Trajektoria kwintowa w różnicowaniu muzyki tonalnej i atonalnej

• Autorzy: Kania Michalina , Łukaszewicz Тomasz , Kania Dariusz

Identyfikatory

DOI

10.15199/48.2023.04.39

Warianty tytułu

EN

Trajectory of fifths in tonal vs. atonal music differentiation

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono sposób parametryzacji trajektorii kwintowej umożliwiający różnicowanie tonalnych i atonalnych utworów muzycznych. Istota pomysłu tkwi w reprezentacji treści badanego utworu w formie trajektorii kwintowej obrazującej zmienność sygnatur kwintowych w czasie. Struktura trajektorii kwintowej zależy od skali utworu muzycznego. Przeprowadzone eksperymenty pokazują, iż trajektorie kwintowe muzyki tonalnej są istotnie różne od trajektorii muzyki atonalnej. Różnicowanie muzyki tonalnej i atonalnej staje się możliwe poprzez określenie prostych parametrów trajektorii kwintowej, takich jak współrzędne środka trajektorii kwintowej, czy odległość środka trajektorii kwintowej od środka koła kwintowego. W artykule przedstawiono trajektorie kwintowe otrzymane dla wybranych utworów muzyki tonalnej i atonalnej. Zaprezentowano również wyniki eksperymentów ukazujących wyraźną odmienność rozkładów wartości badanych parametrów trajektorii kwintowych uzyskanych dla obu grup utworów.

EN

The article presents a tonal vs. atonal music discrimination technique. The essence of the discussed idea renders down to the representation of the content of a musical work in the form of the trajectory of fifths. The structure of the trajectory of fifths depends on the scale of the examined composition. The conducted experiments show that the trajectories of fifths corresponding to tonal music are considerably different from the trajectories representing atonal works. The differentiation of tonal and atonal music can be achieved via calculation of basic coefficients quantifying the trajectory of fifths, such as the coordinates of the center of the trajectory, or the distance of the center of the trajectory from the center of the coordinate system. The article presents examples of trajectories of fifths obtained for a selection of tonal and atonal music compositions. The plots illustrating the differences in distributions of values of the considered coefficients obtained for tonal and atonal music pieces are also presented.

Słowa kluczowe

PL

wyszukiwanie informacji muzycznych; komputerowa analiza muzyki; analiza tonalna; wizualizacja muzyki

EN

music information retrieval; computational music recognition; music visualization

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2023
• Tom: R. 99, nr 4
• Strony: 227--230
• Opis fizyczny: Bibliogr. 25 poz., rys.

Twórcy

autor

Kania Michalina

• Uniwersytet Ekonomiczny w Katowicach

autor

Łukaszewicz Тomasz

• Politechnika Śląska, Wydział Automatyki, Elektroniki i Informatyki, ul. Akademicka 16, 44-100 Gliwice

autor

Kania Dariusz

• Politechnika Śląska, Wydział Automatyki, Elektroniki i Informatyki, ul. Akademicka 16, 44-100 Gliwice

• https://orcid.org/0000-0002-3677-9939

Bibliografia

• [1] Grekow J., Metoda transformowania muzyki w figury 3D, Przegląd Elektrotechniczny, 89(11), (2013), 327-329
• [2] Grekow J.: Metoda transformowania muzyki w figury 4D, Przegląd Elektrotechniczny, 91(4), (2015), 159-162
• [3] Chew E., Towards a Mathematical Model of Tonality, Ph.D. Thesis, Massachusetts Institute of Technology, 2000
• [4] Chew E., Out of the Grid and Into the Spiral: Geometric Interpretations of and Comparisons with the Spiral-Array Model, Computing in Musicology, 15, (2008), 51–72.
• [5] Longuet-Higgins H.C., Letter to a musical friend, The Music Review, 23, 244, 1962
• [6] Longuet-Higgins, H.C., Second letter to a musical friend, The Music Review, 23, 280, 1962
• [7] Shepard R.: Geometrical approximations to the structure of musical pitch, Psychological Review, 89, (1982), 305–333
• [8] Chen T-P., Su L., Functional harmony recognition of symbolic music data with multi-task recurrent neural networks, 19th ISMIR Conference, Paris, France, (2018), 90-97
• [9] Jacoby N., Tishby N., Tymoczko D., An information theoreticapproach to chord categorization and functional harmony, Journal of New Music Research, 44(3), (2015), 219–244
• [10] Ntalampiras, S., A novel holistic modeling approach for generalized sound recognition. IEEE Signal Processing Letters, 20, 2, (2013), 185–188
• [11] Burred, J.J., Hierarchical approach to automatic musical genre classification, Journal of the Audio Engineering Society, 52(7/8), (2014), 724–739
• [12] Łukaszewicz T., Kania D., A Music Classification Approach based on the Trajectory of Fifths, IEEE Access, Vol. 10, (2022), 73494 – 73502
• [13] Weiß C., Brand F., Müller M., Mid-level Chord Transition Features for Musical Style Analysis, IEEE International Conference on Acoustics, Speech and Signal Processing, ICASSP 2019, 12-17 May, Brighton, United Kingdom, (2019)
• [14] Grekow J., Musical performance analysis in terms of emotions it evokes. Journal of Intelligent Information Systems, 51(4), (2018), 415-437
• [15] Yang S., Reed C., Chew E., Barthet M., Examining emotion perception agreement in live music performance, IEEE Transactions on Affective Computing, (2021), 1-17
• [16] Dawson M.: Connectionist Representations of Tonal Music: Discovering Musical Patterns by Interpreting Artificial Neural Networks, AU Press, Athabasca University, 2018
• [17] Korzeniowski F., Widmer G., End-to-end musical key estimation using a convolutional neural network, 25th European Signal Processing Conference, (2017), 966–970
• [18] Zhou X.-H., Lerch A., Chord Detection Using Deep Learning, Proceedings of ISMIR 2015, Malaga, (2015), 52–58
• [19] Kania D., Kania P., Łukaszewicz T., Trajectory of fifths in music data mining, IEEE Access, Vol. 9, (2021), 8751–8761
• [20] Kania P., Kania D., Sygnatura utworu w procesie reprezentacji i analizy treści utworu muzycznego, Przegląd Elektrotechniczny, 94(4), (2018), 196-200.
• [21] Kania D., Kania P.: A key-finding algorithm based on musicsignature, Archives of Acoustics, 44(3), (2019), 447-457
• [22] Kania P., Kania D., Łukaszewicz T., A hardware-oriented algorithm for real-time music key signature recognition, Applied Sciences, Computing and Artificial Intelligence, 11, 8753, (2021), 1-16
• [23] Kania M., Kania, D., Trajektoria kwintowa – dwuwymiarowa reprezentacja muzyki, Przegląd Elektrotechniczny, 98(6), (2022), 70-73.
• [24] www.kunstderfuge.com/schonberg.htm
• [25] https://zenodo.org/record/4122060#.YvY4YXZByUk

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2024).