Academic literature on the topic 'Carnatic music'
Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles
Consult the lists of relevant articles, books, theses, conference reports, and other scholarly sources on the topic 'Carnatic music.'
Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.
You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.
Journal articles on the topic "Carnatic music"
N, Kiritharan Sharma. "Importance of Mridangam (Percussion Instrument) in Carnatic Music Concerts." International Research Journal of Tamil 4, S-9 (July 28, 2022): 69–75. http://dx.doi.org/10.34256/irjt22s910.
Full textNiranjan, Sujatha. "How to Read Carnatic Music on Violin." Shanlax International Journal of Tamil Research 6, no. 2 (October 1, 2021): 70–75. http://dx.doi.org/10.34293/tamil.v6i2.4349.
Full textRadhakrishnan, Nandhu, Savithri S.R., and Rammohan Gangisetty. "Expression of Emotions in Carnatic Vocal Music." Music and Medicine 8, no. 3 (July 31, 2016): 108. http://dx.doi.org/10.47513/mmd.v8i3.438.
Full textSruthy Chandrasekhar. "Kerala and Carnatic Music." Integrated Journal for Research in Arts and Humanities 2, no. 2 (March 31, 2022): 22–25. http://dx.doi.org/10.55544/ijrah.2.2.17.
Full textSruthy Chandrasekhar. "Kerala and Carnatic Music." Integrated Journal for Research in Arts and Humanities 2, no. 2 (March 31, 2022): 22–25. http://dx.doi.org/10.55544/ijrasb.2.2.17.
Full textSankar Ganesh, J. "Impact of Carnatic Raga-s on the Milk Yield of Cows." Shanlax International Journal of Arts, Science and Humanities 8, no. 2 (October 1, 2020): 83–87. http://dx.doi.org/10.34293/sijash.v8i2.3318.
Full textWren, Toby. "Remembering Palghat Raghu." Ethnomusicology 67, no. 1 (January 1, 2023): 96–122. http://dx.doi.org/10.5406/21567417.67.1.07.
Full textDiwakar, Pranathi. "City Music—A Reprise." Contexts 20, no. 1 (February 2021): 63–64. http://dx.doi.org/10.1177/1536504221997873.
Full textAllen, Matthew, and T. V. Kuppuswami. "Carnatic Music and the Tamils." Notes 51, no. 4 (June 1995): 1345. http://dx.doi.org/10.2307/899141.
Full textN, Kiritharan Sharma. "Bharathiyar's Passion for Carnatic Music and Folk Music." International Research Journal of Tamil 4, S-11 (September 9, 2022): 104–10. http://dx.doi.org/10.34256/irjt224s1114.
Full textDissertations / Theses on the topic "Carnatic music"
Krishnamurthy, Thanmayee. "Sing Rāga, Embody Bhāva: The Way of Being Rasa." Thesis, University of North Texas, 2019. https://digital.library.unt.edu/ark:/67531/metadc1505144/.
Full textRobinson, N. Scott. ""Tradition and Renewal: The Development of the Kanjira in South India"." Kent State University / OhioLINK, 2013. http://rave.ohiolink.edu/etdc/view?acc_num=kent1374989200.
Full textMoore, Darren. "The Adaptation of Indian Carnatic Rhythmic Structures and Improvisation Methods into Drum Set Language and Performance Practice." Thesis, Griffith University, 2013. http://hdl.handle.net/10072/367339.
Full textThesis (Professional Doctorate)
Doctor of Musical Arts (DMA)
Queensland Conservatorium of Music
Arts, Education and Law
Full Text
Nelson, David Paul. "Mrdangam mind the tani āvartanam in Karnatak music /." Ann Arbor, Mich. : UMI Dissertation Information Service, 1991. http://catalog.hathitrust.org/api/volumes/oclc/36660333.html.
Full text"A dissertation in music submitted in Partial Fulfillment of the Requirements for the Doctor of Philosophy ..." Includes bibliographical references (v. 1: p. 390-391).
