viagra super force

+7(495) 123-XXXX  г. Москва

 

 

 

 

 

ВАС ПРИВЕТСТВУЕТ

VIP Studio ИНФО

 

Публикация Ваших Материалов

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Phasellus rutrum, libero id imperdiet elementum, nunc quam gravida mi, vehicula euismod magna lacus ornare mauris. Proin euismod scelerisque risus. Vivamus imperdiet hendrerit ornare.

Верстка Полиграфии, WEB sites

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Phasellus rutrum, libero id imperdiet elementum, nunc quam gravida mi, vehicula euismod magna lacus ornare mauris. Proin euismod scelerisque risus. Vivamus imperdiet hendrerit ornare.

Книжная лавка

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Phasellus rutrum, libero id imperdiet elementum, nunc quam gravida mi, vehicula euismod magna lacus ornare mauris. Proin euismod scelerisque risus. Vivamus imperdiet hendrerit ornare.

А.В. Мансуров,  (К.т.н., доцент, ФГБОУ ВО "Алтайский государственный университет")

П.С. Ладыгин,  (Преподаватель, ФГБОУ ВО "Алтайский государственный университет")

Серия «Естественные и Технические науки» # СЕНТЯБРЬ  2017
Цифровой отпечаток
Цифровые отпечатки аудиофайлов являются незаменимым средством для идентификации музыкального контента и выявления нелегального использования музыкальных произведений. Процесс их формирования на основе результатов обработки аудиофайла является одним из самых сложных моментов во всей технологической цепочке создания отпечатка. В публикации предлагается подход к созданию основы цифрового отпечатка – «вектора признаков» на основе нотного представления музыкального произведения. Приводится описание предлагаемого способа и результаты его апробации при обработке примитивных и сложных музыкальных композиций. Предложенный способ характеризуется устойчивостью к различным модификациям композиций – изменению скорости исполнения, переходам к другим октавам и добавлению дополнительных музыкальных инструментов.

Ключевые слова: Цифровой отпечаток, аудиофайлы, спектрограмма, идентификация.

 

ВВЕДЕНИЕ

Технологии формирования цифровых отпечатков аудиофайлов являются важными составляющими систем автоматической идентификации аудиопроизведений, которые могут быть использованы для мониторинга эфира радиостанций, организации музыкальных библиотек, а также выявления случаев нелегального использования музыкального контента, незаконного тиражирования аудиозаписей и иных случаев нарушения прав на интеллектуальную собственность. Среди наиболее известных подходов можно выделить способ, предложенный J. Haitsma и T. Kalker (Philipps) [1], технологию Shazam [1,2], а также способ, используемый компанией Google в своих сетевых сервисах (например, Youtube) [7].

В рассмотренной технологической цепочке работы с цифровыми отпечатками одним из самых сложных и комплексных процессов является сам процесс формирования цифрового отпечатка на основе обработанного музыкального фрагмента [8]. Сформированный отпечаток должен быть достаточно компактным для его удобного хранения и быстрого извлечения из базы, обладать инвариантностью по отношению к различным вносимым искажениям и модификациям в аудиофрагмент, обладать характеристиками для гарантированного различения или обнаружения схожести с другими отпечатками, а его алгоритм вычисления не должен требовать больших вычислительных мощностей. Процесс формирования отпечатка схематично можно представить следующим образом (рис.1):

