Ementa: Psico-acústica e aspectos fisiológicos da audição. Contextos históricos e culturais da tecnologia musical Física de instrumentos musicais Music Information Retrieval: principais problemas e algoritmos Técnicas de síntese digital de sinais sonoros

Bibliografia: Artigos selecionados.

Conteudo Programático: 1.Fundamentos da acústica e da percepção sonora Propagação sonora, bandas críticas, loudness, pitch, rugosidade e mascaramento Fisiologia da audição e princípios da psicoacústica Tempo mínimo entre sons, percepção de eventos e escalas auditivas Representação e análise de sinais sonoros Amostragem, quantização e aliasing Síntese e análise de senóides Transformada de Fourier (DFT/FFT) e interpretação espectral Descritores sonoros de baixo nível (envoltória, espectrograma, cepstro, MFCC, centróide espectral, roll-off, entropia) Convolução e efeitos digitais lineares Convolução no tempo e multiplicação na frequência Filtros FIR, reverberação digital e técnicas de sobreposição (overlap-add) Extração de características e análise estatística Estatística aplicada a áudio (média, variância, p-valor, ANOVA) Representação vetorial de sons e comparação de grupos Aprendizado de máquina e inteligência artificial aplicados ao som Classificação de áudio com KNN e GMM Redes neurais profundas: extração automática de características, backpropagation, regularização e overfitting Introdução ao uso de Keras para áudio Modelos temporais com Hidden Markov Models (HMMs) Aplicações: transcrição de fala, classificação de músicas por gênero, emoção e tags Síntese sonora e efeitos digitais Síntese aditiva e envoltórias ADSR Síntese FM e algoritmos genéticos Waveshaping e síntese subtrativa Síntese por modelos físicos Efeitos digitais: delay, eco, chorus, flanger, reverb Efeitos não-lineares e reativos: waveshaping, compressor, limiter

Conteudo Programático em Inglês: 1. Fundamentals of acoustics and sound perception a. Sound propagation, critical bands, loudness, pitch, roughness and masking b. Physiology of hearing and principles of psychoacoustics c. Minimum time between sounds, perception of events and auditory scales 2. Representation and analysis of sound signals . Sampling, quantization and aliasing a. Synthesis and analysis of sinusoids b. Fourier transform (DFT/FFT) and spectral interpretation c. Low-level sound descriptors (envelope, spectrogram, cepstrum, MFCC, spectral centroid, roll-off, entropy) 3. Convolution and linear digital effects . Time convolution and frequency multiplication a. FIR filters, digital reverberation and overlap-add techniques 4. Feature extraction and statistical analysis . Statistics applied to audio (mean, variance, p-value, ANOVA) a. Vector representation of sounds and comparison of groups 5. Machine learning and artificial intelligence applied to sound . Audio classification with KNN and GMM a. Deep neural networks: automatic feature extraction, backpropagation, regularization and overfitting b. Introduction to the use of Keras for audio c. Temporal models with Hidden Markov Models (HMMs) d. Applications: speech transcription, music classification by genre, emotion and tags 6. Sound synthesis and digital effects . Additive synthesis and ADSR envelopes a. FM synthesis and genetic algorithms b. Waveshaping and subtractive synthesis c. Synthesis using physical models d. Digital effects: delay, echo, chorus, flanger, reverb e. Non-linear and reactive effects: waveshaping, compressor, limiter

Conteudo Programático em Espanhol: 1. Fundamentos de acústica y percepción del sonido a. Propagación del sonido, bandas críticas, sonoridad, tono, rugosidad y enmascaramiento b. Fisiología de la audición y principios de psicoacústica c. Tiempo mínimo entre sonidos, percepción de eventos y escalas auditivas 2. Representación y análisis de señales sonoras . Muestreo, cuantificación y aliasing a. Síntesis y análisis de sinusoides b. Transformada de Fourier (DFT/FFT) e interpretación espectral c. Descriptores sonoros de bajo nivel (envolvente, espectrograma, cepstrum, MFCC, centroide espectral, roll-off, entropía) 3. Convolución y efectos digitales lineales . Convolución temporal y multiplicación de frecuencias a. Filtros FIR, reverberación digital y técnicas de superposición y adición 4. Extracción de características y análisis estadístico . Estadística aplicada al audio (media, varianza, valor p, ANOVA) a. Representación vectorial de sonidos y comparación de grupos 5. Aprendizaje automático e inteligencia artificial aplicados al sonido . Clasificación de audio con KNN y GMM a. Redes neuronales profundas: extracción automática de características, backpropagation, regularización y overfitting b. Introducción al uso de Keras para audio c. Modelos temporales con Hidden Markov Models (HMMs) d. Aplicaciones: transcripción de voz, clasificación de música por género, emoción y etiquetas 6. Síntesis de sonido y efectos digitales . Síntesis aditiva y envolventes ADSR a. Síntesis FM y algoritmos genéticos b. Waveshaping y síntesis sustractiva c. Síntesis mediante modelos físicos d. Efectos digitales: delay, eco, chorus, flanger, reverb  e. Efectos no lineales y reactivos: waveshaping, compresor, limitador

Forma Avaliação: Seminários e trabalhos.