Nadadur, Kannan Rajalakshmi. "Performing 'religious' music : interrogating Karnatic Music within a postcolonial setting." Thesis, University of Stirling, 2013. http://hdl.handle.net/1893/18272.
Full textRao, Madhuri Preeti. "Senior Composition Thesis." Scholarship @ Claremont, 2016. http://scholarship.claremont.edu/scripps_theses/812.
Full textWren, Toby Christopher. "Improvising Culture: Discursive Interculturality as a Critical Tool, Aesthetic, and Methodology for Intercultural Music." Thesis, Griffith University, 2015. http://hdl.handle.net/10072/367035.
Full textThesis (PhD Doctorate)
Doctor of Philosophy (PhD)
Queensland Conservatorium
Arts, Education and Law
Full Text
Rogers, Glenn Andrew. "The application of Konokol to guitar improvisation and composition." Thesis, Edith Cowan University, Research Online, Perth, Western Australia, 2017. https://ro.ecu.edu.au/theses/1956.
Full textKoduri, Gopala Krishna. "Towards a multimodal knowledge base for Indian art music: a case study with melodic intonation." Doctoral thesis, Universitat Pompeu Fabra, 2017. http://hdl.handle.net/10803/402439.
Full textEsta tesis es resultado de nuestro trabajo de investigación para construir una base de conocimiento multimodal para el caso específico de la música carnática. Además de hacer uso de metadatos y notación simbólica, procesamos texto de lenguaje natural y datos de audio para extraer información culturalmente relevante y musicalmente significativa, y estructurarla con representaciones formales de conocimiento. En líneas generales, este proceso consiste en dos partes. En la primera parte, analizamos grabaciones de audio para describir la entonación de las alturas usadas en las interpretaciones. Llevamos a cabo un exhaustivo análisis y evaluación de los métodos basados en distribución de altura propuestos anteriormente, señalando sus ventajas y limitaciones. Proponemos un nuevo modelo de datos para la descripción de alturas con el fin de superar las limitaciones identificadas. Esto amplía la perspectiva del modelo actual de nota para contribuir a la conceptualización del espacio melódico en música carnática. Ofrecemos tres propuestas diferentes para la extracción de una descripción compacta de las alturas usadas en una grabación dada utilizando nuestro modelo de datos. Evaluamos cualitativamente nuestras propuestas comparando las representaciones de alturas obtenidas según nuestro método con aquellas procedentes de un conjunto de datos anotado manualmente, con lo que mostramos que nuestro modelo de datos y nuestras propuestas resultan en representaciones muy similares a estas últimas. Además, en una tarea de clasificación de raagas en el mayor conjunto de datos de música carnática hasta la fecha, dos de nuestras propuestas muestran mejor rendimiento que el estado del arte con un margen estadístico significativo. En la segunda parte, desarrollamos representaciones de conocimiento para varios conceptos en música carnática, con un particular énfasis en el marco melódico. Discutimos las limitaciones de las tecnologías de web semántica actuales para expresar el orden de datos secuenciales, lo que restringe la aplicación de inferencia lógica. Presentamos nuestro uso de lenguajes de reglas para superar hasta cierto punto esta limitación. A continuación utilizamos sistemas abiertos de extracción de información para extraer conceptos, entidades y sus relaciones a partir de texto de lenguaje natural relacionado con música carnática. Evaluamos estos sistemas usando los conceptos y las relaciones de las representaciones de conocimiento que hemos desarrollado, así como información de referencia contrastada con datos de Wikipedia. Dominios temáticos como el de música carnática tienen un volumen limitado de datos disponibles en internet. Considerando que estos sistemas están construidos para datos a escala de la web, en la que es posible beneficiarse de las repeticiones, comparamos sus rendimientos cualitativa y cuantitativamente, enfatizando las características deseadas para casos como este. Los conceptos y entidades extraídas son mapeadas a aquellos existentes en los metadatos. En el paso final, usando las representaciones de conocimiento desarrolladas, publicamos e integramos la información obtenida por diferentes modalidades en una base de conocimiento. Con este recurso demostramos como la conexión de información de diferentes modalidades nos permite deducir conclusiones que de otra manera no habrían sido posibles.
