2

我正在尝试检测用吉他演奏的 B3 音符的音高。音频可以在这里找到。

这是频谱图： 频谱图

如您所见，基本音高约为 250Hz，对应于 B3 音符。

它还包含大量谐波，这就是我选择从这里使用 HPS 的原因。我正在使用此代码来检测音高：

def freq_from_hps(signal, fs):
    """Estimate frequency using harmonic product spectrum
    Low frequency noise piles up and overwhelms the desired peaks
    """
    N = len(signal)
    signal -= mean(signal)  # Remove DC offset

    # Compute Fourier transform of windowed signal
    windowed = signal * kaiser(N, 100)

    # Get spectrum
    X = log(abs(rfft(windowed)))

    # Downsample sum logs of spectra instead of multiplying
    hps = copy(X)
    for h in arange(2, 9): # TODO: choose a smarter upper limit
        dec = decimate(X, h)
        hps[:len(dec)] += dec

    # Find the peak and interpolate to get a more accurate peak
    i_peak = argmax(hps[:len(dec)])
    i_interp = parabolic(hps, i_peak)[0]

    # Convert to equivalent frequency
    return fs * i_interp / N  # Hz

我的采样率为 40000。但是，我得到的结果不是接近 250Hz（B3 注意），而是 0.66Hz。这怎么可能？

我还尝试了来自同一个 repo 的自相关方法，但我也得到了不好的结果，比如 10000Hz。

感谢一个答案，我知道我必须应用一个滤波器来去除信号中的低频。我怎么做？是否有多种方法可以做到这一点，推荐哪一种？

状态更新：

答案提出的高通滤波器正在工作。如果我在我的音频信号的答案中应用该函数，它会正确显示大约 245Hz。但是，我想过滤整个信号，而不仅仅是它的一部分。一个音符可能位于信号的中间，或者一个信号包含多个音符（我知道一个解决方案是开始检测，但我很想知道为什么这不起作用）。这就是我编辑代码以返回的原因filtered_audio。

问题是，如果我这样做，即使噪音已被正确消除（见截图）。结果我得到 0.05。

频谱图

4

1 回答 1

1

根据频谱图中谐波之间的距离，我估计音高约为 150-200 Hz。那么，为什么音高检测算法没有检测到我们在频谱图中肉眼可以看到的音高呢？我有几个猜测：

音符仅持续几秒钟。一开始，有一个漂亮的谐波堆栈，有 10 个或更多谐波！这些很快消失，5 秒后甚至不可见。如果您试图估计整个信号的音高，您的估计可能会被 5-12 秒的声音“音高”所污染。尝试仅计算前 1-2 秒的音高。

低频噪音太大。在频谱图中，您可以看到 0 到 64 Hz 之间的大量功率。这不是谐波的一部分，因此您可以尝试使用高通滤波器将其去除。

这是一些完成这项工作的代码：

import numpy as np
from scipy.io import wavfile
from scipy import signal
import matplotlib.pyplot as plt

from frequency_estimator import freq_from_hps
# downloaded from https://github.com/endolith/waveform-analyzer/

filename = 'Vocaroo_s1KZzNZLtg3c.wav'
# downloaded from http://vocaroo.com/i/s1KZzNZLtg3c

# Parameters
time_start = 0  # seconds
time_end = 1  # seconds
filter_stop_freq = 70  # Hz
filter_pass_freq = 100  # Hz
filter_order = 1001

# Load data
fs, audio = wavfile.read(filename)
audio = audio.astype(float)

# High-pass filter
nyquist_rate = fs / 2.
desired = (0, 0, 1, 1)
bands = (0, filter_stop_freq, filter_pass_freq, nyquist_rate)
filter_coefs = signal.firls(filter_order, bands, desired, nyq=nyquist_rate)

# Examine our high pass filter
w, h = signal.freqz(filter_coefs)
f = w / 2 / np.pi * fs  # convert radians/sample to cycles/second
plt.plot(f, 20 * np.log10(abs(h)), 'b')
plt.ylabel('Amplitude [dB]', color='b')
plt.xlabel('Frequency [Hz]')
plt.xlim((0, 300))

# Apply high-pass filter
filtered_audio = signal.filtfilt(filter_coefs, [1], audio)

# Only analyze the audio between time_start and time_end
time_seconds = np.arange(filtered_audio.size, dtype=float) / fs
audio_to_analyze = filtered_audio[(time_seconds >= time_start) &
                                  (time_seconds <= time_end)]

fundamental_frequency = freq_from_hps(audio_to_analyze, fs)
print 'Fundamental frequency is {} Hz'.format(fundamental_frequency)
于 2017-05-16T19:10:18.273 回答