[pt] Trata-se de um sistema capaz de sintetizar sinais musicais através da geração e do processamento de espectros de freqüência que podem ocupar qualquer região da faixa de audição humana. Para obtenção de componentes espectrais passíveis de controle em amplitude e em fase, descreve-se um gerador de série de Fourier concebido a partir de multiplicadores de freqüência que utilizam redes de fase presa. Com este gerador é possível ainda a produção de espectros cujas componentes não se relacionam harmonicamente. O processamento espectral consta da imposição de um caráter dinâmico às componentes: cada harmônico do gerador de série de Fourier é modulado em amplitude por curvas que podem assumir uma multiplicidade de forma, de modo a se estabelecerem possibilidades de elaboração musical. Além disso, dispõe-se de um sistema gerador de tempos para comando dos instantes de atuação das curvas de amplitude. Finalmente, discute-se a maneira de deslocamento do espectro dentro da faixa audível. / [en] It is presented a system capable of synthesize musical signals by generating and processing frequency spectra which can be placed anywhere in the áudio frequency range. For obtaining spectral components which are amplitude and phase controlable, a Fourier series generator was conveived through frequency multipliers which use phase- locked loop techniques. With this generator, there exists too the possibility of generate spectra whose upper partials are not harmonically related. The spectral processing is carried out by imposing a dynamic character to the partials: each of them is amplitude modulated by curves capable of assuming a plurality of forms, such that possibilities of musical work can be stablished. Further, a time generator system for control of the spectrum is described. Finallly , the means for shifting the spectrum within the audio frequency range is discussed.

Submitted by RAFAEL RUBIATI SCALVENZI (rafaelrubiati@yahoo.com) on 2018-08-23T14:58:47Z No. of bitstreams: 1 Dissertacao Rafael Rubiati.pdf: 3684917 bytes, checksum: 933c9cd1b163eaf62189c9f2bcfcdd2f (MD5) / Approved for entry into archive by Elza Mitiko Sato null (elzasato@ibilce.unesp.br) on 2018-08-23T19:34:48Z (GMT) No. of bitstreams: 1 scalvenzi_rr_me_sjrp_.pdf: 3684917 bytes, checksum: 933c9cd1b163eaf62189c9f2bcfcdd2f (MD5) / Made available in DSpace on 2018-08-23T19:34:48Z (GMT). No. of bitstreams: 1 scalvenzi_rr_me_sjrp_.pdf: 3684917 bytes, checksum: 933c9cd1b163eaf62189c9f2bcfcdd2f (MD5) Previous issue date: 2018-07-20 / A área na qual a música está inserida requer, para sua compreensão, considerável abstração. Neste âmbito, a análise matemático-computacional possui papel importante, principalmente para planejar a interatividade entre aluno e computador, potencializando o aprendizado musical. Embora um número considerável de estudos em diferentes contextos sejam dedicados à classificação das estruturas sonoras, os procedimentos de análise em um grande conjunto de sinais podem tornar-se uma tarefa difícil e exaustiva. Diante do exposto, este trabalho tem como objetivo a proposição e a implementação de um método capaz de reconhecer e classificar sinais musicais em tempo real, visando auxiliar os aprendizes. No método proposto, um conjunto relevante de eventos musicais é inspecionado por meio da análise de multirresolução baseada na Transformada Wavelet-Packet, escolhida em função da característica multidimensional encontrada na música, a qual permite isolar diferentes eventos musicais em níveis de decomposição wavelet distintos. Apoiado por um processo de autocorrelação e uma rede neural artificial, cada padrão sônico é associado ao seu respectivo evento musical. Testes envolvendo centenas de sinais permitiram obter uma acurácia quase plena com um tempo relativamente bastante pequeno de análise em função da baixa ordem de complexidade computacional do algoritmo implementado, reafirmando a sua aplicabilidade / Music belongs to an area which requires a considerable piece of abstraction for its understanding. In this domain, computational and mathematical analyses play an important role, particularly for planning human-machine interaction and enhancing learning. Although a considerable number of studies in different musical contexts are dedicated to the classification of the structures present in sound signals, the inspection of long clips is a challenge. Thus, this work proposes and implements a method capable of identifying and classifying musical signals in real-time, helping music students. Specifically, multiresolution analysis using the Wavelet-Packet Transform is adopted, allowing for different musical events to be isolated in distinct wavelet levels of decomposition. Based on an autocorrelation and an artificial neural network, each sonic pattern is associated with a respective musical event. Tests using hundreds of music clips exhibit almost full accuracy with relatively very short time consumption as a function of the algorithm low level of computational complexity, reassuring its applicability.