Aquesta tesi és el resultat de la nostra investigació per a construir una base de coneixement multimodal per a la música Carnàtica. A part d’utilitzar metadades i representacions simbòliques musicals, també processem text en llenguatge natural i l’àudio mateix per tal d’extreure informació que sigui rellevant tant des d’un punt de vista cultural com musical i que puguem estructurar amb representacions formals de coneixement. El procés que seguim està compost principalment de dues parts. En la primera part analitzem les gravacions d’àudio per descriure’n l’entonació de les altures tonals utilitzades. Comparem i avaluem aproximacions existents basades en histogrames d’altures tonals utilitzant una base de dades comuna de referència i en subratllem els avantatges i les limitacions. Proposem un nou model de dades per descriure l’altura tonal de les notes i superar les limitacions prèviament identificades. Aquest model va més enllà dels ja establerts i permet acomodar la conceptualització de l’espai melòdic en la música Carnàtica. Utilitzant el nostre model de dades proposem tres mètodes diferents per extreure descripcions compactes de les altures tonals de les notes d’una gravació. Fem una avaluació qualitativa a través de la comparació de descripcions generades amb els mètodes proposats i descripcions generades manualment, i comprovem que els nostres mètodes generen descripcions molt semblants a les generades manualment. També comprovem com els nostres mètodes són útils per a la classificació de raga avaluant amb la base de dades més gran de música Carnàtica que s’ha creat fins al dia d’avui. Dos dels nostres mètodes obtenen puntuacions més altes que els millors mètodes existents, amb marges de millora estadísticament significatius. En la segona part de la nostra investigació desenvolupem representacions de coneixement sobre diversos conceptes de la música Carnàtica, posant un èmfasi especial en aspectes melòdics. Parlem sobre les limitacions de les tecnologies de la web semàntica pel que fa a la representació del concepte d’ordre en dades seqüencials, fet que limita les possibilitats d’inferències lògiques. Proposem l’ús de llenguatges de normes per, fins a cert punt, superar aquestes limitacions. Després utilitzem sistemes d’extracció d’informació per recuperar conceptes, entitats i les seves relacions a partir de l’anàlisi de text natural sobre música Carnàtica. Avaluem aquests sistemes utilitzant conceptes i relacions extretes de representacions de coneixement que nosaltres mateixos hem desenvolupat i també utilitzant dades curades provinents de la Wikipedia. Per temàtiques com la música Carnàtica hi ha un volum de dades limitat accessible en línia. Tenint en compte que aquests sistemes estan pensats per funcionar amb grans volums de dades on les repeticions són importants, en fem una comparació qualitativa i quantitativa emfatitzant aquelles característiques més rellevants per casos amb volums de dades limitats. Els conceptes i entitats recuperades són emparellats amb conceptes i entitats presents a les nostres metadades. Finalment, utilitzant les representacions de coneixement desenvolupades, integrem les informacions obtingues de les diferents modalitats i les publiquem en una base de coneixement. Utilitzant aquesta base de coneixement demostrem com el fet de combinar informacions provinents de diferents modalitats ens permet arribar a conclusions que d’una altra manera no haurien estat possibles.
Gulati, Sankalp. "Computational approaches for melodic description in indian art music corpora." Doctoral thesis, Universitat Pompeu Fabra, 2016. http://hdl.handle.net/10803/398984.
