Automatische Erkennung von Cover-Versionen und Plagiaten in ...

Feature Extraktion 29
zur Berechnung der jeweiligen Fourier Transformationen wurde mit der FFT bereits
vorgestellt (siehe Seite 22).
Xcq = 1
N Xfourier S ∗ nk
(3.12)
Im Vergleich zur (Diskreten) Fourier Transformation hat die Constant-Q Transforma-
tion im Bereich der Musikverarbeitung den Vorteil, die Output-Datenrate bei gleichem
Nutzen der Ergebnisse zu reduzieren. Der Grund dafür ist die niedrigere Frequenzauf-
lösung in Bereichen, in denen das menschliche Gehör Frequenzen ohnehin schlechter
unterscheiden kann. Weiters fällt das Arbeiten auf den Resultaten leichter, da musi-
kalische Intervalle bzw. ein bestimmter Oberton immer derselben Differenz der Band-
Indizes entsprechen. Dem gegenüber steht der Nachteil der komplexeren Berechnung.
Weiters sei die (Diskrete) Wavelet-Transformation erwähnt, die ebenfalls Signale vom
Zeit- in den Frequenzbereich transformiert. Grundlage der Transformation sind jedoch
nicht Phasoren bzw. Sinusschwingungen wie bei den beiden vorgestellten, sondern Wa-
velets.
3.2.6 Übergangserkennung
Bevor weitere Verarbeitungsschritte folgen, werden die Audiodaten einer zusätzlichen
Vorverarbeitung unterzogen. Ziel ist es, jenen Teil der Daten zu extrahieren, der tat-
sächlich verwertbare Informationen enthält.
Bei Musikstücken werden je nach Takt und Tempo Töne zu bestimmten Zeiten (Takt-
zeiten) angespielt, halten dann eine gewisse Zeit an und klingen schließlich ab. Ein
Klangbild wird also in sehr kurzer Zeit erzeugt und bleibt dann relativ lange stabil.
Diese stabile Phase ist sehr informativ, während die instabilen Abschnitte, in denen
sich das Klangbild verändert wenig Informationen enthalten. Dazu kommt weiters, dass
die Taktzeiten von Schlagwerken und perkussiven Instrumenten dominiert werden. Der
Anteil an Rauschen ist daher sehr hoch.
Zur Bestimmung des Klangbilds sind die stabilen Phasen relevant. Instabile Perioden
– insbesondere die Taktzeiten – müssen also erkannt und entfernt werden. Methoden
dazu liefern unter anderem Bonada [6] oder Roebel [41].
Der in [6] beschriebene Ansatz besteht im Wesentlichen darin, Intensitätsänderungen
in einzelnen Frequenzbändern des Signals zu betrachten und lokale Maxima zu finden.