MétaCan
Menu
Retour à la cohorte
Enregistrement W2009624228 · doi:10.1121/1.3699211

Toward an estimation of the clarinet reed pulse from instrument performance

2012· article· en· W2009624228 sur OpenAlexaff
Tamara Smyth, Jonathan S. Abel

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2012
Typearticle
Langueen
DomaineComputer Science
ThématiqueMusic Technology and Sound Studies
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésAcousticsPulse (music)SIGNAL (programming language)Pulse waveSound pressureOpticsMathematicsPhysicsComputer scienceLaser

Résumé

récupéré en direct d'OpenAlex

In this work, a technique is presented for estimating the reed pulse from the pressure signal recorded at the bell of a clarinet during performance. The reed pulse is a term given to the typically periodic sequence of bore input pressure pulses, a signal related to the volume flow through a vibrating reed by the characteristic impedance of the aperture to the bore. The problem is similar to extracting glottal pulse sequence from recorded speech; however, because the glottis and instrument reeds have very different masses and opening areas, the source-filter model used in speech processing is not applicable. Here, the reed instrument is modeled as a pressure-controlled valve coupled to a bi-directional waveguide, with the output pressure approximated as a linear time invariant transformation of the product of reed volume flow and the characteristic impedance of the bore. By noting that pressure waves will make two round trips from the mouthpiece to the bell and back for each reed pulse, yielding a distinct positive and negative lobe in the running autocorrelation period of the recorded signal, the round-trip attenuation experienced by pressure waves in the instrument is estimated and used to invert the implied waveguide, producing reed pulse estimates.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,022
Tête enseignante GPT0,243
Écart entre enseignants0,221 · 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 source (Gemma direct ou Codex distillé), 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

Citations12
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of AmericaMême sujetMusic Technology and Sound StudiesTravaux en français237 207