Reconocimiento de acordes mediante métodos estadísticos de clasificación

Abstract

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