9

虽然我在这个网站上有很多关于音高检测概念的问题......他们都处理这个我不熟悉的神奇FFT 。我正在尝试构建一个需要实现音高检测的 Android 应用程序。我完全不了解用于执行此操作的算法。

不可能那么难吧？毕竟，Android 市场上有大约 80 亿个吉他调音器应用程序。

有人可以帮忙吗？

4

2 回答 2

15

FFT 并不是实现音高检测或音高跟踪的最佳方式。一个问题是最响亮的频率并不总是基频。另一个原因是，FFT 本身需要大量数据和处理才能获得调整仪器所需的分辨率，因此它的响应速度可能看起来很慢（即延迟）。另一个问题是，FFT 的结果必然是直观的：你得到一个复数数组，你必须知道如何解释它们。

如果你真的想使用 FFT，这里有一种方法：

  1. 低通你的信号。这将有助于防止噪声和高次谐波产生虚假结果。可以想象，您可以跳过这一步，而是将结果加权到 FFT 的较低值。对于某些具有强基频的仪器，这可能不是必需的。
  2. 窗口你的信号。Windows 的大小应至少为 4096。越大越好，因为它可以为您提供更好的频率分辨率。如果你太大，它最终会增加你的计算时间和延迟。hann 函数是您窗口的不错选择。http://en.wikipedia.org/wiki/Hann_function
  3. 尽可能频繁地对窗口信号进行 FFT。即使重叠的窗口也很好。
  4. FFT 的结果是复数。使用 sqrt( real^2 + imag^2 ) 找到每个复数的大小。FFT 数组中幅度最大的索引是您的峰值频率的索引。
  5. 您可能希望对多个 FFT 进行平均以获得更一致的结果。

您如何根据索引计算频率？好吧，假设你有一个大小为 N 的窗口。在你 FFT 之后，你将有 N 个复数。如果您的峰值是第 n 个，并且您的采样率为 44100，那么您的峰值频率将接近 (44100/2)*n/N。为什么近？那么你有一个错误（44100/2）* 1/N。对于 4096 的 bin 大小，这大约是 5.3 Hz——在 A440 上很容易听到。您可以通过 1. 考虑相位来改进这一点（我只描述了如何考虑幅度），2. 使用更大的窗口（这将增加延迟和处理要求，因为 FFT 是 N Log N 算法），或 3. 使用更好的算法，如 YIN http://www.ircam.fr/pcm/cheveign/pss/2002_JASA_YIN.pdf

您可以跳过窗口化步骤，只需将音频分解为您想要分析的多个样本的离散块。这等效于使用方形窗口，虽然有效，但您的结果中可能会出现更多噪音。

顺便说一句：许多调谐器应用程序许可代码来自第三方，例如 z-plane 和 iZotope。

更新：如果您想要 C 源代码和 FFT 方法的完整教程，我已经编写了一个. 该代码可以在 Mac OS X 上编译和运行，并且应该可以很容易地转换到其他平台。它的设计不是最好的，但它的设计目的是易于理解。

于 2012-07-19T21:11:53.397 回答
5

快速傅立叶变换将函数从时域更改为频域。因此，不是您从麦克风获得的信号f(t)在哪里，并且是该信号的时间索引，而是在哪里是 FFT和是频率。一旦你有了，你只需要找到具有最高振幅的那个，这意味着“最响亮”的频率。这将是您正在拾取的声音的主要音高。ftg(θ)gfθg(θ)θ

至于实际实现 FFT，如果你在谷歌上搜索“快速傅立叶变换示例代码”，你会得到一堆例子。

于 2012-07-19T02:24:50.860 回答