DE102004022660B4 - Apparatus and method for analyzing an information signal - Google Patents
Apparatus and method for analyzing an information signal Download PDFInfo
- Publication number
- DE102004022660B4 DE102004022660B4 DE102004022660A DE102004022660A DE102004022660B4 DE 102004022660 B4 DE102004022660 B4 DE 102004022660B4 DE 102004022660 A DE102004022660 A DE 102004022660A DE 102004022660 A DE102004022660 A DE 102004022660A DE 102004022660 B4 DE102004022660 B4 DE 102004022660B4
- Authority
- DE
- Germany
- Prior art keywords
- short
- spectra
- term
- spectrum
- information signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
Abstract
Description
Die vorliegende Erfindung bezieht sich auf die Analyse von Informationssignalen, wie beispielsweise Audiosignalen und insbesondere auf die Analyse von Informationssignalen, die aus einer Überlagerung von Teilsignalen bestehen, wobei ein Teilsignal von einer Einzelquelle oder einer Gruppe von Einzelquellen stammen kann.The The present invention relates to the analysis of information signals, such as audio signals and in particular the analysis of information signals resulting from a superposition of sub-signals consist of a partial signal from a single source or a Group of individual sources.
Die fortschreitende Entwicklung digitaler Distributionsmedien für multimediale Inhalte führt zu einer großen Vielfalt angebotener Daten. Für den menschlichen Nutzer ist die Grenze des Überschaubaren dabei längst überschritten. So gewinnt die inhaltliche Beschreibung der Daten durch Metadaten zunehmend an Bedeutung. Grundsätzlich besteht das Ziel, nicht nur Text-Dateien sondern auch z. B. Musikdateien, Videodateien oder sonstige Informationssignaldateien durchsuchbar zu machen, wobei derselbe Komfort wie bei gängigen Textdatenbanken angestrebt wird. Ein Ansatz hierfür ist der bekannte MPEG 7-Standard.The progressive development of digital distribution media for multimedia Contents leads to a big one Diversity of offered data. For the human user is the limit of the manageable long exceeded. Thus, the content description of the data by metadata increasingly gains in importance. in principle the goal is not only text files but also z. Music files, Video files or other information signal files searchable with the same comfort as usual text databases becomes. An approach for this is the well-known MPEG 7 standard.
Insbesondere bei der Analyse von Audiosignalen, also Signalen, die Musik und/oder Sprache umfassen, ist die Extraktion von Fingerabdrücken von großer Bedeutung.Especially in the analysis of audio signals, ie signals, the music and / or Language is the extraction of fingerprints from greater Importance.
Angestrebt wird ferner, Audiodaten mit Metadaten „anzureichern", um für z. B. ein Musikstück auf der Basis eines Fingerabdrucks Metadaten wiederzugewinnen. Der „Fingerabdruck" soll einerseits aussagekräftig sein, und andererseits möglichst kurz und prägnant sein. „Fingerabdruck" bezeichnet somit ein aus einem Musik-Signal generiertes komp rimiertes Informationssignal, welches nicht die Metadaten enthält, sondern zur Referenzierung auf die Metadaten z.B. durch Suche in einer Datenbank dient, z.B. in einem System zur Identifikation von Audiomaterial („AudioID").The aim is further "enriching" audio data with metadata in order, for example, to a piece of music to recover metadata based on a fingerprint. The "fingerprint" should on the one hand meaningful be, and on the other hand as possible short and concise be. "Fingerprint" means thus a compressed information signal generated from a music signal, which does not contain the metadata but for referencing to the metadata e.g. by searching in a database, e.g. in a system for the identification of Audio material ("AudioID").
Normalerweise bestehen Musikdaten aus der Überlagerung von Teilsignalen von Einzelquellen. Während es bei einer Popmusik typischerweise relativ wenige Einzelquellen gibt, nämlich den Sänger, die Gitarre, die Bassgitarre, das Schlagzeug und ein Keyboard, so kann die Anzahl von Quellen für ein Orchesterstück sehr groß werden. Ein Orchesterstück und ein Popmusikstück beispielsweise bestehen aus einer Überlagerung der von den einzelnen Instrumenten abgegebenen Töne. Ein Orchesterstück bzw. irgendein Musikstück stellt somit eine Überlagerung von Teilsignalen von einzelnen Quellen dar, wobei die Teilsignale die von den einzelnen Instrumenten des Orchesters bzw. Popmusikensembles erzeugten Töne sind, und wobei die einzelnen Instrumente Einzelquellen sind.Usually consist of music data from the overlay of sub-signals from single sources. While listening to a pop music typically there are relatively few individual sources, namely the Singers who Guitar, bass guitar, drums and a keyboard, so can the number of sources for an orchestral piece get very tall. An orchestral piece and a pop piece of music For example, consist of a superposition of the individual Instruments emitted tones. An orchestral piece or any piece of music thus provides a superposition of Partial signals from individual sources, the sub-signals the from the individual instruments of the orchestra or pop music ensemble generated sounds and the individual instruments are single sources.
Alternativ können auch Gruppen von ursprünglichen Quellen als Einzelquellen aufgefasst werden, so dass einem Signal wenigstens zwei Einzelquellen zugewiesen werden können.alternative can also groups of original ones Sources are understood as single sources, giving a signal at least two individual sources can be assigned.
Eine Analyse eines allgemeinen Informationssignals wird nachfolgend lediglich beispielhaft anhand eines Orchestersignals dargestellt. Die Analyse eines Orchestersignals kann auf vielerlei Arten und Weisen durchgeführt werden. So kann der Wunsch bestehen, die einzelnen Instrumente zu erkennen und aus dem Gesamtsignal die Einzelsignale der Instrumente zu extrahieren und gegebenenfalls in eine Notenschrift umzusetzen, wobei die Notenschrift als „Metadaten" fungieren würde. Weitere Möglichkeiten der Analyse bestehen darin, einen dominanten Rhythmus zu extrahieren, wobei eine Rhythmusextraktion auf der Basis der Schlaginstrumente bes ser vonstatten geht als auf der Basis der eher Ton-gebenden Instrumente, die auch als harmonisch-ausgehaltene oder „harmonic sustained" Instrumente bezeichnet werden. Während Schlaginstrumente typischerweise Pauken, Schlagzeuge, Rasseln oder sonstige Percussion-Instrumente umfassen, gehören zu den harmonisch ausgehaltenen Instrumenten alle sonstigen Instrumente, wie beispielsweise Geigen, Blasinstrumente, etc.A Analysis of a general information signal will be hereinafter merely exemplified by an orchestral signal. The analysis of a Orchestra signal can be performed in many ways. So there may be a desire to recognize the individual instruments and to extract the individual signals of the instruments from the total signal and if necessary to convert it into a musical notation, the musical notation would act as "metadata" Possibilities of Analysis is to extract a dominant rhythm being a rhythm extraction based on the percussion instruments better than on the basis of the more sound-giving instruments, which are also referred to as harmonic-sustained or "harmonic sustained" instruments become. While Percussion instruments typically timpani, drums, rattles or otherwise Including percussion instruments are among the most harmoniously endured All other instruments, such as violins, wind instruments, Etc.
Weiterhin werden zu den Schlaginstrumenten alle jene akustischen oder synthetischen Klangerzeuger gezählt, die aufgrund ihrer Klangeigenschaften zur Rhythmussektion beitragen (z.B. Rhythmusgitarre).Farther Become the percussion instruments all those acoustic or synthetic sound generators counted which contribute to the rhythm section due to their sound characteristics (e.g., rhythm guitar).
So wäre es beispielsweise zur Rhythmusextraktion eines Musikstücks wünschenswert, aus dem gesamten Musikstück lediglich perkussive Anteile zu extrahieren und eine Rhythmuserkennung dann auf der Basis dieser percussiven Anteile durchzuführen, ohne dass die Rhythmuserkennung durch Signale von den harmonisch ausgehaltenen Instrumenten „gestört" wird.So would it be for example, for rhythm extraction of a piece of music desirable from the entire piece of music only to extract percussive parts and a rhythm detection then to carry out on the basis of these percussive shares, without that the rhythm recognition by signals of the harmoniously endured Instruments "disturbed" is.
Andererseits wird jegliche Analyse mit dem Ziel der Extraktion von Metadaten, die ausschließlich Informationen der harmonisch ausgehaltenen Instrumente benötigt (z.B. eine harmonische oder melodische Analyse), profitieren von einer vorgeschalteten Separation und einer Weiterverarbeitung der harmonisch ausgehaltenen Anteile.on the other hand any analysis for the purpose of extracting metadata, the only information of harmonic sustained instruments (e.g., a harmonic or melodic analysis) benefit from an upstream separation and a further processing of the harmoniously held shares.