Читать полный текст статьи …


СПИСОК ЛИТЕРАТУРЫ:
. Shum S. The Basics of Audio Fingerprinting [Электронный ресурс] / MIT Computer Science and Artificial Intelligence Laboratory. URL: http://people.csail.mit.edu/sshum/talks/audio_fingerprinting_sls_24Oct2011.pdf (дата обращения 25.06.2017).
2. Raphi Z. Audio Fingerprinting. [Электронный ресурс] / Zafar Rafii. URL: http://www.zafarrafii.com/doc/Rafii%20-%20Audio%20Fingerprinting%20-%20NU%20EECS%20352%202014.pdf (дата обращения 25.06.2017).
3. Goenka K.V., Patil P.K. Overview of Audio Watermarking Techniques // International Journal of Emerging Technology and Advanced Engineering. February 2012. Vol.2, Issue 2, pp. 67-70.
4. Haitsma J, Kalker T. A Highly Robust Audio Fingerprinting System / Journal of New Music Research, Vol. 32(2003), No. 2, p. 211-222.
5. Wang, Avery Li-Chun. An Industrial-Strength Audio Search Algorithm / [Электронный ресурс] / CSIE. URL: http://www.csie.ntu.edu.tw/~r95162/An%20Industrial-Strength%20Audio%20Search%20Algorithm.pdf (дата обращения 25.06.2017).
6. Van Nieuwenhuizen H.A, Venter W.C, Grobler M.J. The Study and Implementation of Shazam’s Audio Fingerprinting Algorithm for Advertisement Identification [Электронный ресурс] / SATNAC, September 2012. URL: http://www.satnac.org.za/proceedings/2011/papers/Software/181.pdf (дата обращения 25.06.2017).
7. Эволюция Content ID: как Youtube совершенствует свою самую спорную функцию [Электронный ресурс] / Air. URL: http://www.air.io/content-id-evolution/ (дата обращения 22.03.2017).
8. Cano P., Batlle E., Kalker T., Haitsma J. A review of audio fingerprinting // The Journal of VLSI Signal Processing, 2005. Vol.41, pp. 271–284.
9. Baluja S., Covell M. Content fingerprinting using wavelets, Proc // 3rd European Conference on Visual Media Production (CVMP 2006). Part of the 2nd Multimedia Conference 2006, 2006, pp. 198 – 207. DOI: 10.1049/cp:20061964
10. Sonnleitner R. Widmer G. Robust quad-based audio fingerprinting. IEEE/ACM Trans. Audio, Speech and Lang. Proc. 24, 3 (March 2016), pp. 409-421. DOI=http://dx.doi.org/10.1109/TASLP.2015.2509248.
11. Chen N., Xiao H.D., Zhu H. Robust audio fingerprinting based on GammaChirp frequency cepstral coefficients and chroma // in Electronics Letters, vol. 50, no. 4, pp. 241-242, February 13 2014. doi: 10.1049/el.2013.3554.
12. Malekesmaeili, Mani; Ward, Rabab K. A local fingerprinting approach for audio copy detection // Signal Processing, 2014, V. 98, pp.308-321.
13. Marolt M. A Mid-Level Representation for Melody-Based Retrieval in Audio Collections // in IEEE Transactions on Multimedia, vol. 10, no. 8, pp. 1617-1625, Dec. 2008. doi: 10.1109/TMM.2008.2007293.
14. Schulkind M.D., Posner R.J., Rubin D.C. Musical features that facilitate melody identification: How do you know it's "your" song when they finally play it? // Music Perception, 21, 217-249.
15. Serra J., Gomez E., Herrera P., Serra X. Chroma Binary Similarity and Local Alignment Applied to Cover Song Identification // in IEEE Transactions on Audio, Speech, and Language Processing, vol. 16, no. 6, pp. 1138-1151, Aug. 2008. doi: 10.1109/TASL.2008.924595.
16. Ning Hu, Dannenberg R. B., Tzanetakis G. Polyphonic audio matching and alignment for music retrieval // 2003 IEEE Workshop on Applications of Signal Processing to Audio and Acoustics (IEEE Cat. No.03TH8684), 2003, pp. 185-188. doi: 10.1109/ASPAA.2003.1285862.
17. Fujishima, T. Realtime Chord Recognition of Musical Sound: A System Using Common Lisp Music // In Proceedings of the International Computer Music Conference, Beijing, China, 22-27 October 1999; pp. 464–467.
18. Poliner G. E., Ellis D. P. W., Ehmann A. F., Gomez E., Streich S. Ong B. Melody Transcription From Music Audio: Approaches and Evaluation // in IEEE Transactions on Audio, Speech, and Language Processing, May 2007. Vol. 15(4), pp. 1247-1256. doi: 10.1109/TASL.2006.889797.
19. LabVIEW // [Электронный ресурс]. URL: http://labview.ru (дата обращения 07.05.2016)
20. Reaper // [Электронный ресурс]. URL: https://www.reaper.fm/ (дата обращения 07.05.2017)



© 
А.В. Мансуров, П.С. Ладыгинv, Журнал "Современная наука: актуальные проблемы теории и практики".
 

 

 

 
SCROLL TO TOP

 Rambler's Top100 @Mail.ru