Descritores de frequência para a classicação de instrumentos musicais

Abstract

Diferentemente da altura e intensidade, a caracterização do timbre como qualidade sonora nãoé bem delimitada; todavia é essa qualidade que abarca os elementos que nos permitem identificar a natureza de um som: sabemos, de algum modo, diferenciar uma auta de um violino sem olharmos para o instrumento. Na realidade da rede mundial de computadores e de uma quantidade quase que infinita de músicas disponíveis, no entanto, temos a possibilidade de treinar sistemas automatizados para buscar músicas as quais contenham os instrumentos cujo som desejamos ouvir; nesse sentido, intenta-se encontrar as variáveis features (descritores) que melhor os identi quem. Treze descritores do domínio de frequências, a partir da Transformada de Fourier, foram testados diante de bases de dados de notas isoladas de dezoito instrumentos musicais, assim como de trechos musicais mais complexos de piano, violino, clarinete, violão, fagote e auta, trechos esses tanto monofônicos como em duo. A importância das variáveis na tarefa de identicação de instrumentos musicais foi determinada a partir do classificador supervisionado TreeBagger implementado no software MATLAB, para diversas combinações destes instrumentos; obteve-se assim, para cada experimento um grau de acerto e, ao cabo de todos os experimentos, um ranking para os descritores.

Unlike pitch and intensity, the characterization of timbre as a sound quality is not well de ned; nevertheless, it is this quality that embraces the elements that allow us to identify the nature of a sound: we certainly know how to di erentiate a ute from a violin without looking at the instrument. In the realm of theWorld Wide Web and of an almost in nite amount of online available music, however, we are able to train automated systems to search for songs containing the instruments whose sound we wish to hear; in this sense, we intend to nd the feature variables that best identify them. Following the application of the Fourier Transform, thirteen frequency domain features were tested against a database composed of isolated musical notes from eighteen musical instruments as well as more complex musical excerpts from piano, violin, clarinet, guitar, bassoon and ute, for both monophonic and duo snippets. The importance of variables in the task of identifying musical instruments was determined from the TreeBagger supervised classi er implemented in the MATLAB software for various combinations of these instruments; thus, for each experiment, a degree of correctness and a ranking for the features were obtained.