文件名称：信号抽取插值matlab代码-onset:IEMP的开始提取
文件大小：38.1MB
文件格式：ZIP
更新时间：2024-06-16 15:31:02
系统开源
信号抽取插值matlab代码音乐表演中人际交往中的发作检测 发作检测是MIR中成熟的研究领域，并且有多种有效的解决方案可用于从各种类型的音乐资料中提取发作。 在AHRC资助的研究项目的背景下，我们希望探索不同乐团中的音乐家是如何紧密地或彼此松散地相互同步的。 为此，我们需要从多种范围的多轨录音中提取片段。 我们希望依赖于一种常规的发作提取技术，该技术将应用于许多不同种类的发作，以使不同仪器的时间比较具有可比性。 另外，我们希望保持发病估计的时间分辨率高，远高于发病检测评估中常用的公差（例如80毫秒）。 可以使用许多其他的起始检测技术（例如，光谱差异，相位偏差等）。 有一些广泛可用的工具（例如Sonic Visualiser ）可用于开始提取，但是我们对该工具为我们的项目提供的准确性和选项不满意。 音频材料 该项目中的音乐资料范围从西非的jembe音乐到北印度的古典音乐再到西方的爵士乐。 带有注释，音频和视频的IEMP集合可在上找到。 发作提取：技术细节 使用和提取基于包膜特征的发作。 代码文件夹包含以下文件： contents.m是一个脚本，它允许复制一些文件（sarod，sitar和
【文件预览】：
onset-master
----Accuracy.csv(368B)
----readme.md(4KB)
----code()
--------be_evalWrapper.m(2KB)
--------contents.m(2KB)
--------be_fMeasure.m(3KB)
--------be_params.m(2KB)
--------extract_onset_custom.m(2KB)
--------be_confidenceIntervals.m(1KB)
----groundtruth()
--------PrattyushB_Jhinjhoti_2Gats_Sarod_Sept17.csv(3KB)
--------Sitar_slow.csv(496B)
--------Sarod_slow.csv(479B)
--------Sitar_fast.csv(866B)
--------Guitar_fast.csv(947B)
--------Sarod_fast.csv(735B)
--------20160531_item3_take2_track4_guitarDI_38_72.csv(418B)
--------ShujaatKh_Jhinjhoti_Sitar_Sept17.csv(2KB)
--------Debashish_Malhar_guitar_730-830.csv(1KB)
----audio()
--------20160531_item3_take2_track4_guitarDI_38_72.wav(6.23MB)
--------Sitar_slow.wav(3.48MB)
--------Sarod_slow.wav(2.36MB)
--------Sitar_fast.wav(2.27MB)
--------Sarod_fast.wav(1.11MB)
--------Guitar_fast.wav(1.14MB)
--------PrattyushB_Jhinjhoti_2Gats_Sarod_Sept17.wav(10.97MB)
--------Debashish_Malhar_guitar_730-830.wav(5.49MB)
--------ShujaatKh_Jhinjhoti_Sitar_Sept17.wav(10.42MB)