Creación de un ecualizador automático basado en espectros de frecuencia promedio a largo plazo, tomados de producciones musicales de pista unica entre 2017 y 2022

El presente trabajo busca crear un ecualizador automatico basado en los espectros de frecuencia a largo plazo (LTAS) de las canciones mas escuchadas en Colombia en la plataforma Spotify entre 2017 y 2022, clasificadas por genero de manera que el usuario tenga multiples opciones al momento de aplicar...

Full description

Autores:
Bedoya Salazar, Jose Manuel
Merino Jaramillo, David
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2022
Institución:
Universidad de San Buenaventura
Repositorio:
Repositorio USB
Idioma:
spa
OAI Identifier:
oai:bibliotecadigital.usb.edu.co:10819/13255
Acceso en línea:
https://hdl.handle.net/10819/13255
Palabra clave:
530 - Física::534 - Sonido y vibraciones relacionadas
Producción musical
Sistema auditivo
Grabaciones
Ecualizador automático
LTAS
Filtro IIR
Metodo autorregresivo
Yule-Walker
Automatic equalizer
IIR filter
Autoregressive method
Rights
openAccess
License
http://purl.org/coar/access_right/c_abf2
id SANBUENAV2_fc943a3664fef988ca9965ce822f9c26
oai_identifier_str oai:bibliotecadigital.usb.edu.co:10819/13255
network_acronym_str SANBUENAV2
network_name_str Repositorio USB
repository_id_str
dc.title.spa.fl_str_mv Creación de un ecualizador automático basado en espectros de frecuencia promedio a largo plazo, tomados de producciones musicales de pista unica entre 2017 y 2022
title Creación de un ecualizador automático basado en espectros de frecuencia promedio a largo plazo, tomados de producciones musicales de pista unica entre 2017 y 2022
spellingShingle Creación de un ecualizador automático basado en espectros de frecuencia promedio a largo plazo, tomados de producciones musicales de pista unica entre 2017 y 2022
530 - Física::534 - Sonido y vibraciones relacionadas
Producción musical
Sistema auditivo
Grabaciones
Ecualizador automático
LTAS
Filtro IIR
Metodo autorregresivo
Yule-Walker
Automatic equalizer
IIR filter
Autoregressive method
title_short Creación de un ecualizador automático basado en espectros de frecuencia promedio a largo plazo, tomados de producciones musicales de pista unica entre 2017 y 2022
title_full Creación de un ecualizador automático basado en espectros de frecuencia promedio a largo plazo, tomados de producciones musicales de pista unica entre 2017 y 2022
title_fullStr Creación de un ecualizador automático basado en espectros de frecuencia promedio a largo plazo, tomados de producciones musicales de pista unica entre 2017 y 2022
title_full_unstemmed Creación de un ecualizador automático basado en espectros de frecuencia promedio a largo plazo, tomados de producciones musicales de pista unica entre 2017 y 2022
title_sort Creación de un ecualizador automático basado en espectros de frecuencia promedio a largo plazo, tomados de producciones musicales de pista unica entre 2017 y 2022
dc.creator.fl_str_mv Bedoya Salazar, Jose Manuel
Merino Jaramillo, David
dc.contributor.advisor.none.fl_str_mv Yepes Díaz, Mateo
dc.contributor.author.none.fl_str_mv Bedoya Salazar, Jose Manuel
Merino Jaramillo, David
dc.subject.ddc.none.fl_str_mv 530 - Física::534 - Sonido y vibraciones relacionadas
topic 530 - Física::534 - Sonido y vibraciones relacionadas
Producción musical
Sistema auditivo
Grabaciones
Ecualizador automático
LTAS
Filtro IIR
Metodo autorregresivo
Yule-Walker
Automatic equalizer
IIR filter
Autoregressive method
dc.subject.other.none.fl_str_mv Producción musical
Sistema auditivo
Grabaciones
dc.subject.proposal.spa.fl_str_mv Ecualizador automático
LTAS
Filtro IIR
Metodo autorregresivo
Yule-Walker
dc.subject.proposal.eng.fl_str_mv Automatic equalizer
IIR filter
Autoregressive method