Full textLa descripció automàtica d’enregistraments musicals és crucial per interactuar amb grans volums de dades i per al desenvolupament de noves eines per a la pedagogia musical. La melodia és una faceta fonamental en la majoria de les tradicions musicals i, per tant, és un component indispensable per a la descripció automàtica d’enregistraments musicals. En aquesta tesi desenvolupem sistemes computacionals per analitzar aspectes melòdics d'alt nivell presents en la música clàssica de l’Índia (MCI), a partir dels quals descrivim i interconnectem grans quantitats d'enregistraments d'àudio. La descripció de melodies en la MCI, complexes i amb una base teòrica ben fonamentada, va més enllà de l’anàlisi estàndard de contorns de to (“pitch” en anglès), i, per tant, és un tema de recerca molt interessant i tot un repte. Analitzem les melodies dins del seu context tonal, identifiquem patrons melòdics, els comparem tant amb ells mateixos com amb altres enregistraments, i, finalment, caracteritzem el context melòdic específic de la música IAM: els rāgas. Tots els anàlisis s’han realitzat utilitzant metodologies basades en dades, amb un corpus musical de mida considerable. Iniciem la tesi recopilant la col·lecció més gran de MCI obtinguda fins al moment. Aquesta col·lecció comprèn enregistraments de qualitat amb metadades de música Hindustani i Carnatic, les dues grans tradicions de la MCI. A partir d’aquí analitzem el to predominant i normalitzem la peça pel context tonal. Un element important per a descriure melodies és la identificació d’unitats temporals rellevants, per la qual cosa detectem les ocurrències de nyās svaras en la MCI, que serveixen com a marques identificadores dels patrons melòdics més destacats. Utilitzant aquestes característiques melòdiques, extraiem els patrons melòdics recurrents més destacats. Aquests patrons són els blocs que construeixen les estructures melòdiques, tant en la improvisació i com en la composició. Per tant, són fonamentals per a la descripció de col·leccions de música MCI. Proposem partir d’un enfocament no supervisat que utilitza eines d'anàlisi basades en sèries temporals per descobrir patrons melòdics en grans col·leccions de música. En primer lloc, hem realitzat un anàlisi supervisat extensiu sobre la similitud melòdica, que és un component fonamental per al descobriment de patrons. A continuació, millorem els resultats (respecte al millor competidor segons l’estat de la qüestió) explotant les característiques peculiars dels patrons melòdics de la música MCI. Per identificar patrons musicalment rellevants, explotem les relacions entre els patrons descoberts mitjançant un anàlisi de xarxa. Extenses proves realitzades amb músics professionals revelen que els patrons melòdics descoberts són musicalment interessants i significatius. Finalment, fem servir els nostres resultats per al reconeixement de rāgas en actuacions gravades d'IAM. Proposem dos enfocaments nous que capturen conjuntament el to i els aspectes temporals de la melodia. El primer enfoc utilitza patrons melòdics, l’aspecte més important per als éssers humans a l’hora d’identificar rāgas. Utilitzem els patrons melòdics descoberts i fem servir tècniques de modelatge de temes (“topic modeling” en anglès), on considerem que la interpretació d’un raga és similar a la descripció textual d’un tema. En el nostre segon enfocament, proposem utilitzar el “time delayed melodic surface”, una característica innovadora basada en coordenades de retard que captura l’evolució melòdica del rāga. Amb aquests enfocaments demostrem una precisió sense precedents per al reconeixement de rāgas en el conjunt de dades més gran utilitzat mai per a aquesta tasca. Encara que el nostre enfocament està basat en les característiques de les melodies MCI i la tasca en qüestió, creiem que la nostra metodologia es pot estendre fàcilment a altres tradicions de la música on la melodia és rellevant. En general, hem incorporat nous mètodes computacionals per a l'anàlisi de diversos aspectes melòdics per a interpretacions de MCI, a partir dels quals descrivim i inter-connectem gran quantitat d'enregistraments de música. En aquest procés hem recopilat dades i hem desenvolupat diverses eines que poden ser utilitzades per a diferents estudis computacionals per a MCI, específicament en la caracterització de rāgas, composicions i artistes. Les tecnologies resultants d'aquest treball d’investigació són part de diverses aplicacions desenvolupades dins el projecte CompMusic que pretén millorar la descripció, l’experiència auditiva, i la pedagogia de la MCI.