In jüngster Vergangenheit wurde in diesem Zusammenhang über die Verwendung der Technik der Blind Source Separation (BSS) und der Independent Component Analysis (ICA) zur Signalverarbeitung und Signalanalyse berichtet. Einsatzgebiete finden sich insbesondere in der biomedizinischen Technik, der Kommunikationstechnik, der künstlichen Intelligenz und der Bildverarbeitung.In recently, Past has been related to the use of the technique in this regard Blind Source Separation (BSS) and Independent Component Analysis (ICA) for signal processing and signal analysis. applications can be found in particular in biomedical technology, communication technology, the artificial one Intelligence and image processing.
Allgemein umfasst der Begriff BSS Techniken zur Separation von Signalen aus einem Mix von Signalen mit einem Minimum an Vorkenntnissen über die Natur der Signale und des Mischungsprozesses. Die ICA ist ein Verfahren, welches sich der Annahme bedient, dass die einem Mix zugrundeliegenden Quellen zumindest bis zu einem gewissen Grad statistisch unabhängig voneinander sind. Weiterhin wird der Mischungsprozess als zeitlich unveränderlich und die Anzahl der beobachteten Mischsignale nicht kleiner als die Anzahl der der Mischung zugrundeliegenden Quellsignale angenommen.Generally The term BSS includes techniques for separating signals a mix of signals with a minimum of prior knowledge of the Nature of the signals and the mixing process. The ICA is a procedure which makes use of the assumption that the sources underlying a mix at least to some extent statistically independent of each other are. Furthermore, the mixing process is considered to be fixed in time and the number of observed mixed signals not smaller than the number assumed the mixture underlying the source signals.
Eine Erweiterung der ICA stellt die Independent Subspace Analysis (ISA) dar. Hier werden die Komponenten unterteilt in unabhängige Unterräume oder Subspaces, deren Komponenten nicht statistisch unabhängig sein müssen. Durch eine Transformation des Musiksignals wird eine mehrdimensionale Darstellung des Mischsignals ermittelt und der letzten Annahme für die ICA entsprochen. Verschiedene Verfahren zur Berechnung der unabhängigen Komponenten wurden in den letzten Jahren entwickelt. Einschlägige Literaturstellen, die sich zum Teil auch mit der Analyse von Audiosignalen beschäftigen, sind folgende:
- [1] M.A. Casey and A. Westner, "Separation of Mixed Audio Sources by Independent Subspace Analysis", in Proc. of the International Computer Music Conference, Berlin, 2000
- [2] I.F.O. Orife, "Riddim: A rhythm analysis and decomposition tool based on independent subspace analysis", Master thesis, Darthmouth College, Hanover, New Hampshire, 2001
- [3] C. Uhle, C. Dittmar and T. Sporer, "Extraction of Drum Tracks from polyphonic Music using Independent Subspace Analysis", in Proc. of the Fourth International Symposium on Independent Component Analysis, Nara, Japan, 2003
- [4] D. Fitzgerald, B. Lawlor and E. Coyle, "Prior Subspace Analysis for Drum Transcription", in Proc. Of the 114th AES Convention, Amsterdam, 2003
- [5] D. Fitzgerald, B. Lawlor and E. Coyle, "Drum Transcription in the presence of pitched instruments using Prior Subspace Analysis", in Proc. of the ISSC, Limerick, Ireland, 2003
- [6] M. Plumbley, "Algorithms for Non-Negative Independent Component Analysis", in IEEE Transactions on Neural Networks, 14 (3), pp 534–543, May 2003
- [1] MA Casey and A. Westner, "Separation of Mixed Audio Sources by Independent Subspace Analysis," in Proc. of the International Computer Music Conference, Berlin, 2000
- [2] IFO Orife, "Riddim: A rhythm analysis and decomposition tool based on independent subspace analysis", Master thesis, Dartmouth College, Hanover, New Hampshire, 2001
- [3] C. Uhle, C. Dittmar and T. Sporer, "Extraction of Drum Tracks from Polyphonic Music Using Independent Subspace Analysis", in Proc. of the Fourth International Symposium on Independent Component Analysis, Nara, Japan, 2003
- [4] D. Fitzgerald, B. Lawlor and E. Coyle, Prior Subspace Analysis for Drum Transcription, in Proc. Of the 114th AES Convention, Amsterdam, 2003
- [5] D. Fitzgerald, B. Lawlor and E. Coyle, "Drum Transcription in the Presence of Pitched Instruments Using Prior Subspace Analysis", in Proc. of the ISSC, Limerick, Ireland, 2003
- [6] M. Plumbley, "Algorithms for Non-Negative Independent Component Analysis," in IEEE Transactions on Neural Networks, 14 (3), pp 534-543, May 2003
In [1] wird ein Verfahren zur Separation von Einzelquellen aus Mono-Audiosignalen dargestellt. In [2] wird eine Anwendung für eine Auftrennung in Einzelspuren und anschließend die Rhythmusanalyse gegeben. In [3] wird eine Komponentenanalyse durchgeführt, um eine Auftrennung in perkussive und nicht-perkussive Klänge eines polyphonen Stücks zu erreichen. In [4] wird die Independent Component Analysis (ICA) auf Amplitudenbasen angewendet, die mittels allgemein berechneter Frequenzbasen aus einer Spektrogrammdarstellung einer Schlagzeugspur gewonnen werden. Dies wird zum Zwecke der Transkription durchgeführt. In [5] wird dieses Verfahren auf polyphone Musikstücke erweitert.In [1] is a method of separating single sources from mono audio signals shown. In [2] is an application for separation into single tracks and subsequently given the rhythm analysis. In [3], a component analysis is performed to a separation into percussive and non-percussive sounds of a polyphonic piece to reach. In [4] the Independent Component Analysis (ICA) applied to amplitude bases, by means of generally calculated Frequency bases from a spectrogram representation of a drum track be won. This is done for the purpose of transcription. In [5] this method is extended to polyphonic music pieces.
Die erste vorstehend genannte Veröffentlichung von Casey sei nachfolgend beispielhaft für den Stand der Technik dargestellt. Diese Veröffentlichung beschreibt ein Verfahren zum Trennen von gemischten Audioquellen durch die Technik der unabhängigen Unterraumanalyse. Hierzu wird unter Verwendung von BSS-Techniken ein Audiosignal in einzelne Komponentensignale aufgesplittet. Zum Feststellen, welche der einzelnen Komponentensignale zu einem Multikomponenten-Unterraum gehören, wird eine Gruppierung dahingehend durchgeführt, dass die Ähnlichkeit der Komponenten untereinander durch ein sogenanntes Ixegramm dargestellt wird. Das Ixegramm wird als Kreuzentropie-Matrix der unabhängigen Komponenten untereinander bezeichnet. Es wird dadurch berechnet, dass alle einzelnen Komponentensignale paarweise in einer Korrelationsberechnung untersucht werden, um ein Maß dafür zu finden, wie ähnlich zwei Komponenten sind. Über allen Komponentensignalen wird daher eine erschöpfende paarweise Ähnlichkeitsberechnung durchgeführt, so dass sich eine Ähnlichkeitsmatrix ergibt, bei der entlang einer y-Achse alle Komponentensignale aufgetragen werden, und bei der ferner entlang der x-Achse ebenfalls alle Komponentensignale aufgetragen werden. Dieses zweidimensionale Array liefert für jedes Komponentensignal ein Ähnlichkeitsmaß mit jeweils einem anderen Komponentensignal. Das Ixegramm, also die zweidimensionale Matrix, wird nun dazu verwendet, ein Clustering durchzuführen, wobei hierzu eine Gruppierung unter Verwendung eines Cluster-Algorithmus auf der Basis von diadischen Daten durchgeführt wird. Um eine optimale Partitionierung des Ixegramms in k Klassen durchzuführen, wird eine Kostenfunktion definiert, die die Kompaktheit innerhalb eines Clusters misst und die Homogenität zwischen Clustern bestimmt. Die Kostenfunktion wird minimiert, so dass sich letztendlich eine Zuordnung von einzelnen Komponenten zu einzelnen Unterräumen ergibt. Angewendet auf ein Signal, das einen Sprecher im Kontext eines durchgehenden Wasserfallrauschens darstellt, ergibt sich als Unterraum der Sprecher, wobei das rekonstruierte Informationssignal des Sprecher-Unterraums eine signifikante Dämpfung des Wasserfallrauschens zeigt.The first aforementioned publication by Casey is illustrated below by way of example for the prior art. This publication describes a method for separating mixed audio sources by the Technique of the independent Subspace analysis. This is done using BSS techniques an audio signal split into individual component signals. To the Determining which of the individual component signals belong to a multicomponent subspace is a grouping done to that the similarity of the components are represented by a so-called Ixegramm becomes. The Ixegram is called a cross-entropy matrix of independent components referred to each other. It is calculated by all individual Component signals examined in pairs in a correlation calculation to find a measure of how similar two Components are. about All component signals therefore become an exhaustive pairwise similarity calculation carried out, so that there is a similarity matrix yields, when along a y-axis all component signals are applied, and further along the x-axis also all component signals are plotted. This two-dimensional array provides a similarity measure for each component signal another component signal. The Ixegram, so the two-dimensional Matrix, is now used to perform a clustering, with this grouping using a clustering algorithm the basis of diadic data. To be optimal Partitioning of the Ixegram in k classes is performed defines a cost function that reduces the compactness within a Clusters measures and homogeneity between clusters. The cost function is minimized, so that ultimately has an association of individual components to individual subspaces results. Applied to a signal that is a speaker in context represents a continuous waterfall noise, arises as Subspace of the speaker, wherein the reconstructed information signal of the speaker subspace a significant attenuation of the waterfall noise shows.
