audio - 智能手机上音符的音高识别

Question

在有限的资源(例如较慢的 CPU、代码大小和 RAM)的情况下，如何最好地检测音符的音高，类似于电子或软件调音器会做的事情？

我应该使用:

吻FFT

FFTW

离散小波变换

自相关

过零分析

倍频程滤波器

其他？

简而言之，我想要做的是识别在任何(合理的)乐器上演奏的单个音符，中间 C 以下两个 Octave 到两个 Octave 以上。我希望在半音的 20% 以内 - 换句话说，如果用户演奏太平或太尖锐，我需要区分。但是，我不需要调整所需的精度。

Answer 1

如果您不需要那么高的精度，FFT 就足够了。 Window首先是音频块，以便您获得明确定义的峰值，然后找到第一个重要峰值。

bin 宽度 = 采样率/FFT 大小:

基础知识 range from 20 Hz 至 7 kHz，因此 14 kHz 的采样率就足够了。下一个“标准”采样率为 22050 Hz。

然后，FFT 大小由您想要的精度决定。 FFT 输出在频率上是线性的，而乐音在频率上是对数的，因此最坏情况下的精度将在低频处。对于 20 Hz 时 20% 的半音，您需要的宽度为 1.2 Hz ，这意味着 FFT 长度为 18545 .下一个 2 的幂是 215 = 32768。这是 1.5 秒的数据，我的笔记本电脑的处理器需要 3 毫秒来计算。

这不适用于具有“missing fundamental ”的信号，并且找到“第一个显着”峰值有点困难(因为 harmonics are often higher than the fundamental )，但您可以找出适合您情况的方法。

Autocorrelation and harmonic product spectrum更好地找到波的真正基波而不是谐波之一，但我认为它们不能很好地处理 inharmonicity ，而大多数乐器，如钢琴或吉他，都是不和谐的(和声比应有的稍微尖锐)。不过，这实际上取决于您的情况。

此外，您可以使用 Chirp-Z transform 仅在感兴趣的特定频带内进行计算，从而节省更多处理器周期。 .

我已经写了 a few different methods in Python用于比较目的。