La descripción automática del contenido de música grabada es crucial para la interacción con grandes colecciones de grabaciones de audio y para el desarrollo de nuevas herramientas que faciliten la pedagogía musical. La melodía es un aspecto fundamental para la mayoría de las tradiciones musicales, y es por tanto un componente indispensable para tal descripción. En esta tesis desarrollamos propuestas computacionales para el análisis de aspectos melódicos de alto nivel en interpretaciones musicales de Música Clásica de la India (MCI), con las que podemos describir e interrelacionar grandes cantidades de grabaciones de audio. Debido a su complejidad melódica y a su sólido marco teórico, la descripción de la melodía en MCI más allá de la línea melódica supone un interesante y desafiante objeto de investigación. Analizamos melodías en su contexto tonal, identificamos patrones melódicos, comparamos ambos tanto en piezas individuales como entre diferentes piezas, y finalmente caracterizamos el contexto melódico específico de MCI, los rāgas. Todos estos análisis se llevan a cabo mediante métodos dirigidos por datos en corpus de música de considerable tamaño y meticulosamente organizados. La tesis comienza con la confección y estructuración de los mayores corpus musicales hasta la fecha de las dos tradiciones de MCI, indostaní y carnática. Dichos corpus están formados por grabaciones de audio de alta calidad y sus correspondientes metadatos. De estas extraemos la línea melódica predominante y la normalizamos según la tónica de su contexto. Un elemento importante para la descripción de melodías es la identificación de unidades temporales significativas, para lo que proponemos detectar en música indostaní las ocurrencias de nyās svaras, marcas que delimitan patrones melódicos musicalmente prominentes. A partir de estas características melódicas, extraemos patrones melódicos recurrentes y musicalmente relevantes. Estos patrones son las unidades básicas con las que se construyen estructuras melódicas tanto en improvisaciones como composiciones, y por tanto son fundamentales para la descripción de colecciones de audio en MCI. Proponemos un método no supervisado basado en el análisis de las series temporales para el descubrimiento de patrones melódicos en colecciones musicales de tamaño considerable. En primer lugar llevamos a cabo un análisis supervisado en profundidad de similitud melódica, que es el componente crítico para el descubrimiento de patrones. A continuación mejoramos la propuesta más competitiva sirviéndonos de las características melódicas propias de MCI. Para identificar patrones musicalmente significativos, hacemos uso de las relaciones entre los patrones descubiertos mediante la implementación de análisis de redes. Exhaustivas evaluaciones auditivas por parte de músicos profesionales de los patrones melódicos descubiertos revelan que estos son musicalmente interesantes y significativos. Finalmente, utilizamos nuestros resultados para el reconocimiento de rāgas en interpretaciones grabadas de MCI. Proponemos dos métodos nuevos que captan conjuntamente los aspectos tonales y temporales de la melodía. Nuestro primer método se sirve de patrones melódicos, los principales indicadores para la identificación de rāgas por parte de oyentes humanos. Utilizamos los patrones melódicos descubiertos y empleamos técnicas de modelado de temas, en las que equiparamos la interpretación de un rāga a la descripción textual de un tema. En nuestro segundo método, proponemos una superficie melódica de tiempo de retardo, una característica nueva basada en las coordenadas de retraso que captan el contorno melódico de un rāga. Con estos métodos alcanzamos precisiones sin precedentes en el reconocimiento de rāgas en los mayores conjuntos de datos nunca usados para esta tarea. Aunque nuestra propuesta se fundamenta en las características de las melodías en MCI y la tarea en cuestión, creemos que nuestra metodología puede ser fácilmente aplicable a otras tradiciones musicales predominantemente melódicas. En resumen, hemos construido nuevos métodos computacionales para el análisis de varios aspectos melódicos de interpretaciones grabadas de MCI, con las que describimos e interrelacionamos grandes cantidades de grabaciones musicales. En este proceso hemos desarrollado varias herramientas y reunido datos que pueden ser empleados en numerosos estudios computacionales de MCI, específicamente para la caracterización de rāgas, composiciones y artistas. Las tecnologías resultantes de este trabajo de investigación son parte de varias aplicaciones desarrolladas en el proyecto CompMusic para la mejora de la descripción, experiencia de escucha, y enseñanza de MCI.