Nachteilig an den beschriebenen Konzepten ist die Tatsache, dass sehr wahrscheinlich der Fall auftritt, dass die Signalanteile einer Quelle auf verschiedenen Komponentensignalen zu liegen kommen. Dies ist der Grund dafür, dass, wie es vorstehend ausgeführt worden ist, eine komplexe und rechenzeitintensive Ähnlichkeitsberechnung unter allen Komponentensignalen durchgeführt wird, um die zweidimensionale Ähnlichkeitsmatrix zu erhalten, auf der Basis derer dann mittels einer zu minimierenden Kostenfunktion letztendlich eine Einteilung von Komponentensignalen in Unterräume durchgeführt wird.A disadvantage of the concepts described is the fact that the case occurs very likely that the signal components of a source come to lie on different component signals. This is the reason that, as stated above, a complex and computation-intensive similarity calculation among all the component signals is performed to obtain the two-dimensional similarity matrix the basis of which is then carried out by means of a cost function to be minimized, a division of component signals into subspaces.
Des weiteren nachteilhaft ist, dass in dem Fall, in dem mehrere einzelne Quellen vorliegen, also wo das Ausgangssignal nicht a priori bekannt ist, zwar nach längerer Rechnung eine Ähnlichkeitsverteilung vorliegt, dass jedoch die Ähnlichkeitsverteilung selbst noch keinen tatsächlichen Einblick in die tatsächliche Audioszene liefert. So weiß der Betrachter lediglich, dass bestimmte Komponentensignale zueinander im Hinblick auf die minimierte Kostenfunktion ähnlich sind. Er weiß jedoch nicht, welche Informationen diese letztendlich erhaltenen Unterräume tragen bzw. welche ursprüngliche Einzelquelle oder welche Gruppe von Einzelquellen durch einen Unterraum dargestellt werden.Of Another disadvantage is that in the case where several individual Sources exist, so where the output signal is not known a priori is, after a long time Invoice a similarity distribution but that the similarity distribution exists even no actual Insight into the actual Audio scene delivers. So knows the Viewers merely that certain component signals to each other are similar in terms of minimized cost function. He knows, however not what information these ultimately obtained subspaces carry or which original one Single source or which group of single sources through a subspace being represented.
Die Independent Subspace Analysis (ISA) kann somit dazu genutzt werden, um eine Zeit-Frequenz-Repräsentation, z.B. ein Spektrogramm, eines Audiosignals in unabhängige Komponenten-Spektren zu zerlegen. Die vorher beschriebenen bisherigen Verfahren setzen dabei entweder auf eine berechnungsintensive Ermittlung von Frequenz- und Amplitudenbasen aus dem gesamten Spektrogramm oder auf a priori definierte Frequenzbasen. Solche a priori definierte Frequenzbasen bzw. Profilspektren bestehen beispielsweise darin, dass man sagt, dass in einem Stück sehr wahrscheinlich eine Trompete vorkommt, und dass dann zur Signalanalyse ein Beispiel-Spektrum einer Trompete verwendet wird.The Independent Subspace Analysis (ISA) can thus be used to a time-frequency representation, e.g. a spectrogram, an audio signal into independent component spectra disassemble. Set the previously described previous methods either to a calculation-intensive determination of frequency and amplitude bases from the entire spectrogram or a priori defined frequency bases. Such a priori defined frequency bases or profile spectra consist, for example, in saying that that in one piece very likely a trumpet occurs, and then to signal analysis an example spectrum a trumpet is used.
Dieses Prozedere hat den Nachteil, dass man von vornherein alle auftretenden Instrumente wissen muss, was der automatisierten Verarbeitung bereits prinzipiell zuwiderläuft. Ein weiterer Nachteil besteht darin, dass es, wenn genau gearbeitet werden soll, nicht nur zum Beispiel Trompeten gibt, sondern viele verschiedene Arten von Trompeten, die sich alle in ihrer Klangfarbe und damit in ihrem Spektrum unterscheiden. Würde man derart vorgehen, dass man nun alle Arten von Beispielspektren zur Komponentenanalyse einsetzt, so wird das Verfahren wiederum sehr aufwändig und bekommt eine sehr hohe Redundanz, da typischerweise nicht alle denkbaren verschiedenen Trompeten in einem Stück vorkommen, sondern nur Trompeten einer einzigen Art, also mit einem einzigen Profilspektrum, oder vielleicht mit einigen wenigen unterschiedlichen Klangfarben, also wenigen Profilspektren. Noch problematischer wird es bei verschiedenen Noten einer Trompete, zumal jeder Ton je nach Tonhöhe ein aufgespreiztes/gestauchtes Profilspektrum aufweist. Um dies zu berücksichtigen ist der Rechenaufwand ebenfalls immens.This Procedure has the disadvantage that you from the outset all occurring Instruments must know what the automated processing already runs counter to this principle. Another disadvantage is that it works exactly when not just trumpets, for example, but many different types of trumpets, all in their timbre and thus differentiate in their spectrum. Would you proceed in such a way that Now you use all kinds of sample spectra for component analysis, so the process is again very complex and gets a lot high redundancy, because typically not all conceivable different Trumpets occur in one piece, but only trumpets of a single species, so with a single Profile spectrum, or maybe with a few different ones Tones, so few profile spectra. Becomes even more problematic it with different notes of a trumpet, especially every tone depending on pitch has a spread / compressed profile spectrum. To this to take into account the computational effort is also immense.
Andererseits ist die Zerlegung aufgrund von ISA-Konzepten dann außerordentlich rechenaufwändig und störungsanfällig, wenn das gesamte Spektrogramm verwendet wird. Es sei darauf hingewiesen, dass ein Spektrogramm typischerweise aus einer Folge von Einzelspektren besteht, wobei zwischen den Einzelspektren eine Hopping-Zeitdauer definiert ist, und wobei ein Spektrum eine bestimmte Anzahl von Abtastwerten repräsentiert, so dass einem Spektrum eine bestimmte zeitliche Länge, also ein Block von Abtastwerten des Signals zugeordnet ist. Typischerweise wird die Dauer, die durch den Block von Abtastwerten, aus dem ein Spektrum berechnet wird, rep räsentiert wird, wesentlich größer als die Hopping-Zeit sein, um im Hinblick auf die erforderliche Frequenzauflösung und im Hinblick auf die erforderliche Zeitauflösung ein zufriedenstellendes Spektrogramm zu erhalten. Anderseits ist jedoch zu sehen, dass diese Spektrogrammdarstellung außerordentlich redundant ist. Wird beispielsweise der Fall betrachtet, dass eine Hopping-Zeitdauer 10 ms beträgt, und dass einem Spektrum ein Block von Abtastwerten mit einer zeitlichen Länge von zum Beispiel 100 ms zugrunde liegt, so tritt jeder Abtastwert in 10 aufeinander folgenden Spektren auf. Die dadurch erzeugte Redundanz kann insbesondere dann, wenn eine größere Anzahl von Instrumenten gesucht wird, die Rechenzeitanforderungen in astronomische Höhen treiben.on the other hand then the decomposition is extraordinary due to ISA concepts computationally expensive and prone to failure, though the entire spectrogram is used. It should be noted that a spectrogram typically from a sequence of single spectra exists, wherein between the individual spectra a hopping period is defined, and where a spectrum is a certain number of Represents samples, so that a spectrum has a certain length of time, ie a block of samples of the signal is assigned. typically, is the duration that passes through the block of samples from the Spectrum is calculated, rep presented becomes, much larger than the hopping time to be in order for the required frequency resolution and in view of the required time resolution a satisfactory To get spectrogram. On the other hand, however, it can be seen that these Spectrogram representation extraordinary is redundant. For example, consider the case that a Hopping time is 10 ms, and that a spectrum is a block of samples with a temporal length of For example, based on 100 ms, each sample enters 10 consecutive spectra. The resulting redundancy especially if a larger number of instruments which drives computing time requirements to astronomical heights.
