signal-processing - 女声基频

Question

根据我在网上看到的，女声基频的正常范围是165到255赫兹。我正在使用 Praat 和名为 Parselmouth 的 python 库来获取音频文件（.wav）中女性声音的基本频率值。但是，我得到了一些超过 255Hz 的值（例如：400+Hz、500Hz）。获得这样的大值是否正常？

Answer 1

如果您试图捕捉说话声音的基频 (F0)，这是可能的，但不太可能。听起来您可能正在捕捉更容易产生共鸣的泛音（例如 F1 或 F2）。

我对 Praat 的实验给我的印象是，如果具有良好的参数，它将可靠地提取 F0。

您要做的是通过将音高曲线与频谱图进行比较来验证这一点。以下是 Praat（女发言人）制作的配件示例：

从图中可以看出

• 最突出的频率似乎是 F2
• 大约 200 Hz 似乎可能是 F0，因为只有低于该频率的噪音（与该段之前/之后相比）
• Praat 为浊音段计算了一个很好的 F0 估计值

如果在目视检查之后，您似乎得到了错误的结果，您可以尝试调整参数。窗口长度极大地影响频率分辨率。

如果你不能捕捉到这么低的频率，你应该尝试增加窗口长度——直觉是它让算法有更好的机会在数据中找到缓慢变化的周期性特征。