加速框架倒谱峰值找到

Question

我正试图通过加速框架找到倒谱分析的峰值。我总是在帧的结尾处或帧的开头得到峰值。我正在分析它实时从麦克风获取音频。我的代码出了什么问题？我的代码如下：

OSStatus microphoneInputCallback (void                          *inRefCon, 
                              AudioUnitRenderActionFlags    *ioActionFlags, 
                              const AudioTimeStamp          *inTimeStamp, 
                              UInt32                        inBusNumber, 
                              UInt32                        inNumberFrames, 
                              AudioBufferList               *ioData){

// get reference of test app we need for test app attributes
TestApp *this = (TestApp *)inRefCon;
COMPLEX_SPLIT complexArray = this->fftA;
void *dataBuffer = this->dataBuffer;
float *outputBuffer = this->outputBuffer;
FFTSetup fftSetup = this->fftSetup;

uint32_t log2n = this->fftLog2n;
uint32_t n = this->fftN; // 4096
uint32_t nOver2 = this->fftNOver2;
uint32_t stride = 1;
int bufferCapacity = this->fftBufferCapacity; // 4096
SInt16 index = this->fftIndex;

OSStatus renderErr;

// observation objects
float *observerBufferRef = this->observerBuffer;
int observationCountRef = this->observationCount;

renderErr = AudioUnitRender(rioUnit, ioActionFlags, 
                            inTimeStamp, bus1, inNumberFrames, this->bufferList);
if (renderErr < 0) {
    return renderErr;
}

// Fill the buffer with our sampled data. If we fill our buffer, run the
// fft.
int read = bufferCapacity - index;
if (read > inNumberFrames) {
    memcpy((SInt16 *)dataBuffer + index, this->bufferList->mBuffers[0].mData, inNumberFrames*sizeof(SInt16));
    this->fftIndex += inNumberFrames;

} else {


    // If we enter this conditional, our buffer will be filled and we should PERFORM FFT.
    memcpy((SInt16 *)dataBuffer + index, this->bufferList->mBuffers[0].mData, read*sizeof(SInt16));

    // Reset the index.
    this->fftIndex = 0;

    /*************** FFT ***************/

    //multiply by window
    vDSP_vmul((SInt16 *)dataBuffer, 1, this->window, 1, this->outputBuffer, 1, n);

    // We want to deal with only floating point values here.
    vDSP_vflt16((SInt16 *) dataBuffer, stride, (float *) outputBuffer, stride, bufferCapacity );

    /** 
     Look at the real signal as an interleaved complex vector by casting it.
     Then call the transformation function vDSP_ctoz to get a split complex 
     vector, which for a real signal, divides into an even-odd configuration.
     */
    vDSP_ctoz((COMPLEX*)outputBuffer, 2, &complexArray, 1, nOver2);

    // Carry out a Forward FFT transform.
    vDSP_fft_zrip(fftSetup, &complexArray, stride, log2n, FFT_FORWARD);

    vDSP_ztoc(&complexArray, 1, (COMPLEX *)outputBuffer, 2, nOver2);


    complexArray.imagp[0] = 0.0f;
    vDSP_zvmags(&complexArray, 1, complexArray.realp, 1, nOver2);
    bzero(complexArray.imagp, (nOver2) * sizeof(float));

    // scale
    float scale = 1.0f / (2.0f*(float)n);
    vDSP_vsmul(complexArray.realp, 1, &scale, complexArray.realp, 1, nOver2);

    // step 2 get log for cepstrum
    float *logmag = malloc(sizeof(float)*nOver2);
    for (int i=0; i < nOver2; i++)
        logmag[i] = logf(sqrtf(complexArray.realp[i]));


    // configure float array into acceptable input array format (interleaved)
    vDSP_ctoz((COMPLEX*)logmag, 2, &complexArray, 1, nOver2);

    // create cepstrum
    vDSP_fft_zrip(fftSetup, &complexArray, stride, log2n-1, FFT_INVERSE);




    //convert interleaved to real
    float *displayData = malloc(sizeof(float)*n);
    vDSP_ztoc(&complexArray, 1, (COMPLEX*)displayData, 2, nOver2);



    float dominantFrequency = 0;
    int currentBin = 0;
    float dominantFrequencyAmp = 0;

    // find peak of cepstrum
    for (int i=0; i < nOver2; i++){
        //get current frequency magnitude

        if (displayData[i] > dominantFrequencyAmp) {
           // DLog("Bufferer filled %f", displayData[i]);
            dominantFrequencyAmp = displayData[i];
            currentBin = i;
        }
    }

    DLog("currentBin : %i amplitude: %f", currentBin,  dominantFrequencyAmp);

}
return noErr;

}

Answer 1

我没有使用过加速框架，但您的代码似乎正在采取适当的步骤来计算倒谱。

真实声信号的倒谱往往具有非常大的DC分量，在零交叉处和附近具有大的峰值[原文如此]。只需忽略倒谱的近DC部分，寻找高于20 Hz频率的峰值（高于Cepstrum_Width / 20Hz的频率）。

如果输入信号包含一系列非常紧密间隔的泛音，则倒谱在高频率端也会有一个大峰值。

例如，下图显示了Dirichlet核的倒谱，N = 128，宽度= 4096，其频谱是一系列非常紧密间隔的泛音。

您可能希望使用静态合成信号来测试和调试代码。测试信号的一个很好的选择是任何具有基本F的正弦波和几个F的整数倍的泛音。

您的Cepstra应该类似于以下示例。

首先是合成信号。

下图显示了合成稳态E2音符的倒谱，使用典型的近直流分量，82.4 Hz的基波和82.4 Hz的整数倍的8次谐波合成。对合成正弦曲线进行编程以生成4096个样本。

观察12.36处突出的非DC峰值。倒谱宽度为1024（第二个FFT的输出），因此峰值对应于1024 / 12.36 = 82.8 Hz，非常接近真正的基频82.4 Hz。

现在是一个真实的声学信号。

下图显示了真正的原声吉他E2音符的倒谱。在第一次FFT之前，信号没有加窗。观察突出的非DC峰值542.9。倒谱宽度为32768（第二个FFT的输出），因此峰值对应于32768 / 542.9 = 60.4 Hz，这与真正的基频相差82.4 Hz。

下图显示了相同真实原声吉他的E2音符的倒谱，但这次信号在第一次FFT之前被Hann窗口化。观察268.46处突出的非DC峰值。倒谱宽度为32768（第二个FFT的输出），因此峰值对应于32768 / 268.46 = 122.1 Hz，甚至比真正的基频82.4 Hz还要远。

用于此分析的原声吉他的E2音符在工作室条件下使用高质量麦克风以44.1 KHz采样，它基本上包含零背景噪音，没有其他乐器或声音，也没有后期处理。

参考文献：

真实的音频信号数据，合成信号生成，绘图，FFT和倒谱分析在这里完成：Musical instrument cepstrum