Classificação inteligente de sinais musicais utilizando a transformada Wavelet-Packet

Detalhes bibliográficos
Autor(a) principal: Scalvenzi, Rafael Rubiati
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UNESP
Texto Completo: http://hdl.handle.net/11449/154925
Resumo: A área na qual a música está inserida requer, para sua compreensão, considerável abstração. Neste âmbito, a análise matemático-computacional possui papel importante, principalmente para planejar a interatividade entre aluno e computador, potencializando o aprendizado musical. Embora um número considerável de estudos em diferentes contextos sejam dedicados à classificação das estruturas sonoras, os procedimentos de análise em um grande conjunto de sinais podem tornar-se uma tarefa difícil e exaustiva. Diante do exposto, este trabalho tem como objetivo a proposição e a implementação de um método capaz de reconhecer e classificar sinais musicais em tempo real, visando auxiliar os aprendizes. No método proposto, um conjunto relevante de eventos musicais é inspecionado por meio da análise de multirresolução baseada na Transformada Wavelet-Packet, escolhida em função da característica multidimensional encontrada na música, a qual permite isolar diferentes eventos musicais em níveis de decomposição wavelet distintos. Apoiado por um processo de autocorrelação e uma rede neural artificial, cada padrão sônico é associado ao seu respectivo evento musical. Testes envolvendo centenas de sinais permitiram obter uma acurácia quase plena com um tempo relativamente bastante pequeno de análise em função da baixa ordem de complexidade computacional do algoritmo implementado, reafirmando a sua aplicabilidade
id UNSP_f1b6b2cb79204058c513e1e8410bfe3f
oai_identifier_str oai:repositorio.unesp.br:11449/154925
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str 2946
spelling Classificação inteligente de sinais musicais utilizando a transformada Wavelet-PacketIntelligent classification of musical signals using a Wavelet Packet transformProcessamento de sinais digitaisSinais musicaisTransformada wavelet-packetAutocorrelaçãoRedes neurais artificiaisDigital signal processingMusical signalsWavelet-packet transformAutocorrelationArtificial neural networksA área na qual a música está inserida requer, para sua compreensão, considerável abstração. Neste âmbito, a análise matemático-computacional possui papel importante, principalmente para planejar a interatividade entre aluno e computador, potencializando o aprendizado musical. Embora um número considerável de estudos em diferentes contextos sejam dedicados à classificação das estruturas sonoras, os procedimentos de análise em um grande conjunto de sinais podem tornar-se uma tarefa difícil e exaustiva. Diante do exposto, este trabalho tem como objetivo a proposição e a implementação de um método capaz de reconhecer e classificar sinais musicais em tempo real, visando auxiliar os aprendizes. No método proposto, um conjunto relevante de eventos musicais é inspecionado por meio da análise de multirresolução baseada na Transformada Wavelet-Packet, escolhida em função da característica multidimensional encontrada na música, a qual permite isolar diferentes eventos musicais em níveis de decomposição wavelet distintos. Apoiado por um processo de autocorrelação e uma rede neural artificial, cada padrão sônico é associado ao seu respectivo evento musical. Testes envolvendo centenas de sinais permitiram obter uma acurácia quase plena com um tempo relativamente bastante pequeno de análise em função da baixa ordem de complexidade computacional do algoritmo implementado, reafirmando a sua aplicabilidadeMusic belongs to an area which requires a considerable piece of abstraction for its understanding. In this domain, computational and mathematical analyses play an important role, particularly for planning human-machine interaction and enhancing learning. Although a considerable number of studies in different musical contexts are dedicated to the classification of the structures present in sound signals, the inspection of long clips is a challenge. Thus, this work proposes and implements a method capable of identifying and classifying musical signals in real-time, helping music students. Specifically, multiresolution analysis using the Wavelet-Packet Transform is adopted, allowing for different musical events to be isolated in distinct wavelet levels of decomposition. Based on an autocorrelation and an artificial neural network, each sonic pattern is associated with a respective musical