روش پیشنهادی برای تشخیص نغمه و شناسایی خودکار گوشه ها در ردیف موسیقی سنتی ایرانی با رویکرد میکرو
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 3,133
This Paper With 26 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JEMSC-4-2_003
تاریخ نمایه سازی: 20 خرداد 1398
Abstract:
طراحی سامانه ای که بتواند به طور خودکار دستگاهها و گوشه های موسیقی سنتی ایرانی تشخیص دهد، مدتی است که توجه پژوهشگران ایرانی را در حوزه بازیابی اطلاعات موسیقایی به خود جلب کرده است. ازآنجاکه در این پژوهش ها، به طور عمده به دسته بندی خودکار پنج دستگاه اصلی پرداخته اند و نه تفکیک گوشه ها از یکدیگر، پژوهش حاضر با هدف ارائه الگوریتم و روشی برای شناسایی خودکار گوشه ها در ردیف دستگاهی موسیقی سنتی ایرانی انجام شده است. ازاین رو، ابتدا تعریف و تحلیلی نظام مند از دو مفهوم اصلی موسیقی سنتی ایرانی، یعنی دستگاه و گوشه آمده و پس از معرفی دو رویکرد اساسی در شناسایی خودکار دستگاه و گوشه، روش شناسی و الگوریتم های بکار رفته در برخی از پژوهش های مرتبط، آمده است. سپس، الگوریتم و روشی برای شناسایی خودکار گوشه های ردیف دستگاهی موسیقی ایرانی بر اساس رویکرد میکرو ارائه شده است. در روش پیشنهادی، در درجه نخست تلاش برای شناسایی نغمه های یک قطعه موسیقی سنتی ایرانی، به عنوان مرحله اولیه و مهم در شناسایی گوشه ها و بهبود پارامترهای آن بوده است. پس از این مرحله، با تعریف سیر ملودی جمله معرف گوشه ها و بررسی میزان شباهت آن به کل قطعه، می توان گوشه موردنظر را شناسایی کرد.
Keywords:
الگوریتم شناسایی گوشه , بازیابی اطلاعات موسیقایی , ردیف دستگاهی موسیقی ایرانی , شناسایی خودکار موسیقی , گوشه , موسیقی سنتی ایرانی
Authors
امیر وفائیان
گروه علم اطلاعات و دانش شناسی، دانشگاه خوارزمی، تهران، ایران
کیوان برنا
استادیار، گروه علوم کامپیوتر، دانشکده علوم ریاضی و کامپیوتر، دانشگاه خوارزمی، تهران، ایران
حامد ساجدی
استادیار، گروه برق و الکترونیک، دانشکده فنی و مهندسی، دانشگاه شاهد، تهران، ایران
داریوش علیمحمدی
استادیار، گروه علم اطلاعات و دانش شناسی، دانشکده روانشناسی و علوم تربیتی، دانشگاه خوارزمی، 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 :