假人的頻率/音高檢測

Question

雖然我在這個網站上有很多關於音高檢測概念的問題......但它們都處理了我不熟悉的神奇FFT 。 我正在嘗試構建一個需要實現音調檢測的Android應用程序。 我完全不了解用於執行此操作的算法。

這可不是那么難嗎？ 畢竟，Android市場上有大約80億個吉他調諧器應用程序。

有人可以幫忙嗎？

Answer 1

FFT實際上不是實現音調檢測或音高跟蹤的最佳方式。 一個問題是最響亮的頻率並不總是基頻。 另一個原因是FFT本身需要相當大量的數據和處理才能獲得調諧儀器所需的分辨率，因此響應速度似乎很慢（即延遲）。 另一個問題是FFT的結果必然是直觀的：你得到一個復數的數組，你必須知道如何解釋它們。

如果你真的想使用FFT，這里有一種方法：

1. 低通信號。 這有助於防止噪聲和高次諧波產生虛假結果。 可以想象，您可以跳過此步驟，而是將結果加權到FFT的較低值。 對於一些具有強基頻的儀器，這可能不是必需的。
2. 窗口你的信號。 Windows應該至少4096。 更大是更好的一點，因為它為您提供更好的頻率分辨率。 如果你太大，最終會增加你的計算時間和延遲。 hann功能是您窗口的不錯選擇。 http://en.wikipedia.org/wiki/Hann_function
3. 盡可能頻繁地對窗口信號進行FFT。 即使重疊的窗口也很好。
4. FFT的結果是復數。 使用sqrt（real ^ 2 + imag ^ 2）查找每個復數的大小。 具有最大幅度的FFT陣列中的索引是具有峰值頻率的索引。
5. 您可能希望平均多個FFT以獲得更一致的結果。

你如何計算指數的頻率？ 好吧，假設你有一個大小為N的窗口。在FFT之后，你將有N個復數。 如果您的峰值是第n個，並且您的采樣率是44100，那么您的峰值頻率將接近（44100/2）* n / N. 為什么附近？ 你有錯誤（44100/2）* 1 / N. 對於4096的箱子，這大約是5.3Hz - 在A440處容易聽到。 您可以通過以下方面進行改進：考慮到相位（我只描述了如何考慮幅度），2。使用更大的窗口（這將增加延遲和處理要求，因為FFT是N Log N算法），或3.使用更好的算法，如YIN http://www.ircam.fr/pcm/cheveign/pss/2002_JASA_YIN.pdf

您可以跳過窗口步驟，只需將音頻分解為您要分析的許多樣本的離散塊。 這相當於使用方形窗口，但可能會在結果中產生更多噪音。

順便說一句：許多調諧器應用許可代碼形成第三方，如z-plane和iZotope。

更新 ：如果你想要C源代碼和FFT方法的完整教程，我寫了一個 。 該代碼在Mac OS X上編譯和運行，並且應該可以很容易地轉換為其他平台。 它的設計並不是最好的，但它的設計易於理解。

Answer 2

快速傅里葉變換將功能從時域更改為頻域。 因此，代替f(t) ，其中f是從麥克風獲得的信號， t是該信號的時間索引，得到g(θ) ，其中g是f的FFT， θ是頻率。 一旦你有g(θ) ，你只需要找到幅度最高的θ ，即“最響”的頻率。 這將是您正在拾取的聲音的主要音高。

至於實際實現FFT，如果你谷歌“快速傅里葉變換示例代碼”，你會得到一堆例子。