About: Identification de sons polyphoniques de piano   Goto Sponge  NotDistinct  Permalink

An Entity of Type : rdac:C10001, within Data Space : data.idref.fr associated with source document(s)

AttributesValues
type
Thesis advisor
Author
alternative label
  • Identification of polyphonic piano sounds
dc:subject
  • Piano
  • Traitement du signal
  • Thèses et écrits académiques
  • Acoustique musicale
  • Polyphonie
  • traitement signal
  • pac
  • reconnaissance forme
  • pattern recognition
  • signal processing
  • Musical acoustics
  • 4375
  • 4360
  • instrument corde
  • instrument musique
  • musical instrument
  • musical note
  • note musique
  • string instrument
preferred label
  • Identification de sons polyphoniques de piano
Language
Subject
dc:title
  • Identification de sons polyphoniques de piano
Degree granting institution
note
  • Cette thèse traite du problème de l'identification, directement à partir du signal acoustique, de sons polyphoniques de piano, c'est à dire de la reconnaissance de plusieurs notes jouées simultanément sur le même instrument. Ce problème est en liaison étroite avec celui traitant de la détermination de la fréquence fondamentale de signaux sonores, sujet de recherche dont les applications concernent aussi bien la reconnaissance de la parole que la reproduction du fonctionnement de l'oreille humaine. Les sons polyphoniques de piano sont des signaux à large bande de fréquence fondamentale (32,71 Hz - 987,77 Hz, octaves zéro a quatre), complexes, non-stationnaires, inharmoniques, de grande richesse spectrale, pour lesquels les interactions entre les composantes des différentes notes émises sont fréquentes et qui présentent, de ce fait, de grandes difficultés d'analyse. L'étude réalisée sur les sons de piano (notes isolées, notes répétées, sons polyphoniques), à partir de laquelle les bases de l'algorithme d'identification ont été déterminées, est présentée dans la première partie de cette thèse. Les évolutions temporelles de l'amplitude et de la fréquence des partiels et l'évolution temporelle de l'énergie du signal ont été étudiées afin de déterminer notamment si des caractéristiques particulières de ces variables pouvaient être utilisées : évolutions synchrones de l'amplitude et/ou de la fréquence des partiels d'une note par exemple. La deuxième partie décrit l'algorithme d'identification dont les deux points fondamentaux sont, d'une part, l'utilisation d'une base de données (créée par apprentissage statistique) et d'autre part, l'emploi d'un algorithme original d'identification de notes autorisant l'absence temporaire et/ou les variations fréquentielles, ainsi que la coïncidence de partiels de notes différentes. Une partie, enfin, est consacrée aux résultats expérimentaux, et montre que, d'une part, les taux d'identification correctes des notes sont très élevés (supérieurs à 95%) pour des combinaisons de quatre notes, et que d'autre part, l'algorithme utilise est très résistant au bruit blanc gaussien. Ce travail contribue aux domaines de l'acoustique musicale, du traitement du signal et de la perception auditive.
dc:type
  • Text
http://iflastandar...bd/elements/P1001
rdaw:P10219
  • 1998
has content type
is primary topic of
is rdam:P30135 of
Faceted Search & Find service v1.13.91 as of Aug 16 2018


Alternative Linked Data Documents: ODE     Content Formats:       RDF       ODATA       Microdata      About   
This material is Open Knowledge   W3C Semantic Web Technology [RDF Data]
OpenLink Virtuoso version 07.20.3229 as of May 14 2019, on Linux (x86_64-pc-linux-gnu), Single-Server Edition (70 GB total memory)
Data on this page belongs to its respective rights holders.
Virtuoso Faceted Browser Copyright © 2009-2024 OpenLink Software