نوا: دادگان موسیقی سنتی ایرانی برای تشخیص دستگاه و سازهای اصیل ایرانی

Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 438

This Paper With 10 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JASP-3-2_003

تاریخ نمایه سازی: 18 مهر 1400

Abstract:

در دنیا پژوهش های بسیاری در حوزه پردازش سیگنال موسیقی به منظور بازیابی محتوای موسیقی بر مبنای محتوا انجام شده است. متاسفانه پژوهش های انجام شده در زمینه پردازش رایانه ای موسیقی سنتی ایرانی بسیار اندک است که یکی از دلایل اصلی آن را می توان نبود دادگان برشمرد. در این پژوهش، یک دادگان برای دو مسئله اساسی حوزه موسیقی سنتی ایرانی، یعنی تشخیص دستگاه و تشخیص ساز معرفی شده است که از جامعیت و تنوع لازم برخوردار است و به نام "دادگان نوا" نام گذاری شده است.  این دادگان شامل صدای پنج ساز متداول سنتی ایرانی در هفت دستگاه است که توسط چهل هنرمند نواخته شده است. در ادامه برای پرداختن به دو مسئله تشخیص ساز و دستگاه، سامانه ای پیشنهاد داده شده است که در بخش استخراج ویژگی آن از سیگنال موسیقی ورودی، ضرایب کپسترال بر مبنای مقیاس مل استخراج می شود و دنباله بردارهای ویژگی حاصل، به کمک روش بردار هویت به یک بردار با طول ثابت تبدیل می شود. در بخش دسته بندی، بردار هویت حاصل از موسیقی ورودی به یک ماشین بردار پشتیبان داده می شود. بهترین صحت حاصل از تشخیص ساز و دستگاه بر روی دادگان نوا به ترتیب حدود ۹۸ و ۳۴ درصد است که گویای میزان دشواری مساله تشخیص دستگاه در مقایسه با تشخیص ساز است.

Authors

باقر باباعلی

دانشکده ریاضی، آمار و علوم کامپیوتر، پردیس علوم، دانشگاه تهران، تهران، ایران

آشنا گرگان محمدی

دانشکده ریاضی، آمار و علوم کامپیوتر، پردیس علوم، دانشگاه تهران، تهران، ایران

اسماء فرجی دیزجی

دانشکده ریاضی، آمار و علوم کامپیوتر، پردیس علوم، دانشگاه تهران، تهران، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Y. V. Murthy, and S.G. Koolagudi, “Content-based music information retrieval ...
  • A. Bonjyotsna and M. Bhuyan, “Signal processing for segmentation of ...
  • T. Zhang, “Automatic singer identification,” International Conference on Multimedia and ...
  • N. Scaringella, G. Zoia, and D. Mlynek, “Automatic genre classification ...
  • A. Kotsifakos, P. Papapetrou, J. Hollmen, D. Gunopulos, and V. ...
  • A. Eronen, Automatic Musical Instrument Recognition, Master’s Thesis, Department of ...
  • دسته بندی خودکارگام ماهور موسیقی ایرانی توسط یک شبکه عصبی مصنوعی [مقاله کنفرانسی]
  • S. R. Azar, A. Ahmadi, S. Malekzadeh, and M. Samami, ...
  • S. Abdoli, “Iranian Traditional Music Dastgah Classification,” In ISMIR, pp. ۲۷۵-۲۸۰, ...
  • Classification of Iranian traditional musical modes (DASTGÄH)with artificial neural network [مقاله ژورنالی]
  • H. Hajimolahoseini, R. Amirfattahi, and M. Zekri, “Real-time classification of ...
  • H. Farhat, The dastgah concept in Persian music, Cambridge University Press, ...
  • B. Logan, “Mel Frequency Cepstral Coefficients for Music Modeling,” In ISMIR, ...
  • P. Kenny, G. Boulianne, P. Ouellet, and et al. “Joint ...
  • N. Dehak, P. A. Torres-Carrasquillo, D. A. Reynolds, and et ...
  • M. H. Bahari, R. Saeidi, D. Van Leeuwen, and et ...
  • R. Xia, Y. Liu, “Using i-vector space model for emotion ...
  • H. Eghbal-zadeh, B. Lehner, M. Dorfer, and et al. “CP-JKU ...
  • X. Wei, and L. Wenju, “Multilingual I-Vector based Statistical Modeling ...
  • H. Zeinali, B. BabaAli, and H. Hadian,“Online signature verification using ...
  • نمایش کامل مراجع