问题标签 [pitch-tracking]

我正在编写一个 XNA 脚本，我想在其中每隔几帧从麦克风读取数据并估计它的音高。我几乎完全根据这个页面（http://msdn.microsoft.com/en-us/library/ff827802.aspx）接受了输入。

现在我有一个缓冲区满字节。它代表什么？我重置所有内容，每 10 帧查看一次缓冲区，所以它看起来是一个巨大的数组，在不同的时间点有 9 个 1764 字节的实例（整个东西有 15876 字节大）。我假设它是声压的时域，因为我找不到有关麦克风输入格式的任何信息。有人知道这是如何工作的吗？我有一个朋友已经启动并运行了 FFT，但我们正在尝试尽可能多地了解我正在收集的数据，然后再尝试将其插入。

好的，这里有很多问题，谷歌上有很多阅读材料，但我不知何故无法弄清楚。我想获得一段语音的基频。基本步骤应该是：

• 取窗口信号的 FFT
• 将 FFT 从直角坐标转换为极坐标（这样您就可以获得幅度）
• 丢弃相位信息
• 取平方，然后是大小的每个 bin 的自然对数
• 再做一次 FFT（或者一些消息来源说取反 fft？）

以下是我在 AS3 中的实现方式：

现在，当我这样做并以 FFT 结束时，当我绘制它时，这些垃圾箱似乎是相反的顺序？我还看到二次谐波的峰值比基频的峰值更大。当我这样做并进行逆 FFT 时，我得到一个看起来反射在 N/2 附近的音频信号，并且峰值似乎再次反转。整个事情也相当嘈杂。我究竟做错了什么？

我想分析一段录制的声音样本并找到它的属性，如音高等。我试图分析缓冲区的记录字节但没有成功。怎么做？

由于我是 App Inventor2 工具的新手，因此在尝试获取“间距”值以触发标签的可见性时遇到了一些问题。

当“AccelerometerSensor”达到 -30 或 30 度点时，我需要显示一个标签。为了实现这一点，我使用了“zAccel”值，应用程序以横向模式运行，主页按钮位于 Android 设备的右侧。

下图显示了我到目前为止使用的块，但没有取得多大成功，因为“警告”一直可见：

任何有关所用逻辑的块或线索的帮助，将不胜感激。提前感谢大家的时间和答案。

我正在开发一个用于频率检测的 IOS 应用程序，并且我正在使用非常精确的 YIN 算法：Witch Audacity，我生成了不同频率的矩形波 - 我的算法的精度约为 0.1 % - 对于例如生成 82.4 Hz（E 弦）的音调，我真的得到 82.4 Hz，仅此而已。

无论如何，当我弹奏吉他弦时，我经常会得到泛音，这些泛音有时会比基音 (F0) 更强（幅度更高）。因此，我的显示器开始“跳舞”并切换 - 有时，甚至会发生（当音调消失时）我的算法在泛音的频率处停止（例如 A 而不是 E） - 所以用户必须再次弹奏弦乐以便查看是否存在他想要的音调（频率）。

我知道这种现象与我的算法无关，因为它只是一个“硬件”问题（我的意思是吉他只会产生泛音）。

一旦检测到关键频率（例如 E 弦 +/- 容差的 82.4 Hz），我试图平滑（频率检测的）结果或“捕捉”到固定频率，但都徒劳无功。无论如何，我的算法也经常出现错误的频率。

我在问自己如何便宜的吉他调音器（吉他商店售价 10 美元）是如何工作的，因为它们的频率检测也可靠且稳定。

我不想更改算法，但我想到了两种可能的解决方案：

1. 信号预处理（可能是汉宁窗、低通或带通滤波）和/或
2. 信号的后处理（某种频率平滑）。

有人知道如何克服“不稳定”的结果吗？

有许多应用程序可以分析声音文件或麦克风输入。例如用于 android 的调谐器应用程序。现在我问自己他们是如何实现的？我不知道我应该如何开始。也许你们中的某个人可以给我输入或教程的链接。我已经用谷歌搜索了，但我被大量的信息淹没了。我只是将其作为我的爱好，第一步我想开发一个小型调谐器应用程序。我希望你们中的某个人可以帮助我。

