Suivi de hauteur polyphonique utilisant l'estimation bayésienne conjointe de plusieurs paramètres de cadre

Nous présentons une approche novatrice pour l'estimation de la hauteur et la détection de notes dans des signaux audio polyphoniques. Nous posons le problème dans un cadre probabiliste bayésien, ce qui nous permet d'incorporer des connaissances préalables sur la nature des données musicales dans le modèle. Nous exploitons la forte corrélation entre les paramètres du modèle dans des cadres de données adjacents en modélisant explicitement la variation de fréquence dans le temps à l'aide de variables latentes. Les paramètres sont estimés conjointement sur un certain nombre de cadres adjacents pour augmenter la robustesse de l'estimation face aux événements transitoires. Les cadres de données individuels sont modélisés comme la somme de sinusoïdes harmoniques. L'estimation des paramètres est effectuée à l'aide de méthodes de Monte Carlo par chaînes de Markov (MCMC).