Des weiteren ist der Ansatz, auf der Basis des gesamten Spektrogramms zu arbeiten, für solche Fälle nachteilhaft, bei denen von einem Signal nicht alle enthaltenen Quellen extrahiert werden sollen, sondern nur zum Beispiel Quellen eines bestimmten Typs, also Quellen, die eine bestimmte Charakteristik haben. Eine solche Charakteristik kann perkussive Quellen, also Schlaginstrumente, betreffen, oder sogenannte gepitchte Instrumente, die auch als Harmonic-Sustained-Instrumente bezeichnet werden, welche typische Melodie-Instrumente, wie Trompete, Geige, etc. sind. Ein Verfahren, das auf der Basis aller dieser Quellen arbeitet, ist dann zu aufwändig und letztendlich auch zu wenig robust, wenn zum Beispiel nur einige Quellen, nämlich die Quellen, die eine bestimmte Charakteristik erfüllen sollen, extrahiert werden sollen. In diesem Fall werden nämlich Einzelspektren des Spektrogramms, in denen solche Quellen nicht oder nur sehr gering auftreten, das Gesamtergebnis verfälschen bzw. "verwaschen", da diese Spektren des Spektrogramms selbstverständlich ebenfalls in die letztend liche Komponentenanalyseberechnung eingehen wie die signifikanten Spektren.Of another is the approach, based on the entire spectrogram to work for such cases disadvantageous in which not all of a signal contained Sources are to be extracted, but only for example sources of a certain type, that is, sources that have a certain characteristic to have. Such a characteristic can be percussive sources, ie Percussion instruments, or so-called pitched instruments, which also as harmonic-sustained instruments which typical melody instruments, such as trumpet, Violin, etc. are. A procedure based on all this Working sources is too time-consuming and ultimately too too little robust, if for example only some sources, namely the Sources that are to fulfill a specific characteristic are extracted should. In this case, namely Single spectra of the spectrogram in which such sources are not or only very slightly, falsify the overall result or "washed out", since these spectra of course, the spectrogram also go into the final component analysis like the significant spectra.
Die WO 01/88900 A2 offenbart ein Konzept zum Identifizieren eines Audioinhalts. Ein Satz von Frequenz-Subbändern des Audiosignals wird ausgewählt. Dann wird für jedes Subband die Subbandenergie berechnet. Hierauf wird ein Energieflusssignal für jedes Subband erzeugt. Auf der Basis dieser Informationen wird dann ein Fingerabdruck gebildet, der mit Fingerabdrücken in einer Datenbank verglichen wird, um eine Audiodatei zu identifizieren.WO 01/88900 A2 discloses a concept for identifying an audio content. A set of frequency subbands of the audio signal is selected. Then the subband energy is calculated for each subband. An energy flow signal is then generated for each subband. On the basis of this information, a fingerprint is then formed, which is compared to fingerprints in a database to identify an audio file.
Die
Das
US-Patent
Die Aufgabe der vorliegenden Erfindung besteht darin, ein robustes und rechenzeiteffizientes Konzept zum Analysieren eines Informationssignals zu schaffen.The Object of the present invention is to provide a robust and computationally efficient concept for analyzing an information signal create.
Diese Aufgabe wird durch eine Vorrichtung zum Analysieren eines Informationssignals nach Patentanspruch 1, ein Verfahren zum Analysieren eines Informationssignals nach Patentanspruch 24 oder ein Computerprogramm nach Patentanspruch 25 gelöst.These The object is achieved by a device for analyzing an information signal according to claim 1, a method for analyzing an information signal according to claim 24 or a computer program according to claim 25 solved.
Der vorliegenden Erfindung liegt die Erkenntnis zugrunde, dass eine robuste und effiziente Informationssignalanalyse dadurch erreicht wird, dass zunächst signifikante Kurzzeitspektren oder von signifikanten Kurzzeitspektren abgeleitete Kurzzeitspektren, wie beispielsweise Differenzspektren etc. aus dem gesamten Informationssignal bzw. aus dem Spektrogramm des Informationssignals extrahiert werden, wobei solche Kurzzeitspektren extrahiert werden, die einer spezifischen Charakteristik näher kommen als andere Kurzzeitspektren des Informationssignals.Of the The present invention is based on the finding that a This achieves robust and efficient information signal analysis will that first significant short-term spectra or significant short-term spectra derived short-term spectra, such as difference spectra etc. from the entire information signal or from the spectrogram of the information signal, such short-term spectra which come closer to a specific characteristic as other short-term spectra of the information signal.
Vorzugsweise werden Kurzzeitspektren extrahiert, die perkussive Anteile haben, und werden somit Kurzzeitspektren nicht extrahiert, die harmonische Anteile haben. In diesem Fall ist die spezifische Charakteristik eine perkussive bzw. Schlagzeug-Charakteristik.Preferably extract short-term spectra that have percussive components, and thus short-term spectra are not extracted, the harmonic Shares have. In this case, the specific characteristic is a percussive or percussion characteristic.
Die extrahierten Kurzzeitspektren oder von den extrahierten Kurzzeitspektren abgeleitete Kurzzeitspektren werden dann eine Einrichtung zum Zerlegen der Kurzzeitspektren in Komponentensignalspektren zugeführt, wobei ein Komponentensignalspektrum ein Profilspektrum einer Tonquelle darstellt, die einen Ton erzeugt, der der gesuchten Charakteristik entspricht, und wobei ein anderes Komponentensignalspektrum ein anderes Profilspektrum einer Tonquelle darstellt, die einen Ton erzeugt, der ebenfalls der gesuchten Charakteristik entspricht.The extracted short-term spectra or from the extracted short-term spectra derived short-term spectra then become a disassembly facility the short-term spectra supplied in component signal spectra, wherein a component signal spectrum is a profile spectrum of a sound source represents, which produces a tone of the desired characteristic corresponds, and wherein another component signal spectrum a another profile spectrum of a sound source that represents a sound generated, which also corresponds to the characteristic sought.
Schließlich wird auf der Basis der Profilspektren der Tonquellen eine Amplitudenhüllkurve über der Zeit berechnet, wobei für die Berechnung der Amplitudenhüllkurve über der Zeit die ermittelten Profilspektren sowie die ursprünglichen Kurzzeitspektren verwendet werden, so dass für jeden Zeitpunkt, zu dem ein Kurzzeitspektrum abgenommen wurde, auch ein Amplitudenwert erhalten wird.Finally will on the basis of the profile spectra of the sound sources an amplitude envelope over the Time is calculated for the calculation of the amplitude envelope over the Time the determined profile spectra as well as the original ones Short-term spectra can be used, so that for each time, to the one Short-term spectrum was decreased, also obtained an amplitude value becomes.
Die derart erhaltene Information, nämlich verschiedene Profil-Spektren sowie Amplitudenhüllkurven für die Profilspektren, liefert eine vollständige Beschreibung des Musik- bzw. Informationssignals im Hinblick auf die spezifizierte Charakteristik, nach der extrahiert worden ist, so dass diese Informationen bereits ausreichend sein können, um eine Transkription zu machen, also um mit Konzepten der Merkmalsextraktion und Segmentierung zunächst festzustellen, welches Instrument zu dem Profilspektrum "gehört", und welche Rhythmik vorliegt, also welche Anstiege und Abfallereignisse vorliegen, die auf zu bestimmten Zeitpunkten gespielte Noten dieses Instruments hinweisen.The information thus obtained, namely different Profile spectra and amplitude envelopes for the profile spectra a full description the music or information signal with respect to the specified Characteristic, after which has been extracted, so this information already sufficient, to make a transcription, so with concepts of feature extraction and segmentation first, which instrument "belongs" to the profile spectrum, and what rhythm exists, so what increases and waste events are present on indicate played notes of this instrument at certain times.
Die vorliegende Erfindung ist dahingehend vorteilhaft, dass zur Berechnung der Komponentenanalyse, also zum Zerlegen, nicht das gesamte Spektrogramm verwendet wird, sondern nur extrahierte Kurzzeitspektren, dass also die Berechnung der Independent Subspace Analysis (ISA) nur anhand einer Teilmenge aller Spektren stattfindet, so dass die Rechenanforderungen gesenkt werden. Ferner wird auch die Robustheit hinsichtlich des Auffindens bestimmter Quellen erhöht, zu mal andere Kurzzeitspektren, die die spezifizierte Charakteristik nicht erfüllen, bei der Komponentenanalyse nicht vorhanden sind und damit auch keine Störung bzw. keine "Verwaschung" der tatsächlichen Spektren darstellen.The The present invention is advantageous in that for the calculation the component analysis, ie the decomposition, not the entire spectrogram is used, but only extracted short-term spectra, that is the calculation of Independent Subspace Analysis (ISA) based only a subset of all spectra takes place, so the computational requirements be lowered. Furthermore, the robustness in terms of the Detecting certain sources, sometimes other short-term spectra, that do not meet the specified characteristic in component analysis are not present and thus no disturbance or "blurring" of the actual Represent spectra.
Darüber hinaus ist das erfindungsgemäße Konzept dahingehend vorteilhaft, dass die Profilspektren direkt aus dem Signal ermittelt werden, ohne dass sich die Problematik der vorgefertigten Profilspektren ergibt, welche wiederum zu entweder ungenauen Ergebnissen oder zu einem erhöhten Rechenaufwand führen würde.Furthermore is the inventive concept to the effect that the profile spectra directly from the Signal can be determined without the problem of prefabricated profile spectra which in turn results in either inaccurate results or too an increased Calculation work lead would.
