Automatic music Transcription via Music Component Identification

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F10%3A00504050" target="_blank" >RIV/49777513:23520/10:00504050 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Automatic music Transcription via Music Component Identification

Popis výsledku v původním jazyce

Automatic music transcription is a process recovering the most likely combination of sounds that produced the recorded audio signal. We are concerned with memory-based approach, where the observed signal is modeled as a superposition of sounds from a library. Moreover, we assume that only parts of the sounds can be played. The number of possible combinations is excessive and exact estimation is computationally prohibitive. We propose to transform the original discrete-event model into a less restrictedparametrization and impose the constraints in a soft way via prior information. The resulting model is a non-linear state-space model with Gaussian disturbances. The posterior estimates are evaluated by the extended Kalman filter. Performance of the model is studied in simulation and it is shown in figures that it outperforms a model which does not utilize a priori information.

Název v anglickém jazyce

Automatic music Transcription via Music Component Identification

Popis výsledku anglicky

Automatic music transcription is a process recovering the most likely combination of sounds that produced the recorded audio signal. We are concerned with memory-based approach, where the observed signal is modeled as a superposition of sounds from a library. Moreover, we assume that only parts of the sounds can be played. The number of possible combinations is excessive and exact estimation is computationally prohibitive. We propose to transform the original discrete-event model into a less restrictedparametrization and impose the constraints in a soft way via prior information. The resulting model is a non-linear state-space model with Gaussian disturbances. The posterior estimates are evaluated by the extended Kalman filter. Performance of the model is studied in simulation and it is shown in figures that it outperforms a model which does not utilize a priori information.

Druh

D - Stať ve sborníku

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

<a href="/cs/project/GA102%2F07%2F1191" target="_blank" >GA102/07/1191: Analýza změn zorného pole a reakčního času řidiče v relaci s poklesem pozornosti</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2010

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

36. Deutsche Jahrestagung für Akustik, DAGA 2010

ISBN

978-3-9808659-8-2

ISSN

—

e-ISSN

—

Počet stran výsledku

2

Strana od-do

193-194

Název nakladatele

Deutsche Gesellschaft für Akustik

Místo vydání

Berlin

Místo konání akce

Berlin

Datum konání akce

15. 3. 2010

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—