Please use this identifier to cite or link to this item: http://hdl.handle.net/10316/96042
Title: Pesquisa de obras musicais por canto
Other Titles: Search of musical works by singing
Authors: Calhau, Ana Corina Martins
Orientador: Perdigão, Fernando Manuel dos Santos
Keywords: Procura por canto; Base de Dados MTG; Dynamic Time Warping; Qmax; Query by humming; Database MTG; Dynamic Time Warping; Qmax
Issue Date: 23-Sep-2021
Serial title, monograph or event: Pesquisa de obras musicais por canto
Place of publication or event: IT, DEEC
Abstract: A identificação de músicas por canto, conhecida em inglês por "Query by Humming", consiste em extrair a melodia a partir do sinal de canto ("humming") e comparar a melodia extraída comum à base de dados de melodias conhecidas. É já há muitos anos um desafio na área de investigação em música, sendo os maiores problemas a comparação de um som monofónico com sons de uma base de dados polifónica, o que torna a extração de melodia pouco eficaz com a presença dos vários instrumentos musicais e a extração da base de dados (BD).Esta dissertação apresenta um algoritmo de procura por canto que tem por base uma BD construída e testada pela universidade espanhola Pompeu Fabra, denominada MTG, criada pelo "Music Tecnology Group".A MTG, disponibilizada para uso em trabalhos de investigação, que foi gravada por 17 pessoas, homens e mulheres, com diferentes níveis de experiência musical, podendo cantar com ou sem letra um excerto de músicas que conhecessem de entre algumas que que lhes foram apresentadas numa lista, sem limite de tempo nem restrições de que parte da música iriam cantar. A BD de referência foi criada por nós, usando as informações apresentadas pela MTG, onde sabíamos quais eram músicas de referência mas não tínhamos acesso aos seus ficheiros aúdio devido a direitos autorais.A seguinte dissertação faz então um resumo das abordagens a ser consideradas nomeadamente a implementação de DTW - "Dynamic Time Warping", muito utilizada nesta área, através do algoritmo Qmax que também é usado neste projeto.
Music identification by singing/humming, mostly known by Query by Humming, consists in extracting the melody from the singing signal ("humming") and comparing the common extracted melody to the database of known melodies. It has been a challenge in the area of music research for many years, the biggest problems being the comparison of a monophonic music with polyphonic music DB (database), which makes melody extraction ineffective with the presence of various musical instruments and the extraction of the database (DB).This dissertation presents a singing search algorithm based on a database built and tested by the Spanish University Pompeu Fabra, called MTG as it was created by the Music Technology Group. Music Technology Group (MTG), available for use in research work, was recorded by seventeen people, men and women, with different levels of musical experience, who could sing with or without lyrics an excerpt of songs they knew from among a few that were selected from a list, with no time limit or restrictions on what part of the song they would sing. The reference comic was created by us, using the information presented by Music Technology Group (MTG), where we knew which were reference songs but we didn't have access to their audio files due to copyright. The following dissertation then summarizes the approaches to be considered, namely the implementation of DTW - Dynamic Time Warping, widely used in this area, through the Qmax algoritthm that is also used in this project.
Description: Dissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia
URI: http://hdl.handle.net/10316/96042
Rights: openAccess
Appears in Collections:UC - Dissertações de Mestrado

Files in This Item:
File Description SizeFormat
Dissertacao_Ana_Calhau_2021_final.pdf2.1 MBAdobe PDFView/Open
Show full item record

Page view(s)

5
checked on Nov 25, 2021

Download(s)

4
checked on Nov 25, 2021

Google ScholarTM

Check


This item is licensed under a Creative Commons License Creative Commons