description El presente trabajo busca crear un ecualizador automatico basado en los espectros de frecuencia a largo plazo (LTAS) de las canciones mas escuchadas en Colombia en la plataforma Spotify entre 2017 y 2022, clasificadas por genero de manera que el usuario tenga multiples opciones al momento de aplicar el prototipo a su produccion. Estos espectros se obtienen por 2 metodos basados en modelos de extracción de LTAS, los cuales se comparan entre si para evaluar las diferencias entre la curva generada por cada metodo, además de la precisión de cada uno; para así poder ecualizar una cancion tal que se asemeje al espectro promedio del genero que escoja el usuario, lo cual se busca lograr por medio de filtros de respuesta al impulso infinita (IIR) y se suavizan por medio de filtros gaussianos para disminuir los armonicos y ruidos que estos puedan inducir sobre el espectro resultante. Se presentan de manera grafica los espectros resultantes, en los cuales se encuentran algunas discrepancias entre los espectros objetivos y los espectros resultantes, principalmente por las condiciones dadas por la normativa EBU R-128, la cual rige en parte el metodo dos aqu ´ ´ı utilizado, ademas de la inestabilidad de los filtros IIR; y se realiza el diseño de un prototipo del ecualizador, tal que el usuario pueda importar la produccion a procesar, aplicar y modificar de diferentes maneras la forma en la que el ecualizador actua sobre esta y exportar el resultado como este lo desee.
publishDate 2022
dc.date.issued.none.fl_str_mv 2022
dc.date.accessioned.none.fl_str_mv 2024-03-19T17:28:39Z
dc.date.available.none.fl_str_mv 2024-03-19T17:28:39Z
dc.type.spa.fl_str_mv Trabajo de grado - Pregrado
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.content.spa.fl_str_mv Text
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TP
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/acceptedVersion
format http://purl.org/coar/resource_type/c_7a1f
status_str acceptedVersion
dc.identifier.citation.none.fl_str_mv Jose Bedoya ”and” David Merino, ”Creaci ´ on de un ecualizador automatico basado en espectros de frecuencia promedio a largo plazo, tomados de producciones musicales de pista unica entre 2017 y 2022”, Tesis de Pregrado, Ingenier´ıa de Sonido, Universidad de San Buenaventura, Facultad de Ingenier´ıas, 2022
dc.identifier.instname.spa.fl_str_mv instname:Universidad de San Buenaventura
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Universidad de San Buenaventura
dc.identifier.repourl.spa.fl_str_mv repourl:https://bibliotecadigital.usb.edu.co/
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/10819/13255
identifier_str_mv Jose Bedoya ”and” David Merino, ”Creaci ´ on de un ecualizador automatico basado en espectros de frecuencia promedio a largo plazo, tomados de producciones musicales de pista unica entre 2017 y 2022”, Tesis de Pregrado, Ingenier´ıa de Sonido, Universidad de San Buenaventura, Facultad de Ingenier´ıas, 2022
instname:Universidad de San Buenaventura
reponame:Repositorio Institucional Universidad de San Buenaventura
repourl:https://bibliotecadigital.usb.edu.co/
url https://hdl.handle.net/10819/13255
dc.language.iso.none.fl_str_mv spa
language spa
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
rights_invalid_str_mv http://purl.org/coar/access_right/c_abf2
dc.format.extent.none.fl_str_mv 57 páginas
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Universidad de San Buenaventura
dc.publisher.branch.spa.fl_str_mv Medellín
dc.publisher.faculty.spa.fl_str_mv Facultad de Ingeniería
dc.publisher.place.none.fl_str_mv Medellín
dc.publisher.program.spa.fl_str_mv Ingeniería de Sonido
institution Universidad de San Buenaventura
dc.source.bibliographicCitation.spa.fl_str_mv [1] P. R. Kirby, ✭✭The Evolution and Decline of the Traditional Recording Studio,✮✮ University of Liverpool, n.o September, pag. 438, 2015.