Vorzugsweise wird zur Detektion und Klassifikation von perkussiven, nicht-harmonischen Instrumenten in polyphonen Audiosignalen das erfindungsgemäße Konzept eingesetzt, um sowohl Profilspektren als auch Amplitudenhüllkurven für die einzelnen Profilspektren zu erhalten.Preferably, for the detection and classification of percussive, non-harmonic Instru The concept according to the invention is used in polyphonic audio signals in order to obtain profile spectra as well as amplitude envelopes for the individual profile spectra.
Bevorzugte Ausführungsbeispiele der vorliegenden Erfindung werden nachfolgend bezugnehmend auf die beiliegenden Zeichnungen detailliert erläutert. Es zeigen:preferred embodiments The present invention will be described below with reference to FIGS attached drawings explained in detail. Show it:
Die
extrahierten Spektren, also die ursprünglichen Kurzzeitspektren oder
die von den ursprünglichen
Kurzzeitspektren zum Beispiel durch Differenzieren, Differenzieren
und Gleichrichten oder durch andere Operationen abgeleiteten Kurzzeitspektren werden
einer Einrichtung
Die
Profilspektren werden schließlich
einer Einrichtung
Nachfolgend
wird bezugnehmend auf
Wie
es aus
Optional
wird es bevorzugt, die Phaseninformationen, die über die Phasenleitung
In
Block
Die
Transformationsmatrix T bewirkt eine Dimensionsreduktion auf X ~, was
sich in einer Verringerung der Anzahl von Spalten dieser Matrix
auswirkt. Ferner wird eine Dekorrelation und Varianznormierung erreicht.
In Block
Unabhängige Komponenten
F werden als statische spektrale Profile bzw. Profilspektren der auftretenden
Klangquellen interpretiert. In einem Block
Die Amplitudenbasis wird als Satz von zeitveränderlichen Amplitudenhüllkurven der korrespondierenden spektralen Profile interpretiert.The Amplitude base is called a set of time-varying amplitude envelopes interpreted the corresponding spectral profiles.
Erfindungsgemäß wird das spektrale Profil aus dem Musiksignal selbst gewonnen. Hierdurch wird die Rechenkomplexität gegenüber den bisherigen Verfahren reduziert, und es wird eine höhere Robustheit gegenüber stationären Signalanteilen, also Signalanteilen aufgrund von Harmonic Sustained Instrumenten erreicht.According to the invention spectral profile obtained from the music signal itself. This will the computational complexity across from the previous method is reduced, and it is a higher robustness across from stationary Signal components, ie signal components due to Harmonic Sustained Reached instruments.
In
einem Block
Zur Einteilung in die zwei Teilmengen werden die Merkmale der Perkussivität bzw. spektralen Dissonanz verwendet.to Classification into the two subsets will be the characteristics of percussivity or spectral Dissonance used.
Zur
Instrumentenklassifikation werden folgende Merkmale eingesetzt:
geglättete Version
der spektralen Profile als Suchmuster in einer Trainingsdatenbank
mit Profilen einzelner Instrumente, spektraler Zentroid, spektrale Ausbreitung,
spektrale Schiefheit, Mittenfrequenzen, Intensitäten, Ausdehnung, Schiefheit
der deutlichsten Partiallinien, ...The following characteristics are used for instrument classification:
smoothed version of the spectral profiles as a search pattern in a training database with profiles of individual instruments, spectral centroid, spectral propagation, spectral skew, center frequencies, intensities, extent, skewness of the clearest partial lines, ...
In
folgende Instrumentenklassen kann beispielsweise klassifiziert werden:
Kick
Drum, Snare Drum, Hi-Hat, Cymbal, Tom, Bongo, Conga, Woodblock,
Cowbell, Timbales, Shaker, Tabla, Tambourine, Triangle, Daburka,
Castagnets, Handclaps.For example, the following instrument classes can be classified:
Kick Drum, Snare Drum, Hi-Hat, Cymbal, Tom, Bongo, Conga, Woodblock, Cowbell, Timbale, Shaker, Tabla, Tambourine, Triangle, Daburka, Castagnets, Handclaps.
In
einem Block
An
dieser Stelle sei darauf hingewiesen, dass die Einrichtung
Darüber hinaus
wird es bevorzugt, die PCA
Des
weiteren sei darauf hingewiesen, dass die Einrichtung
Würden dagegen lediglich stationäre Anteile weiter verarbeitet, also ist das spezifische Charakteristikum nicht ein perkussives sondern ein harmonisches Charakteristikum, so wird es bevorzugt, eine Vorverarbeitung des Spektrogramms durch Integration, also durch Aufsummation zu erreichen, um die stationären Anteile gegenüber den transienten Anteilen zu verstärken. Auch in diesem Fall wird es bevorzugt, unter Verwendung der Summenspektren, also des integrierten Spektrogramms die Profilspektren für die einzelnen – dann harmonischen – Tonquellen zu berechnen.Would against it only stationary Shares processed further, so is the specific characteristic not a percussive but a harmonious characteristic, thus it is preferred to preprocess the spectrogram Integration, that is to say by summation, to reach the stationary parts across from increase the transient shares. Also in this case will it prefers, using the sum spectra, so the integrated Spectrograms the profile spectra for the individual - then harmonic - sound sources to calculate.
Nachfolgend
werden einzelne Funktionalitäten
des erfindungsgemäßen Konzepts
detaillierter dargestellt. Typische digitale Audiosignale werden
jedoch bei einem bevorzugten Ausführungsbeispiel der vorliegenden
Erfindung zunächst
noch durch eine Vorverarbeitung der Einrichtung
Ein weiterer positiver Seiteneffekt besteht in der Tatsache, dass MP3-kodierte und wieder dekodierte Dateien, die durch diesen Prozess inhärent tiefpassgefiltert wurden, wieder Hochfrequenzinformationen erhalten.One Another positive side effect is the fact that MP3 encoded and again decoded files inherently low-pass filtered by this process were again received high frequency information.
Eine
Spektraldarstellung des vorverarbeiteten Zeitsignals wird dann unter
Verwendung der Zeit/Frequenz-Einrichtung
Zur Implementierung der Zeit/Frequenz-Einrichtung werden eine relativ große Blockgröße von vorzugsweise 4096 Werten und eine hohe Überlappung bevorzugt. Zunächst wird eine gute spektrale Auflösung für den niedrigeren Frequenzbereich, also für den niedrigeren Spektralkoeffizienten benötigt. Ferner wird die zeitliche Auflösung auf eine gewünschte Genauigkeit erhöht, indem eine kleine Hop-Größe, also ein kleines Hop-Intervall zwischen benachbarten Blöcken erhalten wird. Im bevorzugten Ausführungsbeispiel werden, wie es ausgeführt worden ist, 4096 Samples pro Block einer Kurzzeit-Fourier-Transformation unterworfen, was einer zeitlichen Blocklänge von 92 ms entspricht. Als Hop-Größe wird ein Wert von 10 ms verwendet. Dies bedeutet, dass jeder Abtastwert über 9 mal hintereinander in einem Kurzzeitspektren auftritt.to Implementation of the time / frequency facility will be a relative one size Block size of preferably 4096 values and a high overlap prefers. First will have a good spectral resolution for the lower frequency range, ie for the lower spectral coefficient needed. Further becomes the temporal resolution to a desired Increased accuracy, by a small hop size, so get a small hop interval between adjacent blocks becomes. In the preferred embodiment be how it's done 4096 samples per block of a short-term Fourier transform subjected, which corresponds to a time block length of 92 ms. When Hop size will be one Value of 10 ms used. This means that each sample is over 9 times occurs consecutively in a short-term spectra.
Die
Einrichtung
Das
Betragsspektrum X besitzt nunmehr n Frequenz-Bins oder Frequenz-Koeffizienten
und m Spalten bzw. Rahmen (Frames), also einzelne Kurzzeitspektren.
Die zeitvarianten Änderungen
jedes Spektralkoeffizienten werden über allen Rahmen bzw. Einzelspektren
differenziert, und zwar durch den Differenzierer
Es
sei darauf hingewiesen, dass die Differenzierung zu negativen Werten
führen
kann, so dass in einem Block
Aufgrund
des Gleichrichters
Der
Maximum-Sucher
Um eine automatisierte Maximumsuche durchführen zu können, wird von dem differenzierten und gleichgerichteten Spektrum, also von der Folge von gleichgerichteten (differenten) Kurzzeitspektren eine Detektions-Funktion abgeleitet, auf Basis derer die Maximumsuche durchgeführt werden kann. Um für jeden Zeitpunkt einen Wert dieser Funktion zu bekommen, wird einfach eine Summe über alle Frequenzkoeffizienten bzw. alle Spektral-Bins ermittelt. Zur Glättung dieser sich dann ergebenden eindimensionalen Funktion über der Zeit wird eine Faltung der erhaltenen Funktion mit einem geeigneten Hann-Fenster durchgeführt, so dass eine relativ glatte Funktion e erhalten wird. Um die Positionen t der Maxima zu erhalten, wird ein Gleitfenster der Toleranzlänge über den gesamten Weg e "geschoben", um die Fähigkeit zu erreichen, ein Maximum pro Schritt zu erhalten.Around to be able to perform an automated maximum search, is differentiated from the rectified spectrum, ie of the sequence of rectified (different) short-term spectra derived a detection function, based on which the maximum search can be performed. To everyone Time to get a value of this function is simply a Sum over all frequency coefficients or all spectral bins determined. to smoothing this then resulting one - dimensional function over the Time will be a convolution of the obtained function with a suitable Hann window carried out, so that a relatively smooth function e is obtained. To the positions t of the maxima, a sliding window of the tolerance length over the entire way e "pushed" to the ability to reach a maximum per step.
