Go to file
Mattéo Delabre e8a5336aca
Mise à jour des graphes
2020-12-19 21:42:56 +01:00
fig Mise à jour des graphes 2020-12-19 21:42:56 +01:00
sounds Mise à jour des graphes 2020-12-19 21:42:56 +01:00
.gitignore Initial commit 2020-12-17 23:47:21 +01:00
README.md Mise à jour des graphes 2020-12-19 21:42:56 +01:00
fft-decode.py Mise à jour des graphes 2020-12-19 21:42:56 +01:00
fft-graph.py Mise à jour des graphes 2020-12-19 21:42:56 +01:00
generate.py Documentation sur soundbox 2020-12-19 21:04:56 +01:00
soundbox.py Ajout script pour décoder les notes 2020-12-19 21:39:41 +01:00
stft-graph.py Renommage des scripts de génération de graphes 2020-12-19 21:05:16 +01:00

README.md

À la recherche des notes originelles

À partir de lenregistrement numérique dune interprétation musicale, est-il possible de reconnaître la séquence de notes qui a été jouée sur les différents instruments utilisés ? Cette situation sapparente à celle où lon dispose dune image matricielle rendue à partir dune image vectorielle et où lon souhaite retrouver les vecteurs dorigine dont on ne dispose plus — à la différence que nous traitons ici dun signal 1D au lieu de 2D, et dun signal sonore plutôt que visuel qui plus est.

Excursion sinusoïdale

Simplifions dabord le problème en considérant un signal composé uniquement de sinusoïdes pures (produit par le synthétiseur de fortune quest ce script Python). Cela facilite doublement la tâche, puisque non seulement le signal est totalement exempt de bruit, mais en plus les instruments convoqués nont quune seule harmonique. Une première approche consiste à étudier le spectre du signal en utilisant une transformation de Fourier (générée par ce script Python).

Spectre du son produit par le synthétiseur

Ce spectre permet de lire les différentes fréquences qui composent le son étudié. On y distingue, parmi les fréquences les plus représentées, un sol₂ (192 Hz), un do₂ (131 Hz), un la₂ (220 Hz) et un la₃ (440 Hz). Une information cruciale manque cependant, celle de lévolution du signal dans le temps. Une façon de lobtenir consiste à découper le signal en courtes fenêtres de temps et dappliquer la transformation de Fourier sur les morceaux obtenus : cest la transformée de Fourier à court terme. On obtient ainsi un sonagramme qui montre lévolution des fréquences du signal dans le temps (produit par ce script Python).

Évolution dans le temps du spectre du son produit par le synthétiseur

Ce sonagramme permet de distinguer clairement les deux parties du morceau, celle jouée par une sinusoïde au dessus de 250 Hz et celle jouée par une onde carrée en dessous de cette fréquence. On reconnaît également les quatre accords en do majeur joués par la sinusoïde deux fois de suite. Sur cet exemple simple, la transformée de Fourier à court terme est donc suffisante pour extraire les notes, mais quen est-il dun signal plus complexe ?