如果我可能无知，请原谅我，但我想问一些关于使用过滤算法进行音符起始检测的问题。
“检测功能”是否与对音频信号使用过滤器相同？或者一般来说，检测功能、过滤（信号预处理）和峰值拾取之间有什么区别？
我经常听说低通（或高通）滤波器，但我很困惑。我读到它可以消除低于（或高于）某个阈值的某些频率。但是，我使用时域来计算音符开始（即使用信号幅度/能量的变化）。所以我不确定如何将低通滤波应用于时域。还有其他用于音符开始检测的好的过滤器吗？
光谱能量和相位能量有什么区别？（我知道频谱是指频谱图或频率，但我不知道相位是什么）
我在使用动态阈值时遇到了困难。有什么好的算法建议吗？例如，我有以下信号：
如上图所示，我错过了一些音符开始。简要描述我的算法，我计算并记录音频信号中发生的能量/幅度变化。然后我得到最大的“能量变化”并根据灵敏度，我取它的百分比并将其设置为阈值。所以这就是处理不同程度的幅度/能量的问题所在。如果我将灵敏度设置得太低，我会想出“鬼”发作，如果我将灵敏度设置得太高，我会错过一些发作。有什么建议可以改进我正在使用的算法（或建议一种新算法）？
我确信很难达到 100% 的准确率，但与我现在所拥有的相比，我需要一个更好的算法来检测音符的起始位置。我会很感激我能得到的所有帮助。非常感谢！