Die Verlässlichkeit der Maximasuche wird dadurch verbessert, dass vorzugsweise nur die Maxima beibehalten werden, die in einem Fenster für mehr als einen Zeitpunkt erscheinen, da sie sehr wahrscheinlich die interessierenden Peaks sind. So wird es bevorzugt, die Maxima zu verwenden, die über eine vorbestimmte Schwelle von Zeitpunkten, also zum Beispiel drei Zeitpunkte, ein Maximum darstellen, wobei die Schwelle letztendlich vom Verhältnis der Blocklänge zur Hop-Größe abhängen wird. Daraus ist ersichtlich, dass ein Maximum, wenn es wirklich ein signifikantes Maximum ist, eine bestimmte Anzahl von Zeitpunkten, also letztendlich eine bestimmte Anzahl von überlappenden Spektren tatsächlich ein Maximum sein muss, wenn daran gedacht wird, dass bei den vorher dargestellten Zahlenwerten jeder Abtastwert in wenigstens 9 aufeinanderfolgenden Kurzzeitspektren "mitmischt".The reliability The Maximasuche is improved by the fact that preferably only the Maxima are kept in a window for more than a date, since they are most likely the ones interested Peaks are. So it is preferable to use the maxima that have one predetermined threshold of times, for example three times, represent a maximum, the threshold ultimately being determined by the ratio of block length will depend on hop size. from that It can be seen that a maximum, if it really is a significant Maximum is, a certain number of times, so ultimately a certain number of overlapping ones Spectra actually must be a maximum when it is thought that in the before numerical values shown each sample in at least 9 consecutive Short-term spectra "mixed in".
Bei dem bevorzugten Ausführungsbeispiel der vorliegenden Erfindung werden, wie es durch den Phasenpfeil dargestellt ist, die aufgewickelten ("unwrapped") Phaseninformationen des ursprünglichen Spektrogramms als Zuverlässigkeitsfunktion verwendet. Es hat sich herausgestellt, dass in den Phaseninformationen ein signifikanter positiv gerichteter Phasensprung neben einer geschätzten Einsatz-Zeit t auftreten muss, wodurch vermieden wird, dass kleine Rippel fälschlicherweise als Einsätze bzw. „Onsets" betrachtet werden.In the preferred embodiment of the present invention, as represented by the phase arrow, the unwrapped phase information of the original spectrogram is used as the reliability function. It has been found that in the phase information a significantly positive-directed Phase jump must occur in addition to an estimated insertion time t, thereby avoiding that small ripples are mistaken for "onsets".
Erfindungsgemäß wird nunmehr ein kleiner Ausschnitt des Differenzspektrogramms, nämlich ein durch Differenzierung entstandenes Kurzzeitspektrum extrahiert und der nachfolgenden Zerlegungseinrichtung zugeführt.According to the invention will now a small section of the difference spectrogram, namely a through Differentiation emerged short-term spectrum extracted and the fed to subsequent decomposition device.
Nachfolgend
wird auf die Funktionalität
der Einrichtung
Unter
Verwendung dieser bekannten Technik ist es möglich, der gesamte Satz von
gesammelten Kurzzeitspektren auf eine begrenzte Anzahl von dekorrelierten
Prinzipalkomponenten zu reduzieren, was in einer guten Darstellung
der ursprünglichen Daten
mit kleinem Rekonstruktionsfehler resultiert. Zu diesem Zweck wird
eine Eigenwert-Zerlegung (EVD) der Kovarianz-Matrix des Datensatzes
berechnet. Aus dem Satz von Eigenvektoren werden die Eigenvektoren
mit den d größten Eigenwerten ausgewählt, um
die Koeffizienten für
die Linearkombination der ursprünglichen
Vektoren gemäß der nachfolgenden
Gleichung zu liefern
Daher
beschreibt T eine Transformationsmatrix, die tatsächlich ein
Teilsatz der Manigfaltigkeit der Eigenvektoren ist. Zusätzlich werden
die reziproken Werte der Eigenwerte als Skalierungsfaktoren verwendet,
was nicht nur zu einer Dekorrelation führt, sondern was auch eine
Varianznormierung liefert, die wiederum zu einer Weißmachung
bzw. einem Whitening-Effekt führt.
Alternativ kann auch eine Singularwertzerlegung (SVD) von X ~t verwendet werden. Es hat sich herausgestellt,
dass die SVD äquivalent
zur PCA mit EVD ist. Die weiß gemachten
Komponenten X ~ werden nachfolgend in die ICA-Stufe
Allgemein gesagt ist die Independent-Component-Analysis (ICA) eine Technik, die verwendet wird, um einen Satz von linearen Mischsignalen in ihre ursprünglichen Quellen oder Komponentensignale zu zerlegen. Eine Anforderung für ein optimales Verhalten des Algorithmus ist die statistische Unabhängigkeit der Quellen. Vorzugsweise wird eine nicht-negative ICA verwendet, die auf dem intuitiven Konzept des Optimierens einer Kostenfunktion aufbaut, die die Nicht-Negativität der Komponenten beschreibt. Diese Kostenfunktion ist auf einen Rekonstruktionsfehler bezogen, der durch Achsenpaarrotationen von zwei oder mehr Variablen in dem positiven Quadranten der gemeinsamen Wahrscheinlichkeitsdichtefunktion (PDF) eingeführt wird. Die Annahmen für dieses Modell implizieren, dass die ursprünglichen Quellensignale positiv sind und bei Null eine PDF ungleich Null haben, und dass sie bis zu einem gewissen Grad linear unabhängig sind. Das erste Konzept wird immer erfüllt, da die Vektoren, die der ICA unterzogen werden, aus der differenzierten und halbwellen-gleichgewichteten Version X ^ des ursprünglichen Spektrogramms X resultieren, welche somit niemals Werte kleiner als Null umfasst, jedoch sicherlich Werte gleich Null. Die zweite Begrenzung wird berücksichtigt, wenn die zu Einsatzzeiten gesammelten Spektren als die Linearkombinationen eines kleinen Satzes von ursprünglichen Quellenspektren betrachtet werden, die die betrachteten In strumente charakterisieren. Dies bedeutet natürlich eine ziemlich grobe Annäherung, sie stellt sich jedoch in der Vielzahl der Fälle als ausreichend gut heraus.Generally said Independent Component Analysis (ICA) is a technique which is used to make a set of linear mixed signals in theirs original To decompose sources or component signals. A requirement for optimal behavior of the algorithm is the statistical independence of the sources. Preferably becomes a non-negative ICA uses the intuitive concept of optimizing a Builds cost function that describes the non-negativity of the components. This cost function is related to a reconstruction error, by axis pair rotations of two or more variables in the positive quadrant of the common probability density function (PDF) introduced becomes. The assumptions for This model implies that the original source signals are positive are at zero and have a nonzero PDF, and that they're up to a certain extent are linearly independent. The first concept is always fulfilled, since the vectors subjected to the ICA are differentiated and halfwave-balanced version X ^ of the original Spectrogram X results, which thus never values smaller as zero, but certainly values equal to zero. The second Limitation is taken into account if the spectra collected at operating times are the linear combinations a small set of original ones Source spectra are considered, the instruments considered characterize. This of course means a pretty rough approximation, However, in the large number of cases it turns out to be sufficiently good.
Ferner
wird vorzugsweise davon Gebrauch gemacht, dass die Spektren, die
Einsätze
haben, und zwar insbesondere die Spektren von tatsächlichen Schlagzeuginstrumenten
keine Invarianten Strukturen haben, sondern im Hinblick auf ihre
spektrale Zusammensetzung hier keinen Änderungen unterzogen werden.
Nichtsdestoweniger kann jedoch angenommen werden, dass es charakteristische
Eigenschaften gibt, die für
Spektralprofile von Schlagzeugtönen charakteristisch
sind, die es somit ermöglichen,
dass die weiß gemachten
Komponenten X ~ in ihre potentielle Quellen- bzw. Profilspektren F
gemäß der nachfolgenden
Gleichung aufgetrennt werden.
