Um estudo sobre a classificação e separação on-line de fonte sonora monofônica usando redes neurais recorrentes rasas e profundas

Abstract

Neste trabalho, são estudados o uso de redes neurais para abordar dois problemas: classificação de instrumentos musicais e separação de fonte sonora monofônica. Para a classificação, as redes estudadas foram das arquiteturas Multilayer Perceptron e recorrente de Elman, recebendo como sinal de entrada cinco descritores sonoros correspondentes a um trecho de um sinal de áudio de um instrumento musical ao longo do tempo. A classificação é feita em cada trecho do sinal de áudio, devendo classificá-lo como som de contrabaixo ou flauta. O melhor resultado para treinamento em apenas uma nota de cada instrumento alcançou uma acurácia de 97,19%, e o melhor resultado quando treinado em 6 notas de cada instrumento alcançou 96,44% de acurácia. Para a tarefa de separação on-line de uma fonte sonora mixada, em seus canais componentes, a partir da análise sequencial de suas amostras no tempo, são analisadas redes recorrentes rasas de Elman e profundas LSTM. Os resultados obtidos indicam que as estruturas neurais testadas são promissoras e podem atingir alta qualidade na separação, tendo o SDR como figura de mérito.