Abschlussarbeiten
Zurück zur Liste
Evaluierung von robusten Merkmalen für die Detektion von Gesang
| Abstract | Die Detektion von Singstimmen innerhalb eines Musiksignals ist ein wichtiger Forschungsgegenstand im Bereich des Music Information Retrievals, da sie eine entscheidende Vorstufe für Anwendungen wie Sänger-Identifikation, Liedtext-Erkennung, Gesangs-Extraktion und viele mehr darstellt. Das Ziel dieser Arbeit ist die Implementierung und Beurteilung eines Mustererkennungs-Systems mit der Fähigkeit, Singstimmen in Musiksignalen detektieren zu können. Hierzu wird ein Support Vector Machine Klassifizierer in Verbindung mit MFCC-Merkmalen, sowie Langzeit-Merkmalen von MFCCs und ihren Delta-MFCCs, verwendet. Darüber hinaus wird ein weiteres Merkmal aufgestellt, welches auf Energie basiert. Die Auswahl von Merkmals-Teilmengen wurde mit Hilfe der Diskriminanzanalyse und den Suchstrategien der sequentiellen Forwärtsselektion sowie der Rückwärtseliminierung durchgeführt. Die ermittelten Teilmengen wurden mit Hilfe des Klassifizierers und einer 10-fachen Kreuzvalidierung evaluiert. Die beste Merkmalsmenge erreichte eine mittlere Genauigkeit von 75.6 % bei einer Standardabweichung von 2.5 %. Zum Abschluss wurde das System mit einer Datenbank, die von Mathieu Ramona bereitgestellt wurde getestet, und erreichte hierbei eine mittlere Genauigkeit von 69.7 %. |
| Autor*innen | |
| Betreuer*innen | |
| Jahr | 2009 |
| Art der Arbeit | Toningenieur-Projekt |
| URL | https://phaidra.kug.ac.at/o:11428 |
| Anmerkung | Audiosignalverarbeitung |
| Status | abgeschlossen |
| Keywords | Music Information Retrieval |