امكان‌سنجي شناسايي خودكار گوشه‌‌هاي اصلي دستگاه شور با استفاده از ويژگي‌هاي شنيداري موسيقايي

The feasibility of automatic identification of principal Gushehs of Shur Dastgāh, using the musical audio features

هدف از انجام اين پژوهش، بررسي ميزان اهميت هر يك از 21 ويژگي‌ زماني، طيفي و سِپسترال در شناسايي گوشه‌‌هاي اصلي دستگاه شور بوده است. در اين پژوهش، ابتدا پايگاه‌ داده‌اي متشكل از شش گوشۀ اصليِ دستگاه شور، براساس رديف ميرزا عبدالله و به تفكيك چهار ساز تار، سه‌تار، سنتور و بَربَط و در مجموع 173 قطعه ضبط و ايجاد شد. به‌منظور بررسي ميزان اهميت هر يك از ويژگي‌هاي شنيداري در تفكيك گوشه‌ها از يكديگر، ابتدا با استفاده از مقياس فيشر، هر يك از 21 ويژگي صوتي در نرم‌افزار متلب امتيازدهي شده و سپس از بين آن‌ها، سه ويژگي برتر انتخاب شدند. در مرحله بعد، با استفاده از دسته‌بند واكافت (آناليز) تمايز خطي، امكان جداسازي گوشه‌ها از يكديگر، براي هر يك از سازها به‌طور جداگانه و نيز به‌صورت كلي بررسي شد. نتايج پژوهش نشان دادند كه در بين 21 ويژگي استخراج‌شده، ويژگي‌هاي سِپسترال بالاترين امتياز را در جداسازي گوشه‌ها از يكديگر كسب كردند و نسبت به ويژگي‌هاي زماني و طيفي وضعيت بهتري داشتند؛ ولي در كل، هيچ‌ يك از اين ويژگي‌ها‌، توانايي تفكيك و شناسايي شش گوشه اصلي دستگاه شور را نداشتند. با اينكه ويژگي‌هاي شنيداري كاركرد قابل قبولي در شناسايي خودكار موسيقي غربي و به‌خصوص شناسايي سبك موسيقي دارند، به دليل ماهيت منحصربه‌فرد موسيقي سنتي ايراني، در تفكيك و شناسايي گوشه‌هاي موسيقي سنتي ايراني، از كارآمدي لازم برخوردار نيستند.

The main aim of this study is to investigate the importance of the 21 temporal, spectral, and cepstral features in detecting the principal Gushehs of Shur. In the present study, a dataset was created, including 173 pieces of music, consisting of six principal Gushehs of Shur Dastgāh, played by four musical instruments: Tar, Setar, Santur, and Barbat, based on Mirzaabdollah Radif (Repertoire). To investigate the significance of each temporal, spectral, cepstral feature in identifying the six principal Gushehs of Shur, the 21 musical features (extracted from the literature) were scored by using the Fisher scale. Then, the LDA classifier was trained, and then three superior and best-scored features (out of 21 ones) were selected to measure the classifier capability of six Gushehs detection for each of four instruments separately and also for all instruments. Findings show that among the 21 features, cepstral features gained the highest scores in distinguishing the six Gushehs and were better off than spectral and temporal features; but in general, none of them could distinguish the Gushehs from each other. Though, despite the acceptable efficiency of musical features in automatic detection of Western music, it is not efficient in Persian traditional music.