Perfiles de clases de tono armónico

Los perfiles de clase de altura armónica (HPCP) son un conjunto de características que un programa informático extrae de una señal de audio , basándose en un perfil de clase de altura —un descriptor propuesto en el contexto de un sistema de reconocimiento de acordes. ^{[ 1 ]} Los HPCP son una característica de distribución de altura mejorada que son secuencias de vectores de características que, hasta cierto punto, describen la tonalidad , midiendo la intensidad relativa de cada una de las 12 clases de altura de la escala temperada igual dentro de un marco de análisis. A menudo, los doce atributos de ortografía de altura también se denominan croma y las características HPCP están estrechamente relacionadas con lo que se denomina características de croma o cromagramas .

Mediante el procesamiento de señales musicales, el software puede identificar características HPCP y utilizarlas para estimar la tonalidad de una pieza, ^{[ 2 ]} para medir la similitud entre dos piezas musicales (identificación de versiones de portadas), ^{[ 3 ]} para realizar recuperación de audio basada en contenido (coincidencia de audio), ^{[ 4 ]} para extraer la estructura musical (análisis de la estructura de audio), ^{[ 5 ]} y para clasificar la música en términos de compositor, género o estado de ánimo. El proceso está relacionado con el análisis tiempo-frecuencia . En general, las características cromáticas son robustas al ruido (por ejemplo, ruido ambiental o sonidos de percusión), independientes del timbre y la instrumentación, e independientes de la sonoridad y la dinámica.

Los HPCP son independientes de la afinación y tienen en cuenta la presencia de frecuencias armónicas, por lo que la frecuencia de referencia puede ser diferente de la estándar de 440 Hz. El resultado del cálculo del HPCP es un histograma  de 12, 24 o 36 intervalos, independiente de la octava, según la resolución deseada, que representa la intensidad relativa de cada 1, 1/2 o 1/3 de los 12 semitonos de la escala temperada igual.

El diagrama de bloques del procedimiento se muestra en la Fig. 1 ^{[ 3 ]} y se detalla más en ^{[ 6 ] .}

El procedimiento general de extracción de características de HPCP se resume de la siguiente manera:

1. Señal musical de entrada.
2. Realiza un análisis espectral para obtener los componentes de frecuencia de la señal musical.
3. Utilice la transformada de Fourier para convertir la señal en un espectrograma . (La transformada de Fourier es un tipo de análisis tiempo-frecuencia ).
4. Realizar filtrado de frecuencia  . Se utiliza un rango de frecuencia de entre 100 y 5000 Hz.
5. Realizar detección de picos . Solo se consideran los valores máximos locales del espectro.
6. Realice el procedimiento de cálculo de la frecuencia de referencia . Estime la desviación con respecto a 440  Hz.
7. Realizar el mapeo de clases de tono con respecto a la frecuencia de referencia estimada. Este es un procedimiento para determinar el valor de la clase de tono a partir de valores de frecuencia. Se utiliza un esquema de ponderación con función coseno. Considera la presencia de frecuencias armónicas (procedimiento de suma armónica), teniendo en cuenta un total de 8 armónicos para cada frecuencia. Para mapear el valor en un tercio de semitono , el tamaño de los vectores de distribución de la clase de tono debe ser igual a 36 .
8. Normalizamos la característica fotograma a fotograma, dividiendo por el valor máximo para eliminar la dependencia de la sonoridad global. Esto da como resultado una secuencia HPCP como la que se muestra en la Fig. 2.

Tras obtener la característica HPCP , se conoce el tono de la señal en una sección temporal. Esta característica se ha utilizado en numerosos estudios para calcular la similitud entre dos canciones. En la figura 3 se muestra un sistema para medir dicha similitud . En primer lugar, se requiere un análisis tiempo-frecuencia para extraer la característica HPCP. A continuación, se establece la característica HPCP de ambas canciones a un valor global, creando así un estándar de comparación. El siguiente paso consiste en utilizar ambas características para construir una matriz de similitud binaria . El algoritmo de Smith-Waterman se emplea para construir una matriz de alineación local H en el método de alineación local por programación dinámica . Finalmente, tras el procesamiento posterior, se puede calcular la distancia entre las dos canciones.

• Análisis tiempo-frecuencia
• Análisis tiempo-frecuencia para señales musicales
• Tono (música)
• Teoría musical

• HPCP - Complemento de perfil de clase de tono armónico disponible para descargar en http://mtg.upf.edu/technologies/hpcp
• Chroma Toolbox Implementaciones gratuitas en MATLAB de varios tipos de croma y funciones de audio basadas en tono y croma.