Download de presentatie
De presentatie wordt gedownload. Even geduld aub
1
IPEM TOOLBOX
2
Inleiding tot de IPEM toolbox
Een toolbox voor op perceptie gebaseerde muziekanalyse
3
Perceptie gebaseerd Een instrument voor muziekanalyse op basis van menselijke perceptie Uitgangspunt voor: Extractie van karakteristieken van geluid Representatie en conceptualisering van geluid Gebruik maken van computer modellering van het auditief systeem
4
Functies Algemene functies voor signaal verwerking
Implementatie van algoritmes ontwikkeld in het IPEM
5
Conceptueel kader De IPEM toolbox functies worden gecombineerd en als modules voorgesteld
6
Modules Wel gedefinieerde verwerkingseenheden Op perceptie gebaseerd
Beschreven vanuit verschillende standpunten
7
Descriptie niveaus Inleidend Functioneel-logisch Signaal verwerking
Implementatie
8
Globaal intern representatiekader
Modules staan in verband met auditieve informatie verwerking vertrekkend van geluid transformatie van geluid in “beelden” en “deducties”
9
Tweevoudig validatie model
Auditieve beelden en geassocieerde processen Menselijke fysiologie Deducties en geassocieerde processen Menselijk gedrag
10
Auditieve beelden De inhoud Op het niveau van computer modellering
representeert karakteristieken gerelateerd een het auditief signaal gedragen door een reeks neuronen Op het niveau van computer modellering geordende cijferreeks de vectorwaarden = neuronale activatie Verschillende types auditieve beelden
11
Beeld transformatie processen
Causale transformaties van: geluid in beelden beelden in andere beelden Auditory images sound Auditory processes
12
Deducties afgeleide informatie vergelijkbaar met gedragsrespons
13
Deductie processen Vergelijking van beelden Inspectie van beelden
Extractie van karakteristieken uit beelden
14
Tweevoudig validatie model
Overzicht van het intern respresentatie kader
15
Modules Wel gedefinieerde processen die leiden tot beelden en mogelijks deducties Georganiseerd volgens verschillende descriptie niveaus: sensorisch perceptueel cognitief
16
Globaal beeld
17
Modules op het sensorisch niveau
Module van de auditieve periferie (Auditory Peripheral Module APM ) Ruwheid module (Roughness Module RM) Aanzetten module (Onset Module OM)
18
Globaal beeld
19
Module van de auditieve periferie
Verwerkings stadia Simulatie van de filters van het buitenoor en middenoor lage frequentie doorlaat filter Simulatie van de resonantie van het basilair membraan in het binnenoor 40 band doorlaat filters Simulatie van een haarcel model converteert band doorlaat filtersignalen in neuronale patronen APM sound Primary Images
20
Primair beeld ANI voor een fragment uit Schumann’s Kuriose Geschichte
21
Ruwheid Module Deductie = schatting van de ruwheid
Gebruikt een Synchronisatie Index Model: Ruwheid als energie van de relevante zwevingen in de audieve kanalen Gebaseerd op phase-locking APM RM sound Primary images Roughness estimation
22
Ruwheid schatting Boven: energie zoals die verdeeld is over de kanalen
Midden: energie zoals die verdeeld is over de zwevende frequenties Onder: ruwheid
23
Aanzet Module Aanzetten van klankgebeurtenissen APM RMSM OM sound
Primary images RMS values Onset patterns
24
Aanzet schatting Segmentatie van het origineel signaal gebruik makend van de aanzet module
25
Modules op het perceptueel niveau
Toonhoogte Module (Pitch Completion Module PCM) Ritme Module (Rhythm Module RhM) Module van het echoïsch geheugen (Echoic Memory Module EMM)
26
Globaal beeld
27
Toonhoogte Module Periodiciteitenanalyse van primaire beelden
Van temporele codering naar plaatscodering APM PCM sound Primary images Pitch images
28
Periodiciteitenanalyse
29
Ritme Module APM RMSM MEC algorithm sound Primary images RMS values
Detectie van repetitie in ritmepatronen Gebruikt het algoritme van de minimale energie verandering (Minimal Energy Change MEC) berekent de fundamentele periode op elke tijdstap basisgedachte: energie berekend over een periode van een zich herhalend patroon is min of meer gelijk op elk tijdsmoment minimale energieveranderingen verwijzen naar de periode van een repetitief patroon APM RMSM MEC algorithm sound Primary images RMS values Rhythm patterns
30
MEC Analyse Periodiciteitenanalyse van de energie in de primaire beelden Schatting van periodiciteitenpatronen Extractie van het beste patroon uit een signaal
31
MEC Analyse Gesommeerde verschilwaarden
Beste periode (minimum van de verschilwaarden: 1,317 s.)
32
Module van het echoïsch geheugen
Echo: halve wegstervingstijd Geïntegreerde beelden of echoïsche beelden Toegepast op toonhoogtebeelden: echo = context APM PCM EMM Local images sound Primary images Pitch images Global images
33
Toonhoogtebeelden Lokaal Globaal
34
Modules op het cognitief niveau
Contextualiteit Module (Contextuality Module CM)
35
Globaal beeld
36
Contextualiteit Module
Contextgebonden toonhoogtewaarneming Toonhoogte-overeenstemming tussen twee toonhoogtebeelden (met mogelijks verschillende echo’s) APM PCM EMM CM Local/ Global Images sound Primary images Pitch images Contextuality index
37
Inspectie en Vergelijking
inspectie van een toonhoogtesequentie door middel van een vast beeld lokaal: inspectie van de lokale beelden met het vast beeld globaal: inspectie van de globale beelden met het vast beeld vergelijking vergelijking van lopende lokale en globale beelden over de volledige sequentie resultaat = graad van overeenkomst
38
Toonhoogtebeelden en contextualiteit
Toonhoogtebeelden Contextualiteit index
Verwante presentaties
© 2024 SlidePlayer.nl Inc.
All rights reserved.