我正在编写一个帮助人们学习吉他的程序。要做到这一点，我需要能够查看一个时间样本，看看他们播放了什么音符。我看了一下FFTW，但我不明白如何让它工作。我也试图弄清楚Goertzel算法，但它似乎只适用于像拨号音这样的单频音符（尽管不确定）。为了清楚起见，我确实需要能够检测到多个音符（以查看是否演奏了和弦），但是如果有一些谐波进入则无关紧要。
我用C ++编写代码，并且更喜欢跨平台的解决方案。
更新：我意识到检测特定音符并不是那么重要;我真正需要的是检查某些频率是否存在，而其他频率则不存在。例如，如果有人播放C，我想检查C频率是否存在（约262 Hz），以及可能是524 Hz和786 Hz，并检查附近的不是的音符在泛音系列附近（如B和D）不存在。
答案 0 :(得分：3)
wav文件中没有注释。采样的声音是。
人类可能会在某些wav文件中感知到可能已经播放过的某些音符，但是从录制的声音到录制的音乐进行自动复音音高估计/识别以获得丰富而复杂的波形，例如由吉他制作，仍会出现成为一个高级研究课题。
如果可能存在某些非常有限的音乐类型，则会涉及一些非平凡的DSP。 FFTW对于音调估计所需的更复杂的DSP处理的一小部分可能是有用的，Goertzel滤波较少。
答案 1 :(得分：0)
我不能指出你的具体细节，但我相信你需要的是Fourier transform来检测你正在寻找的频率。还有一个类似的问题here
答案 2 :(得分：0)
这个pdf怎么样？ http://miracle.otago.ac.nz/tartini/papers/A_Smarter_Way_to_Find_Pitch.pdf
FFT的问题在于，如果进行256次采样FFT，则只能得到256个输出。从本质上讲，这意味着它会将您的频率空间划分为有限的频率范围。
这是因为如果你只检查256个样本（256个可以用N代替，用于FFT的样本数），任何与256的倍数相关的频率看起来都是一样的。
换句话说，如果检查256个均匀间隔的样本，则在时间0,1 / 256,2 / 256,3 / 256，... 255/256处进行。然后，具有频率80周/秒的两个信号sin（2 pi 80 x）和具有频率（80 + 9 * 256）的sin（2 pi（80 + 9 * 256）x）将具有相同的样品。
这里，9可以用k代替，即要使用的倍数。您可以用1,2,3,4,5等替换9。您也可以用任何值替换256（N）。
例如，在200/256（其中一个样本）进行采样，我们有： 罪（2 pi（80 + 9 * 256）（200/256））=罪（2 pi 80（200/256）+ 2 pi * 9 * 200）
因为2 pi的倍数不会影响罪，所以这与...相同 罪（2 pi 80（200/256））。
更一般地说， sin（2 pi（M + k * N）j / N）= sin（2 pi M（j / N）+ 2 pi k * j）= sin（2 pi M（j / N）），其中j是任意整数0，...，N - 1，N是样本数，（j / N）是采样时间，M是每秒循环数，k是任意整数... -2，-1 ，0,1,2 ......
根据奈奎斯特采样，如果要区分，-128，-127，-126，-125，...，125,126,127个周期/秒，则需要256个样本/秒。 256个样本/秒意味着区分256个频率。但是，0周/秒，256周/秒，512周/秒，1024周/秒都看起来都一样。