Automatische Erkennung von Liedabschnitten in Musikstücken

Diplomarbeit (pdf 5.971 KB)

Eine an immer größerer Bedeutung gewinnende neue Klasse von Algorithmen beschäftigt sich mit der von Menschen intuitiv wahrgenommenen Ähnlichkeit zwischen Musikstücken. Derartige Algorithmen bieten neue, innovative Möglichkeiten, um umfangreiche Musiksammlungen zu durchsuchen, automatische Playlisten zu generieren oder gefundene Ähnlichkeiten zwischen Musikstücken zu visualisieren.

Im Rahmen der Diplomarbeit soll ein System entwickelt werden, das Audiodaten zunächst sowohl signal- als auch musiktheoretisch analysiert und im Anschluss die gewonnenen Informationen anhand unterschiedlicher Merkmale klassifiziert. Bevor das System die für die Klassifizierung benötigten Merkmale extrahieren kann, müssen die Daten für die Analyse aufbereitet werden. Dabei ermöglicht die Einbeziehung musiktheoretischen Vorwissens, eine Segmentierung des Musikstückes in musikalisch relevante Abschnitte (Takte, Liedteile). Diese Segmentierung ermöglicht eine Eingrenzung der späteren Analyse auf bestimmte, repräsentative Abschnitte des Musikstückes – was zu einer Verbesserung der darauf aufbauenden Klassifizierungsstufe führen soll.

Das geplante System soll aus den folgenden Abschnitten bestehen:

• Datenaufbereitung
• Extraktion spektraler Basis- Informationen und Detektion des harmonischen Verlaufes
• automatische Segmentierung des Musikstückes
• Merkmalsextraktion innerhalb relevanter Abschnitte
• Klassifizierung der extrahierten Merkmale
• Visualisierung der klassifizierten Informationen