signal-processing - 使用 FFT 检测小号的音高

Question

如何使用 FFT 获得频率？正确的程序和代码是什么？

Answer 1

音高检测通常涉及测量功率谱中谐波之间的间隔。通过取前 N/2 个 bin (sqrt(re^2 + im^2)) 的大小，从 FFT 获得功率谱。然而，有更复杂的音调检测技术，例如倒谱分析，我们采用功率谱对数的 FFT，以识别谱峰的周期性。

Answer 2

乐器的持续音符是一个周期信号，我们的朋友傅立叶（“FFT”中的第二个“F”）告诉我们，任何周期信号都可以通过添加一组正弦波（通常具有不同的幅度、频率和阶段）。基波是最低频率分量，它对应于音高；其余分量是泛音，是基频的倍数。决定音色或乐器特性的是基音和泛音的相对混合。单簧管和小号齐声演奏听起来“合拍”，因为它们共享相同的基本频率，但是，由于它们的音色不同（泛音混合），它们可以单独识别。

对于您的问题，您可以在一个时间窗口内对小号进行采样，计算 FFT（将样本序列分解为其组成的数字频率），然后断言音高是具有最大幅度的 bin 的频率。如果您愿意，可以将其轻松量化到最接近的音乐半音，例如降 E。（如果您不了解采样频率和结果频率区间之间的关系，或者如果您不了解采样频率过低的危害，请在 Wikipedia 上查找 FFT。）这可能会满足您的需求，因为基本组件通常比任何其他组件具有更大的能量。窗口越长，音调精度越高，因为 bin 中心在频率上将变得更紧密。然而，

Answer 3

DansTuner是我解决这个问题的开源项目。我其实是个小号手。它具有从Audacity提升的音高检测代码。

Answer 4

ia 将此org.apache.commons.math.transform.FastFourierTransforme包添加到项目中，并且它可以完美运行

Answer 5

这是一篇关于估计 PSD（功率谱密度）的非参数技术的简短博客文章以及一些更详细的链接。这可能会让您开始估计 PSD - 然后找到音高。