استخراج ویژگی های موسیقی سنتی ایرانی در شبکه ی عصبی مصنوعی خود سازماندهSOM

در سال های اخیر بشر توانسته تا با دستیابی به تکنولوژی ذخیره سازی دیجیتالی،حافظه های گوناگونی را جهت ذخیره سازی تولید کند،از این جهت موسیقی دیجیتالی نیز در زندگی انسانی نقش ویژه ای پیدا کرده است.در حال حاظر با رشد روزافزون داده های موسیقی،پردازش خودکار و خدمات اطلاعاتی(بازیابی و دسترسی به آن ها)از موضوعات مهم تحقیقاتی هستند. روش های قدیمی ماننند جستجوهای قدیمی موسیقی براساس نام آلبوم ،خواننده یا الفباهای مختلف دیگر راضی کننده نیستند و در عین حال شیوه های مناسبی در گذشته برای مقایسه سبک ها و قطعات ارایه نشده بود.برای مثال اگر شخصی در حالت خستگی به سر میبرد،میل گوش دادن به موسیقی ملایم دارد و یا شخص دیگر که در مهمانی در حالت خوشحالی است،میل گوش دادن به موسیقی شاد و هیجان آور دارد. در چنین مواقعی نیاز به دسته بندی موسیقی با توجه به حس موسیقی داریم.تجربیات نشان داده که اتباط مستقیمی بین ساختار موسیقی و عکس العمل های احساسات انسان وجود دارد.در این مقاله،روشی برای استخراج ویژگی های موسیقی ایرانی و مقایسه با شباهت های یکدیگر در مقیاس های برابر با استفاده از شبکه ی عصبی مصنوعی غیر نظارتی خود سازمانده (som)پیشنهاد میشود.در این فرآیند درآمد های 7 دستگاه و 5 آواز موسیقی ایرانی مورد بررسی قرار میگیرند.از ساز کمانچه ی 4 سیم ایرانی در استودیو صدا بردارای استفاده میشود و قطعات به عنوان نمونه ورودی قرار میگیرند.برنامه با توجه به دستور الگوریتم مسیله و پارامترهای ویژگی،فرکانس های غالب را استخراج میکند و به عنوان الگوی ورودی شبک عصبی ارایه میدهد.این روش از 12 قطعه ورودی با سمپل های برابر 396 هزار برای آموزش تبدیل شدند و در نهایت سیستم باید با استخرج ویژگی هایی که بدست می آورد بتواند شباهت ها ، نقاط مشترک آوازهای ایرانی را به صورت کیفی و کمی نشان دهد، همچنین این آزمایش بر روی قطعه ی سپید ساخته ی استاد شادروان محمد رضا لطفی که در دستگاه ماهور ساخته شده جهت بررسی با سایر دستگاهها و آوازهای مذکور مورد بررسی قرار میگیرد.لازم به ذکر است که تمامی نتایج حاصل با واقعیت تیوری موسیقی ایرانی هماهنگ هستند.

کلیدواژه ها:

شبکه ی عصبی ، som ، موسیقی ایرانی ، سنتی ، کمانچه ، طبقه بندی ، استخراج ویژگی ، خود سازمانده ، سپید