Clasificación de instrumentos musicales en audios utilizando coeficientes cepstrales y redes neuronales artificiales

Abstract

La música juega un papel crucial en el desarrollo de la identidad cultural de cada persona, ayuda a expresar emociones, narrando historias y creando conexiones entre individuos y comunidades. El desarrollo digital de la música en la actualidad nos presenta un nuevo campo 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 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 automático, inteligencia artificial y análisis de datos para trabajar con información musical. han surgido como solución innovadora para diferentes problemáticas sobre la organización de características e información de la música digital. Estos sistemas, que emplean técnicas de procesamiento de señales y aprendizaje automático, permiten analizar automáticamente la estructura de las señales de audio y extraer información relevante, como la identificación de instrumentos musicales. En este artículo, se propone un sistema de clasificación de instrumentos musicales basado en redes neuronales artificiales, utilizando archivos de audios de una base de datos con el nombre AAM. A través del análisis espectral de las señales de audio y la extracción de características como los Coeficientes Cepstrales de Frecuencia Mel (MFCC por sus siglas en inglés, Mel Frequency Cepstral Coefficients) y el Perceptrón Multicapa (MLP por sus siglas en inglés, Multilayer Perceptron), se logró desarrollar un modelo capaz de identificar con alta precisión (98.66%) tres instrumentos musicales: guitarra, bajo y batería.