[2] A. Pras, C. Guastavino y M. Lavoie, ✭✭The impact of technological advances on recording studio practices,✮✮ Journal of the American Society for Information Science and Technology, vol. 64, n.o 3, pags. 612-626, 2013, ´ ISSN: 15322882. DOI: 10.1002/asi.22840.
[3] B. De Man, J. D. Reiss y R. Stables, Intelligent Music Production. 2020, vol. 1, ISBN: 9781138055186.
[4] A. T. Sabin y B. Pardo, ✭✭A method for rapid personalization of audio equalization parameters,✮✮ MM’09 - Proceedings of the 2009 ACM Multimedia Conference, with Co-located Workshops and Symposiums, pags. 769-772, 2009. ´ DOI: 10.1145/1631272.1631410.
[5] H. Behrends, A. V. D. Knesebeck, W. Bradinal, P. Neumann y Zol, ¨ ✭✭Automatic Equalization Using Parametric IIR Filters,✮✮ vol. 59, n.o 3, 2011.
[6] Z. Ma, J. D. Reiss y D. A. Black, ✭✭Implementation of an intelligent equalization tool using YuleWalker for music mixing and mastering Zheng,✮✮ Audio Engineering Society - 134th Convention, 2013.
[7] C. Dewey y J. P. Wakefield, ✭✭Evaluation of an Algorithm for the Automatic Detection of Salient Frequencies in Individual tracks of Multi-track Musical Recordings,✮✮ pags. 1-5, 2015.
[8] R. Izhaki, Mixing Audio; Concepts, Practises and Tools. 2008, ISBN: 9780240520681.
[9] P. Duarte Pestana, Z. Ma, J. D. Reiss, A. Barbosa y D. A. A. Black, ´ ✭✭Spectral Characteristics of Popular Commercial Recordings 1950-2010 Pedro,✮✮ AES 135th International Convention, pags. 1-7, ´ 2013
[10] R. Gang, G. Bocko, J. Lundberg, D. Headlam y M. F. Bocko, ✭✭AUTOMATIC MUSIC PRODUCTION SYSTEM EMPLOYING PROBABILISTIC EXPERT SYSTEMS,✮✮ AES 129th International Convention, pags. 1-11, 2010
[11] D. Moffat y M. B. Sandler, ✭✭Approaches in Intelligent Music Production,✮✮ Arts, vol. 8, n.o 4, pag. 125, 2019. ´ DOI: 10.3390/arts804012
[12] J. Semmlow, ✭✭Linear System Analysis: Applications,✮✮ Signals and Systems for Bioengineers, pags. 317-374, ´ ene. de 2012. DOI: 10.1016/B978-0-12-384982-3.00008-0.
[13] A. V. Oppenheim y A. S. Willsky, Senales y sistemas ˜ . [14] S. C. Dutta Roy, ✭✭State of the Art Survey on Linear Ph
[14] S. C. Dutta Roy, ✭✭State of the Art Survey on Linear Phase Digital Filter Design.,✮✮ J Inst Electron Telecommun Eng, vol. 22, n.o 1, pags. 1-4, 1976, ´ ISSN: 0377-2063. DOI: 10.1080/03772063.1976. 11450887.
[15] A. Elowsson y A. Friberh, ✭✭Long-term Average Spectrum in Popular Music and its Rela- tion to the Level of the Percussion Anders,✮✮ AES 142nd Convention, 2017.
[16] M. Awais, M. Paara, A. Ahmed y U. Tariq, ✭✭Energy Efficient Design of Fast Fourier Transform using Reversible Logic,✮✮ vol. 52, n.o January, 2022.
