Contributions to the problem of musical tempo extraction

A deteção de tempo em um sinal musical é uma tarefa muito importante em diversas aplicações. A presente tese apresenta os resultados da detecção de andamento usando uma nova abordagem baseada na extração de atributos de um conjunto de funções de detecção de periodicidade e aprendizado de máquina. Para isto a transformada wavelet foi utilizada para separar o sinal musical em diferentes resoluções e o domínio complexo retificado foi aplicado para a construção de funções de deteccão de onsets. Em seguida, as funções de deteccão de periodicidade para cada nível wavelet foram geradas por operações de autocorrelação. Descritores de áudio clássicos foram adaptados e extraídos de cada função de periodicidade e foram usados como entradas para a máquina de aprendizado que mapeia os descritores para o tempo da música. As máquinas utilizadas foram o perceptron de múltiplas camadas e a máquina de aprendizado extremo, com propostas diferenciadas de configuração. Um método para classificação e avaliação dos descritores foi proposto. Também, neste trabalho, um novo descritor foi proposto. Um método de seleção forward de atributos via Gram-Schmidt foi aplicado para a escolha do melhor subconjunto para o treinamento da máquina. Foi ainda aplicado um método de clustering via K-means para a partilha de observações entre os conjuntos de treinamento, teste e validação, e foi proposto um novo método de seleção de observações via análise de componentes principais denominado de seleção esférica de observações.Tempo detection in a music signal is a very important task for many applications. This thesis presents results concerning this task using a new approach based on the extraction of features from a set of periodicity detection functions and on machine learning. The wavelet transform was utilized to separate the musical signal at different resolutions and the rectified complex domain was applied to the construction of onset detection functions. Then, periodicity detection functions for each resolution were generated by autocorrelation operations. Classic audio features were extracted from each periodicity function and were used as inputs to a neural network that maps descriptors to music tempo. The used machines were the multilayer perceptron and an extreme learning machine, with different configuration proposals. A method for classification and evaluation of features has been proposed. Also, in this work, a new descriptor has been proposed. A method of forward selection via Gram-Schmidt was applied to choosing the best subset for the machine training. A K-means clustering method was also applied for partitioning observations between the training sets and a new observation selection method via principal component analysis, called spherical selection of observations, was proposed