AI Summary & Key Takeaways
AI InsightYapılan benzetim çalışmalarında, müzik sinyalinde ayrıştırma aracı olarak sıkça kullanılan Spektrogram, MELODIA, YIN ve orijinal DKA yöntemleri ile karşılaştırıldığında, gerçek müzik ve sentetik test sinyalleri ile elde edilen temel titreşim frekansı kestirim sonuçlarının başarılı ve karşılaştırılabilir olduğu gözlenmiştir.
📌 3 Key Takeaways
Özet
Bu çalışmada, Değişken Kip Ayrışım (DKA) yöntemi tabanlı yeni bir yaklaşım kullanılarak monofonik Türk makam müziği kayıtları içerisindeki temel titreşim frekanslarının kestirimi önerilmektedir. DKA yöntemi, reel değerli bir sinyali sonlu sayıda alt sinyallere (kiplere) ayrıştırmaktadır. DKA sinyal içerisindeki temel bandları, yinelemesiz ve uyarlanabilir olarak belirleyip eş zamanlı olarak uygun kiplerin kestirilmesini sağlar. Bu yöntemde sinyali en iyi temsil edebilecek kipler, Görgül Kip Ayrışım (GKA) yönteminde kullanılan özgül kip fonksiyonları (ÖKF) gibi dar bandlı olma özelliğine sahiptir. Bu çalışmada, klasik DKA algoritmasında en iyileme aşamasında kullanılan Tikhonow düzenlileştirme yerine Elastic Net yönteminin kullanılması önerilmekte ve böylece temel titreşim frekansı kestirim başarımı iyileştirilmektedir. Frekans kestirim algoritması, müzik sinyali yerine öz-ilinti fonksiyonuna uygulanarak iyileştirmeye katkıda bulunulmuştur. Yapılan benzetim çalışmalarında, müzik sinyalinde ayrıştırma aracı olarak sıkça kullanılan Spektrogram, MELODIA, YIN ve orijinal DKA yöntemleri ile karşılaştırıldığında, gerçek müzik ve sentetik test sinyalleri ile elde edilen temel titreşim frekansı kestirim sonuçlarının başarılı ve karşılaştırılabilir olduğu gözlenmiştir.