问检测基波频率

EN

这正是我在这里做的最后一年的项目:)除了一件事，我的项目是跟踪人类歌声的音调(并且我没有机器人来演奏曲调)

我能想到的最快的方法是利用BASS library。它包含随时可用的功能，可以为您提供来自默认记录设备的FFT数据。看看BASS附带的"livespec“代码示例。

顺便说一句，原始的FFT数据不足以确定基频。你需要像这样的算法来获得F0。

另一个考虑因素是音频源。如果你要做快速傅立叶变换，并在上面应用谐波产品频谱。您需要确保输入只有一个音频源。如果它包含多个源，例如在现代歌曲中，将有许多频率需要考虑。

谐波乘积谱理论

如果输入信号是一个音符，那么它的频谱应该由一系列峰值组成，这些峰值对应于基频，其中谐波分量是基频的整数倍。因此，当我们多次压缩频谱(下采样)，并将其与原始频谱进行比较时，我们可以看到最强的谐波峰值排列在一起。原始频谱中的第一个峰值与经二倍压缩的频谱中的第二个峰值重合，这与经三倍压缩的频谱中的第三个峰值重合。因此，当不同的频谱相乘时，结果将在基频上形成清晰的峰值。

方法

首先，我们通过应用汉宁窗口将输入信号划分为多个段，其中窗口大小和跳数大小作为输入。对于每个窗口，我们利用短时傅立叶变换将输入信号从时域转换到频域。一旦输入在频域中，我们将谐波乘积谱技术应用于每个窗口。

HPS包括两个步骤:下采样和乘法。为了进行下采样，我们在每个窗口中通过重采样将频谱压缩两次:第一次，我们将原始频谱压缩两次，第二次，压缩三次。一旦完成，我们将三个频谱相乘，找到与峰值(最大值)相对应的频率。该特定频率表示该特定窗口的基频。

HPS方法的限制

这种方法的一些好的特点包括:计算成本低，对加性和乘性噪声有合理的抵抗力，并且可以对不同类型的输入进行调整。例如，我们可以改变要使用的压缩光谱的数量，并且我们可以用光谱相加来代替光谱乘法。然而，由于人类的音调感知基本上是对数的，这意味着低音调可能比高音调更不准确。HPS方法的另一个严重缺陷是，它的分辨率仅与用于计算频谱的FFT长度一样好。如果我们执行短而快的FFT，我们可以考虑的离散频率的数量是有限的。为了在我们的输出中获得更高的分辨率(因此在我们的音调输出中看到更少的颗粒)，我们需要更长的FFT，这需要更多的时间。

来自：http://cnx.org/content/m11714/latest/

只是一个评论:基频也可能从(和声)声音中消失，这不会改变感知到的音高。作为一个极限情况，如果你取一个方波(比如说，一个C#音符)，并完全抑制一次谐波，那么感知到的音符仍然是C#，在相同的八度。在某种程度上，当我们的大脑猜测一个音符时，它能够补偿一些谐波的缺失，即使是第一次谐波。因此，要使用频域技术检测基音，您应该考虑所有谐波(傅立叶变换幅度中的局部最大值)，并提取其频率的某种“最大公约数”。基音检测根本不是一个微不足道的问题。

DAFX有大约30页专门用于基音检测，并提供了示例和Matlab代码。

自相关- http://en.wikipedia.org/wiki/Autocorrelation

过零http://en.wikipedia.org/wiki/Zero_crossing (此方法用于廉价的吉他调谐器)