跟踪爵士乐性能的微韵律变异（2017）
爵士乐表演的典型微韵律特质是他们的“摇摆感。”根据几项研究，不均匀的第八章果断对这种感知的质量造成果断。在本文中，我们分析了鼓手暗示的摆动比（搏动比率）在骑行钹上暗示。延长以前的工作，我们提出了一种基于起始序列中的模式识别的半自动摆比估计方法。作为主要贡献，我们介绍了一种名为SwingSogrog的新型时间摆比表示，其局部地捕获与摆动比随时间相关的信息。基于这一表示，我们建议通过动态编程跟踪乘员钹图案随时间随时间的最合理的轨迹。我们展示了这种可视化如何导致有趣的见解进入爵士乐音乐家共同的特殊性。
引用这篇文章：Christian Dittmar，Martin Pfleider，Stefan Balke＆amp; MeinardMüller（2018）a
爵士乐表演的典型微韵力是他们的“摇摆感。”根据几项研究，
不均匀的八分音符果断地促进了这种感知质量。在本文中，我们分析了
鼓手在乘车钹上暗示的摆动比（拍摄比率）。延长以前的工作，
被称为SwingSogrog，当地捕获与摆动比随时间相关的信息。基于
这一表示，我们建议追踪乘坐摆动比的最合理的轨迹
Cymbal模式随着时间的推移通过动态编程。我们展示了这种可视化如何引导
©2018作者。由Informa Informa Informa Informa Limited，贸易为泰勒＆amp;弗朗西斯集团
这是在Creative Commons atticution-n Oncommercial-Noderivatives许可证的条款下分发的开放式访问文章（http://creativecommons.org/licenses/by-nc-nd/
4.0 /）允许在任何媒体中的非商业重复使用，分布和再现，只要正确引用原始工作，并且没有改变，转换或建立
图1.原型RC图案的插图作为鼓表示法（顶部），时域信号（中间）和LLACF（底部）。除了
黑季度注意事项，相关的第八章由浅绿色（onbeat）编码，孵化，浅红色（opotbeat）。 （a）S = 1的摆动比
对应于直的第八章节，即在持续时间同时和offbeat。 （b）S = 2的摆动比对应
理想化的Tied-Triplet表示法。 （c）摆动比S = 3，在那里可以将onbeat称为点缀第八章节和offbeat作为 onbeatioi和δb∈r>; 0是off beat ioi，即 公式δa=δa+ b·s·1 + +Δb=δa+ b· （2）Δb≤δa，即o ff beat ioi预计将是 aτ：= | {∈[1：l]： - τ≤ε≤τ} | / l。 （10） 沿着速度轴，带有FI XED O FFΔB= 100的FF击败IOI 图9.从1960年录制'红色门'的独奏部分的摆动照相分析。 有关讨论，请参见第5.2.1节。
图10.从1961年录制“下”的独奏部分的摆动照相分析。有关讨论，请参见第5.2.2节。
图11. 1957年“蓝色火车”记录的独奏部分的摆动图分析。有关讨论，请参见第5.2.3节。
帕森斯，W.，＆amp; Cholakis，E。（1995）。它并不意味着它
...... Dittmar等。地址爵士乐[45,44]和Marchand等人的微观偏差。 [107]确定＆＃34;挥杆水平＆＃34;不同的类型。这些作品涉及完整的节奏模式 - 由两个八个音符组成 - 作者使用从ODF计算的自相关作为特征。 ......
...通过查看自相关，可以以简单的方式获取有关事件的相对位置的信息，同样，因为它通过群集不同的模式出现而完成的3.2.1。这些作品的作者提出了有趣的微观偏差的表示，例如摆动 - 比[107]或摆动图[44]，这些偏差[44]，这些偏差[44]旨在带来仪表和节奏以外的性能的信息。这种文献中的这种努力有助于关闭表征音乐表现的差距以及自动分析工具可以检索的内容。 ......
