Rhythm complexity analysis for odd time signatures

Nowadays, Music Information Retrieval applications are rapidly increasing, with particular attention to classification of musical content into userfriendly descriptors, starting from the music signal or a representation of the related musical properties. In this thesis we focus on rhythm, one of the most important aspects of music, and in particular, we aim at the automatic estimation of rhythmic complexity. This problem has been addressed by researchers for a long time as attempt to better understand the process of entrainment, which represents the human’s inner instinct of synchronization to an external perceived rhythm. However, since the complexity depends also on factors like listener’s musical experience and education, it is highly subjective, and the process of automatic measuring is not trivial. Although the state of the art offers several methods for rhythmic complexity analysis, at the best of our knowledge, none of them has a straight- forward application for the evaluation of rhythmic patterns with unconventional time signatures, especially if we consider experimental musical genres like jazz and progressive rock; and non-Western musical cultures. This thesis proposes a quantitative model able to estimate rhythmic complexity related to unconventional time signatures. The model starts from a symbolic representation of the rhythm and combines perceptual and mathematical features, taking advantage of both approaches. A perceptual test was designed and conducted in order to validate the model. For this test we generated a novel dataset that includes only rhythms with odd time signature. As shown by the gathered results, our model’s estimates of complexity are more accurate than the set of models found in the state of the art. Although the test focuses only on unconventional rhythms, we provide empirical evidence that our model can be successfully applied also to standard meters.

Al giorno d’oggi le applicazioni di Music Information Retrieval si diffondono sempre più rapidamente, con particolare attenzione alla classificazione del contenuto musicale tramite descrittori di facile comprensione per l’utente, a partire dal segnale musicale o dalla rappresentazione della proprietà musicali associate al segnale stesso. In questa tesi ci concentriamo sul ritmo, uno degli aspetti più importanti in musica, e in particolar modo, ci proponiamo di stimare in maniera automatica la complessità ritmica. Per molto tempo i ricercatori hanno analizzato questo problema, con il tentativo di fornire una comprensione migliore del processo di entrainment, ovvero il meccanismo biologico attraverso il quale l’uomo sincronizza l’organismo con uno stimolo ritmico esterno. Il processo di classificazione automatica rimane comunque molto complesso, dato che il concetto di complessità è fortemente soggettivo e dipende da fattori che derivano anche dall’educazione e dall’esperienza musicale dell’ascoltatore. Nonostante lo stato dell’arte offra numerosi metodi di analisi della complessità ritmica, troviamo che nessuno di questi fornisca una chiara applicazione della valutazione di strutture ritmiche con tempi non convenzionali, soprattutto se consideriamo generi musicali sperimentali come il jazz o il progressive rock; e culture musicali non occidentali. Questa tesi propone un modello quantitativo in grado di stimare la complessità ritmica legata a tempi non convenzionali. Il modello parte da una rappresentazione simbolica del ritmo e combina aspetti percettivi e matematici, sfruttando le qualità di entrambi gli approcci. Infine, è stato progettato un test percettivo al fine di validare il modello. Per questo test abbiamo generato un nuovo dataset che include solo ritmi con tempi dispari. Come dimostrano i risultati ottenuti, le stime di complessità del nostro modello sono più accurate rispetto ai modelli presenti in letteratura superando lo stato dell’arte. Sebbene il test si concentri solo su ritmi non convenzionali, dimostriamo empiricamente che il nostro modello può essere applicato con successo anche alla valutazione di metriche standard.