REDES NEURONALES PARA LA CLASIFICACIÓN DE INSTRUMENTOS MUSICALES A PARTIR DEL ANÁLISIS DE ESPECTROGRAMAS

Abstract

Este proyecto tiene como propósito ofrecer un modelo de predicción para identificar diferentes instrumentos musicales mediante un conjunto de espectrogramas generados a partir de la grabación de 136 acordes musicales con un sintetizador.

En primer lugar, se presenta una breve introducción sobre la evolución del estudio de los armónicos de un sonido, desde las contribuciones iniciales de Pitágoras hasta los posteriores descubrimientos de Fourier. Acto seguido, se utiliza el método de La Transformada de Fourier de Tiempo Reducido (STFT) para descomponer las señales de audio en espectrogramas. Estas imágenes contendrán información de la intensidad de las frecuencias a lo largo del tiempo y formarán la base de datos para el estudio.

Por último, se analiza la clasificación de los diversos espectrogramas generados para determinar a qué instrumento pertenecen, empleando la arquitectura de GoogLeNet, una red neuronal convolucional de aprendizaje supervisado. Se describirán también los diferentes experimentos realizados, se expondrán las conclusiones obtenidas y se mencionarán las líneas de investigación futuras.