Signalbehandling_til_lydsøgning - Danmarks Tekniske Universitet

More documents

Recommendations

Info

12 2.6 Opfattelse af musikgenre 2.6 Opfattelse af musikgenre I den del af litteraturen, der omhandler musikgenre klassifikation, synes der at være enighed om, at det auditive system har stor betydning for hvordan mennesker sorterer imellem musikgenrer. Mennesket opfanger igennem hele sit liv sanseindtryk, som lagres i hukommelsen, dette gælder også for lydindtryk. Hvordan mennesker opfatter og fortolker et lydsignal, afhænger dels af hjernens hukommelse om det pågældende lydsignal. Denne måde som hjernen kan huske en lyd på, gælder også for musik. Derfor kan forventes at den kulturelle og sociale baggrund, for en persons opfattelse af musikgenre, kan påvirke udkommet af et klassifikations-scenarium. For mennesker er det ofte i ungdomsårene, at vi begynder at blive bevidste om musikalske præferencer. Det er meget almindeligt, at en teenager identificerer sig med en bestemt musikgenre. Da er det ikke afgørende, om det pågældende musiknummer er melodisk fangende, men mere om det tilhører en bestemt genre, der ligger inden for de acceptable livsstil-rammer. Dette fænomen var særdeles tydeligt i 1960-70’erne da Elvis Presley og senere Beatles og Rolling Stones var i sin højde. Da opstod nærmest en helt ny ungdomskultur i forlængelse af musikkulturen. I [11] fremhæves også at det sociale miljø kan have stor indvirkning på, hvordan en person skelner imellem forskellige musik-genrer. På den anden side påpeges også, at dette ikke nødvendigvis er altafgørende, idet at undersøgelser har vist, at musikere der ikke har været udsat for vestlig musik tidligere, alligevel kan sortere imellem de forskellige genrer. Alligevel viste undersøgelsen, at vestlige musikere og ikke-musikere, var bedre til at sortere imellem genrerne end de ikke-vestlige musikere. Dette indikerer, at man ikke nødvendigvis behøver at kende de forskellige musikgenrer, for at kunne skelne imellem dem, men at det alligevel kan være er fordel, hvis resultatet skal være optimalt. Menneskers måde at klassificer musik efter genre, er en subjektiv vurdering og kan variere meget fra en person til en anden. Klassifikationen kan også i høj grad afhænge af hvem kunstneren er og hvilken genre denne normalt forbindes med. De fleste kunstnere forbindes med en bestemt musikgenre og derfor vil denne genre, for de fleste mennesker, være den første mulighed, der tages i betragtning, når musikken skal klassificeres (hvis kunstneren er kendt i forvejen). Dette synes også at være en accepteret ”sandhed” for mange musikportaler, hvor den vedhæftede
13 Musikgenre klassifikation genre-oplysning, minder mere om at være delt op efter kunstneren end den egentlige genre. Flere af de musikportaler der findes på Internettet, benytter sig af at dele de forskellige musikgenrer op i subgenrer (undergrupper), her kan nævnes Amazon Musik Store og Cd Univers. Subgenrer kan ses som en udvidelse af de øverste genrer i hierarkiet. Andre musikportaler benytter sig af andre måder at vejlede kunden. Itunes.com har f.eks. en undergruppe der oplyser medarbejdernes foretrukne musik. Figur 2.5 nedenfor viser et lille udsnit af genre hierarkiet hos Cd Universe [38]. Her ses bl.a. at en hovedgenre som Blues, også kan fungere som en subgenre. Genre Subgenre Kunstner Album Blues Rock/Pop Duke Ellington Blues in Orbit International Jazz Latin Blues Big Band World