Questions tagged «pitch»

我想使用STFT进行多音高分析。我意识到检测信号中存在的部分仅仅是开始。我还是有问题。 假设我已经以“ CD”频率采样了信号44100Hz。在1024样本窗口中，我得到的频点分辨率为22500Hz/512=43Hz。这仅足以识别诸如C5 = 523.251Hz和的高钢琴音符 C#5 = 554.365。 我曾经认为这1024是一个很大的窗口。但是也许不是，通常使用较大的窗口来检测局部图像吗？ 除了增加窗口大小之外，是否可以使用其他方法来提高频率分辨率，这会使时间分辨率恶化？我想到了两种方法： 方法1： 使用带通滤波器将信号划分为多个频带（例如0-11.25Hz和11.25-22.5Hz）。 对较高的频段进行下采样，以使原来的高频现在变为低频（第二个频段也是如此11.25-22.5Hz -> 0Hz-22.5Hz）-不确定是否可行。 Concat生成的带有已调整标签的垃圾箱集。 方法2： 使用限制不断增加的一系列低通滤波器。 在增加的频率范围上执行FFT。 对于每个频率，请使用最佳分辨率（来自包含该频率的第一个FFT的仓）。 这将使低频具有更好的分辨率，但是我认为这是可以的，因为对于更高的音符，频率差异会更大。 对于这个问题，我将不胜感激。 我也在这里阅读： 窗口大小，采样率如何影响FFT基音估计？ 关于改善峰提取结果的方法。我认为会尝试使用它。

12 filters  fft  pitch  stft 

我正在尝试使用此处给出的rt_lpc（实时LPC）实现进行离线LPC分析和综合。该程序中有一些功能可用于脱机LPC分析和综合程序。rt_lpc代码主要用于作曲家等，这意味着它使用MIDI或声门脉冲输入。程序中有一些代码可将音高值（从自相关获得）转换为该bend值。该关系如下所示： pitch = (int)( Stk::sampleRate() / midi2pitch[ananya.data[1]] ) / pow( 1.0653f, bend/64.0f*11.0f ); power *= ananya.data[2] / 64.0f; bend = ge.data[1] / 128.0f + ge.data[2] - 64; 有几点： 一。ananya是一个MidiMsg似乎正在动态填充的类型的对象。 b。ge也是一个MidiMsg似乎也在飞行中填充的类型的对象。 C。这两个对象是在程序实时运行时创建的（mine是一个脱机版本，它在我自己的main.cpp中运行它的特定部分。 我的问题： 1.什么是弯音？ 2.如何将螺距值转换为折弯值？有哪些映射关系？ 我已经用谷歌搜索解决方案，但没有找到明确的答案。

11 music  pitch 

我正在尝试实现一个唱歌游戏，该游戏将分析原始麦克风输入并告诉玩家他的演唱水平如何。这需要实时完成。 我遇到了很多线程在问同样的问题，但是我仍然没有完成它，这可能是由于我缺乏该领域的经验和浅薄的数学背景。我已经基于DSPDimension网站音高偏移的文章实现了一种算法：http ://www.dspdimension.com/admin/pitch-shifting-using-the-ft/ 正如文章所解释的，我提取了真实的频率和幅度，但是我不知道以此找到基本频率。我试图获得最大幅度的信号仓，但是对于较高音调的信号只能给出正确的结果，无论我使用哪种过采样因子，对于低频信号仍然会得到不好的数据。这种方法是完全错误的，还是我在正确的轨道上却只是缺少一些东西？ 提前致谢， 编辑：我忘了提及我只对音高类感兴趣，因此可以确定基本面是否缺失，但样本中的色相强烈。 EDIT2：谢谢大家，我刚刚完成了一个算法的工作，它就像一个魅力。低音高估计问题是由于我的输入测试所致。当我演唱音符时，音符正确匹配。另外，我现在正在考虑所有谐波，而不仅仅是最高峰值。

