在嘈杂的.wav文件中检测鼓bpm

我正在寻找解决以下问题的算法：给定嘈杂的.wav声音捕获（麦克风上有风和摩擦噪声），如何检测柔和鼓声的BPM？

我尝试过搜索该主题，但由于用于分析和生成指纹ID的大量mp3相关软件，结果非常差。他们都没有提供有关如何实际执行操作的信息。

我知道消除噪声的算法，但是仍然使我面临检测BPM的问题。而且，根据解决BPM问题的方式，可能甚至不需要去噪（由于鼓的频率往往较低，而噪声的频率较高，因此简单的低通可能就足够了）。

如果鼓声相对较强，一种可行的方法是获取波形的STFT幅度，然后仅在时间维度上对其自动进行相关。自相关函数的峰值将是拍子或拍子的约数。

这等效于将信号分成很多不同的频带，找到每个频带的幅度包络，对每个包络进行自相关，然后求和。通过互相关运算将噪声和音乐的其他部分平均化。

这是因为鼓拍会在许多频率（垂直线）上产生短暂的声音，而音乐的其他部分则仅在少数几个频率（水平线）上具有较长的声音，并且噪音是长期的，但在所有频率上都是随机的。如果您查看STFT，则可以看到节拍重复：

我为一个学校项目想出了这一点，以便为整个音乐文件找到一个BPM值，但是随着BPM的变化，它也可以适应音频流。您需要处理的块至少要比所需的BPM周期长两倍。

自相关无疑是一种很好的基本方法。您可以采取一些措施来进一步增强此功能：

1. 如果您知道感光鼓的频谱，请对信号进行带通滤波，以便仅保留与感光鼓相关的频率。根据鼓的不同，它可能会很窄，应该消除绝大多数噪音。
2. 然后，使用大致与鼓拍长度匹配的时间常数，计算信号的时域包络（“有损峰值”是最简单的方法）。
3. 然后进行自相关