Buddy Rich Big Swing Face Gordon Goodwin The Phat Pack Figur 2.5 Viser et lille udsnit af genre hierarkiet fra www.CdUniverse.com. Yderst til venstre vises hvad de forksllige niveauer i hierarkiet indikerer: genre, subgenre og kunstner/album indikeret. Selv om musikgenre deles op efter nogle stramme forudsætninger, så vil der altid være overlap genrerne imellem. Dette er hovedsagligt på grund af musikkens natur, da der findes et indbygget overlap. De fleste komponister lader sig inspirere af andres kompositioner, hvoraf en del ofte tilhører forskellige musikgenrer. Derfor vil der fra komponistens side være tilføjet elementer til den pågældende komposition, der oprindeligt kan stamme fra andre genrer. Et meget markant eksempel på dette er heavy metal musikere, der slår sig sammen med symfoniorkestre, for at omdanne deres oprindelige kompositioner, til at være en blanding af klassisk og heavy metal musik.
Page 1 and 2: Signalbehandling til lydsøgning To
Page 3: Resume Denne afhandling omhandler k
Page 7: Anerkendelse Jeg vil gerne benytte
Page 10 and 11: 4.5.1 Trommedetektor...............
Page 12 and 13: 2 Introduktion forbedres hele tiden
Page 14 and 15: 4 Introduktioin pågældende musiks
Page 16 and 17: Kapitel 2 Musik klassifikation Dett
Page 18 and 19: 8 2.2 Ørets anatomi 2.2 Ørets ana
Page 20 and 21: 10 2.4 Loudness 2.4 Loudness Begreb
Page 24 and 25: 14 2.7 Opsætning af forudsætninge
Page 26 and 27: 16 Musik features Figur 3.1 Dette k
Page 28 and 29: 18 Musik features Selv om der vurde
Page 30 and 31: 20 Musik features Der findes flere
Page 32 and 33: 22 Musik features Til sidst benytte
Page 34 and 35: 24 Musik features fi er frekvensvæ
Page 36 and 37: 26 Musik features Hvis xn består a
Page 38 and 39: 28 Musik features 3.2.4 DAR feature
Page 40 and 41: 30 Musik features ~ ~ Y Φ´ Bˆ 2
Page 42 and 43: Kapitel 4 Separation af kildesignal
Page 44 and 45: 34 4.1 Ikke-negative faktorisering
Page 46 and 47: 36 4.1 Ikke-negative faktorisering
Page 48 and 49: 38 4.3 Perceptionelt vægtet NMF 4.
Page 50 and 51: 40 4.3 Perceptionelt vægtet NMF hv
Page 52 and 53: 42 4.4 NMF2D Ved brug af NMF2D, ant
Page 54 and 55: 44 4.5 Automatisk identifikation af
Page 56 and 57: 46 4.5 Automatisk identifiaktoin af
Page 62 and 63: 52 Klassifiers 5.1 Lineær klassifi
Page 64 and 65: 54 Klassifiers hvor x er den udvide
Page 66 and 67: 56 Klassifiers Den Gaussiske klassi
Page 68 and 69: 58 Forsøg og resultater Der benytt
Page 70 and 71: 60 Forsøg og resultater 6.1.2 Sepa
Page 72 and 73:
62 Forsøg og resultater Figur 6.2
Page 74 and 75:
64 Forsøg og resultater Figur 6.4
Page 76 and 77:
66 Forsøg og resultater SNR Måler
Page 78 and 79:
68 Forsøg og resultater trommesign
Page 80 and 81:
70 Forsøg og resultater Figur 6.7.
Page 82 and 83:
72 Forsøg og resultater Både lytt
Page 84 and 85:
74 Forsøg og resultater Der unders
Page 86 and 87:
76 Windows Applikation 7.1 Funktion
Page 88 and 89:
78 Window Applikation 7.2 Struktur
Page 90 and 91:
80 7.3 Struktur generere tilsvarend
Page 92 and 93:
Kapitel 8 Opsummering og konklusion
Page 94 and 95:
84 Opsummering og konklusion musiks
Page 96 and 97:
86 Bilag 1 8.3 Fremtidigt arbejde I
Page 98 and 99:
88 Bilag 1 Gaussisk miksning model
Page 100 and 101:
90 Bilag 1 Figur 3 Viser performanc
Page 102 and 103:
92 Referencer [17] Mørup, Morten o
show all

Signalbehandling_til_lydsøgning - Danmarks Tekniske Universitet

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?