Automatische Erkennung von Cover-Versionen und Plagiaten in ...
Automatische Erkennung von Cover-Versionen und Plagiaten in ...
Automatische Erkennung von Cover-Versionen und Plagiaten in ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Feature Extraktion 76<br />
3.7.6 Variationen<br />
In [10] werden Variationen zum beschriebenen Verfahren vorgestellt. In erster L<strong>in</strong>ie geht<br />
es dabei um das Ähnlichkeitsmaß, das zur Berechnung der Selbstähnlichkeits-Matrix<br />
verwendet wird. Erläutert werden dabei folgende.<br />
• Distanzmaß<br />
Anstatt der Ähnlichkeit wird die Distanz zwischen zwei Chroma-Vektoren auf<br />
W<strong>in</strong>kelbasis als<br />
berechnet.<br />
• Tonartberichtigtes Distanzmaß<br />
d = 0.5 − 0.5 <br />
νi νj<br />
| νi || νj |<br />
(3.68)<br />
Dieses Maß basiert auf der Annahme, dass Modulationen a priori bekannt s<strong>in</strong>d<br />
<strong>und</strong> bereits beim Berechnen der Selbstähnlichkeits-Matrix berücksichtigt werden<br />
können. Da diese Annahme im gegebenen Kontext nicht haltbar ist, wird auf e<strong>in</strong>e<br />
nähere Darstellung verzichtet.<br />
• Intervall-basierte Distanz<br />
Intervalle s<strong>in</strong>d unabhängig vom Gr<strong>und</strong>ton der jeweiligen Tonart <strong>und</strong> daher <strong>von</strong><br />
obiger Annahme losgelöst. Die Chroma-Vektoren νi werden dazu <strong>in</strong> Vektoren ui<br />
wie folgt umgerechnet.<br />
ui[j] =| shift(νi+1, j) − shift(νi, 0) | (3.69)<br />
Die Vektoren ui enthalten somit die Distanz zwischen νi <strong>und</strong> dem um j geshifteten<br />
νi+1. Aus zwei derartigen Intervall-Vektoren kann nun wiederum e<strong>in</strong> beliebiges<br />
Distanzmaß berechnet werden.<br />
Als zusätzliche Erweiterung schlägt [10] vor, anstatt e<strong>in</strong>es l<strong>in</strong>earen zeitlichen Zusam-<br />
menhangs e<strong>in</strong>zelner Wiederholungen e<strong>in</strong>en beliebigen zu erlauben. Ersterer unterstellt,<br />
dass ke<strong>in</strong>e Tempo-Variationen zwischen e<strong>in</strong>zelnen Wiederholungen auftreten. Dass die-<br />
se e<strong>in</strong>e nicht immer zutreffende Annahme ist, verdeutlichen zahlreiche Schlussteile <strong>von</strong><br />
Songs, <strong>in</strong> denen das Tempo abnimmt (rallentando, allargando) bzw. auch unterschied-<br />
liche Phrasierungen wiederholter Motive um die Spannung zu halten.<br />
Die Methode, die es erlaubt auch Wiederholungen trotz beliebiger Tempo-Variationen<br />
zu erkennen, ist der aus der Spracherkennung bekannte Dynamic Time Warp-<br />
Algorithmus. Gr<strong>und</strong>lage dazu ist die komplette Selbstähnlichkeits-Matrix. Anhand die-<br />
ser Daten wird e<strong>in</strong>e neue Matrix DT W aufgestellt, deren Zellen DT Wij genau e<strong>in</strong>e