Skip to main content
QUICK REVIEW

[论文解读] Wavelet-Filtering of Symbolic Music Representations for Folk Tune Segmentation and Classification

Gissel Velarde, Tillman Weyde|ArXiv.org|Apr 29, 2025
Music and Audio Processing参考文献 30被引用 3
一句话总结

本文评估对符号民歌旋律进行 Haar 小波滤波以对曲调进行分段并将其分类到曲调家族,并与基于 Gestalt 的方法进行比较,在时间尺度与参数优化时显示出更高的准确性。

ABSTRACT

The aim of this study is to evaluate a machine-learning method in which symbolic representations of folk songs are segmented and classified into tune families with Haar-wavelet filtering. The method is compared with previously proposed Gestalt-based method. Melodies are represented as discrete symbolic pitch-time signals. We apply the continuous wavelet transform (CWT) with the Haar wavelet at specific scales, obtaining filtered versions of melodies emphasizing their information at particular time-scales. We use the filtered signal for representation and segmentation, using the wavelet coefficients' local maxima to indicate local boundaries and classify segments by means of k-nearest neighbours based on standard vector-metrics (Euclidean, cityblock), and compare the results to a Gestalt-based segmentation method and metrics applied directly to the pitch signal. We found that the wavelet based segmentation and wavelet-filtering of the pitch signal lead to better classification accuracy in cross-validated evaluation when the time-scale and other parameters are optimized.

研究动机与目标

  • 通过符号表示来促进对民歌的分段与分类的改进动机。
  • 评估一种基于小波的方法(Haar-CWT)通过系数极大值检测局部边界。
  • 使用标准向量度量的最近邻分类对片段进行分类。
  • 将基于小波的方法与基于 Gestalt 的分段方法进行比较。
  • 评估时间尺度选择和参数优化如何影响性能。

提出的方法

  • 将旋律表示为离散符号化的音高-时间信号。
  • 在选定尺度上对 Haar 小波应用连续小波变换(CWT),以获得尺度过滤信号。
  • 通过小波系数的局部极大值来识别局部边界。
  • 用过滤后的信号表示分段,并使用最近邻分类(欧氏距离、城市区块距离)进行分类。
  • 将基于小波的分段/分类与基于 Gestalt 的分段方法以及直接对音高信号应用的度量进行比较。
  • 使用交叉验证评估,在时间尺度和参数优化时评估性能。

实验结果

研究问题

  • RQ1Haar 小波滤波是否能在与基线方法相比时改善符号民歌旋律的分段?
  • RQ2小波滤波表示是否在曲调家族分类准确性方面优于 Gestalt 方法?
  • RQ3所选时间尺度和滤波参数如何影响分段边界与分类性能?
  • RQ4在基线表示下,使用标准距离度量的 kNN 在小波派生特征上的表现如何?

主要发现

  • 在时间尺度和参数优化时,小波分段与对音高信号的小波滤波在交叉验证评估中显示出更高的分类准确性。
  • 该方法通过小波系数极大值突出局部边界,并用 kNN 对分段进行分类。
  • 相较于 Gestalt 基于分段的方法,在参数得到适当调整时,小波方法显示出改进的性能。
  • 该研究以符号化的民歌表示和标准距离度量提供了实证证据。
  • 结果在 FMA2013 的背景下报告,包含七页、四幅图、两张表。

更好的研究,从现在开始

从论文设计到论文写作,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。