Automatische Erkennung von Cover-Versionen und Plagiaten in ...
Automatische Erkennung von Cover-Versionen und Plagiaten in ...
Automatische Erkennung von Cover-Versionen und Plagiaten in ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
E<strong>in</strong>leitung 3<br />
diese Vorgehensweise e<strong>in</strong>e erhebliche Datenreduktion stattf<strong>in</strong>det, kann vermutet wer-<br />
den, dass die Ergebnisse zum<strong>in</strong>dest gleich gut wie bei Betrachtung des gesamten Stücks<br />
bleiben. Dies liegt daran, dass der Refra<strong>in</strong> durch se<strong>in</strong>e oftmaligen Wiederholungen das<br />
dom<strong>in</strong>ante <strong>und</strong> somit repräsentativste Motiv <strong>in</strong>nerhalb e<strong>in</strong>es Musikstücks ist. Weiters<br />
können bessere Ergebnisse beim Erkennen <strong>von</strong> Disco-<strong>Versionen</strong>, bei denen die Stro-<br />
phen im Extremfall komplett durch re<strong>in</strong>e Rhythmus-Passagen ersetzt werden, erwartet<br />
werden.<br />
Ausgehend <strong>von</strong> diesen Features erfolgt die Entscheidung, ob zwei Songs unabhängig<br />
<strong>von</strong>e<strong>in</strong>ander s<strong>in</strong>d oder nicht. Dazu wird <strong>in</strong> der Literatur der, aus der Sprachverarbei-<br />
tung bekannte Dynamic Time Warp-Algorithmus vorgeschlagen. Dieser erlaubt belie-<br />
bige Tempovariationen <strong>in</strong>nerhalb des Stücks <strong>und</strong> auch E<strong>in</strong>fügungen oder Auslassungen<br />
kompletter Abschnitte.<br />
Als weiterer Beitrag wird <strong>in</strong> dieser Arbeit e<strong>in</strong>e alternative Methode zur Klassifizierung<br />
vorgestellt <strong>und</strong> untersucht. Dabei wird unterstellt, dass aufgr<strong>und</strong> der gleichbleiben-<br />
den Notierung der Interpretationsfreiraum bei <strong>Versionen</strong> desselben Musikstücks e<strong>in</strong>ge-<br />
schränkt ist. Die Tempoänderung zwischen dem Orig<strong>in</strong>al <strong>und</strong> der <strong>Cover</strong>-Version wird<br />
als konstant angenommen. Als mathematische Gr<strong>und</strong>lage zum Bestimmen der Ähnlich-<br />
keit zweier Stücke unter dieser Voraussetzung e<strong>in</strong>es l<strong>in</strong>earen Zeitzusammenhangs dienen<br />
Ähnlichkeitsmatrizen sowie die Hough-Transformation zum F<strong>in</strong>den des dom<strong>in</strong>antesten<br />
Pfades durch diese Matrizen entlang e<strong>in</strong>er Geraden.<br />
1.3 Aufbau<br />
Zu Beg<strong>in</strong>n dieser Arbeit werden <strong>in</strong> Kapitel 2 e<strong>in</strong>ige wichtige Gr<strong>und</strong>lagen behandelt.<br />
Zum e<strong>in</strong>en wird dabei beschrieben, auf welche unterschiedliche Arten <strong>Versionen</strong> e<strong>in</strong>es<br />
Musikstücks entstehen <strong>und</strong> wie sich diese auf das jeweilige Audio-Signal auswirken, was<br />
vor allem der Verdeutlichung der Aufgabenstellung dient. Zum anderen werden wichtige<br />
Gr<strong>und</strong>lagen der Musik vorgestellt <strong>und</strong> deren Repräsentation <strong>in</strong> masch<strong>in</strong>enverarbeitbarer<br />
Form erläutert.<br />
Die weitere Arbeit orientiert sich am eigentlichen Arbeitsablauf zur Versions-<br />
<strong>Erkennung</strong>. In Kapitel 3 wird der Schritt der Feature Extraktion beschrieben. Begonnen<br />
wird dabei mit allgeme<strong>in</strong>en Methoden der Spektralanalyse (Abschnitt 3.2), die als Re-<br />
sultat die dom<strong>in</strong>ierenden Frequenzen zu jedem Zeitpunkt <strong>in</strong> e<strong>in</strong>em Musikstück liefern.<br />
Diese werden dann bezüglich ihrer Referenzfrequenz normiert um e<strong>in</strong>heitliche Stimmun-<br />
gen zu erreichen (Abschnitt 3.3). Nach dieser allgeme<strong>in</strong>en Vorverarbeitung erfolgt die<br />
Berechnung der eigentlichen Features – des THPCPs (Abschnitt 3.4 <strong>und</strong> 3.5) sowie der