da frequência central |
title |
Implementação em Python de detecção de onset e estimação da frequência central |
spellingShingle |
Implementação em Python de detecção de onset e estimação da frequência central Gisbert, Brian Mozato Extração de informação musical Detecção de onset Rastreamento da frequência fundamental Python Python (Linguagem de programação de computador) Instrumento musical Extração de informação musical Musical information retrieval Fundamental frequency tracking Onset detection |
title_short |
Implementação em Python de detecção de onset e estimação da frequência central |
title_full |
Implementação em Python de detecção de onset e estimação da frequência central |
title_fullStr |
Implementação em Python de detecção de onset e estimação da frequência central |
title_full_unstemmed |
Implementação em Python de detecção de onset e estimação da frequência central |
title_sort |
Implementação em Python de detecção de onset e estimação da frequência central |
author |
Gisbert, Brian Mozato |
author_facet |
Gisbert, Brian Mozato Henriques, Felipe de Souza |
author_role |
author |
author2 |
Henriques, Felipe de Souza |
author2_role |
author |
dc.contributor.none.fl_str_mv |
Ferreira, Tadeu Nagashima http://lattes.cnpq.br/3756829511114463 Castellanos, Pedro Vladimir Gonzalez http://lattes.cnpq.br/3925067878676905 Fernandes, Victor http://lattes.cnpq.br/6924919452002001 |
dc.contributor.author.fl_str_mv |
Gisbert, Brian Mozato Henriques, Felipe de Souza |
dc.subject.por.fl_str_mv |
Extração de informação musical Detecção de onset Rastreamento da frequência fundamental Python Python (Linguagem de programação de computador) Instrumento musical Extração de informação musical Musical information retrieval Fundamental frequency tracking Onset detection |
topic |
Extração de informação musical Detecção de onset Rastreamento da frequência fundamental Python Python (Linguagem de programação de computador) Instrumento musical Extração de informação musical Musical information retrieval Fundamental frequency tracking Onset detection |
description |
Este trabalho possui como objetivo uma análise das diferenças entre determinados instrumentos tais como guitarra, piano e violino por meio de técnicas de MIR (Music Information Retrieval). O objetivo é identificar caracterı́sticas musicais que possam ser usadas para distinguir esses três instrumentos. A extração de Informação Musical (MIR) é uma área vasta que incorpora os seguintes tópicos: identificação de artista, musicologia, classificação de gênero, psicoacústica, processamento de sinais, reconhecimento de instrumentos e aprendizado de máquina. Define-se MIR como um conjunto de técnicas com a intenção de obter dados relevantes de sinais de áudio e transformá-los em informações musicais de interesse, como o reconhecimento de notas musicais, acordes, ritmos, estruturas melódicas, dentre outros. Dentre essas técnicas foram escolhidas a detecção de onsets e o rastreio da frequência fundamental para serem implementadas em Python e, em especı́fico, foram utilizadas as bibliotecas numpy, pandas, math, librosa e mathplotlib para o desenvolvimento dos algoritmos. A partir dos algoritmos feitos em python conseguimos achar gráficos no domı́nio do tempo, STFT do sinal, Novelty Function de energia, Novelty Function de espectro de frequência, Detecção de Onsets e por fim temos o Rastreio da Frequência Fundamental |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-12-22T14:38:25Z 2023-12-22T14:38:25Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
GISBERT, Brian Mozato; HENRIQUES, Felipe de Souza. Implementação em Python de detecção de onset e estimação da frequência central. 2023. 73 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Telecomunicações) - Escola de Engenharia, Universidade Federal Fluminense, Niterói, 2023. http://app.uff.br/riuff/handle/1/31648 |
identifier_str_mv |
GISBERT, Brian Mozato; HENRIQUES, Felipe de Souza. Implementação em Python de detecção de onset e estimação da frequência central. 2023. 73 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Telecomunicações) - Escola de Engenharia, Universidade Federal Fluminense, Niterói, 2023. |
url |
http://app.uff.br/riuff/handle/1/31648 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
CC-BY-SA info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
CC-BY-SA |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF) instname:Universidade Federal Fluminense (UFF) instacron:UFF |
instname_str |
Universidade Federal Fluminense (UFF) |
instacron_str |
UFF |
institution |
UFF |
reponame_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
collection |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository.name.fl_str_mv |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF) |
repository.mail.fl_str_mv |
riuff@id.uff.br |
_version_ |
1807838857588113408 |