documento ieee detecion del beat

5/14/2018 Documento Ieee Detecion Del Beat - slidepdf.com

http://slidepdf.com/reader/full/documento-ieee-detecion-del-beat 1/4

Abstract — En la música las canciones tienen una frecuenciapropia la cual esta dada por beats por minuto, donde un beat es

un periodo de esta medida. La idea de este proyecto es identificarel bpm (beat por minuto), de diferentes tipos de música, para

hacer las pruebas vamos a utilizar bases de Salsa, Tropical,Desorden y Electrónica. Estos tipos de música tienen en común

que son ritmos muy movidos donde el bmp tiende a ser alto.

Index Terms —Beat, Beat detection, Beat Analysis, Wavelet,

Musical Genre Classification

I. I NTRODUCTION

ara el calculo del bpm de la música el algoritmo propuesto

esta basado en la trasformada wavelet (WT) la cual es una

técnica para el análisis de señales en tiempo como en

frecuencia. Esta herramienta fue desarrollada como alternativa

de la STFT (SHORT TIME FOURIER TRANSFORM) pero

resolviendo los problemas de resolución. Específicamente, la

STFT proporciona una resolución en tiempo uniforme para

todas las frecuencias; La WT proporciona una alta resolución

en tiempo y baja resolución en frecuencia para altas

frecuencias, y baja resolución en tiempo y alta resolución en

frecuencia para bajas frecuencias.

P

Con ayuda de la WT se divide la entrada para ser analizada endiferentes bandas de frecuencia con diferentes resoluciones

para cada banda. En nuestro caso octavas Por ejemplo en elcaso de la base de música Electrónica, la división en diferentes

bandas de frecuencia con ayuda de wavelets se puede observaen la figura 3. Al oír la salida de estos bancos de frecuencia sescuchan los diferentes acompañamientos de la música, ya seamaracas, el bombo, etc.

Detección del beat por minuto usandotransformada wavelet

Francisco Carlos Calderon Student Member IEEE , Camilo Medina.

Fig. 1. Diagrama en bloques del algoritmo

Fig. 2. STFT y WT

Fig. 3. Respuesta en frecuencia “magnitud y fase” del filtrado pasobajasaplicado



Para el análisis de estas señales la idea es buscar la marcación

que esta dada por algún tipo de instrumento, y este debe darse

de manera periódica. Entonces a cada uno de las salidas de los

filtros se le hallara la envolvente, la cual determinara la

periodicidad de la señal, de la siguiente manera:

1 Se rectifica la onda completa: ][][ n xn y = .

2 Se pasa la señal por un filtro pasabajos:][).1(][.][ n xn xn y α α −+= donde 99.0=α

Para poder encontrar la envolvente, el segundo procedimientoconlleva a un filtrado pasobajas, en este caso se escogió filtrar a70 Hz, , ya que la envolvente nunca podría superar estafrecuencia.

3 Decimación: ]10[][ n xn y = Se décima para trabajar

con menos muestras y así reducir el tiempo dealmacenamiento sin perder generalidad.

4 Remoción de la media: ])[(][][ n xmeann xn y −= de

modo de tener la señal sin componente DC.

Después de obtener la envolvente de cada filtro se sumaran para tener un aporte al periodo del beat por parte de cadainstrumento o salida de cada filtro con el fin de obtener mayor energía para el bmp.

Para encontrar periodicidad de esa sumatoria de señales sutiliza la autocorrelación que se define de la siguiente forma:

∑ −=n

k n xn x N

k y ][].[1

][

Para el ejemplo que estamos desarrollando la autocorrelación s puede observar en la figura 6. Esos picos que se vecorresponden a la periodicidad de la señal a diferentefrecuencias.Para observar a que frecuencia ocurre dicha periodicidad shalla la FFT de esta señal la cual es mostrada en la figura

para el intervalo de frecuencias de interés que es de 40 bpm 240 bpm.

El criterio de decisión del bpm analizando las cuatro muestra

que tenemos y apoyándonos en la detección de el beats de estamismas muestras que se obtuvieron manualmente por parte dnuestro colaborador DJ GARTEK:

Desorden 150 bpmSalsa 96 bpmTropical 103 bpmElectrónica 128 bpm

Como el beat esta definido en el intervalo de 40bpm llamadLargo y 240 bpm que es llamado Pretissimo, el análisis del bease debe hacer en este intervalo, y lo determina el pulso dmayor energía. Siguiendo el criterio anterior los resultados s

pueden observar en las siguientes figuras 8, 9, 10, 11.

Fig. 4. Respuesta en frecuencia “magnitud y fase” del filtrado pasobajasaplicado

Fig. 5. Envolvente encontrada con el procedimiento descrito

Fig. 6. Auto correlación de la suma de las envolventes.

Fig. 7. FFT de la Autocorrelación de la base música Electrónica, en frecuencias de interés



Detectados por el programa por el criterio del pico más altoentre 40bpm a 240bpm:

Desorden 227.556 bpm detectado mas no halladoSalsa 50.274 bpm detectado mas no halladoTropical 105.84 bpm detectado y halladoElectrónica 129.654 bpm detectado y hallado

Se puede observar que el algoritmo encontró dos de los cuatro beats. Apoyándonos en que las bases de música escogida son bien movidas y por lo tanto el beat es alto. Es decir mayor de70bpm y no exageradamente alto es decir menor a 200bpm.Cambiamos el criterio de decisión entre el intervalo de 70bpm 200bpm y los resultados fueron los siguientes y se observan enlas figuras 12, 13, 14,15:

Con lo que se obtuvo una plena identificación del beat en todo

los casos.

Figura 8. FFT de la Autocorrelación base música desorden entre 40bpm y240bpm.

Figura 9. FFT de la Autocorrelación base música Electrónica entre 40bpm a240bpm.

Figura 10. FFT de la Autocorrelación base música Salsa entre 40bpm a240bpm.

Figura 11. FFT de la Autocorrelación base música Tropical entre 40bpm240bpm.

Figura 12. FFT de la Autocorrelación base música Desorden entre 70bpm200bpm.

Figura 13. FFT de la Autocorrelación base música Electrónica entre 70bpm a200bpm.



II.CONCLUSIONES

- La transformada de wavelet brinda una herramienta de rápidoanálisis en tiempo y frecuencia

- El pico con mas amplitud no es necesariamente el que imponeel beat esto depende del intervalo de criterio que se escoja.

- La autocorelacion brinda una poderosísima herramienta a lahora de encontrar periodicidades de secuencias periódicasafectadas por ruido

AGRADECIMIENTOS

Ing Javier Villegas Plazas M.Sc

Gustavo Ramírez. DJ Gartek

R EFERENCIAS

[1] Tzanetakis, George, Student Member, IEEE and Cook Perry, Member IEEE“Musical Genre Classification of Signals” in IEEE TRANSACTIONS ON SPEEH AND AUDIO PROCESSING, VOL 10,No.5 JULY 2002, pp. 293–302.

[2] PROAKIS, John y MANOLAKIS, Dimitris. Tratamiento Digital deSeñales. Principios, Algoritmos y Aplicaciones. Tercera Edición. PrenticeHall. 1998.

[3] Burrus, C. Sidney, Introduction to wavelets and wavelet transforms : a primer Upper Saddle River, New Jersey : : Prentice Hall,, c1998.

Figura 14.FFT de la Autocorrelación base música Salsa entre 70bpm a 200bpm.

Figura 15. FFT de la Autocorrelación base música Tropical entre 70bpm a200bpm.

documento ieee detecion del beat

Documents