Určení místa původu hudebních interpretací české komorní a orchestrální hudby za pomoci technik Music Information Retrieval

Abstract

Tato práce se zabývá statistickou analýzou nahrávek české komorní a orchestrální hudby. Významná část této práce je věnována problematice extrakce parametrů z nahrávek. V rámci extrakce parametrů jsou využity techniky zpracování hudebního signálu používané v oblasti Music Information Retrieval. Dále jsou v práci představeny kroky při zpracovávání databází nahrávek a výběru stejných notových úseků z jednotlivých interpretací skladeb pomocí dynamického borcení časové osy. Pro účely výběru stejného notového úseků z interpretací byl naprogramován nástroj v prostředí MATLAB. V neposlední řadě je představen vyhodnocovací systém, pomocí kterého je prováděna klasifikace nahrávek podle místa původu. Samotná klasifikace je provedena v podobě binárního rozdělení na dvě skupiny Česko a svět. První část vyhodnocení spočívá v individuální analýze jednotlivých statistických parametrů, přičemž je hodnocena jejich diskriminační síla. Druhá část vyhodnocení spočívá v selekci skupin parametrů, které by měly zvýšit přesnost klasifikace oproti individuální analýze parametrů.This diploma thesis is focused on the statistical analysis of chamber and orchestral classical music recordings composed by Czech authors. One of the chapters is dedicated to the description of a feature extraction process that precedes the statistical analysis. Techniques of Music Information Retrieval are used during several stages of this thesis. Databases used for analysis are described and pre-processing steps are proposed. A tool for synchronization of the recordings was implemented in MATLAB. Finally the system used for classification of recordings based on their geographical origin is proposed. The recordings are sorted by a binary classifier into two categories of Czech and world recordings. The first part of the statistical analysis is focused on individual analysis of features. The features are evaluated based on their discrimination strength. The second part of the statistical analysis is focused on feature selection, which can improve the overall accuracy of the binary classifier compared to the individual analysis of the features.