Identificación de instrumentos musicales en audios utilizando análisis de señales e inteligencia artificial

Abstract

En la sociedad actual, la música juega un papel crucial en el desarrollo de la identidad cultural de cada persona, ayuda a expresar las emociones de una manera artística, narrando historias a través de melodías y crea conexiones entre individuos y comunidades mediante diversos géneros o sentimientos representados en esta. En la actualidad, el desarrollo digital de la música nos presenta un campo emergente con nueva información, características distintivas y con ello nuevas problemáticas a resolver. Los Sistemas de Recuperación de Información Musical (MIR, por sus siglas en inglés, Music Information Retrieval) son un campo de investigación emergente basado en sistemas de software diseñados para extraer, analizar y recuperar información de archivos de audio musical. Estos sistemas combinan varias técnicas del procesamiento de señales, Aprendizaje de Máquina (ML por sus siglas en inglés, Machine Learning) e Inteligencia Artificial (IA por sus siglas en inglés, Artificial Intelligence), para trabajar con información musical. Dichos sistemas han surgido como solución innovadora para diferentes problemáticas sobre la organización de características e información de la música digital. Estos sistemas, emplean técnicas de procesamiento de señales y Aprendizaje de Máquina, permiten analizar automáticamente la estructura de las señales de audio y extraer información relevante, como la identificación de intérpretes o artistas, la identificación de canciones, clasificación de géneros musicales, detección de tempo y ritmo, análisis de emociones musicales y la identificación de instrumentos musicales. En este trabajo, se propone un modelo de identificación de instrumentos musicales, mediante el uso de las técnicas de Aprendizaje de Máquina, como el Perceptrón Multicapa (MLP por sus siglas en inglés, Multi-layer Perceptron), las Máquinas de Soporte Vectorial (SVM por sus siglas en inglés, Support Vector Machines) y los Vecinos más Cercanos (KNN por sus siglas en inglés, K Nearest Neighbours) y a través de la extracción de características como los Coeficientes Cepstrales de Frecuencia Mel (MFCC por sus siglas en inglés, Mel Frequency Cepstral Coefficients). Palabras clave: Identificación de instrumentos musicales, Coeficientes Cepstrales de Frecuencia Mel, Aprendizaje de Máquina, Clasificación de audio.