Розпізнавання математичних функцій у піснях

Я новачок у DSP і щойно виявив цю StackExchange, тож вибачте, якщо це не правильне місце для розміщення цього питання.

Чи є ресурс, який описує жанри в більш математичному плані? Наприклад, якщо я виконував FFT за сигналом у цьому розділі пісні (2:09, якщо посилання не починається там), чи можна мені виявити, що цей розділ має такий грубий сорт звуку? Невже подібні звуки дотримуються якоїсь математичної функції, з якою я можу порівняти? http://www.youtube.com/watch?v=SFu2DfPDGeU&feature=player_detailpage#t=130s (посилання починає відтворювати звук відразу)

Це єдиний спосіб використання контрольованих методів навчання, чи існує інший підхід (який, як правило, не вимагає нагляду)?

Дякую за будь-яку пораду.

Я думаю, що відмінність, яку ви шукаєте, більше схожа на емпіричне проти теоретичного (на відміну від контрольованого проти непідконтрольного), але я можу помилитися з цього приводу. Іншими словами, ідеальною річчю було б мати теоретичне визначення різних жанрів, а не просто купу непрозорих даних, які можна використовувати для класифікації пісні [без реального розуміння].

Однак, для загальної жанрової класифікації ви, мабуть, застрягли, принаймні, на навчанні з прикладів, навіть якщо в першу чергу просто створити визначення жанрів. Що стосується вашого прикладу, розглянемо , як часто люди будуть стверджувати [на YouTube] по приводу того , даний трек дійсно дабстеп (наприклад , будь-який трек , який більш Dubby і менш хитким , хоча цей жанр почав без будь - якого реального коливанням). Люди визначають жанри з часом за допомогою прикладів, тому доцільно очікувати, що алгоритми, які повторюють таку поведінку, також вимагатимуть деяких прикладів. Те, як люди описують жанри, майже як векторний вектор у будь-якому разі - вони задають перелік питань щодо пісні (наприклад, вона більш зламана чи хитка? Чи є у неї велика кількість басів? Скільки часу? Який темп? Чи є вокал? тощо).

Звичайно, можливо, ви зможете вибрати список функцій, які також забезпечують інтуїтивне розуміння жанру. Така функція, як "Динамічний діапазон", - це те, що людина також може виявити на слух, але щось на кшталт "Перетин нульових часових доменів" не було б дуже інтуїтивно зрозумілим - навіть якщо це добре працює для класифікації. У наступному документі є кілька особливостей, які можуть вам бути цікавими:

Джордж Цанетакіс, Перрі Р. Кук: Музична жанрова класифікація звукових сигналів. IEEE Transactions по мови і обробка звуку 10 (5): 293-302 (2002) посилання .

Для вимірювання шорсткості, психоакустична шорсткість була б хорошим місцем для початку, але це може бути недостатньо для розмежування, наприклад, проводів дубстепа та електровідводів. Для тонкозернистих відмінностей слід звернути увагу на розпізнавання тембрів . Наступна теза має гідне опитування методик:

TH Park, “До автоматичного розпізнавання тембрів музичного інструменту”, к.т.н. дисертація, Принстонський університет, Нью-Джерсі, 2004. посилання .

Існує також модель, пов'язана з перцептивною шорсткістю в Timbre, Tuning, Spectrum і Scale, яка використовується для побудови власної шкали для довільних тембрів. Ідея полягає в тому, що гармоніки, які знаходяться дуже близько один до одного, виробляють частоти биття, які сприймаються як дисонанс. Перефразовуючи Додатки F і E ,

Коли - спектр з частками на частотах , внутрішній дисонанс [при одиниці амплітуд одиниці] дорівнюєе 1 , е 2 , . . . , ф $F$$f_1,f_2,...,f_n$

$$D_F = 1/2 \space \sum_{i=1}^{n}{} \space \sum_{j=1}^{n}{\space d\left({|f_i - f_j| \over{\min(f_i,f_j)}} \right) }$$

де

$$d(x) = e^{-3.5 x} - e^{-5.75 x}$$

являє собою модель кривої Пломпа - рівня .

Він використовується для вимірювання того, наскільки приємний даний акорд щодо тембру (мінімізуючи дисонанс). Я не знаю, чи то шорсткість психоакустичної різноманітності, чи внутрішній дисонанс були б дуже корисними для ваших цілей, але вони можуть бути корисні в поєднанні з іншими показниками.

Можливо, вам буде більше удачі класифікувати тембри математично, ніж жанри. Наприклад, струни мають парні і непарні гармоніки, але кларнет має лише непарні гармоніки (пор. Хвиля Sawtooth , Square Wave ). Коливання Dubstep, як правило, виконується за допомогою фільтрів, керованих LFO (фільтрів низького проходу та / або формантів), тому щось на кшталт Spectral Flux (див. [Tzanetakis], вище) може бути гарною відправною точкою як особливість. Однак я сумніваюся, що хтось ще не вивчив математичну класифікацію коливань;)