......图9.1图9.1示出了第十六注释级别的微量立场的示例。微观偏差与其他节奏尺寸之间的相互作用有助于被描述为作为＆＃39的感觉;挥杆＆＃39;或＆＃39; groove＆＃39; [44,107,37]。这些偏差的系统使用是许多音乐类型的节奏和风格配置的结构性重要性。 ......
计算节奏分析处理从音乐音频提取和处理有意义的节奏信息。它被证明是一种高度复杂的任务，因为处理真正的录音需要能够在多级表示中处理其声学和语义复杂度。现有的节奏分析方法通常集中在其中一个水平，未能利用音乐丰富的结构并损害自动估计的音乐一致性。在这项工作中，我们提出了用于利用用于计算节律分析的多尺度信息的新方法。我们的模型占据了音频自然传达的相互关联的依赖关系，允许在不同时间尺度之间的相互作用，并考虑它们对它们的音乐相干性。特别是，我们对下场跟踪系统进行了系统分析，导致卷积的反复性架构，该卷积架构利用短期和长期声学建模;我们介绍了一个用于下跳闸跟踪的跳过条件随机场模型，旨在利用统一框架中的音乐结构信息（即音乐部分重复）;我们提出了一种语言模型，用于联合跟踪非洲美洲广场音乐中的节拍和微观时机。我们的方法系统地在各种数据集上进行了系统地评估，从西方音乐到更具文化特定的类型，并与最先进的系统相比和更简单的变化。整体结果表明，我们的下跳闸跟踪模型与现有技术相提并论，同时更加音乐。此外，我们的联合估计的模型和微观的估计的模型需要进一步迈向更可接定的系统。这里提出的方法提供了用于计算节律分析的新颖和更全面的替代方案，朝着更全面的音乐自动分析。
...在某些情况下，音乐中的事件存在关于底层常规估计级格栅的小规模的时间偏差，这里的现象称为微调。微观偏差与其他节奏尺寸之间的相互作用有助于被描述为作为＆＃39的感觉;挥杆＆＃39;或＆＃39; groove＆＃39; [8,9,30]。这些偏差的系统使用是许多音乐类型的节奏和风格配置的结构性重要性。 ......
......系统使用这些偏差在许多音乐类型的节奏和风格配置中具有结构性重要性。这是爵士乐[9,10,20,38]，古巴伦巴[2]，巴西桑巴[32,39]和乌拉圭Candombe [22]等。因此，在不考虑微观的情况下分析这些音乐类型，导致对他们节奏的有限了解。 ......
......该提案利用一些简化：假设恒定的节奏和摆动比，并根据第一次节拍的最可能位置传播节拍位置。最近的工作执行半自动分析仍然依赖于知情的节奏[9,10]，或者使用外部算法进行估计[30]。在Candombe和Samba的背景下，也使用半自动或启发式方法解决了微观表征[17,22,32]。 ......
音乐中的事件经常表现出小规模的时间偏差（微立线），相对于潜在的常规韵律网格。在某些情况下，与来自美国黑人的传统中的音乐一样，这种偏差系统地展示了他们在节奏和风格配置中的结构性重要性。在这项工作中，我们探讨了在非洲拉丁美洲音乐的计时器文书中自动和共同跟踪击败和微观的想法，特别是巴西桑巴和乌拉圭Candombe。为此，我们提出了一种基于条件随机字段的语言模型，该字段将节拍和发出似然集成为观察。我们使用深度神经网络获得这些激活，并使用适用于此任务的方案评估其在手动注释的数据上的性能。我们在适用于这些计时器仪器的受控条件下评估我们的方法，并研究微观型曲线＆＃39;依赖流派和表演者，说明了这种技术的有希望的方面，以更全面地了解这些音乐传统。
...作为一个中央效益，计算方法使基于语料库的研究大规模。最近进行了几项研究，包括流行音乐[13]，爵士[1,6,9]和西方古典音乐[2,17,21,24]，以及在群集的领域[14， 16,19]。对于进行此类语料库研究，许多不同的方面很重要。 ......
