Signalbehandling_til_lydsøgning - Danmarks Tekniske Universitet

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