event. Tests using hundreds of music clips exhibit almost full accuracy with relatively very short time consumption as a function of the algorithm low level of computational complexity, reassuring its applicability.Universidade Estadual Paulista (Unesp)Marranguello, Norian [UNESP]Guido, Rodrigo Capobianco [UNESP]Universidade Estadual Paulista (Unesp)Scalvenzi, Rafael Rubiati2018-08-23T19:34:48Z2018-08-23T19:34:48Z2018-07-20info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/11449/15492500090713133004153073P2209862326289271965420862268080670000-0002-0924-8024porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2023-10-01T06:06:06Zoai:repositorio.unesp.br:11449/154925Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T13:40:34.010776Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Classificação inteligente de sinais musicais utilizando a transformada Wavelet-Packet
Intelligent classification of musical signals using a Wavelet Packet transform
title Classificação inteligente de sinais musicais utilizando a transformada Wavelet-Packet
spellingShingle Classificação inteligente de sinais musicais utilizando a transformada Wavelet-Packet
Scalvenzi, Rafael Rubiati
Processamento de sinais digitais
Sinais musicais
Transformada wavelet-packet
Autocorrelação
Redes neurais artificiais
Digital signal processing
Musical signals
Wavelet-packet transform
Autocorrelation
Artificial neural networks
title_short Classificação inteligente de sinais musicais utilizando a transformada Wavelet-Packet
title_full Classificação inteligente de sinais musicais utilizando a transformada Wavelet-Packet
title_fullStr Classificação inteligente de sinais musicais utilizando a transformada Wavelet-Packet
title_full_unstemmed Classificação inteligente de sinais musicais utilizando a transformada Wavelet-Packet
title_sort Classificação inteligente de sinais musicais utilizando a transformada Wavelet-Packet
author Scalvenzi, Rafael Rubiati
author_facet Scalvenzi, Rafael Rubiati
author_role author
dc.contributor.none.fl_str_mv Marranguello, Norian [UNESP]
Guido, Rodrigo Capobianco [UNESP]
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Scalvenzi, Rafael Rubiati
dc.subject.por.fl_str_mv Processamento de sinais digitais
Sinais musicais
Transformada wavelet-packet
Autocorrelação
Redes neurais artificiais
Digital signal processing
Musical signals
Wavelet-packet transform
Autocorrelation
Artificial neural networks
topic Processamento de sinais digitais
Sinais musicais
Transformada wavelet-packet
Autocorrelação
Redes neurais artificiais
Digital signal processing
Musical signals
Wavelet-packet transform
Autocorrelation
Artificial neural networks
description A área na qual a música está inserida requer, para sua compreensão, considerável abstração. Neste âmbito, a análise matemático-computacional possui papel importante, principalmente para planejar a interatividade entre aluno e computador, potencializando o aprendizado musical. Embora um número considerável de estudos em diferentes contextos sejam dedicados à classificação das estruturas sonoras, os procedimentos de análise em um grande conjunto de sinais podem tornar-se uma tarefa difícil e exaustiva. Diante do exposto, este trabalho tem como objetivo a proposição e a implementação de um método capaz de reconhecer e classificar sinais musicais em tempo real, visando auxiliar os aprendizes. No método proposto, um conjunto relevante de eventos musicais é inspecionado por meio da análise de multirresolução baseada na Transformada Wavelet-Packet, escolhida em função da característica multidimensional encontrada na música, a qual permite isolar diferentes eventos musicais em níveis de decomposição wavelet distintos. Apoiado por um processo de autocorrelação e uma rede neural artificial, cada padrão sônico é associado ao seu respectivo evento musical. Testes envolvendo centenas de sinais permitiram obter uma acurácia quase plena com um tempo relativamente bastante pequeno de análise em função da baixa ordem de complexidade computacional do algoritmo implementado, reafirmando a sua aplicabilidade
publishDate 2018
dc.date.none.fl_str_mv 2018-08-23T19:34:48Z
2018-08-23T19:34:48Z
2018-07-20
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/11449/154925
000907131
33004153073P2
2098623262892719
6542086226808067
0000-0002-0924-8024
url http://hdl.handle.net/11449/154925
identifier_str_mv 000907131
33004153073P2
2098623262892719
6542086226808067
0000-0002-0924-8024
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv
_version_ 1808128263918190592