Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Elektronika : konstrukcje, technologie, zastosowania

1 2015

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: automatic music genre classification

Sortuj według:

Ogranicz wyniki do:

Music genre classification applied to bass enhancement for mobile technology

Hoffmann P., Kostek B.

Elektronika : konstrukcje, technologie, zastosowania

2015

Vol. 56, nr 4

14-19

The aim of this paper is to present a novel approach to the Virtual Bass Synthesis (VBS) algorithms applied to portable computers. The proposed algorithm is related to intelligent, rule-based setting of synthesis parameters according to music genre of an audio excerpt. The classification of music genres is automatically executed employing MPEG 7 parameters and the Principal Component Analysis method applied to reduce information redundancy. To perform genre recognition k-Nearest Neighbors classifier is used. The VBS algorithm is based on nonlinear device (NLD) or phase vocoder (PV) depending on the content of an audio file excerpt. A soft computing (fuzzy logic) algorithm is employed to set optimum synthesis parameters depending on a given song. To confirm the relationship between genres and preferences of listeners in the low frequency range the pair wise subjective comparison test is carried out. In tests 30 pairs of audio files are employed divided into six popular musical genres. Music excerpts processed by a commercially available bass boost algorithm are used for comparison. Based on the responses of the listeners the statistical analysis is carried out. A short summary is also provided that contains plans for future algorithm development.

Artykuł przedstawia nową metodę wirtualnej syntezy niskich częstotliwości w urządzeniach mobilnych. Proponowana metoda generuje inteligentne reguły do określenia optymalnych parametrów syntezy w zależności od słuchanego gatunku muzycznego. Klasyfikacja gatunków muzycznych odbywa się automatycznie bazując na wektorze parametrów MPEG 7 oraz analizie głównych składowych (ang. Principal Component Analysis) w celu redukcji nadmiarowości informacji. W rozpoznawaniu gatunku muzycznego wykorzystywany jest klasyfikator k-Najbliższych Sąsiadów. Synteza niskich częstotliwości opiera się na metodzie elementów nieliniowych (NLD) lub wokodera fazowego (PV) w zależności od fragmentu utworu. W celu uzyskania optymalnych parametrów syntezy w zależności od słuchanego utworu stosuje się przygotowane reguły logiki rozmytej. Dla potwierdzenia zależności pomiędzy gatunkami muzycznymi a preferencjami słuchaczy w zakresie niskich częstotliwości przeprowadzono testy subiektywne porównań parami. W teście zostało wykorzystanych 30 par utworów należących do sześciu popularnych gatunków muzycznych. Jako odniesienie w teście zostały wykorzystane próbki przetworzone przez komercyjny algorytm należący do grupy Bass Boost. Na podstawie odpowiedzi słuchaczy, uzyskanych w testach subiektywnych, przeprowadzono analizę statystyczną, która potwierdza potrzebę rozpoznawania gatunku muzycznego w kontekście poprawy brzmienia niskich częstotliwości.