问题标签 [fft]

我正在尝试对用户唱歌进行实时音高检测，但遇到了很多问题。我尝试了很多方法，包括 FFT（FFT 问题（返回随机结果））和自相关（自相关音高检测返回带有麦克风输入的随机结果），但我似乎无法获得任何方法来给出好的结果。谁能建议一种实时音高跟踪的方法或如何改进我已有的方法？我似乎找不到任何用于实时音高检测的好的 C/C++ 方法。

谢谢，

尼尔。

编辑：请注意，我检查了麦克风输入数据是否正确，并且当使用正弦波时，结果或多或少是正确的音高。

编辑：对不起，这已经晚了，但目前，我通过从结果数组和每个索引中取出值来可视化自动收集，并在 X 轴上绘制索引和 Y 轴上的值（两者都除以100000 或其他东西，我使用 OpenGL），将数据插入 VST 主机并使用 VST 插件对我来说不是一个选项。目前，它看起来就像一些随机的点。我做得对吗，或者你能不能指点我一些代码来做这件事，或者帮助我理解如何可视化原始音频数据和自相关数据。

这不是一个“编程”问题。但我确信这是在这个社区中广为人知和理解的东西。

我有一个图像 x 和一个小得多的图像 y，我需要通过乘以它们的 FFT 来对两者进行卷积。但由于它们的大小不同，我不知道如何进行频域乘法。

我采用 x 的（二维）FFT（它是一个维度为 4096 x 4096 的整数矩阵），它给出了频域表示 X（它是一个复数矩阵，我认为它的维度是 2048 x 2048 ）。

同样，我采用（y 的二维 FFT（它是一个 64 x 64 维的整数矩阵），它给出了频域表示 Y（它也是一个复数矩阵，我认为它的维数是 32 × 32)。

我在 Numerical Recipes 中使用了fourn 函数，所以我的输入矩阵 x 和 y 必须折叠成一维数组，这些数组被它们的离散傅里叶变换 X 和 Y 所取代。关键是即使这是一个图像的二维问题，我正在处理一维数组。

如果我试图对两个尺寸完全相同的图像 x 和 y 进行卷积。这一切都非常简单：

但是如果 X 和 Y 的长度不同，我该如何做乘法呢？

一种可能性是将 y 填充为与 x 具有相同的尺寸。但这似乎非常低效。另一种可能性是填充 Y 使其具有与 X 相同的尺寸。但我不知道这在频率空间中意味着什么。

这是问这个问题的另一种方式：如果我想使用 FFT 对两个尺寸非常不同的图像进行卷积，以便可以对其光谱进行乘法（频域表示），我该如何进行乘法运算？

谢谢，

〜迈克尔。

我想持续分析 MIC 音频（不仅仅是剪辑或预先录制的样本），并显示频率图并过滤掉音频的某些方面。iPhone 是否足够强大？鉴于谷歌和 iPhone 语音识别、Shazaam 和其他音乐识别应用程序以及吉他调音器应用程序，我怀疑答案是肯定的。但是，我不知道我必须处理哪些限制。

有人玩这个区吗？

我正在尝试编写一个简单的调谐器（不，不是制作另一个调谐器应用程序），并且正在查看 AurioTouch 示例源（有没有人试图评论这段代码？？）。

我担心的是，在查看频域图时，aurioTouch 似乎实际上并不能很好地工作。我在乐器上弹奏一个音符，但我没有看到一组有序的、小的频率集，其中一个弦峰在音符的适当频率处出现。

有没有人使用过 aurioTouch 足以知道底层代码是功能性的还是只是一个粗略的样本？

我的其他选择是使用 FFTW 或 KISS FFT。有没有人有这方面的经验？

谢谢。

来自维基百科：傅立叶除法。

这是相同的屏幕截图：（ 以全分辨率查看）

这个算法背后的逻辑是什么？

我知道它可以用来划分非常大的数字，但它究竟是如何工作的呢？

由于资源有限，例如较慢的 CPU、代码大小和 RAM，如何最好地检测音符的音高，类似于电子或软件调音器所做的事情？

我应该使用：

• 亲吻 FFT
• FFTW
• 离散小波变换
• 自相关
• 过零分析
• 倍频程滤波器

其他？

简而言之，我要做的是识别一个音符，在中音 C 以下两个八度到两个八度以上，在任何（合理的）乐器上演奏。我希望在半音的 20% 以内 - 换句话说，如果用户弹奏太平或太尖锐，我需要区分这一点。但是，我不需要调整所需的精度。

我正在尝试使用 C++ 进行实时音高检测。我正在测试一些来自高性能（http://performous.org/）的代码，因为其他一切都对我不起作用。我肯定知道这行得通，但我就是不能让它工作。我已经尝试了几个星期，但我无法让任何音高检测代码正常工作。

使用正弦输入，我试图修改它的频率，削减频谱中的一些较低频率，将主频率移向零。由于信号没有 fftshift，我试图通过在 fft 向量的开头和结尾消除一些样本来做到这一点：

但它没有按预期工作。我还尝试去除频谱的中心部分，但它也使用了更高频率的正弦波。

如何使它正确？

作为我之前问题的后续，如果我希望我的智能手机应用程序检测到某个音符，并且我只需要知道传入的声音是否是那个音符，并带有一定的模糊性，就可以允许注意要偏离 x 美分。

鉴于此，在速度和准确性方面是否有比其他方法更好的方法？也就是说，通过知道您要查找的音符是#C3，如何最好地判断该音符是否存在？我假设寻找单个音符比分离所有波形更容易，然后查看基频的结果。

在对我最初问题的回答中，一位受访者建议，如果您知道注释在一定范围内，自相关可能会很好地发挥作用。我想知道如果您只需要检查是否存在某个音符（+/- x 美分），那么自相关是否会更好。

这些方法是：

• 亲吻 FFT
• FFTW
• 离散小波变换
• 自相关
• 过零分析
• 倍频程滤波器
• 载重吨

任何想法将不胜感激。

我的问题与对信号进行频谱分析或将信号放入 FFT 并使用合适的数值包解释结果的物理意义有关，

具体来说：

• 取一个信号，比如一个随时间变化的电压 v(t)
• 把它扔进一个 FFT（你得到一个复数序列）
• 现在取模数 (abs) 并将结果平方，即 |fft(v)|^2。

所以你现在在 y 轴上有实数——我应该把这些称为频谱系数吗？

• 使用采样分辨率，您可以按照食谱将频谱系数与频率相关联。
• 此时，您有一个频谱 g(w)，频率在 x 轴上，但是 y 轴上的物理单位是什么？

我的理解是，这个频谱显示了电压信号中存在多少各种频率——它们是频谱系数，因为它们是重构原始信号所需的各种频率的正弦和余弦系数。

所以第一个问题是，这些频谱系数的单位是什么？

这很重要的原因是频谱系数可能很小而且很大，所以我想使用 dB 标度来表示它们。

但要做到这一点，我必须做出选择：

• 要么我使用 20log10 dB 转换，对应于现场测量，如电压。
• 或者我使用 10log10 dB 转换，对应于能量测量，如功率。

我使用哪种缩放取决于单位是什么。

对此的任何启示将不胜感激！