Signalbehandling_til_lydsøgning - Danmarks Tekniske Universitet
Signalbehandling_til_lydsøgning - Danmarks Tekniske Universitet
Signalbehandling_til_lydsøgning - Danmarks Tekniske Universitet
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
25 3.3 Tidslig features integration<br />
hvor n(k) er en indeks funktion for power spektrum koefficienterne<br />
kanterne fk og fk+1 hvor Nk er det <strong>til</strong>svarende antal koefficienter.<br />
3.2 Tidslig feature integration<br />
~<br />
P imellem<br />
Tidslig feature integration er den proces hvor man forsøger, at sammensætte flere<br />
korttidslige features sammen <strong>til</strong> at danne en enkel feature vektor over et længere<br />
tidsinterval. Håbet er dermed at opfange den information, som de korttidslige<br />
feature ikke kan opfange. Samtidig fås et mål for de korttidslige features<br />
afhængighed i forhold <strong>til</strong> hinanden.<br />
Processen kan udtrykkes ved<br />
n<br />
( x , K x )<br />
x = T ,<br />
(3,8)<br />
n−(<br />
N−1)<br />
n<br />
Hvor n x er den nye feature vektor. xn er dermed en tidsserie af korttidslige features<br />
og N er længden på tidsrammen. Transformationen T udfører den tidslige feature<br />
integration.<br />
Selv om korttidslige features er i stand <strong>til</strong> at opfange vigtig information, så er de<br />
ikke i stand <strong>til</strong> at opfange den information der lever på en længere tidsskala. Dette<br />
kunne bl.a. være den rytmiske kontekst for et musiksignal eller den melodiske<br />
sammensætning. Derfor betragtes det som en nyttig egenskab, at kunne integrere de<br />
korttidslige features op på en længere tidsinterval og dermed opfange den<br />
information som de enkeltvis går glip af.<br />
Der findes en række metoder i litteraturen, der udfører korttidslig features<br />
integration. I dette projekt benyttes en metode baseret på en Multivariabel<br />
Autoregressiv model (MVA), hvor parametrene fra modellen derefter indgår som<br />
features i klassifikationssystemet.<br />
3.2.1 AR-features<br />
Ved at benytte AR-features, er det muligt at modellere de dynamiske forhold for de<br />
multivariable tidsserier bestående af korttidslige feature vektorer. Derfor er det<br />
muligt, at få et mål for de tidsmæssige variationer for et musiksignal over et<br />
længere tidsinterval.<br />
i