Детальная информация

Название: Математическая модель звучания музыкальных инструментов: выпускная квалификационная работа бакалавра: направление 27.03.03 «Системный анализ и управление» ; образовательная программа 27.03.03_01 «Теория и математические методы системного анализа и управления в технических, экономичеcких и социальных системах»
Авторы: Аматов Амантур Эшмамбетович
Научный руководитель: Фирсов Андрей Николаевич
Другие авторы: Магер Владимир Евстафьевич
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Выходные сведения: Санкт-Петербург, 2020
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: гармоническое-перкуссионное разделение звукового сигнала; оконное преобразование Фурье; медианная фильтрация; вспомогательная функция; бинарная маска; "мягкая" маска; librosa; bss_eval; f-мера; harmonic-percussion sound separation; short-time Fourier transform; median filtration; auxiliary function; binary mask; "soft" mask; f-measure
Тип документа: Выпускная квалификационная работа бакалавра
Тип файла: PDF
Язык: Русский
Уровень высшего образования: Бакалавриат
Код специальности ФГОС: 27.03.03
Группа специальностей ФГОС: 270000 - Управление в технических системах
Ссылки: Отзыв руководителя; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2020/vr/vr20-2241
Права доступа: Доступ по паролю из сети Интернет (чтение, печать, копирование)
Ключ записи: ru\spstu\vkr\9995

Разрешенные действия:

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа: Анонимные пользователи

Сеть: Интернет

Аннотация

Тема выпускной квалификационной работы: «Математическая модель звучания музыкальных инструментов». В выпускной квалификационной работе рассмотрена задача разделения звукового сигнала на гармоническую и перкуссионную составляющую. Исследованы различные алгоритмы, позволяющие решать данную задачу. В ходе исследования был проведен сравнительный анализ предложенных алгоритмов с целью выявления более эффективного алгоритма. Задачи, решаемые в ходе исследования: 1. Изучение структуры музыкального сигнала с целью его дальнейшего разделения. 2. Изучение алгоритмов разделения звукового сигнала на гармоническую и перкуссионную составляющие. 3. Исследование задачи оконного преобразования Фурье и задачи обратного оконного преобразования Фурье. 4. Анализ и сравнение алгоритмов. В результате были реализованы алгоритмы гармонического-перкуссионного разделения звукового сигнала с целью применения на ряде музыкальных композиций. Данные алгоритмы включают в себя алгоритм разделения звукового с помощью медианной фильтрации и с помощью создания вспомогательной функции разделения сигнала. Синтез алгоритмов проводился на базе математического моделирования с помощью программного обеспечения PyCharm на языке Python. Данные алгоритмы были протестированы с целью сравнения на выборке из 10 различных музыкальных композиций, заранее агрегированных из 10 гармонических и 10 перкуссионных частей. На основании проведенных исследований было принято решение о большей эффективности алгоритма разделения звукового сигнала с помощью медианной фильтрации, а также были предложен вариант по улучшению алгоритма, использующего вспомогательную функцию разделения.

The subject of the graduate qualification work is «Mathematical model of the sound of musical instruments» In the graduate qualification work, the problem of dividing an audio signal into a harmonic and percussion component is considered. Various algorithms studied that allow solving this problem. During the study, a comparative analysis of the proposed algorithms carried out in order to identify a more efficient algorithm. Tasks solved during the study: 1. Study of the structure of a musical signal with a view to its further separation. 2. Study of algorithms for separating the audio signal into harmonic and percussion components. 3. Research of Short-time Fourier transform and inverse Short-time Fourier transform. 4. Analysis and comparison of algorithms. As a result, algorithms for harmonic-percussion separation of the audio signal implemented with the aim of using them on a number of musical compositions. These algorithms include an audio separation algorithm using median filtering and by creating an auxiliary signal separation function. Algorithms synthesized based on mathematical modeling using PyCharm software in Python. These algorithms tested in order to compare on a sample of 10 different musical compositions, pre-aggregated from 10 harmonic and 10 percussion parts. Based on the studies, it was decided that the algorithm for splitting the audio signal using median filtering is more effective, and an option was proposed to improve the algorithm using the auxiliary separation function.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать Печать Загрузить
Интернет Авторизованные пользователи СПбПУ Прочитать Печать Загрузить
-> Интернет Анонимные пользователи

Оглавление

  • Введение
  • Глава 1. Обзор теоретических понятий и постановка задачи
    • 1.1 Основные понятия о разделении музыкальных сигналов
    • 1.2 Понятие гармонического-перкуссионного разделения звука
    • 1.3 Постановка задачи
    • 1.4 Используемые алгоритмы
  • Глава 2. Реализация используемых алгоритмов
    • 2.1 Применение медианной фильтрации
      • 2.1.1 Оконное преобразование Фурье исходного звукового сигнала
      • 2.1.2 Медианная фильтрация
      • 2.1.3 Наложение частотно-временных масок
      • 2.1.4 Восстановление сигнала из измененной спектрограммы
    • 2.2 Применение вспомогательной функции разделения
      • 2.2.1 Создание вспомогательной функции
      • 2.2.2 Вывод гармонической и перкуссионной составляющей
      • 2.2.3 Пошаговая реализация алгоритма
  • Глава 3. Сравнение алгоритмов
    • 3.1 Сравнение спектрограмм
    • 3.2 Метрики BSS_eval
    • 3.3 Сравнение начала звучания нот и ударных
    • 3.4 Сравнение нормы и среднеквадратичной ошибки
  • Заключение
  • Список использованной литературы
  • Приложение 1
  • Приложение 2
  • Приложение 3

Статистика использования

stat Количество обращений: 9
За последние 30 дней: 0
Подробная статистика