Books on the topic "Carnatic music"
Bhagyalekshmy, S. Ragas in Carnatic music. Trivandrum, S. India: CBH Publications, 1990.
Find full textIyengar, B. R. C. Listening to Carnatic music. Hyderabad, India: Savithiri Charitable Trust, 1998.
Find full textBhagyalekshmy, S. Carnatic music compositions: An index. Trivandrum: CBH Publications, 1994.
Find full textAyyar, A. S. Panchapakesa, and A. S. Panchapakesa Iyer. Karnataka sangeeta sastra: Theory of Carnatic music. Madras: Ganamrutha Prachuram, 1989.
Find full textAyyar, A. S. Panchapakesa, and A. S. Panchapakesa Iyer. Karnataka sangeeta sastra: Theory of Carnatic music. Madras: Ganamrutha Prachuram, 1996.
Find full textIndia), Music Academy (Chennai, ed. Aesthetic and scientific values in Carnatic music. Chennai: Parampara, 1997.
Find full textBook chapters on the topic "Carnatic music"
Suma, S. M., Shashidhar G. Koolagudi, Pravin B. Ramteke, and K. S. Rao. "Note Transcription from Carnatic Music." In Advances in Intelligent Systems and Computing, 123–29. Singapore: Springer Singapore, 2019. http://dx.doi.org/10.1007/978-981-13-9683-0_13.
Full textSuma, S. M., and Shashidhar G. Koolagudi. "Raga Classification for Carnatic Music." In Advances in Intelligent Systems and Computing, 865–75. New Delhi: Springer India, 2015. http://dx.doi.org/10.1007/978-81-322-2250-7_86.
Full textJones, Tim. "Formative trainings in Carnatic vocal music." In Time and Performer Training, 101–7. Abingdon, Oxon; New York, NY: Routledge, 2019.: Routledge, 2019. http://dx.doi.org/10.4324/9781351180368-11.
Full textHeshi, Rushiraj, S. M. Suma, Shashidhar G. Koolagudi, Smriti Bhandari, and K. S. Rao. "Rhythm and Timbre Analysis for Carnatic Music Processing." In Proceedings of 3rd International Conference on Advanced Computing, Networking and Informatics, 603–9. New Delhi: Springer India, 2015. http://dx.doi.org/10.1007/978-81-322-2538-6_62.
Full textPulijala, Amulya Sri, Aditya Bhattacharjee, Sakthi Balan Muthiah, and Suryakanth V. Gangashetty. "Raga Classification in Carnatic Music Using Audio Thumbnailing." In Lecture Notes in Computer Science, 55–62. Cham: Springer International Publishing, 2024. http://dx.doi.org/10.1007/978-3-031-12700-7_6.
Full textShetty, Surendra, K. K. Achary, and Sarika Hegde. "Raga Identification in CARNATIC Music Using Hidden Markov Model Technique." In Communications in Computer and Information Science, 414–23. Berlin, Heidelberg: Springer Berlin Heidelberg, 2012. http://dx.doi.org/10.1007/978-3-642-29216-3_45.
Full textVaradharajan, Janani, Guruprasad Sridharan, Vignesh Natarajan, and Rajeswari Sridhar. "Automatic Synthesis of Notes Based on Carnatic Music Raga Characteristics." In Smart Innovation, Systems and Technologies, 145–52. Cham: Springer International Publishing, 2014. http://dx.doi.org/10.1007/978-3-319-07353-8_17.
Full textShetty, Surendra, and Sarika Hegde. "Automatic Classification of Carnatic Music Instruments Using MFCC and LPC." In Data Management, Analytics and Innovation, 463–74. Singapore: Springer Singapore, 2019. http://dx.doi.org/10.1007/978-981-32-9949-8_32.