A
bezeichnet eine d × d
Entmisch-Matrix, die durch den ICA-Prozess bestimmt wird, der tatsächlich die
einzelnen Komponenten X ~ trennt. Die Quellen F werden in diesem Dokument
auch als Profilspektren bezeichnet. Jedes Profilspektrum hat genauso wie
ein Spektrum des ursprünglichen
Spektrogramms n Frequenzbins, ist jedoch für alle Zeiten – abgesehen
von der Amplitudennormierung – also
die Amplitudenhüllkurve – identisch.
Dies bedeutet, dass ein solches Profilspektrum nur die Spektralinformationen
enthält,
die auf ein Onset-Spektrum eines Instruments bezogen sind. Um eine
beliebige Skalierung der Komponenten, die durch PCA und ICA eingeführt werden,
vorzugsweise zu umgehen, wird eine Transformationsmatrix R gemäß folgender
Gleichung verwendet:
Die
Normierung von R mit seinem absoluten Maximalwert führt zu Gewichtungskoeffizienten
in einem Bereich von –1
bis +1, so dass Spektralprofile, die unter Verwendung der nachfolgenden
Gleichung extrahiert werden
Werte in dem Bereich des ursprünglichen Spektrogramms haben. Eine weitere Normierung wird durch Teilen jedes Spektralprofils durch seine L2-Norm erreicht.values in the range of the original spectrogram to have. Another standardization is made by dividing each spectral profile achieved through its L2 standard.
Wie es bereits vorher ausgeführt worden ist, ist die Annahme der Unabhängigkeit und die Annahme der Invarianz für gegebene Kurzzeitspektren nicht immer hundertprozentig erfüllt. So ist es keine Überraschung, dass die nach der Entmischung erhaltenen Spektralprofile immer noch bestimmte Abhängigkeiten haben können. Dies sollte jedoch nicht als fehlerhaftes Verhalten betrachtet werden. Tests mit Spektralprofilen von einzelnen Schlagzeugtönen haben gezeigt, dass die Spektralprofile ebenfalls eine starke Abhängigkeit zwischen den Einsatz-Spektren unterschiedlicher perkussiver Instrumente haben. Eine Art und Weise zum Messen des Grads an gegenseitiger Überlappung und Ähnlichkeit entlang der Frequenzachse besteht in der Durchführung von Crosstalk-Messungen. Aus Anschauungsgründen können die Spektralprofile, die von dem ICA-Prozess erhalten werden, als Übertragungsfunktion von stark frequenzselektiven Teilen in einer Filterbank betrachtet werden, wobei überlappenden Durchgangsbänder zu Crosstalk in dem Ausgang der Filterbankkanäle führen kann. Das Crosstalkmaß zwischen zwei Spektralprofilen wird gemäß folgender Gleichung berechnet.As it already executed before has been the adoption of independence and acceptance of the Invariance for given short-term spectra is not always 100% fulfilled. So it is no surprise that the spectral profiles obtained after demixing are still certain dependencies can have. However, this should not be considered a faulty behavior. Have tests with spectral profiles of individual drum sounds demonstrated that the spectral profiles also have a strong dependence between the use spectra of different percussive instruments to have. A way to measure the degree of overlap and similarity Along the frequency axis is to perform crosstalk measurements. For illustrative purposes, the Spectral profiles obtained from the ICA process as a transfer function considered by highly frequency selective parts in a filter bank being overlapping Passbands can lead to crosstalk in the output of the filter bank channels. The crosstalk measure between two spectral profiles is calculated according to the following Equation calculated.
In der vorstehenden Gleichung reicht i von 1 bis d, reicht j von 1 bis d und gilt, dass j ungleich i ist. In der Tat ist dieser Wert auf den bekannten Kreuzkorrelationskoeffizienten bezogen, derselbe verwendet jedoch eine andere Normierung.In From the above equation, i ranges from 1 to d, j ranges from 1 to d and holds that j is not equal to i. In fact, this value is based on the known cross-correlation coefficients, the same however, uses a different standardization.
Basierend
auf den bestimmten Profilspektren wird nunmehr im Block
Als
zweite Informationsquelle kann auch die differenzierte Version der
Amplitudenhüllkurven
aus dem Differenzspektrogramm gemäß folgender Gleichung ermittelt
werden:
Wesentlich an diesem Konzept ist, dass keine weitere ICA-Berechnung mit den Amplitudenhüllkurven durchgeführt wird. Stattdessen werden durch das erfindungsgemäße Konzept hoch spezialisierte Spektralprofile erhalten, die sehr nahe an den Spektren der Instrumente liegen, die tatsächlich in dem Signal erscheinen. Dennoch sind die extrahierten Amplitudenhüllkurven nur in bestimmten Fällen schöne Erfassungsfunktionen mit scharfen Spitzen, beispielsweise für tanzorientierte Musik mit sehr dominierenden perkussiven Rhythmusanteilen. Oft enthalten die Amplitudenhüllkurven kleinere Spitzen und Plateaus, die von den oben erwähnten Crosstalk-Effekten herrühren können.Essential At this concept is that no further ICA calculation with the amplitude envelopes carried out becomes. Instead, the concept according to the invention makes highly specialized spectral profiles that are very close to the spectra of the instruments, actually appear in the signal. Nevertheless, the extracted amplitude envelopes are only in certain cases nice detection functions with sharp points, for example, for dance-oriented music with very dominant percussive rhythm parts. Often they contain amplitude envelopes smaller peaks and plateaus, from the crosstalk effects mentioned above resulting can.
Nachfolgend
wird auf eine nähere
Implementierung der Einrichtung
Zur Überwindung dieser Problematik wird eine maximale Anzahl d von Komponenten in dem PCA- oder ICA-Prozess vorgegeben. Anschließend werden die extrahierten Komponenten unter Verwendung eines Satzes von spektralbasierten und zeitbasierten Merkmalen klassifiziert. Die Klassifizierung soll zwei Informationen liefern. Zunächst sollen die Komponenten aus dem weiteren Verfahren eliminiert werden, die mit hoher Sicherheit als nicht-perkussiv erkannt werden. Ferner sollen die verbleibenden Komponenten vordefinierten Instrumentenklassen zugeordnet werden.To overcome this problem, a maximum number d of components in the PCA or ICA process is specified. Subsequently, the extracted components are classified using a set of spectral-based and time-based features. The classification should provide two pieces of information. First, the components are to be eliminated from the further process, which with high certainty as non-percussive be recognized. Furthermore, the remaining components are to be assigned to predefined instrument classes.
Ein
geeignetes Maß für die Unterscheidung der
Amplitudenhüllkurven
wird durch die Perkussivität
gegeben, die in der dritten Fachveröffentlichung genannt ist. Hier
wird eine modifizierte Version verwendet, bei der der Korrelationskoeffizient
zwischen entsprechenden Amplitudenhüllkurven in E ^ und E verwendet
wird. Der Grad an Korrelation zwischen beiden Vektoren tendiert
dazu, klein zu sein, wenn die charakteristischen Plateaus, die auf
harmonisch ausgehaltene Töne
bezogen sind, in den nicht-differenzierten Amplitudenhüllkurven
E auftauchen. Diese verschwinden sehr wahrscheinlich in der differenzierten
Version E ^. Beide Vektoren sind sich im Falle von transienten Amplitudenhüllkurven,
die von perkussiven Tönen
stammen, wesentlich ähnlicher.
Zu diesem Zweck wird auf
Die
Amplitudenhüllkurven
können
somit zur Klassifikation bzw. Merkmalsextraktion genauso gut verwendet
werden, wie die nachfolgend erläuterten Profilspektren,
die sich im Falle einer perkussiven Quelle (
Es
wird also vorzugsweise ein spektral-basiertes Maß, also ein Maß, das von
den Profilspektren (z.B.
Die Zuordnung von spektralen Profilen zu a-prioridefinierten Klassen von perkussiven Instrumenten wird durch einen einfachen Klassifizierer zum Klassifizieren der k nächsten Nachbarn mit Spektralprofilen von einzelnen Instrumenten als Trainingsdatenbank geschaffen. Die Distanzfunktion wird aus wenigstens einem Korrelationskoeffizient zwischen einem Abfrageprofil und einem Datenbankprofil berechnet. Um die Klassifikation in Fällen niedriger Zuverlässigkeit, also bei niedrigen Korrelationskoeffizienten, zu verifizieren, oder um ein mehrmaliges Auftreten derselben Instrumente zu verifizieren, werden zusätzliche Merkmale, die eine detaillierte Information über die Form des Spektralprofils liefern, extrahiert. Diese umfassen die bereits vorher genannten einzelnen Merkmale.The Assignment of spectral profiles to a-prioridefined classes of percussive instruments is replaced by a simple classifier Classify the k next Neighbors with spectral profiles of individual instruments as a training database created. The distance function becomes at least one correlation coefficient calculated between a query profile and a database profile. To the classification in cases low reliability, so at low correlation coefficients, verify, or to verify a multiple occurrence of the same instruments, will be additional Features that provide detailed information about the shape of the spectral profile deliver, extracted. These include those already mentioned above individual characteristics.
