Automatic music Transcription via Music Component Identification
Identifikátory výsledku
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
—
Alternativní jazyky
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.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JD - Využití počítačů, robotika a její aplikace
OECD FORD obor
—
Návaznosti výsledku
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)
Ostatní
Rok uplatnění
2010
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
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
—