A Deteção de Onsets, ou seja, a tarefa que procura encontrar o momento de início de notas musicais num sinal de áudio, tem sido uma aérea de investigação ativa, uma vez que a Deteção de Onsets ´e comummente utilizada como primeiro passo em tarefas de alto-nível de processamento musical. Tendo em conta a necessidade de saber que m´método de Deteção de Onsets é mais adequado a cada tarefa de alto-nível, nesta tese foram seguidas duas abordagens que visam, acima de tudo, obter uma informação mais completa sobre cada m´método de Deteção de Onsets. A primeira abordagem consiste numa comparação em profundidade do comportamento dos m´métodos de Deteção de Onsets que usam características espectrais do sinal. Os resultados obtidos mostram que o comportamento dos diferentes m´métodos varia significativamente entre as funções de deteção usadas, entre os tipos de Onset, e ainda de acordo com a t´técnica de interpretação do instrumento. Na segunda abordagem avalia-se a influencia do passo final de Seleção de Picos nos resultados globais de deteção de Onsets. Os resultados obtidos mostram que o passo de seleção de Picos influencia profundamente os resultados – negativa e positivamente –, e que esta influência difere significativamente de acordo com o tipo de Onset e com o m´método de deteção de Onsets usado.

Onset Detection, that is, the quest for finding the starting moment of musical notes in an audio signal, is an active research subject since note onset detection is commonly used as a first step in high-level music processing tasks. Driven by the need to know which Onset Detection method can suit better each high-level music processing task, two approaches are followed in this thesis in order to obtain a more complete information about the different onset detection methods. The first consists in a full comparison of the performance of Onset Detection Methods that use Spectral Features. Our results in two distinct datasets show that the behaviour of onset detection varies clearly between onset types and between detection functions, as well as between instrument interpretation style. The other approach assesses the influence of the final Peak Selection step in the global results of Onset Detection. Our results show that the Peak Selection step used deeply influences both positively and negatively the results obtained, and that its influence differs significantly according to the onset classes and to the onset detection functions.