Nachfolgend
wird weiter auf die Funktionalität
des Entscheiders
Erfindungsgemäß wird somit eine automatische Erfassung und vorzugsweise auch eine automatische Klassifikation von nicht-gepitchten perkussiven Instrumenten in reellen polyphonen Musiksignalen erreicht, wobei die Ausgangsbasis hierfür die Profilspektren einerseits und die Amplitudenhüllkurve andererseits sind. Aus den perkussiven Instrumenten kann ferner gut die rhythmische Information eines Musikstücks extrahiert werden, was wiederum zu einer günstigen Noten-zu-Noten-Transkription führen dürfte.According to the invention thus an automatic detection and preferably also an automatic classification of non-pitched percussion sive instruments in real polyphonic music signals, the starting point for this being the profile spectra on the one hand and the amplitude envelope on the other hand. From the percussive instruments, the rhythmic information of a piece of music can be well extracted, which in turn should lead to a favorable note-to-note transcription.
Abhängig von den Gegebenheiten kann das erfindungsgemäße Verfahren zum Analysieren eines Informationssignals in Hardware oder in Software implementiert werden. Die Imple mentierung kann auf einen digitalen Speichermedium, insbesondere einer Diskette oder CD mit elektronisch auslesbaren Steuersignalen erfolgen, die so mit einem programmierbaren Computersystem zusammenwirken können, dass das Verfahren ausgeführt wird. Allgemein besteht die Erfindung somit auch in einem Computer-Programm-Produkt mit einem auf einem maschinenlesbaren Träger gespeicherten Programmcode zur Durchführung des Verfahrens, wenn das Computer-Programm-Produkt auf einem Rechner abläuft. In anderen Worten ausgedrückt kann die Erfindung somit als ein Computer-Programm mit einem Programmcode zur Durchführung des Verfahrens realisiert werden, wenn das Computer-Programm auf einem Computer abläuft.Depending on the circumstances of the inventive method for analyzing an information signal implemented in hardware or in software become. Implementation can be performed on a digital storage medium, in particular a floppy disk or CD with electronically readable Control signals are made that way with a programmable computer system can work together that the procedure is carried out becomes. Generally, the invention thus also consists in a computer program product with a program code stored on a machine-readable carrier for execution of the procedure when the computer program product runs on a computer. In other In words Thus, the invention can be thought of as a computer program with a program code to carry out the process can be realized when the computer program is up a computer expires.
Claims (25)
Priority Applications (8)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102004022660A DE102004022660B4 (en) | 2004-05-07 | 2004-05-07 | Apparatus and method for analyzing an information signal |
PCT/EP2005/004685 WO2005114651A1 (en) | 2004-05-07 | 2005-04-29 | Device and method for analysing an information signal |
DE502005001838T DE502005001838D1 (en) | 2004-05-07 | 2005-04-29 | DEVICE AND METHOD FOR ANALYZING AN INFORMATION SIGNAL |
EP05744658A EP1743324B1 (en) | 2004-05-07 | 2005-04-29 | Device and method for analysing an information signal |
AT05744658T ATE377240T1 (en) | 2004-05-07 | 2005-04-29 | APPARATUS AND METHOD FOR ANALYZING AN INFORMATION SIGNAL |
JP2007511985A JP2007536587A (en) | 2004-05-07 | 2005-04-29 | Apparatus and method for analyzing information signals |
US11/123,474 US7565213B2 (en) | 2004-05-07 | 2005-05-05 | Device and method for analyzing an information signal |
US12/495,138 US8175730B2 (en) | 2004-05-07 | 2009-06-30 | Device and method for analyzing an information signal |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102004022660A DE102004022660B4 (en) | 2004-05-07 | 2004-05-07 | Apparatus and method for analyzing an information signal |
Publications (2)
Publication Number | Publication Date |
---|---|
DE102004022660A1 DE102004022660A1 (en) | 2005-12-15 |
DE102004022660B4 true DE102004022660B4 (en) | 2006-03-23 |
Family
ID=34968451
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102004022660A Expired - Fee Related DE102004022660B4 (en) | 2004-05-07 | 2004-05-07 | Apparatus and method for analyzing an information signal |
DE502005001838T Active DE502005001838D1 (en) | 2004-05-07 | 2005-04-29 | DEVICE AND METHOD FOR ANALYZING AN INFORMATION SIGNAL |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE502005001838T Active DE502005001838D1 (en) | 2004-05-07 | 2005-04-29 | DEVICE AND METHOD FOR ANALYZING AN INFORMATION SIGNAL |
Country Status (5)
Country | Link |
---|---|
EP (1) | EP1743324B1 (en) |
JP (1) | JP2007536587A (en) |
AT (1) | ATE377240T1 (en) |
DE (2) | DE102004022660B4 (en) |
WO (1) | WO2005114651A1 (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113723200B (en) * | 2021-08-03 | 2024-01-12 | 同济大学 | Method for extracting time spectrum structural features of non-stationary signals |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6140568A (en) * | 1997-11-06 | 2000-10-31 | Innovative Music Systems, Inc. | System and method for automatically detecting a set of fundamental frequencies simultaneously present in an audio signal |
WO2001088900A2 (en) * | 2000-05-15 | 2001-11-22 | Creative Technology Ltd. | Process for identifying audio content |
GB2363227A (en) * | 1999-05-21 | 2001-12-12 | Yamaha Corp | Analysing music to determine a characteristic portion for a sample. |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0675562A (en) * | 1992-08-28 | 1994-03-18 | Brother Ind Ltd | Automatic musical note picking-up device |
US6201176B1 (en) * | 1998-05-07 | 2001-03-13 | Canon Kabushiki Kaisha | System and method for querying a music database |
US7117149B1 (en) * | 1999-08-30 | 2006-10-03 | Harman Becker Automotive Systems-Wavemakers, Inc. | Sound source classification |
JP2002207482A (en) * | 2000-11-07 | 2002-07-26 | Matsushita Electric Ind Co Ltd | Device and method for automatic performance |
JP2004029274A (en) * | 2002-06-25 | 2004-01-29 | Fuji Xerox Co Ltd | Device and method for evaluating signal pattern, and signal pattern evaluation program |
-
2004
- 2004-05-07 DE DE102004022660A patent/DE102004022660B4/en not_active Expired - Fee Related
-
2005
- 2005-04-29 EP EP05744658A patent/EP1743324B1/en not_active Not-in-force
- 2005-04-29 DE DE502005001838T patent/DE502005001838D1/en active Active
- 2005-04-29 JP JP2007511985A patent/JP2007536587A/en not_active Ceased
- 2005-04-29 AT AT05744658T patent/ATE377240T1/en not_active IP Right Cessation
- 2005-04-29 WO PCT/EP2005/004685 patent/WO2005114651A1/en active IP Right Grant
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6140568A (en) * | 1997-11-06 | 2000-10-31 | Innovative Music Systems, Inc. | System and method for automatically detecting a set of fundamental frequencies simultaneously present in an audio signal |
GB2363227A (en) * | 1999-05-21 | 2001-12-12 | Yamaha Corp | Analysing music to determine a characteristic portion for a sample. |
WO2001088900A2 (en) * | 2000-05-15 | 2001-11-22 | Creative Technology Ltd. | Process for identifying audio content |
Also Published As
Publication number | Publication date |
---|---|
DE502005001838D1 (en) | 2007-12-13 |
WO2005114651A1 (en) | 2005-12-01 |
DE102004022660A1 (en) | 2005-12-15 |
EP1743324B1 (en) | 2007-10-31 |
EP1743324A1 (en) | 2007-01-17 |
ATE377240T1 (en) | 2007-11-15 |
JP2007536587A (en) | 2007-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1606798B1 (en) | Device and method for analysing an audio information signal | |
US7565213B2 (en) | Device and method for analyzing an information signal | |
DE10133333C1 (en) | Producing fingerprint of audio signal involves setting first predefined fingerprint mode from number of modes and computing a fingerprint in accordance with set predefined mode | |
EP1368805B1 (en) | Method and device for characterising a signal and method and device for producing an indexed signal | |
EP1407446B1 (en) | Method and device for characterising a signal and for producing an indexed signal | |
Mitrović et al. | Features for content-based audio retrieval | |
EP1371055B1 (en) | Device for the analysis of an audio signal with regard to the rhythm information in the audio signal using an auto-correlation function | |
EP1388145B1 (en) | Device and method for analysing an audio signal in view of obtaining rhythm information | |
WO2005122136A1 (en) | Apparatus and method for determining a chord type on which a test signal is based | |
DE102004028694B3 (en) | Apparatus and method for converting an information signal into a variable resolution spectral representation | |
EP1743324B1 (en) | Device and method for analysing an information signal | |
EP1671315B1 (en) | Process and device for characterising an audio signal | |
EP1377924B1 (en) | Method and device for extracting a signal identifier, method and device for creating a database from signal identifiers and method and device for referencing a search time signal | |
Krusche | Visualization and auralization of features learned by neural networks for musical instrument recognition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
8364 | No opposition during term of opposition | ||
R119 | Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee |
Effective date: 20111201 |