Σύστημα αυτόματης αναγνώρισης μουσικών οργάνων.

Abstract

Ο κύριος σκοπός της συγκεκριμένης πτυχιακής εργασίας είναι η υλοποίηση και η αξιολόγηση ενός αυτόματου συστήματος αναγνώρισης μουσικών οργάνων. Σκοπός του συστήματος είναι να αναγνωρίσει το μουσικό όργανο από το σήμα μιας νότας του, το οποίο σήμα εισάγεται μέσω ενός μικροφώνου στο σύστημα. Το πρόγραμμα υλοποιήθηκε με τεχνικές που χρησιμοποιούνται στην Αναγνώριση Ομιλητή και Ομιλίας. Τα όργανα που καλείται να αναγνωρίσει είναι το πιάνο, το ξυλόφωνο, η φλογέρα, η κιθάρα και η φυσαρμόνικα. Ο ταξινομητής που χρησιμοποιήθηκε ήταν η Μίξη Γκαουσιανών Μοντέλων ή Gaussian Mixture Models(GMM) και τα χαρακτηριστικά ως προς τα οποία εξετάστηκαν τα δεδομένα της εκπαίδευσης και της εξέτασης είναι τα χαρακτηριστικά MFCC, delta και delta-delta. Η χρήση αυτών των χαρακτηριστικών, δίνει αρκετά ικανοποιητικά αποτελέσματα και συγκεκριμένα η επιτυχής αναγνώριση(επί τοις %) των μουσικών οργάνων από το σήμα της νότας, που εισάγεται στο σύστημα μέσω του μικροφώνου, είναι 92.65%. Χρήση λιγότερων χαρακτηριστικών μειώνει την απόδοση του συστήματος. Επίσης, αλλαγές σε κάποιες παραμέτρους(όπως το μήκος του frame), μειώνουν την απόδοση. Οι παράμετροι που μεταβλήθηκαν καθώς και τα αποτελέσματα της επιτυχούς αναγνώρισης του συστήματος παραθέτονται στο Κεφάλαιο 6ο.

The main goal of this thesis is the development and evaluation of an automatic musical instrument recognition system. Aim of the system is to recognize a musical instrument from a note’s signal, which signal is imported via a system’s microphone. The system is developed with techniques that are used in Speaker and Speech Recognition. The instruments, which are called to recognize are piano, xylophone, recorder, guitar and harmonica. The classifier that has been used is the Gaussian Mixture Models (GMM) and the features as for the training and testing data are MFCC, delta and delta-delta. Use of these features gives very good results and correct recognition of musical instruments (in percent) from the note’s signal, which imported to system via microphone, is 92.65%.Use of less features decrease the efficiency of the system. Also, changes in some parameters(such as framesize) decrease the efficiency. The parameters that were changed as well as the results of correct recognition of the system are reported in Chapter 6.