Detalhes bibliográficos
| Ano de defesa: |
2018 |
| Autor(a) principal: |
Scalvenzi, Rafael Rubiati |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Estadual Paulista (Unesp)
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
http://hdl.handle.net/11449/154925
|
Resumo: |
A área na qual a música está inserida requer, para sua compreensão, considerável abstração. Neste âmbito, a análise matemático-computacional possui papel importante, principalmente para planejar a interatividade entre aluno e computador, potencializando o aprendizado musical. Embora um número considerável de estudos em diferentes contextos sejam dedicados à classificação das estruturas sonoras, os procedimentos de análise em um grande conjunto de sinais podem tornar-se uma tarefa difícil e exaustiva. Diante do exposto, este trabalho tem como objetivo a proposição e a implementação de um método capaz de reconhecer e classificar sinais musicais em tempo real, visando auxiliar os aprendizes. No método proposto, um conjunto relevante de eventos musicais é inspecionado por meio da análise de multirresolução baseada na Transformada Wavelet-Packet, escolhida em função da característica multidimensional encontrada na música, a qual permite isolar diferentes eventos musicais em níveis de decomposição wavelet distintos. Apoiado por um processo de autocorrelação e uma rede neural artificial, cada padrão sônico é associado ao seu respectivo evento musical. Testes envolvendo centenas de sinais permitiram obter uma acurácia quase plena com um tempo relativamente bastante pequeno de análise em função da baixa ordem de complexidade computacional do algoritmo implementado, reafirmando a sua aplicabilidade |
