Documentos de Académico
Documentos de Profesional
Documentos de Cultura
bandas de frecuencia con ayuda de wavelets se puede observar en la figura 3. Al or la salida de estos bancos de frecuencia se escuchan los diferentes acompaamientos de la msica, ya sean maracas, el bombo, etc.
I. INTRODUCTION
ara el calculo del bpm de la msica el algoritmo propuesto esta basado en la trasformada wavelet (WT) la cual es una tcnica para el anlisis de seales en tiempo como en frecuencia. Esta herramienta fue desarrollada como alternativa de la STFT (SHORT TIME FOURIER TRANSFORM) pero resolviendo los problemas de resolucin. Especficamente, la STFT proporciona una resolucin en tiempo uniforme para todas las frecuencias; La WT proporciona una alta resolucin en tiempo y baja resolucin en frecuencia para altas frecuencias, y baja resolucin en tiempo y alta resolucin en frecuencia para bajas frecuencias. Con ayuda de la WT se divide la entrada para ser analizada en diferentes bandas de frecuencia con diferentes resoluciones para cada banda. En nuestro caso octavas Por ejemplo en el caso de la base de msica Electrnica, la divisin en diferentes
Fig. 2. STFT y WT
2 Para encontrar periodicidad de esa sumatoria de seales se utiliza la autocorrelacin que se define de la siguiente forma:
y[k ] =
1 N
x[n].x[n k ]
n
Para el ejemplo que estamos desarrollando la autocorrelacin se puede observar en la figura 6. Esos picos que se ven corresponden a la periodicidad de la seal a diferentes frecuencias. Para observar a que frecuencia ocurre dicha periodicidad se halla la FFT de esta seal la cual es mostrada en la figura 4 para el intervalo de frecuencias de inters que es de 40 bpm a 240 bpm.
Para el anlisis de estas seales la idea es buscar la marcacin que esta dada por algn tipo de instrumento, y este debe darse de manera peridica. Entonces a cada uno de las salidas de los filtros se le hallara la envolvente, la cual determinara la periodicidad de la seal, de la siguiente manera: 1 2 Se rectifica la onda completa: Se pasa la seal por
y[n] = x[ n] .
un filtro pasabajos:
Para poder encontrar la envolvente, el segundo procedimiento conlleva a un filtrado pasobajas, en este caso se escogi filtrar a 70 Hz, , ya que la envolvente nunca podra superar esta frecuencia.
Decimacin: y[ n] = x[10n] Se dcima para trabajar con menos muestras y as reducir el tiempo de almacenamiento sin perder generalidad. Remocin de la media: y[ n] = x[ n] mean( x[ n]) de modo de tener la seal sin componente DC.
que tenemos y apoyndonos en la deteccin de el beats de estas mismas muestras que se obtuvieron manualmente por parte de nuestro colaborador DJ GARTEK: Desorden 150 bpm Salsa 96 bpm Tropical 103 bpm Electrnica 128 bpm Como el beat esta definido en el intervalo de 40bpm llamado Largo y 240 bpm que es llamado Pretissimo, el anlisis del beat se debe hacer en este intervalo, y lo determina el pulso de mayor energa. Siguiendo el criterio anterior los resultados se pueden observar en las siguientes figuras 8, 9, 10, 11.
Despus de obtener la envolvente de cada filtro se sumaran para tener un aporte al periodo del beat por parte de cada instrumento o salida de cada filtro con el fin de obtener mayor energa para el bmp.
Figura 13. FFT de la Autocorrelacin base msica Electrnica entre 70bpm a 200bpm.
Figura 11. FFT de la Autocorrelacin base msica Tropical entre 40bpm a 240bpm.
Detectados por el programa por el criterio del pico ms alto entre 40bpm a 240bpm: Desorden Salsa Tropical Electrnica 227.556 50.274 105.84 129.654 bpm bpm bpm bpm detectado mas no hallado detectado mas no hallado detectado y hallado detectado y hallado
Se puede observar que el algoritmo encontr dos de los cuatro beats. Apoyndonos en que las bases de msica escogida son bien movidas y por lo tanto el beat es alto. Es decir mayor de 70bpm y no exageradamente alto es decir menor a 200bpm. Cambiamos el criterio de decisin entre el intervalo de 70bpm a 200bpm y los resultados fueron los siguientes y se observan en las figuras 12, 13, 14,15:
Figura 12. FFT de la Autocorrelacin base msica Desorden entre 70bpm a 200bpm. Figura 10. FFT de la Autocorrelacin base msica Salsa entre 40bpm a 240bpm.
Con lo que se obtuvo una plena identificacin del beat en todos los casos.
II. CONCLUSIONES - La transformada de wavelet brinda una herramienta de rpido anlisis en tiempo y frecuencia - El pico con mas amplitud no es necesariamente el que impone el beat esto depende del intervalo de criterio que se escoja. - La autocorelacion brinda una poderossima herramienta a la hora de encontrar periodicidades de secuencias peridicas afectadas por ruido AGRADECIMIENTOS
Figura 15. FFT de la Autocorrelacin base msica Tropical entre 70bpm a 200bpm.
REFERENCIAS [1]
Tzanetakis, George, Student Member, IEEE and Cook Perry, Member IEEEMusical Genre Classification of Signals in IEEE TRANSACTIONS ON SPEEH AND AUDIO PROCESSING, VOL 10,No. 5 JULY 2002, pp. 293302. PROAKIS, John y MANOLAKIS, Dimitris. Tratamiento Digital de Seales. Principios, Algoritmos y Aplicaciones. Tercera Edicin. Prentice Hall. 1998. Burrus, C. Sidney, Introduction to wavelets and wavelet transforms : a primer Upper Saddle River, New Jersey : : Prentice Hall,, c1998.
[2] [3]