مهندسی برق و مهندسی کامپیوتر ایران, دوره (20), شماره (2), سال (2022-8) , صفحات (155-163)

عنوان : ( تشخیص دستگاه قطعه های موسیقی سنتی ایرانی بر مبنای استخراج توالی نت ها و استفاده از شبکه های LSTM )

نویسندگان: سینا غضنفری پور , مرتضی خادمی درح , عباس ابراهیمی مقدم ,

بر اساس تصمیم نویسنده مقاله دسترسی به متن کامل برای اعضای غیر دانشگاه ممکن نیست

استناددهی: BibTeX | EndNote

چکیده

دسته‌بندی دستگاه قطعات موسیقی سنتی ایرانی توسط کامپیوتر برای علاقه‌مندان موسیقی دستگاهی ایرانی، موضوعی بسیار جالب ولی پیچیده و چالش‌برانگیز است. این مسئله اولاً به دلیل کاربردهای فراوان آن در زمینه‌هایی مانند آهنگ‌سازی و آموزش موسیقی و ثانیاً به خاطر نیاز افراد عادی به کامپیوتر برای تشخیص دستگاه از اهمیت بالایی برخوردار است. در این مقاله روشی برای تشخیص دستگاه و زیردستگاه یک قطعه موسیقی ایرانی بر پایه استخراج نت‌های متوالی، دسته‌بندی سلسله‌مراتبی و استفاده از شبکه‌های LSTM ارائه شده است. در این روش، قطعه موسیقی در مرحله اول به یکی از سه دسته کلی، دسته‌بندی می‌شود. دسته اول صرفاً شامل دستگاه ماهور، دسته دوم شامل دستگاه‏های شور و نوا و دسته سوم شامل دستگاه‌های همایون، سه‌گاه و چهارگاه است. سپس برای هر دسته بسته به نوع آن، تعداد متفاوت دسته‌بندهای دیگر اعمال می‌شود تا این که یکی از 6 دستگاه و یکی از 11 زیردستگاه‌ موسیقی سنتی ایرانی مشخص گردد. این تحقیق به هیچ سبک نوازندگی و ساز خاصی محدود نشده و تحت تأثیر سرعت و تکنیک‌های نوازندگی قرار نمی‌گیرد. قطعات برچسب‌گذاری شده در پایگاه‌ داده \\\"اَرگ\\\" که برای این تحقیق به وجود آمده است، به صورت تکنوازی هستند؛ اگرچه تعداد اندکی از آنها‌ از هم‌نوایی سازهای کوبه‌ای (مانند تنبک) نیز در کنار سازهای ملودی بهره‏مند می‌باشند. نتایج نشان می‌دهند که تشخیص 6 دستگاه اصلی و 11 زیردستگاه به ترتیب با دقت میانگین 5/74% و 35/66% انجام گرفته که نسبت به تحقیقات کم‌شمار مشابه، نتایج بهتری دارد.

کلمات کلیدی

, تشخیص دستگاه موسیقی, توالی نت, دسته‌بندی سلسله‌مراتبی, یادگیری عمیق, LSTM,
برای دانلود از شناسه و رمز عبور پرتال پویا استفاده کنید.

@article{paperid:1091449,
author = {غضنفری پور, سینا and خادمی درح, مرتضی and ابراهیمی مقدم, عباس},
title = {تشخیص دستگاه قطعه های موسیقی سنتی ایرانی بر مبنای استخراج توالی نت ها و استفاده از شبکه های LSTM},
journal = {مهندسی برق و مهندسی کامپیوتر ایران},
year = {2022},
volume = {20},
number = {2},
month = {August},
issn = {1682-3745},
pages = {155--163},
numpages = {8},
keywords = {تشخیص دستگاه موسیقی; توالی نت; دسته‌بندی سلسله‌مراتبی; یادگیری عمیق; LSTM;},
}

[Download]

%0 Journal Article
%T تشخیص دستگاه قطعه های موسیقی سنتی ایرانی بر مبنای استخراج توالی نت ها و استفاده از شبکه های LSTM
%A غضنفری پور, سینا
%A خادمی درح, مرتضی
%A ابراهیمی مقدم, عباس
%J مهندسی برق و مهندسی کامپیوتر ایران
%@ 1682-3745
%D 2022

[Download]