[17] P. M. T. Broersen, ✭✭Finite-Sample Bias Propagation in the Yule-Walker Method of Autoregressive Estimation,✮✮ pags. 2744-2749, 2008
[18] EBU, ✭✭Loudness Parameters for Short-Form Content ( Adverts , Promos Etc .),✮✮ n.o August, pags. 1-4, 2020.
[19] ITU-R BS.1770-4, ✭✭Algorithms to measure audio programme loudness and true-peak audio level BS Series Broadcasting service (sound),✮✮ Radiocommunication Sector of ITU, vol. 4, n.o October, 2015. direccion: https://www.itu.int/dms ´ pubrec/itu-r/rec/bs/R-REC-BS.1770-4-201510-I!!PDF-E.pdf.
[20] J. Martin, Programming real-time computer systems. Englewood Cliffs, N.J., 1993.
[21] G. C. Buttazzo, Hard Real-Time Computing Systems. 2014, ISBN: 9781461406754.
[22] W. C. Pirkle, Designing Audio Effect Plugins in C++. For AAX, AU and VST3 with DSP Theory, 2nd. Routledge, 2019, ISBN: 9781138591899; 1138591890
[23] M. M. ( Richard Boulanger (ed.) Victor Lazzarini (ed.), The Audio Programming Book, 1st. The MIT Press, 2010, ISBN: 0262014467; 9780262014465.
[24] F. Rumsey, ✭✭High Resolution Audio,✮✮ vol. 55, n.o 12, 2007.
[25] A. Pras y C. Guastavino, ✭✭Sampling Rate Discrimination: 44.1 kHz vs. 88.2 kHz,✮✮ inf. tec., 2010. ´ direccion: https://www.researchgate.net/publication/257068631.
[26] C. Hummersone y T. Pratzlich, ¨ IoSR MATLAB Toolbox, 2017. direccion: https://github.com/IoSR- ´ Surrey/MatlabToolbox.
[27] Y.-w. Liu, ✭✭The Overlap-Add System for Audio Analysis and Synthesis,✮✮ n.o October, pags. 1-6, ´ 201
[28] E. M. A. Hussein, Computed Radiation Imaging. 2011. DOI: https://doi.org/10.1016/C2011-0- 00133-3.
[29] S. G. Kwak y J. H. Kim, ✭✭Central limit theorem: The cornerstone of modern statistics,✮✮ Korean Journal of Anesthesiology, vol. 70, pags. 144-156, 2 abr. de 2017, ´ ISSN: 20057563. DOI: 10.4097/ KJAE.2017.70.2.144
[30] N. C. D´ıaz, Distribuciones de probabilidad, 2006.
[31] F. De castro, FITMETHIS Function, 2022. direccion: https://www.mathworks.com/matlabcentral/ ´ fileexchange/40167-fitmethis.
[32] D. J. Katz y R. Gentile, Embedded media processing. 2014, ISBN: 9780750679121
[33] S. Mansbridge, S. Finn y J. D. Reiss, ✭✭Implementation and Evaluation of Autonomous Multi-track Fader Control,✮✮ AES 132nd Convention, 2012
[34] T. Poulsen y T. Poulsen, ✭✭Acoustic Communication Hearing and Speech Acoustic Communication,✮✮ 2005.
[35] F. Mclean y O. Jiˇr´ıcek, ˇ ✭✭A Comparison of Sharpness Evaluation Models,✮✮ n.o December 2020, 2021.
[36] Littelfuse, ✭✭Suppression of Transients in an Automotive Environment,✮✮ vol. 6, n.o 4, pags. 49-60, ´ 1999. direccion: http://www.littelfuse.com/data/en/application ´ notes/an9312.pdf.
[37] J. Reiss y A. McPherson, Audio Effects: Theory, Implementation and Application. CRC Press, 2014, ISBN: 9781466560291. direccion: https://books.google.com.co/books?id=mlHSBQAAQBAJ.
