جدایی هماهنگ کننده (HPS) یک تکنیک است که در پردازش سیگنال موسیقی برای تمایز بین اجزای هارمونیک مانند ملودی ها و آکوردها و عناصر تحریک کننده مانند درامها و ضربه ها استفاده می شود.این فرآیند برنامه های مختلف را افزایش می دهد، از جمله تجزیه و تحلیل موسیقی، تکثیر و کاهش صدا.

درک عناصر هماهنگ و پرکوس

در یک سیگنال موسیقی معمولی، اجزای هارمونیک ثابت و بومی هستند که با فرکانس های پایدار مشخص می شوند. اجزای محرک، از سوی دیگر، گذرا و غیرتونال هستند که نشان دهنده شروع های ناگهانی مانند درام یا تقسیم کردن این عناصر به جداسازی بخش های خاص از یک مسیر برای تجزیه و تحلیل دقیق یا اصلاح دقیق کمک می کند.

تکنیک های هارمونی-پرکوسی

چندین الگوریتم برای انجام HPS استفاده می شود، با رایج ترین تجزیه و تحلیل زمان- فرکانس با استفاده از تغییر کوتاه مدت (STFT) این فرآیند به طور معمول شامل:

  • استفاده از STFT برای تبدیل سیگنال صوتی به یک طیفogram.
  • استفاده از فیلترینگ رسانه ای برای شناسایی اجزای آسیب پذیر و تحریک کننده بر اساس ویژگی های طیفی آنها.
  • ساخت سیگنال های جدا شده از طریق STFT معکوس

درخواست های هماهنگ کننده-Percussive Jedi

HPS کاربردهای عملی زیادی در تولید و تجزیه و تحلیل موسیقی دارد:

  • موسیقی Trading: بهبود دقت رونویسی خودکار با انزوای خطوط ملودی.
  • بازآفرینی و ماشیتس؛ [FLT 1] اجازه می دهد تا تولید کنندگان عناصر خاصی از یک مسیر را دستکاری کنند.
  • [در این باره]: کاهش (نرخش: ۱) و حذف صدای ناخواسته یا صداهای پس زمینه ای.
  • اطلاعات موسیقی Retrieval: [FLT 1] ویژگی های ارتقاء برای طبقه بندی ژانر و تجزیه و تحلیل خلق و خوی.

چالش ها و مسیرهای آینده

در حالی که HPS یک ابزار قدرتمند است، با چالش هایی مانند محتوای بیش از حد طیفی بین عناصر آسیب پذیر و تحریک کننده مواجه است که می تواند کیفیت جدایی را کاهش دهد.پیشرفت در یادگیری ماشین و شبکه های عصبی عمیق راه های امیدوار کننده برای بهبود دقت و کارایی در آینده است.

درک و پالایش جدایی های آسیب پذیر-پرکوسیک همچنان یک منطقه حیاتی از تحقیقات در پردازش سیگنال موسیقی است، با پیشرفت های مداوم افزایش پتانسیل خود را در سراسر برنامه های مختلف موسیقی و صوتی است.