AbstractsBiology & Animal Science

Más aún, los sistemas disponibles en la actualidad no alcanzan el nivel de eficacia y flexibilidad desarrollado por músicos profesionales. Entendemos aquí el problema de la transcripción automática de música como un problema de optimización combinatoria, cuyo objetivo es encontrar la combinación de notas musicales que mejor representa la señal acústica observada. Nuestra propuesta hace uso de codificación dispersa y algoritmos genéticos, que son una muy buena herramienta en para problemas de búsqueda. Utilizando esta aproximación, nuestro método puede trabajar con sonidos que incluyen varias componentes armónicas. Esta tesis presenta las etapas de investigación que se han desarrollado con el fin de aplicar los Algoritmos Genéticos al problema de la Transcripción Automática de Música. Hemos utilizado varias aproximaciones basadas en los algoritmos genéticos para resolver el problema de estimación múltiple de frecuencias (tonos), comenzando primero con un modelo simplificado (sintetizado) de instrumentos musicales, para después pasar a trabajar con grabaciones realizadas con instrumentos musicales reales. En cada experimento hemos aplicado diferentes modelos y herramientas teóricas (espectros logarítmicos y lineales, filtros, cepstrum, cepstral h??brido y análisis espectral, autocorrelación, etc.) para buscar medidas de similaridad y de error (pasando por distancias Hamming y distancias de áreas de intersección Itakura-Saito, correlación y otras variantes). Hemos trabajado también en el problema de �Sobreentrenamiento armónico� que tiene su origen en las diferencias de timbre, y hemos propuesto un modelo de envoltura espectral para resolverlo. Además hemos empleado esta aproximación en señales musicales que utilizan diferentes instrumentos, para mostrar la capacidad para trabajar en problema multi-timbre. También presentamos un nuevo modelo para estimación múltiple de frecuencias fundamentales en grabaciones de piano. Proponemos un esquema basado en los algoritmos genéticos para analizar los solapamientos de los armónicos durante la búsqueda de la combinación más correcta de frecuencias fundamentales. El proceso de búsqueda es ayudado por un proceso de modelado adaptativo de la forma del espectro y de una estimación dinámica del nivel de ruido en las muestras de piano, para que coincida con el piano real presente en la señal de entrada, ayudando as'? al proceso de búsqueda. Hemos comparado nuestros resultados con los obtenidos por varios algoritmos del �estado del arte� utilizando varias piezas musicales ejecutadas sobre diferentes pianos. El nuevo algoritmo propuesto obtiene un meritorio primer y segundo lugar en las comparativas, dependiendo de la medida de comparación utilizada. También se comparó la nueva propuesta con una aproximación anterior basada en algoritmos genéticos y se observa las significativas mejoras aportadas tanto en calidad como en tiempo de cómputo. Esta tesis doctoral también presenta contribuciones útiles de modo genérico para la Computación Evolutiva. En concreto, la técnica que denominamos…