MétaCan
Menu
Retour à la cohorte
Enregistrement W1581433892 · doi:10.1109/acssc.2003.1291969

Transient detection of audio signals based on an adaptive comb filter in the frequency domain

2004· article· en· W1581433892 sur OpenAlexaff
M.D. Kwong, Rémi Lefebvre

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueMusic and Audio Processing
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésComputer scienceEnergy (signal processing)Transient (computer programming)Audio signalSIGNAL (programming language)Comb filterEnvelope (radar)Time domainFrequency domainResidualEnvelope detectorAudio signal processingSpeech recognitionSpectrogramAdaptive filterFilter (signal processing)Time–frequency analysisAcousticsAlgorithmComputer visionTelecommunicationsPhysicsSpeech codingAmplifier

Résumé

récupéré en direct d'OpenAlex

This paper presents a transient detection algorithm suitable for rhythm detection in music signals. In many audio signals, low energy transients are masked by high energy stationary sounds. These masked transients, as well as higher energy and more visible transients, convey important information on the rhythm and time segmentation of the music signal. The proposed segmentation algorithm uses a sinusoidal model combined with adaptive comb filtering in the frequency domain to remove the stationary component of a sound signal. After filtering, the time envelope of the residual signal is analyzed to locate the transient components. Results show that the proposed algorithm can accurately detect most low energy transients.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,813
Score d'incertitude au seuil0,209

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,023
Tête enseignante GPT0,238
Écart entre enseignants0,215 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMusic and Audio ProcessingTravaux en français237 207