0

我正在编写一个 MATLAB 代码来检测钢琴录音中的频率。

我使用了我使用键盘录制的 C 音阶音频文件（C4 D4 E4 F4 G4 A4 B4 C5）

当我简单地执行 FFT（不闯入窗口）时，基频具有更高的幅度，这非常好。

然而，为了更准确，我做了以下步骤 1. 我的音频信号与高斯边缘检测滤波器进行了快速卷积以获得包络。2. 实现了一个峰值检测算法来找到音符的起始点。3. 取每个 Onset，我对每个 Onset 进行 FFT，从而得到每个音符的 FFT。但是，当我为上述音频文件执行此操作时，我得到错误的结果，有时谐波的幅度高于第一次。

clear all;
clear max;
clc;

%% create 5s sample at 10kHz with tone from 1s to 2s
FS = 10000; % 10kHz
N=5*FS;
song =  randn(N,2)/10;
song(FS:2*FS,:)=10*repmat(sin(261*pi*2*(0:FS)/FS)',1,2)+song(FS:2*FS,:);

P = 2000;   
t=0:1/FS:(N-1)/FS;                  % define time period


song = sum(song,2);                        
song=abs(song);


%----------------------Finding the envelope of the signal-----------------%
% Gaussian Filter
x = linspace( -1, 1, P);                      % create a vector of P values between -1 and 1 inclusive
sigma = 0.335;                                % standard deviation used in Gaussian formula
myFilter = -x .* exp( -(x.^2)/(2*sigma.^2));  % compute first derivative, but leave constants out
myFilter = myFilter / sum( abs( myFilter ) ); % normalize


% fft convolution
myFilter = myFilter(:);                         % create a column vector
song(length(song)+length(myFilter)-1) = 0;      %zero pad song
myFilter(length(song)) = 0;                     %zero pad myFilter
edges =ifft(fft(song).*fft(myFilter));

tedges=edges(P:N+P-1);                      % shift by P/2 so peaks line up w/ edges
tedges=tedges/max(abs(tedges));                 % normalize

%---------------------------Onset Detection-------------------------------%
% This section does the peak picking algorithm
max_col = maxtab(:,1);
peaks_det = max_col/FS;
No_of_peaks = length(peaks_det);

%---------------------------Performing FFT--------------------------------

    song_seg = song(max_col(1):max_col(2)-1);
    L = length(song_seg);    
    NFFT = 2^nextpow2(L); % Next power of 2 from length of y

    seg_fft = fft(song_seg,NFFT);%/L;

    f = FS/2*linspace(0,1,NFFT/2+1);
    seg_fft2 = 2*abs(seg_fft(1:NFFT/2+1));
    L5 = length(song_seg);

    fmin = 60;
    fmax = 1000;
    region_of_interest = fmax>f & f>fmin;
    froi = f(region_of_interest);

    [p_max,loc] = max(seg_fft2(region_of_interest));

    % index into froi to find the frequency of the peaks
    p_max;


     f_p_max = froi(loc);

     [points, locatn] = findpeaks(seg_fft2(region_of_interest));        
     aboveMax = points > 0.4*p_max;

        if any(aboveMax)
            peak_points = points(aboveMax)
        f_peak = froi(locatn(aboveMax))

    end

 end

我在这里做错了什么？？？真的真的需要一些帮助在这里......

在此处输入图像描述

可以看出，D4的f0根本没有被检测到，而C4和E4的f0相对于它们的谐波幅度较小

4

3 回答 3

1

使用 FFT，我发现了频域中的峰值。如果我们非常幸运，这可能对应于基本注释。否则，这通常可能是一次谐波。

我不知道峰值是在基波还是在 1 次谐波。我的工作就是找出这个。

我所做的是...

  1. 我有一个“max_user_freq”变量，它对应于 FFT 中出现峰值的频率。注意：“Spectrum[]”是幅度规格变量。

  2. 我计算了频谱的最大值[m]，其中 m 从频率范围内注意：频率必须缩放到 m。就我而言：m=freq*length(fraw)/22050;

  3. 完整代码：

    f1=(max_freq/2)-0.05*max_freq；

    f1=圆形（f1）；f2=(max_freq/2)+0.05*max_freq；f2=圆形（f2）；米=[]; spec_index_fund_note=m; spec_fund_max=spectrum(f1*length(fraw)/22050;

    对于 m=f1:f2 spec_index_fund_note(m)=m*length(fraw)/22050；如果（频谱（spec_index_fund_note（m））>spec_fund_max）spec_fund_max=spectrum（spec_index_fund_note（m））；结尾

    结尾

    if((spectrum(max_freq_index)-specval_fund_note)/spectrum(max_freq_index)>) display('1st Harmonic超过基频，重试'); 结尾

于 2014-04-02T09:46:23.010 回答
0

过滤 abs(song) 可以很好地找到包络，但是在找到峰值时，您需要计算 fft 原始信号（没有“abs”）。

要查看差异，请尝试：

clear;
FS = 10000;
s=sin(261*pi*2*(0:FS)/FS);
NFFT = 2^nextpow2(length(s));
S1=fft(s,NFFT);
S2=fft(abs(s),NFFT);
f = FS/2*linspace(0,1,NFFT/2+1);
plot(f,abs(S1(1:NFFT/2+1))); % peak near 261
plot(f,abs(S2(1:NFFT/2+1))); % peak near 522
于 2013-10-03T17:47:40.657 回答
0

我在 matlab 中编码并开发对音乐家有用的应用程序。我自己是一名音乐家。所以，我知道运行我的算法的音乐理论。我在matlab中开发了算法，告诉你你弹钢琴的确切音阶。看一看

MATLAB MUSICIAN 的博客

于 2014-06-21T14:13:48.877 回答