Audio-to-MIDI conversion can be used to allow digital musical control by means of an analog instrument. Audio-to-MIDI converters rely on fundamental frequency estimators that are frequently restricted to a minimum delay of two fundamental periods. This delay is perceptible for the case of bass notes. In this paper, we propose a lowlatency fundamental frequency estimation method that relies on specific characteristics of the electric bass guitar. By means of physical modelling and signal acquisition, we show that the assumptions of the method relies on generalize throughout electric basses. We evaluate our method in a dataset with musical notes played by diverse bassists. Results show that our method outperforms the Yin method in low-latency settings, which indicates its suitability for low-latency audio-to-MIDI conversion of the electric bass sound.
Audio-to-MIDI conversion can be used to allow digital musical control through an analog instrument. Audio-to-MIDI converters rely on fundamental frequency estimators that are usually restricted to a minimum delay of two fundamental periods. This delay is perceptible for the case of bass notes. In this dissertation, we propose a low-latency fundamental frequency estimation method that relies on specific characteristics of the electric bass guitar. By means of physical modeling and signal acquisition, we show that the assumptions of this method are based on the generalization of all electric basses. We evaluated our method in a dataset with musical notes played by diverse bassists. Results show that our method outperforms the Yin method in low-latency settings, which indicates its suitability for low-latency audio-to-MIDI conversion of the electric bass sound.
Ao meu orientador e agora amigo Prof. Dr. Madson Cortes de Almeida por me permitir participar de sua equipe, pela companhia em inúmeros almoços, cafés e pelos valiosos conselhos, ao amigo Prof. Dr. Luiz Carlos Pereira da Silva pelo suporte e pela oportunidade de trabalhar em temas de eficiência energética ao meu coorientador, conselheiro e amigo Dr. Paulo Meira, sem o qual não teria retornado a FEEC e continuado os estudos e não menos importante aos colegas do LE23 por compartilhar conhecimento e momentos de descontração.A minha esposa Thaís, sempre presente e me apoiando em todas as decisões, aos meu pais, responsáveis por eu ser o que sou e estar onde estou, aos pais e padrastos da Thaís por nos dar suporte sempre que precisávamos, a Malu e a Nina, minhas filhotas de quatro patas, responsáveis por me mostrar a pureza dos sentimentos.À CPFL Energia pelo apoio financeiro recebido no contexto do Projeto PA-3020 (PD-00063-3020/2016), "Desenvolvimento de sistemas inteligentes para monitoramento, desagregação e análise de consumo utilizando tecnologias modernas de sensoriamento", enquadrado no Programa de Pesquisa e Desenvolvimento da Agência Nacional de Energia Elétrica (ANEEL). ResumoA busca pela eficiência energética passa pelo conhecimento e pelo acesso à informação. A desagregação de cargas consiste em obter informações como consumo e os horários de uso dos equipamentos elétricos de domicílios. Os métodos atuais de desagregação, baseados em redes neurais, apresentam resultados satisfatórios na detecção dos equipamentos, o que permite saber os horários de uso, mas falham na estimação da energia consumida. O método proposto neste trabalho destaca-se na estimação da energia consumida pelos principais dispositivos elétricos de uma residência. Nesse contexto são abordados três pontos: (i) o consumo contínuo ou em espera (standby) do domicílio, que é relativamente simples de medir, porém de difícil identificação, (ii) o estudo de caso de sistemas elétricos de aquecimento de água, que apresentam alto consumo e (iii) o estudo de caso do refrigerador, que é um eletrodoméstico presente em quase todos os domicílios brasileiros. Os dados de medição dos domicílios e a coleta de assinaturas elétricas dos equipamentos foi objeto de trabalho do projeto de pesquisa e desenvolvimento intitulado "PA3020 -Desagregação do Consumo de Energia Elétrica em Consumidores Residenciais". Os dados dos domicílios foram submetidos à metodologia proposta, que é composta por um filtro adaptado, um algoritmo de esparsificação para reduzir o espaço amostral de um universo de milhares para dezenas, um algoritmo agrupador de sequências de liga e desliga e, por fim, um estimador de consumo, alcançando 50% ou mais de reconhecimento de cargas em domicílios com sistemas elétricos de aquecimento de água.Palavras-chave: energia elétrica -consumo, eficiência energética, energia elétrica -medição, monitoramento, processamento de dados.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.