Full textAcharya, Sathwik, Vihar Devalla, Om Amitesh, and Ashwini. "Analytical Comparison of Classification Models for Raga Identification in Carnatic Classical Audio." In Advances in Speech and Music Technology, 211–22. Singapore: Springer Singapore, 2021. http://dx.doi.org/10.1007/978-981-33-6881-1_18.
Full textNuttall, Thomas, Genís Plaja-Roglans, Lara Pearson, and Xavier Serra. "The Matrix Profile for Motif Discovery in Audio - An Example Application in Carnatic Music." In Music in the AI Era, 228–37. Cham: Springer International Publishing, 2023. http://dx.doi.org/10.1007/978-3-031-35382-6_18.
Full textConference papers on the topic "Carnatic music"
Sridhar, Rajeswari, and T. V. Geetha. "Music Information Retrieval of Carnatic Songs Based on Carnatic Music Singer Identification." In 2008 International Conference on Computer and Electrical Engineering (ICCEE). IEEE, 2008. http://dx.doi.org/10.1109/iccee.2008.118.
Full textVyas, Harsh M., Suma S. M., Shashidhar G. Koolagudi, and Guruprasad K. R. "Identifying gamakas in Carnatic music." In 2015 Eighth International Conference on Contemporary Computing (IC3). IEEE, 2015. http://dx.doi.org/10.1109/ic3.2015.7346662.
Full textN J, Prajwal, Sameeksha Keshav, and Rashmi R. "Emotion Based Carnatic Music Recommendation System." In 2023 7th International Conference on Computation System and Information Technology for Sustainable Solutions (CSITSS). IEEE, 2023. http://dx.doi.org/10.1109/csitss60515.2023.10334239.
Full textNandekar, Abhishek, Preeth Khona, Rajani MB, Anindya Sinha, and Nithin Nagaraj. "Causal Analysis of Carnatic Music Compositions." In 2021 IEEE International Conference on Electronics, Computing and Communication Technologies (CONECCT). IEEE, 2021. http://dx.doi.org/10.1109/conecct52877.2021.9622710.
Full textRagesh Rajan, M. "Singing Voice Synthesis System for Carnatic Music." In 2018 5th International Conference on Signal Processing and Integrated Networks (SPIN). IEEE, 2018. http://dx.doi.org/10.1109/spin.2018.8474033.
Full textUpadhyaya, Prithvi, Suma S. M., and Shashidhar G. Koolagudi. "Identification of allied raagas in Carnatic music." In 2015 Eighth International Conference on Contemporary Computing (IC3). IEEE, 2015. http://dx.doi.org/10.1109/ic3.2015.7346666.
Full textKuriakose, Jom, J. Chaitanya Kumar, Padi Sarala, Hema A. Murthy, and Umayalpuram K. Sivaraman. "Akshara transcription of mrudangam strokes in Carnatic music." In 2015 Twenty First National Conference on Communications (NCC). IEEE, 2015. http://dx.doi.org/10.1109/ncc.2015.7084906.
Full textViraraghavan, Venkata Subramanian, Arpan Pal, Hema Murthy, and R. Aravind. "State-Based Transcription of Components of Carnatic Music." In ICASSP 2020 - 2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). IEEE, 2020. http://dx.doi.org/10.1109/icassp40776.2020.9054435.
Full textSasindran, Zitha, and Shayan Srinivasa Garani. "Modeling Ornaments in Carnatic Music Signals via Wavelets." In 2020 54th Asilomar Conference on Signals, Systems, and Computers. IEEE, 2020. http://dx.doi.org/10.1109/ieeeconf51394.2020.9443302.
Full textPulijala, Amulya Sri, and Suryakanth V. Gangashetty. "Tala Classification in Carnatic Music using Audio Thumbnailing." In 10th International Conference on Computer Science, Engineering and Applications (CCSEA 2020). AIRCC Publishing Corporation, 2020. http://dx.doi.org/10.5121/csit.2020.101015.
Full text