[38] Z. Ma, ✭✭Intelligent Tools For Multitrack Frequency and Dynamics Processing,✮✮ pags. 1-178, 2016. ´ direccion: https://qmro.qmul.ac.uk/xmlui/handle/123456789/23289
[39] B. Porat, ✭✭The Modified Yule-Walker Method of ARMA Spectral Estimation,✮✮ 1983.
[40] Recursive Digital filter Design. direccion: https://la.mathworks.com/help/signal/ref/yulewalk.html.
dc.source.other.none.fl_str_mv Biblioteca USB Medellín (San Benito): TG-7020t
bitstream.url.fl_str_mv https://bibliotecadigital.usb.edu.co/bitstreams/faa77862-7684-47c9-82a7-d999478a9855/download
https://bibliotecadigital.usb.edu.co/bitstreams/f869fcee-455a-41c9-b287-49398702ae7b/download
https://bibliotecadigital.usb.edu.co/bitstreams/c2f6f2a7-726d-43f2-b5d1-f0e37e8e1b0b/download
https://bibliotecadigital.usb.edu.co/bitstreams/81deac72-8bc9-4296-a5d5-af1cf0111ce0/download
bitstream.checksum.fl_str_mv 44c09d426429537ea2e40ce55881bb12
ce8fd7f912f132cbeb263b9ddc893467
ec7b23aa26cb1fb24c5d42945c548d7e
476bdac2d331fc1094374f3dcce8aa3e
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad de San Buenaventura Colombia
repository.mail.fl_str_mv bdigital@metabiblioteca.com
_version_ 1837099174477168640
spelling Yepes Díaz, Mateob181e0ce-3d3b-4793-93ad-ecc95c04a275-1Bedoya Salazar, Jose Manuel459667b2-f9e0-45d6-b4d5-54e461602dc3-1Merino Jaramillo, David5aaeb5c8-c189-4e3a-bc5a-cfa3fb6b0127-12024-03-19T17:28:39Z2024-03-19T17:28:39Z2022El presente trabajo busca crear un ecualizador automatico basado en los espectros de frecuencia a largo plazo (LTAS) de las canciones mas escuchadas en Colombia en la plataforma Spotify entre 2017 y 2022, clasificadas por genero de manera que el usuario tenga multiples opciones al momento de aplicar el prototipo a su produccion. Estos espectros se obtienen por 2 metodos basados en modelos de extracción de LTAS, los cuales se comparan entre si para evaluar las diferencias entre la curva generada por cada metodo, además de la precisión de cada uno; para así poder ecualizar una cancion tal que se asemeje al espectro promedio del genero que escoja el usuario, lo cual se busca lograr por medio de filtros de respuesta al impulso infinita (IIR) y se suavizan por medio de filtros gaussianos para disminuir los armonicos y ruidos que estos puedan inducir sobre el espectro resultante. Se presentan de manera grafica los espectros resultantes, en los cuales se encuentran algunas discrepancias entre los espectros objetivos y los espectros resultantes, principalmente por las condiciones dadas por la normativa EBU R-128, la cual rige en parte el metodo dos aqu ´ ´ı utilizado, ademas de la inestabilidad de los filtros IIR; y se realiza el diseño de un prototipo del ecualizador, tal que el usuario pueda importar la produccion a procesar, aplicar y modificar de diferentes maneras la forma en la que el ecualizador actua sobre esta y exportar el resultado como este lo desee.This document is projected on the creation of an automatic equalizer based on long term average spectrum (LTAS) of the most listened songs in Colombia on Spotify between the years 2017 and 2022, classified by genre in a way that the user has multiple choices when applying the prototipe