11 fourier-transform  pitch  peak-detection  stft  singing 

我正在使用平均幅度差函数来估计准周期音频信号的基本频率。AMDF定义为 dñ= 1ñ− n∑k = nñ− 1| 小号ķ− Sk − n|dñ=1个ñ-ñ∑ķ=ññ-1个|小号ķ-小号ķ-ñ| D_n = \frac{1}{N-n}\sum_{k=n}^{N-1}|S_k - S_{k-n}| 其中是信号的长度。当信号偏移等于其周期的量时，此功能将显示最小值。ññN 这是我用来提取音高的代码（在Matlab中）： a = amdf(f); a = a/max(a); [p l] = findpeaks(-a, 'minpeakprominence', 0.6); pitch = round(sample_freq/l(1); 但是，我正在处理基频非常低的音频信号： 结果，出现音调加倍问题：检测到的最小值对应于信号周期的一半（即二次谐波）： 我试图提取最大的峰，而不仅仅是第一个峰，但有时这个问题仍然存在。我该如何改善我的代码和/或AMDF功能以应对低基础？

11 audio  pitch  fundamental-frequency 

我已经使用HPS制作了音高检测算法，但遇到了问题。我是信号处理的初学者，这个站点以前曾帮助过我，所以我应该问一下。 对于更高的音调（ eg. >C6:1046.50hz），我开始从HPS获取垃圾数据。音调越高，我得到的垃圾越多（“垃圾”是指既不是倍频程误差也不是谐波的频率，大约在1Hz-20Hz） 我的经验观察到： 如果基音高于A6左右，则结果对于更高的音调是最差的，我只会得到垃圾数据。 即使在非常高的音调下，FFT也能正常工作（按我的意思是，它的峰值显示的是基波或谐波之一，但没有垃圾） 如果我降低了考虑使用HPS的谐波数量，垃圾将减少，但是这使得区分基波和谐波变得更加困难。 这是我的算法： ->raw buffer -> hann window, 16384 samples, 50% overlap -> zero padding -> FFT -> HPS 任何帮助表示赞赏！ 更新1：因此，我还要添加一些其他内容： 我记录的采样率为44100 Hz 我观察到这种行为在吉他上几乎看不到，但在数码钢琴上却很明显（对于相同的演奏音符） 这是我的hps算法，也许经验丰富的人可以发现问题。 int hps(float* spectrum, int spectrumSize, int harmonics) { int i, j, maxSearchIndex, maxBin; maxSearchIndex = spectrumSize/harmonics; maxBin = 1; …

10 fourier-transform  frequency-spectrum  pitch 

平均幅度差函数/公式（AMDF）的维基百科页面似乎为空。什么是AMDF？AMDF的属性是什么？与其他音高估计方法（例如自相关）相比，AMDF的优缺点是什么？

9 autocorrelation  estimation  pitch 

首先，我很抱歉，因为我是一名软件开发人员，而且很长一段时间以来我还没有深入研究纯数学，所以我的问题似乎很愚蠢。我希望不是。 背景是音乐中的音高识别。 如果您记下音符，然后对其进行傅立叶变换，则对于给定的频率，您将获得无限的振幅总和。例如，如果我在任何乐器上演奏基音为的音符，则在进行傅立叶变换后，我将在处产生谐波。每个频率都会有一个给定的幅度，该幅度定义了乐器的音色（钢琴，声音，小号……都遵循此律，但是每个谐波的幅度都不同）F ，2 F ，3 F ，… ，n FFFFF，2 楼，3 ˚F，… ，n FF，2F，3F，…，ñFF, 2F, 3F,\ldots,nF 现在我想要做的是从给定的音频信号，找到。只是。这比看起来要复杂得多，因为您将始终有背景噪声等等。此外，不一定是振幅最高的频率！˚FFFFFFF 因此，我找到想法是应用DFT（实际上实际上是FFT以获得速度）并找到频率，以便在FFT输出中最大。F F + 2 F + 3 F + … + n FFFFFFFF+ 2 楼+ 3 楼+ … + n FF+2F+3F+…+ñFF + 2F +3F + \ldots + nF 您认为这完全有可能吗？您认为在很短的时间内（例如<5毫秒）有可能吗？

9 audio  fft  pitch