Java 音频分析：频率与音高

我正在设计一个简单的调谐器，所以我的目标是显示一个音符名称（a、B、F#）以及理论声音和实际输入之间的距离（以美分为单位）

我对音频和信号处理完全陌生，所以我做了一些研究，发现了一种叫做快速傅立叶变换的东西，它可以分析字节并给出频率。此外，我还发现了一些Java库，比如，所以我不会自己编写硬代码

我相信这就是全部，因为每个音域的频率可以直接映射到一个相同音律的音符，但后来我发现了一个新的（对我来说）词，叫做音高：据说它与频率密切相关，但不是完全相同的东西，更难获得，属于心理声学领域

---

所以我的问题是，有人能清楚地描述出音高和频率之间的区别，并告诉我调谐器处理的是哪种调谐器吗？

音高是你必须处理的标准音符。对于

A

，这是440赫兹，官方的说法，但是越来越多的音乐家和乐器开始使用它，因为这可能是441442。。。 对于编程，您最好让用户修复其标准

A

（例如，让他在440和449之间，以1Hz为步长）。然后，

A

一个八度以上将是880882。。。取决于用户的初始选择。 你必须以对数刻度（12个间隔）计算其他音符，最好是显示听到的频率和最近音符之间的距离。 参见此示例：

是波每秒经过的振荡次数。任何周期性的波都有一个频率。但通常在音乐中，这个词的使用仅限于谈论正弦波，所以如果你听到某个频率为x的波，它通常意味着一个每秒有那么多振荡的正弦波

任何任意波，无论周期与否，都可以通过将不同频率的正弦波以不同的量（即具有不同振幅）相加来构造。傅里叶变换的作用是告诉你使用哪个频率，用哪个振幅来产生任何给定的波。快速傅里叶变换（FFT）是一种特殊的算法，它计算波的傅里叶变换，给定表示波振幅随时间变化的数据

当你听到乐器演奏的音符时，它不仅仅由单一频率组成。相反，你得到的是一个基频的不同倍数的组合，数量不同。例如，吹奏特定音符的长笛可能会产生以下组合：

• 440赫兹，振幅为1
• 1320 Hz，振幅为1/2
• 2200 Hz，振幅为1/3

等等。另一方面，吹同一个音符的小号可能会产生

• 440赫兹，振幅为1
• 880 Hz，振幅为1/2
• 1320 Hz，振幅为1/4
• 1760 Hz，振幅为1/8

等等。（这些不是这些仪器的实际相对振幅；我只是编了一些示例数字）因此，在调谐器应用程序中，当您对输入数据运行FFT时，您将在不同频率下的输出中发现多个峰值，具体取决于正在调校的仪器。关键是FFT的输出将不仅仅是一个数字；它不会告诉你“这个乐器在440赫兹的频率下演奏一个音符。”

现在我们来谈谈，这是一个稍微模糊的概念。一个音符的音高基本上是一个人接触到该音符时实际听到的声音。对于许多乐器，音高与乐器发出的基频相关。但根据较高频率的相对振幅，一个人可能会感觉到两种乐器的音调不同，即使它们实际上演奏的是同一个音符

---

幸运的是，如果你只是制作一个简单的调谐器，你根本不用担心音高。调谐器的目的是最小化不同乐器之间的节拍，而节拍是由实际频率而不是感知的音调引起的。基频为440 Hz的小号和长笛不会显示节拍，因为它们所有频率之间的差异都是440 Hz的倍数，即使未经训练的耳朵可能认为其中一个音调比另一个高。

音调与信号的周期性有关。的确，它是基于心理声学的，但是当我们听到一个音调时，可以非常准确地说我们检测到了信号的伪周期性

频谱是将音频信号分解为各种频率的正弦和余弦之和。正如David指出的，通常当人们在音乐环境中谈论“频率”时，他们指的是你将信号分解成的这些正弦波的频率。所以频谱是看这些正弦分量中哪一个是大的，它们的频率是多少。频谱广泛地代表了你戴着高帽听到的“高频”，以及你在岩石撞击地面时听到的“低频”。严格地说，这两种声音都不是周期性的，你也感觉不到音调，但你听到的是频谱中高频和低频部分的相对大小

傅里叶变换（或DFT/FFT）是一种数学算法，通过它可以将音频信号分解为正弦和余弦之和。所以通过观察这些正弦和余弦的大小，你可以得到频谱。猜测音高的一种简单方法是直接观察一小段音频的频谱，并假设信号的最大正弦分量对应于其基本周期性

我在另一篇文章中写了一个很长的答案，我认为这将回答你关于如何提取音高的问题：