En este trabajo se presenta un nuevo m etodo para detectar los acordes ejecutados
sobre un instrumento a partir de un archivo de audio. El algoritmo se basa en el
an alisis de frecuencia a lo largo del tiempo a partir de bancos de ltros de Gabor.
Dichos ltros son centrados cerca de las frecuencias correspondientes a las notas musicales
en diferentes octavas. A partir del resultado del proceso de ltrado se obtiene
un estad stico por cada uno de los acordes a detectar. Estos se calculan con la construcci
on de los mismos a partir de diferentes plantillas generadas autom aticamente.
Con estas m etricas se in ere la presencia de alg un acorde en funci on de la respuesta
que proporciona. Se presentan algunos resultados de clasi caci on para acordes mayores,
menores, de s eptima dominante y acordes menores de s eptima menor tocados
en guitarra el ectrica, guitarra ac ustica, teclado electr onico y ukelele. De igual manera
se analizan diferentes versiones del algoritmo, cambios en sus diferentes m odulos
as como una compartiva contra clasi cadores de aprendizaje supervisado.
1
This document presents a new method applied to detect the chords present in an audio
le. The chords were played with individual musical instruments. The algorithm
is based on a time-frequency analysis with Gabor's lters bank, which are centered
near of the theoretical frequencies of the musical notes on di erent octaves. With
the result of the ltering process, an statistic is obtained for each possible chord.
This statistic is calculated according to the response provided by the construction
of the chords based on templates generated automatically. The performance of the
proposed algorithm is demostrated via the classi cation of major, minor, dominant
seventh and minor seventh chords played on an electric guitar, an acoustic guitar, a
keyboard and an ukulele. Also, results are shown for di erent versions of the method,
changes in its modules and the comparative against classi ers with supervised
learning.
2