to their music production. The LTAS are obtained through 2 methods based on LTAS-extraction models, which are then compared between them to evaluate their differences through the obtained curves for each method, as well as the precision of such curves; so that a song can be equalized approximately to the LTAS of the user-selected genre, which is accomplished through Infinite Impulse response filters (IIR) and smoothed through a gaussian filter to lower the harmonics and noises induced by the filters on the output spectrum. These are graphically presented, where one can spot a few discrepancies between the target and the output spectrums, mainly due to the conditions imposed by the EBU R-128 regulation, which dictates from a certain point the way the second method used works, as well as the inestability of the IIR filters; and it is designed a prototype of the equalizer which allows the user to import the production to process, apply and modify the different ways the equalizer acts upon it, and export the result how they pleasePregradoIngeniero de SonidoSedes::Medellín::Línea de investigación acústica y procesamiento de señal (Medellín)57 páginasapplication/pdfJose Bedoya ”and” David Merino, ”Creaci ´ on de un ecualizador automatico basado en espectros de frecuencia promedio a largo plazo, tomados de producciones musicales de pista unica entre 2017 y 2022”, Tesis de Pregrado, Ingenier´ıa de Sonido, Universidad de San Buenaventura, Facultad de Ingenier´ıas, 2022instname:Universidad de San Buenaventurareponame:Repositorio Institucional Universidad de San Buenaventurarepourl:https://bibliotecadigital.usb.edu.co/https://hdl.handle.net/10819/13255spaUniversidad de San BuenaventuraMedellínFacultad de IngenieríaMedellínIngeniería de Sonidoinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2[1] P. R. Kirby, ✭✭The Evolution and Decline of the Traditional Recording Studio,✮✮ University of Liverpool, n.o September, pag. 438, 2015.[2] A. Pras, C. Guastavino y M. Lavoie, ✭✭The impact of technological advances on recording studio practices,✮✮ Journal of the American Society for Information Science and Technology, vol. 64, n.o 3, pags. 612-626, 2013, ´ ISSN: 15322882. DOI: 10.1002/asi.22840.[3] B. De Man, J. D. Reiss y R. Stables, Intelligent Music Production. 2020, vol. 1, ISBN: 9781138055186.[4] A. T. Sabin y B. Pardo, ✭✭A method for rapid personalization of audio equalization parameters,✮✮ MM’09 - Proceedings of the 2009 ACM Multimedia Conference, with Co-located Workshops and Symposiums, pags. 769-772, 2009. ´ DOI: 10.1145/1631272.1631410.[5] H. Behrends, A. V. D. Knesebeck, W. Bradinal, P. Neumann y Zol, ¨ ✭✭Automatic Equalization Using Parametric IIR Filters,✮✮ vol. 59, n.o 3, 2011.[6] Z. Ma, J. D. Reiss y D. A. Black, ✭✭Implementation of an intelligent equalization tool using YuleWalker for music mixing and mastering Zheng,✮✮ Audio Engineering Society - 134th Convention, 2013.[7] C. Dewey y J. P. Wakefield, ✭✭Evaluation of an Algorithm for the Automatic Detection of Salient Frequencies in Individual tracks of Multi-track Musical Recordings,✮✮ pags. 1-5, 2015.[8] R. Izhaki, Mixing Audio; Concepts, Practises and Tools. 