我正试图通过麦克风输入实时检测语音。
我已经收到输入，执行FFT算法并以dB为单位得到结果。我有频域，时域和频谱。
我如何获得基频？ 如果我得到基频，我可以指定如果频率在某些值之间，那么它是我们正在说话的声音吗？ 有没有其他方法可以用我已经拥有的东西来做到这一点？
事先提前
答案 0 :(得分：3)
frequency estimation有许多不同的算法，正确使用的算法取决于你正在做什么。你期望什么样的输入？你想用这个输入做什么？你有什么样的处理能力？
检测基本频率不会帮助您确定特定的人是否在说话，如果这是您正在尝试做的事情。你的声音频率不断变化。你必须制作一个人的共振峰等的“指纹”。
简单地找到FFT的峰值不会给你带来良好的语音效果。看看cepstral analysis。
答案 1 :(得分：1)
获取声谱范围内的谱图上的最高峰值（例如，400到10K hz）。这应该给你基本的频率。
或者，您可能需要集成频率直方图。这是因为有时候你的单词开头或包含sibilants（“s”声音）和摩擦音（“f”和“th”声音），它们具有相当高的频率和广谱。你不想错过演讲的开始，因为它是以元音以外的东西开始的。
另一个因素是除了声音之外你会选择什么？有很多背景噪音吗？哪一种？如果没有，那么只是声音的存在就足够了。例如，如果有音乐，那么你将面临完全不同的挑战。如果你试图区分语音和其他声音，那么我很想尝试神经网络方法 - 它可能需要那么高的复杂程度。