Modelado de las etapas de amplificación y distorsión de guitarra eléctrica mediante redes neuronales recurrentes y redes neuronales convolucionales

Abstract

Los amplificadores de guitarra y la introducción de efectos analógicos tienen mucha importancia en la historia de la música desde ya hace varias décadas, ya que son dispositivos muy requeridos tanto para grabaciones como sonido en vivo. El presente trabajo de titulación realiza el modelamiento de los amplificadores de guitarra eléctrica y el efecto producido por un pedal, específicamente el efecto de distorsión que es el más comúnmente utilizado. Para esto se emplea aprendizaje automático y de esta manera realizar una comparación del desempeño de esta tecnología en el campo de la producción musical en términos de calidad de sonido, costos de implementación, facilidad de uso, eficiencia en los procesos computacionales, entre otros. Con este estudio se pretende obtener modelos que específicamente emulen un amplificador de guitarra (Mesa Boogie Dual Rectifier) y el efecto distorsión producido por un pedal (Ibanez Tube Screamer), a partir de redes neuronales recurrentes y redes neuronales convolucionales. Además, realizar una comparación que permita determinar de manera subjetiva la calidad de sonido obtenido con el uso de estos modelos, empleando una encuesta. Y de manera objetiva con herramientas como, cálculos de errores y comparaciones del contenido frecuencial de las señales para poder extraer características que presentan estos dos modelos basados en el aprendizaje automático.