La separación de fuentes sonoras ha sido en los últimos tiempos, uno de los temas más recurrentes en el ámbito del procesado de señal. El avance en disciplinas tales como el Deep Learning ha supuesto una gran contribución en la mejora de los algoritmos que tratan de recrear la habilidad humana de identificar fuentes sonoras de manera individual. Este trabajo se centra en abordar el estudio de las distintas técnicas de separación de fuentes musicales en mezclas estereofónicas. En él se presentan las claves para la implementación y evaluación de un modelo que permita separar los diferentes instrumentos musicales de mezclas musicales profesionales. Para ello se comienza analizando las propuestas existentes de sistemas basados en redes neuronales y su rendimiento para, posteriormente, implementar una arquitectura de separación automática de fuentes musicales y realizar al sistema resultante una evaluación de medidas objetivas.

Sound source separation has been, in recent times, one of the top trending topics in the field of signal processing. Advances in disciplines such as Deep Learning have made a great contribution to the improvement of algorithms that try to recreate the human ability to identify individual sound sources. This paper focuses on the study of different techniques for musical source separation in stereo mixtures. It presents the keys for the implementation and evaluation of a model that allows the separation of different musical instruments in professional musical mixtures. For this purpose, existing proposals for neural network-based systems and their performance have been analyzed in order to implement an architecture for the automatic separation of musical sources and perform an objective measurement evaluation of the resulting system.

Universidad de Sevilla. Grado en Ingeniería de las Tecnologías de Telecomunicación