Ανάπτυξη και υλοποίηση τεχνικών επεξεργασίας σημάτων για τη μελέτη μουσικολογικών μορφωμάτων

Abstract

This thesis deals with the recognitional classification of musical patterns. In the context of Greek Traditional music to a predefined set of classes of musical patterns. Two different methodologies have been developed the former employs an extension of the dynamic time warping methodology and the latter is based on discrete observation Hidden Markov models. The feature extraction stage employs in both cases fundamental frequency tracking algorithm. The methods were applied on a testbed consisting of musical patterns stemming from the Greek Traditional clarinet. This thesis lies in the area of pattern recognition and signal processing.

Στα πλαίσια της διατριβής αυτής αναπτύχθηκαν δύο μεθοδολογίες για την αναγνώριση/ταξινόμηση μορφωμάτων Ελληνικής Παραδοσιακής μουσικής σε προκαθορισμένες κλάσεις. Η πρώτη μεθοδολογία βασίστηκε σε μία νέα επέκταση αλγορίθμων δυναμικού προγραμματισμού και η δεύτερη σε Hidden Markov μοντέλα διακριτών παρατηρήσεων. Και στις δύο περιπτώσεις χρησιμοποιήθηκαν χαρακτηριστικά βασισμένα σε αλγορίθμους εύρεσης θεμελιώδους συχνότητας. Οι μέθοδοι εφαρμόστηκαν σε υλικό προερχόμενο από ηχογραφήσεις ελληνικού παραδοσιακού κλαρίνου. Το αντικείμενο της διατριβής ανήκει στο χώρο της αναγνώρισης προτύπων και ψηφιακής επεξεργασίας σήματος.