2008, ISBN: 9780240520681.[9] P. Duarte Pestana, Z. Ma, J. D. Reiss, A. Barbosa y D. A. A. Black, ´ ✭✭Spectral Characteristics of Popular Commercial Recordings 1950-2010 Pedro,✮✮ AES 135th International Convention, pags. 1-7, ´ 2013[10] R. Gang, G. Bocko, J. Lundberg, D. Headlam y M. F. Bocko, ✭✭AUTOMATIC MUSIC PRODUCTION SYSTEM EMPLOYING PROBABILISTIC EXPERT SYSTEMS,✮✮ AES 129th International Convention, pags. 1-11, 2010[11] D. Moffat y M. B. Sandler, ✭✭Approaches in Intelligent Music Production,✮✮ Arts, vol. 8, n.o 4, pag. 125, 2019. ´ DOI: 10.3390/arts804012[12] J. Semmlow, ✭✭Linear System Analysis: Applications,✮✮ Signals and Systems for Bioengineers, pags. 317-374, ´ ene. de 2012. DOI: 10.1016/B978-0-12-384982-3.00008-0.[13] A. V. Oppenheim y A. S. Willsky, Senales y sistemas ˜ . [14] S. C. Dutta Roy, ✭✭State of the Art Survey on Linear Ph[14] S. C. Dutta Roy, ✭✭State of the Art Survey on Linear Phase Digital Filter Design.,✮✮ J Inst Electron Telecommun Eng, vol. 22, n.o 1, pags. 1-4, 1976, ´ ISSN: 0377-2063. DOI: 10.1080/03772063.1976. 11450887.[15] A. Elowsson y A. Friberh, ✭✭Long-term Average Spectrum in Popular Music and its Rela- tion to the Level of the Percussion Anders,✮✮ AES 142nd Convention, 2017.[16] M. Awais, M. Paara, A. Ahmed y U. Tariq, ✭✭Energy Efficient Design of Fast Fourier Transform using Reversible Logic,✮✮ vol. 52, n.o January, 2022.[17] P. M. T. Broersen, ✭✭Finite-Sample Bias Propagation in the Yule-Walker Method of Autoregressive Estimation,✮✮ pags. 2744-2749, 2008[18] EBU, ✭✭Loudness Parameters for Short-Form Content ( Adverts , Promos Etc .),✮✮ n.o August, pags. 1-4, 2020.[19] ITU-R BS.1770-4, ✭✭Algorithms to measure audio programme loudness and true-peak audio level BS Series Broadcasting service (sound),✮✮ Radiocommunication Sector of ITU, vol. 4, n.o October, 2015. direccion: https://www.itu.int/dms ´ pubrec/itu-r/rec/bs/R-REC-BS.1770-4-201510-I!!PDF-E.pdf.[20] J. Martin, Programming real-time computer systems. Englewood Cliffs, N.J., 1993.[21] G. C. Buttazzo, Hard Real-Time Computing Systems. 2014, ISBN: 9781461406754.[22] W. C. Pirkle, Designing Audio Effect Plugins in C++. For AAX, AU and VST3 with DSP Theory, 2nd. Routledge, 2019, ISBN: 9781138591899; 1138591890[23] M. M. ( Richard Boulanger (ed.) Victor Lazzarini (ed.), The Audio Programming Book, 1st. The MIT Press, 2010, ISBN: 0262014467; 9780262014465.[24] F. Rumsey, ✭✭High Resolution Audio,✮✮ vol. 55, n.o 12, 2007.[25] A. Pras y C. Guastavino, ✭✭Sampling Rate Discrimination: 44.1 kHz vs. 88.2 kHz,✮✮ inf. tec., 2010. ´ direccion: https://www.researchgate.net/publication/257068631.[26] C. Hummersone y T. Pratzlich, ¨ IoSR MATLAB Toolbox, 2017. direccion: https://github.com/IoSR- ´ Surrey/MatlabToolbox.[27] Y.-w. Liu, ✭✭The Overlap-Add System for Audio Analysis and Synthesis,✮✮ n.o October, pags. 1-6, ´ 201[28] E. M. A. Hussein, Computed Radiation Imaging. 2011. DOI: https://doi.org/10.1016/C2011-0- 00133-3.[29] S. G. Kwak y J. H. Kim, ✭✭Central limit theorem: The cornerstone of modern statistics,✮✮ Korean Journal of Anesthesiology, vol. 70, pags. 144-156, 2 abr. de 2017, ´ ISSN: 20057563. DOI: 10.4097/ KJAE.2017.70.2.144[30] N. C. D´ıaz, Distribuciones de probabilidad, 2006.