PS：我已经开发了几个安卓应用程序，但我大部分时间都在开发 ASP .Net Web 应用程序。所以我不是软件工程的新手，但我从未分析过麦克风输入等。

我需要在音乐家演奏音乐时测量信号频率，而对于 FFT（快速傅里叶变换）来说，它恰好有点太快了。

音乐家以 90-140 bpm 的速度演奏音乐。这意味着每分钟有 90-140 个音符组，每组最多 8 个（更频繁地，最多 4 个）音符（60/140/8 = 0.0536 秒，60/90/4 = 0.167 秒），即也就是说，音符可能会以每秒 6-19 个音符的速度变化。

音乐使用对数刻度：例如，440Hz 和 880Hz 之间的范围分为 12 个音符，其中只有 7 个用于旋律。（基本上，他们只使用钢琴上的白键；当他们想改变起始频率时，他们使用一些黑键而不使用一些白键。）也就是说，每个下一个音符的频率相乘乘以 2^(1/12) = 1.05946。

更复杂的是，A (La) 频率可能在 438 到 446 Hz 之间变化。弦乐器理论上可以调音，而管乐器则取决于空气的温度和湿度，因此音乐家在检查声音时会重新协商频率。

有时音乐家和歌手会在频率上出错，他们称之为“走调”。他们想要一种能够通知他们此类“失调错误”的设备。他们有调音器，但调音器需要播放相同的声音大约 1 秒才能开始显示任何内容。这适用于调音，但在播放音乐时不起作用。

最有可能的是，调谐器正在执行 FFT，并且由于公式

等待 1 秒以获得 1Hz 分辨率。

对于 A=440Hz，两个音符之间的频率差为 440*0.05946 = 26.16 Hz，要获得该频率分辨率，必须使用 0.038 秒的采集时间，也就是说，在 tempo=196bpm 时，FFT 只能区分两个注意，在 98 bpm 时，只要它在音高变化的那一刻开始采集，它就能够分辨出 50% 的失调错误。如果我们在采集期间允许音高变化，我们会得到 49 bpm，这太慢了。此外，非常希望对频率更精确，例如检测 25% 的失调误差。

有没有比 FFT 更好地测量频率的方法，即在更短的采集时间内获得更好的分辨率？（至少好 2 倍，理想情况下，好 8 倍。）作为交换，我不需要区分不同八度的音符，例如 440 和 880 都可能被识别为 A。（可能，更多的权衡是可能的，只是现在我没有想到其他任何事情。）

UPD 这是一个非常好的绘图：

UPD2

我在以下位置找到了一篇博士论文和开源软件（TARTINI——实时音乐分析工具）：

http://miracle.otago.ac.nz/tartini/

（这些页面也可以通过网络存档服务获得：http: //web.archive.org = http://archive.org = http://waybackmachine.org）

我找到了一些使用 aubio 获取音高的示例代码，但我不确定要更改什么以使其以秒为增量显示音高：

另外，我是否可以直接从输出而不是 wav 文件执行此操作？

我想知道是否有人可以帮助我解决一个棘手的问题，即将 Praat Pitch 轮廓的时间和频率提取到 txt 文件中。

我从

我想去：

如果脚本可以读取“dx =”中的信息并计算 x 坐标的时间，那就太好了。

在此先感谢您的帮助。

我正在 Python 上启动一个项目，我需要开发一个音高检测系统，基本上我要做的就是录制来自吉他弦的声音，然后识别哪个是那个声音的音调。

我已经阅读并搜索了网站（包括 stackoverflow），因此我可以理解重要事物的主要思想，例如：FFT、时域、频域、谐波、音高检测算法、八度误差等。

经过研究，我发现我可以使用 HPS（谐波乘积谱）算法，并且该算法属于频域方法，这意味着我必须（在一般步骤中）：

1. 录制吉他的声音（避免外部噪音）。
2. 使用 FFT 函数，这样我就可以将该音频从时域转换为频域（这就是 FFT 所做的）。
3. 在我得到那个数据（一个数组）之后，我必须使用 HPS，这样我才能找到最高音调，这将是音调字符串的声音。

我的问题从最后一步开始，我已经阅读了 HPS 的 ecuation 和一些关于它的讲座，但我仍然无法理解它并开发自己的功能。

我是否遗漏了一些我不理解的东西或某些东西，而我认为我知道了？我只是找不到编写自己的 HPS 算法的方法。