Java—基频估计的几个问题

我试图从一个.wav文件中估计基频，该文件包含一个单词的语音记录

我试着用audioInputStream读取文件。格式为PCM_签名44100.0 Hz，16位，立体声，4字节/帧，小端

因此，我制作了一个新的缓冲区，只包含一个通道。该准则实现了以下目标：

double [] audioRight = new double[audioBytes.length/2]; 
for(int i = 0, k = 0; i <= audioBytes.length-1; i+=4, k+=2){
    audioRight[k]=audioBytes[i];
    audioRight[k+1]=audioBytes[i+1];
}

double[]audioRight=新的双精度[audioBytes.length/2]；
对于（inti=0，k=0；i一些一般提示：

你说你试图估计一个口语单词的基本频率。一个“单词”由几个辅音和元音组成（或更好）。每个“元音”都有不同的基本频率，在大多数情况下，频率甚至会在一个元音内发生变化（这会产生我们句子的“旋律”）.Thius的意思是你应该估计很短的语音间隔的基频/基音，并确保你看到的是元音（辅音是某种形式的噪音，具有循环成分）

因此，第一个sterp应该是生成单词的光谱图

然后，您可以计算感兴趣部分的短期FFT，并进行谐波求和

不过，使用短期自相关函数会得到更好的结果

其他需要研究的东西：基音检测，倒谱
16位是2个字节。你在哪里把小尾端的2个字节转换成1个双倍值？谢谢你的回答。我没有这样做。这样做的目的是什么？你对如何在java中实现这一点有什么建议吗？@hotpaw2我编辑了原始帖子，试图用appl正如你所建议的。这就是你的意思吗？如果我做得正确的话，它似乎不能解决我的问题。事实证明，使用ByteBuffer.wrap修复了我的问题，所以感谢你为我指明了方向。在使用ByteBuffer并专注于缓冲区中的前1000个值之后，我现在可以估计.wav f的基本频率演讲的时间间隔。结果符合每个性别基频的预期间隔。如果有人正在阅读这篇文章，寻找关于谐波频谱求和基频估计的答案，那么就去问吧，我会把我用过的所有代码都扔掉。我知道要找到关于基频估计的好信息有多难主题（：立体声，16位->4字节。一个示例小Endiannes:WavSample=（int）（（字节[1]））
DoubleFFT_1D fftDo= new DoubleFFT_1D(audioLeft.length);
double[] fftBuffer = new double [audioLeft.length*2];

for (int i = 0; i < audioLeft.length; i++){
     fftBuffer[i] = audioLeft[i];
}
fftDo.realForwardFull(fftBuffer);

double top_sum = 0;
double first_index = 0;
double sum = 0;
double f_0 = 0;
double FR = audioInputStream.getFormat().getSampleRate()/2/ampBuffer.length;

for (int i = 50; i <= ampBuffer.length/4-1; i++){
sum = ampBuffer[i]+ampBuffer[i*2]+ampBuffer[i*3]+ampBuffer[i*4];
     if (top_sum < sum){
 top_sum=sum;
 first_index = i;

 ByteBuffer buf = ByteBuffer.wrap(audioBytes);
         buf.order(ByteOrder.LITTLE_ENDIAN);
         double[] audio = new double[audioBytes.length/2];  


         for(int i = 0; i < audioBytes.length/2; i++) {
             short s = buf.getShort();
             double mono = (double) s;
             double mono_norm = mono / 32768.0;

             audio[i]=mono_norm;


         }