[31] F. De castro, FITMETHIS Function, 2022. direccion: https://www.mathworks.com/matlabcentral/ ´ fileexchange/40167-fitmethis.[32] D. J. Katz y R. Gentile, Embedded media processing. 2014, ISBN: 9780750679121[33] S. Mansbridge, S. Finn y J. D. Reiss, ✭✭Implementation and Evaluation of Autonomous Multi-track Fader Control,✮✮ AES 132nd Convention, 2012[34] T. Poulsen y T. Poulsen, ✭✭Acoustic Communication Hearing and Speech Acoustic Communication,✮✮ 2005.[35] F. Mclean y O. Jiˇr´ıcek, ˇ ✭✭A Comparison of Sharpness Evaluation Models,✮✮ n.o December 2020, 2021.[36] Littelfuse, ✭✭Suppression of Transients in an Automotive Environment,✮✮ vol. 6, n.o 4, pags. 49-60, ´ 1999. direccion: http://www.littelfuse.com/data/en/application ´ notes/an9312.pdf.[37] J. Reiss y A. McPherson, Audio Effects: Theory, Implementation and Application. CRC Press, 2014, ISBN: 9781466560291. direccion: https://books.google.com.co/books?id=mlHSBQAAQBAJ.[38] Z. Ma, ✭✭Intelligent Tools For Multitrack Frequency and Dynamics Processing,✮✮ pags. 1-178, 2016. ´ direccion: https://qmro.qmul.ac.uk/xmlui/handle/123456789/23289[39] B. Porat, ✭✭The Modified Yule-Walker Method of ARMA Spectral Estimation,✮✮ 1983.[40] Recursive Digital filter Design. direccion: https://la.mathworks.com/help/signal/ref/yulewalk.html.Biblioteca USB Medellín (San Benito): TG-7020t530 - Física::534 - Sonido y vibraciones relacionadasProducción musicalSistema auditivoGrabacionesEcualizador automáticoLTASFiltro IIRMetodo autorregresivoYule-WalkerAutomatic equalizerIIR filterAutoregressive methodCreación de un ecualizador automático basado en espectros de frecuencia promedio a largo plazo, tomados de producciones musicales de pista unica entre 2017 y 2022Trabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesishttp://purl.org/redcol/resource_type/TPinfo:eu-repo/semantics/acceptedVersionComunidad Científica y AcadémicaPublicationORIGINALEcualizador_Espectros_Promedio_2023.pdfEcualizador_Espectros_Promedio_2023.pdfapplication/pdf7079973https://bibliotecadigital.usb.edu.co/bitstreams/faa77862-7684-47c9-82a7-d999478a9855/download44c09d426429537ea2e40ce55881bb12MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82079https://bibliotecadigital.usb.edu.co/bitstreams/f869fcee-455a-41c9-b287-49398702ae7b/downloadce8fd7f912f132cbeb263b9ddc893467MD52TEXTEcualizador_Espectros_Promedio_2023.pdf.txtEcualizador_Espectros_Promedio_2023.pdf.txtExtracted texttext/plain101907https://bibliotecadigital.usb.edu.co/bitstreams/c2f6f2a7-726d-43f2-b5d1-f0e37e8e1b0b/downloadec7b23aa26cb1fb24c5d42945c548d7eMD53THUMBNAILEcualizador_Espectros_Promedio_2023.pdf.jpgEcualizador_Espectros_Promedio_2023.pdf.jpgGenerated Thumbnailimage/jpeg6686https://bibliotecadigital.usb.edu.co/bitstreams/81deac72-8bc9-4296-a5d5-af1cf0111ce0/download476bdac2d331fc1094374f3dcce8aa3eMD5410819/13255oai:bibliotecadigital.usb.edu.co:10819/132552025-03-06 14:56:14.836https://bibliotecadigital.usb.edu.coRepositorio Institucional Universidad de San Buenaventura Colombiabdigital@metabiblioteca.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

Publicaciones similares