用于基音检测的FFT

Question

我最近使用FFT进行音高检测，我注意到，尽管音符是正确的（例如C，D＃等），但是有很多音符都在错误的八度音程中（例如E2被归类为E3 ，C3被归类为C4，总是八度音阶。）

为什么会这样？我的算法是在计算FFT区间后，得到具有最大强度的区间并计算它是哪个频率。

对此有何帮助？谢谢！

Answer 1

两个想法： -

1. 如果您的输入和算法总是与您的预期完全相差1个八度，那么您不能只是认为您已经校准过并且总是减去一个八度音程吗？

2. 当你拿一把吉他弦时，你总是会得到一个高度谐波（二次谐波），这个声音非常响亮 - 大约和自然（一次谐波）一样大。接下来你得到1个八度音程七音（三次谐波），但八度音调非常明显。

Answer 2

对我来说听起来像是谐波。格雷格的尖锐问题似乎正在走上正轨。

如果这是真的，你可以尝试找到所有桶的统计中位数并找到最接近的，而不是找到统计模式（正如你现在所做的那样）。

• Statistical Mode
• Statistical Median

如果您看到输出变化，您还可以进行时间平滑（平均值随时间变化）。

我知道吉他调音师做了好几件事，而且间歇性地出现错误。这是一个混乱的业务：）

说到实时采样，根据您的样本来源，有很多异常需要考虑，可能会给您带来意想不到的结果：

• 声音中的泛音
• 声音中听不到声音

这些会显示在您的数据中，但您可能无法听到它们。如果你试图匹配多个音调或和弦，你的工作将更加复杂。

Answer 3

在决定将音高放入哪个音高时，尝试向每个音频添加一定比例的音频量，该频率是频率的3倍（例如，将1320Hz音频的振幅的一部分加到440Hz音频）。在大多数仪器上，A440可能具有880Hz，1320Hz，1760Hz，2200Hz，2640Hz等的重要分量.A880可能具有880Hz，1760Hz和2640Hz，但不会有明显的1320Hz分量（也不是2220Hz）物）。因此，如果您的代码试图确定音符是A440还是A880，那么查看三次谐波桶（或其他奇次谐波）可能会提供一个有用的线索。

Answer 4

八度检测可能非常棘手，特别是对于缺少基本谐波和/或其他谐波的复音信号。假设您正确地检测到“音调”而不仅仅是“谐波”（请参阅​​下面的维基百科链接），那么您可以使用我开发的八度音检测算法。

为了对PitchScope Player进行音高检测，我决定采用这样的2阶段算法：a）首先检测音符的ScalePitch - 'ScalePitch'有12个可能的音高值：{E，F ，F＃，G，G＃，A，A＃，B，C，C＃，D，D＃}。并且在确定音符的ScalePitch和时间宽度之后，b）然后通过检查4个可能的Octave-Candidate音符的所有谐波来计算该音符的Octave（基波）。

我的音高检测应用程序PitchScope Player的完整C ++源代码和可执行文件位于GitHub（下面的链接），您可以编译并逐步查看它，看看我的Octave Detection算法是如何工作的。

您可能希望关注文件FundCandidCalcer.cpp中的FundCandidCalcer :: Calc_Best_Octave_Candidate（）功能，以便在C ++中查看该算法。下图还粗略地介绍了如何计算Octave。

https://en.wikipedia.org/wiki/Transcription_(music)#Pitch_detection

https://github.com/CreativeDetectors/PitchScope_Player

下图演示了Octave Detection算法，我开发该算法，一旦确定了该音符的ScalePitch，就选择正确的Octave-Candidate音符（即正确的基本音符）。