استخراج ويژگي به منظور بهبود روش‎هاي شناسايي موسيقي

كارشناسي ارشد

با توجه به افزايش روزافزون قطعات موسيقي، در سال‎هاي اخير تحقيقات بسياري در زمينه بازيابي اطلاعات موسيقي انجام گرفته است كه يكي از آن‎ها استفاده از اثرانگشت صوتي براي شناسايي موسيقي مي‎باشد. اثرانگشت صوتي به ويژگي‎هاي مرتبط به محتواي صوت گفته مي‎شود كه يك قطعه صوتي را خلاصه مي‎كند، تا بدين گونه عمل شناسايي موسيقي به صورت كارا انجام پذيرد. يكي از روش‎هاي پايه‎اي كه براي شناسايي موسيقي با استفاده از اثرانگشت صوتي وجود دارد، روش فيليپس است. در روش فيليپس، سيگنال صوتي دريافتي به قاب‎هاي هم‎پوشان تقسيم مي‎شود و سپس هر قاب با استفاده از يك بانك فيلتر به 33 زير باند فركانسي تقسيم مي‎شود. با استفاده از انرژي اين باند‎ها براي هر قاب يك زير‎اثر‎انگشت 32 بيتي به دست مي آيد. يكي از نقاط ضعف روش فيليپس، شناسايي موسيقي در شرايط نويزي مي‎باشد. در اين پايان‎نامه دو روش براي اصلاح روش فيليپس پيشنهاد مي‎شود كه با اين نقطه ضعف مقابله كند. در روش پيشنهادي اول بيت‎هاي اثر‎انگشت با استفاده از 3 باند فركانسي توليد مي شود و علاوه بر آن از يك ماسك توان استفاده مي‎شود. ماسك توان يك ماتريس وزن‎ است كه به بيت‎هاي اثر‎انگشت نسبت داده مي‎شود به طوري‎كه به بيت‎هايي كه احتمال نويزي شدنشان بيشتر است وزن كمتر و به ساير بيت‎هايي كه به احتمال زياد سالم مانده‎اند، وزن بيشتري را نسبت مي‎دهد. به اين ترتيب بيت‎هاي سالم، نقش بيشتري را در شناسايي قطعه مورد نظر ايفا مي‎كنند. در روش پيشنهادي دوم براي استخراج ويژگي در حوزه زمان-فركانس از تبديل موجك استفاده مي‎شود. به اين صورت تحليل سيگنال در سطوح مختلفي از جزئيات امكان‎پذير مي‎شود. نتايج آزمايش‎ها بر روي مجموعه داده‎اي شامل 250 آهنگ 15 ثانيه‎اي منتخب از دادگان GTZAN نشان مي‎دهد كه در روش پيشنهادي اول، براي شناسايي قطعه موسيقي در شرايط نويزي ميانگين دقت از 06/86 % به 06/96% و بدون كاهش سرعت شناسايي رسيده است و در روش پيشنهادي دوم ميانگين دقت به 6/99% رسيده است كه اين افزايش دقت با كاهش سرعت شناسايي همراه است.

189853

دانشگاه علم و صنعت ايران

دكتر بابك ناصرشريف

هوش مصنوعي و رباتيك

دكتر احمد اكبري