...超出其尺寸和组成，音乐数据的表示构成了一个重要方面。例如，可以给出数据作为符号转录[9,16]，作为图形分数[17]，或者作为音频记录[6,13,18]。在本文中，我们调查了音乐表示类型对语料库分析结果的影响。 ......
...... WJD的主要好处在于它的独奏旋律（基本频率F0）的清洁注释，为系统实验创造了受控环境。该数据作为许多音乐学研究的基础，主要关注性能分析[1,6,9]。 ......
Warning: Can only detect less than 5000 characters
Maracatu de Baque Solto＆＃34;是一个狂欢节绩效，结合了音乐，诗歌和舞蹈，在韦纳邦科（东北巴西东北）的Zona da Mata Norte地区发生。 Maracatu Percussive音乐强烈重复，并且尽可能响亮，尽可能快地播放。两者来自mir和民族武士学视角，这使得一个复杂的音乐景观来分析和解释。在本文中，我们专注于提取微观概况，以了解了解马拉卡特的节奏性能如何促进健康和福祉。进行该分析，我们使用一系列具有联系麦克风获取的录制，这最小化了表演者之间的干扰。我们的分析表明，微观型材的差异基本上与更广泛学习的南美音乐中观察到的那些不同。特别是，我们突出了动态微管型的存在以及考试器械选择的重要性，这决定了如何理解性能。在整个工作中，我们强调了多学科方法的重要性，其中MIR，音频工程和民族武器学必须互动，为此音乐提供有意义的洞察力。
音乐表现使声学的声音或组合物的其他表示的声学实现。相同的组合物的不同性能可能在诸如定时或动态的性能参数方面变化，并且这些变化可能对听众如何感知音乐产生重大影响。传统上，音乐性能的分析是MIR研究界的外围主题，通常使用单个音频录制作为音乐作业的代表。本文从包括测量性能参数的若干角度来调查音乐性能分析（MPA）领域，这些参数对动作的关系和对听众的表演者或感知效果的意图，最后评估音乐表现。本文还讨论了MIR，因为它与MIR有关，指出了两个领域的合作和未来研究的机会。
经济实惠的数字采样技术的出现带来了音乐制作的巨大变化。经验丰富的基于样品的电子音乐（SBEM）的生产商能够理解采样源与其在新轨道中的错综复杂的关系，利用其性质来塑造其组合物的结构，Timbre和节奏。然而，对SBEM的自动分析围绕SBEM和其用于其样本的来源是一项挑战，它涉及来自音乐信息检索（MIR）和音频处理的许多任务。在本文中，我们开发模型和技术，以更好地了解不同级别的SBEM。特别是，我们为检索和分析任务提供了四种主要的技术贡献。首先，我们探讨Timbral改变如何影响音频指纹用于识别重叠样本的方法的光谱峰值映射。其次，我们使用基于非负矩阵因子解卷（NMFD）的音频分解来分析典型SBEM轨迹的结构。第三，我们通过设计基于级联谐波残差源分离（CHRP）的中级音频功能来研究Timbre和结构的相互作用。第四，我们应用随机森林来识别典型的采样源：鼓休息。鉴于他们在SBEM中的突出角色，我们致力于鼓休息。作为计算音乐学的应用，我们将用于计算桶中的局部摆动比的算法正规化，并适应基于自相关的方法来分析它们的微小性能。最后，我们向音乐生产提出了一种创造性应用，这允许组合两个单独的鼓断裂的时间和时间特性（Redrumming）。尽管SBEM的商业大规模成功和抽样的做法，但它们主要仍然远远关注正式的学术研究和MIR研究。在本文中，我们的总体目标是识别和正规化与SBEM相关的一些基本音频处理任务，提出可以进行进一步研究的方法。
音乐构成一个具有挑战性的多媒体情景。除了音乐录制外，还有许多其他媒体对象，包括符号音乐表示，录像，扫描的乐谱或文本元数据。开发允许用户的工具
......