Audio 智能手机上音符的音高识别
在有限的资源（如较慢的CPU、代码大小和RAM）下，如何最好地检测音符的音调，类似于电子或软件调谐器的功能 我应该使用：Audio 智能手机上音符的音高识别,audio,signal-processing,fft,pitch-tracking,Audio,Signal Processing,Fft,Pitch Tracking,在有限的资源（如较慢的CPU、代码大小和RAM）下，如何最好地检测音符的音调，类似于电子或软件调谐器的功能 我应该使用： 接吻 FFTW 离散小波变换 自相关 过零分析 倍频程间隔滤波器 其他的 简而言之，我想做的是识别一个音符，中间C以下两个八度到中间C以上两个八度，在任何（合理的）乐器上演奏。我希望在半音阶的20%以内——换句话说，如果用户演奏得太平缓或太尖锐，我需要区分这一点。但是，我不需要调整所需的精度。在我的项目中，我从中获取了代码。它基本上需要一个FFT，然后通过在FFT上放置一
- 接吻
- FFTW
- 离散小波变换
- 自相关
- 过零分析
- 倍频程间隔滤波器
简而言之，我想做的是识别一个音符，中间C以下两个八度到中间C以上两个八度，在任何（合理的）乐器上演奏。我希望在半音阶的20%以内——换句话说，如果用户演奏得太平缓或太尖锐，我需要区分这一点。但是，我不需要调整所需的精度。在我的项目中，我从中获取了代码。它基本上需要一个FFT，然后通过在FFT上放置一条三次曲线并找到该曲线的峰值来找到峰值功率。虽然我不得不防止八度跳，但效果相当不错
请参阅。如果您想实时（精确到半音阶的1/100以内）进行音调识别，您唯一真正的希望是零交叉方法。很抱歉，这是一个微弱的希望。过零可以通过几个波长的数据来估计基音，也可以通过智能手机的处理能力来实现，但并不特别准确，因为测量波长的微小误差会导致估计频率的较大误差。像吉他合成器这样的设备（从只有两个波长的吉他弦推断音高）是通过将测量值量化为音阶的音符来工作的。这可能适用于您的目的，但请注意，过零在简单波形中效果很好，但在更复杂的乐器声音中效果越来越差 在我的应用程序（在智能手机上运行的软件合成器）中，我使用单乐器音符的录音作为波表合成的原材料，为了产生特定音高的音符，我需要知道录音的基本音高，精确到半音阶的1/1000以内（我真的只需要1/100的精度，但我对此有点强迫症）。过零法对此太不准确了，基于FFT的方法要么太不准确，要么太慢（有时两者兼而有之） 在这种情况下，我发现最好的方法是使用自相关。通过自相关，你基本上可以猜测音高，然后测量相应波长下样本的自相关。通过扫描看似合理的音高范围（比如A=55 Hz到A=880 Hz）通过半色调，我找到最相关的音调，然后在该音调附近进行更细粒度的扫描，以获得更准确的值
最适合你的方法完全取决于你想用它做什么。过零不起作用，因为典型的声音有谐波和过零，远远超过基频 我（作为一个家庭项目）尝试的是：
然而，我发现，通过电子键盘的输入，对于某些乐器的声音，它能够拾取2倍的基频（下一个八度）。这是一个附带项目，在着手其他事情之前，我从未着手实施过解决方案。但我认为它有望比FFT少很多CPU负载。我不熟悉您提到的所有方法，但您选择的方法应主要取决于输入数据的性质。您是在分析纯音，还是在分析纯音您的输入源有多个音符？语音是您输入的一个特征吗？您对输入采样的时间长度是否有任何限制？您是否能够在一定的准确性和速度之间进行权衡 在某种程度上，你选择什么还取决于你是想在中还是在中执行你的计算。将频率表示转换为频率表示需要时间，但根据我的经验，往往会得到更好的结果 比较时域中的两个信号。简单的实现很简单，但计算成本相对较高，因为它需要对原始信号和时移信号中的所有点进行成对差分，然后进行差分以识别自相关函数中的转折点，然后选择最小对应点对于基频。有其他方法。例如，是一种非常便宜的自相关形式，但精度会受到影响。所有自相关技术都有倍频程误差的风险，因为函数中存在基频以外的峰值 测量简单明了，但如果信号中存在多个波形，则会遇到问题 在频率空间中，基于的技术可能对您的目的足够有效。一个例子是谐波积频谱技术，它将信号的功率谱与每个谐波的下采样版本进行比较，并通过将频谱相乘以产生清晰的峰值来识别基音 和以往一样，没有什么可以替代测试和分析几种技术，以经验确定什么最适合您的问题和约束 像这样的回答只能触及这个话题的表面。除了前面的链接，这里还有一些相关的参考