Question

我正在尝试使用自相关从录制的声音（44.1 kHz）中获得音高等级。我在做什么基本上在这里描述：http://cnx.org/content/m11714/latest/并在这里实现：http://code.google.com/p/yaalp/source/browse/trunk/csaudio/WaveAudio/WaveAudio/PitchDetection.cs（使用PitchDetectAlgorithm.Amdf的部分）

因此，为了检测音高等级，我建立了一个数组，其中C2到B3（2个八度音阶）的频率具有归一化的相关性，并选择具有最高值的数组（首先进行“1 - 相关”变换）不搜索最小值但最大值）

我用生成的音频（简单的窦）测试了它：

data[i] = (short)(Math.Sin(2 * Math.PI * i/fs * freq) * short.MaxValue);

但它仅适用于低于B4的输入频率。调查生成的数组我发现从G3开始的另一个窥视演变最终变得比正确的更大。我的B4被检测为E. 改变分析频率的数量根本没有帮助。

我的缓冲区大小是4000个样本，B4的频率是~493Hz，所以我想不出这个失败的原因。是否还有对频率或缓冲区大小的限制？那里出了什么问题？

我知道我可以像Performous一样使用FFT，但使用这种方法看起来很简单，并且还提供了可用于显示可视化的加权频率。我不想轻易放弃它，至少理解为什么会失败。

更新：使用的核心功能：

private double _GetAmdf(int tone)
    {
        int samplesPerPeriod = _SamplesPerPeriodPerTone[tone]; // samples in one period
        int accumDist = 0; // accumulated distances
        int sampleIndex = 0; // index of sample to analyze
        // Start value= index of sample one period ahead
        for (int correlatingSampleIndex = sampleIndex + samplesPerPeriod; correlatingSampleIndex < _AnalysisBufLen; correlatingSampleIndex++, sampleIndex++)
        {
            // calc distance (correlation: 1-dist/IntMax*2) to corresponding sample in next period (0=equal .. IntMax*2=totally different)
            int dist = Math.Abs(_AnalysisBuffer[sampleIndex] - _AnalysisBuffer[correlatingSampleIndex]);
            accumDist += dist;
        }

        return 1.0 - (double)accumDist / Int16.MaxValue / sampleIndex;
    }

使用该功能，音高/音调为（伪代码）

tone = Max(_GetAmdf(tone)) <- for tone = C2..

我还尝试使用实际的自相关：

double accumDist=0;
//...
double dist = _AnalysisBuffer[sampleIndex] * _AnalysisBuffer[correlatingSampleIndex];
//...
const double scaleValue = (double)Int16.MaxValue * (double)Int16.MaxValue;
return accumDist / (scaleValue * sampleIndex);

但除了B4作为E

之外，无法将A3作为D

注意：我不按缓冲区长度除以实际比较的样本数。不确定这是否正确，但似乎是逻辑。

Answer 1

这是使用自相关和类似的音高滞后估计（AMDF，ASDF等）的常见八度音程问题

低一个八度音程（或任何其他整数倍）的频率也将在移位的波形相似性中提供良好的匹配（例如，移位2pi的正弦波看起来与移位4pi的正弦波相同，这表示八度音程更低。根据噪声以及连续峰值与采样峰值的接近程度，一个或另一个估计峰值可能略高，而音调没有变化。

因此需要使用一些其他测试来消除波形相关或滞后匹配中的低八度（或其他子频率）峰值（例如，峰值看起来足够接近像一个或多个其他峰值，一个或多个八度音阶或其他频率倍增等。）

Answer 2

我不知道c＃，但是如果您提供的少量代码是正确的，并且像大多数其他类似c的语言一样，它会引入大量的内部代码。失真。

在大多数类c语言（以及我所知道的大多数其他语言，如java）中，Math.sin（）之类的输出将在[-1,1]范围内。在转换为int，short或long时，这将变为[-1,0]。从本质上讲，你将把你的正弦波改变成一个非常扭曲的方波，带有许多泛音，这可能就是这些图书馆所采用的。

试试这个：

data[i] = (short)(32,767 * Math.Sin(2 * Math.PI * i/fs * freq));

Answer 3

除了@Bjorn和@Hotpaw所说的所有内容之外，过去我发现了@ hotpaw2所描述的问题。

如果您计算的是一个样本的差异（正如我在方程中看到的那样计算AMDF），那么您的代码中并不清楚！

我在java中做过，你可以在Tarsos找到完整的源代码！

这里是java中帖子的等效步骤：

    int maxShift = audioBuffer.length;


    for (int i = 0; i < maxShift; i++) {
        frames1 = new double[maxShift - i + 1];
        frames2 = new double[maxShift - i + 1];
        t = 0;
        for (int aux1 = 0; aux1 < maxShift - i; aux1++) {
            t = t + 1;
            frames1[t] = audioBuffer[aux1];

        }
        t = 0;
        for (int aux2 = i; aux2 < maxShift; aux2++) {
            t = t + 1;
            frames2[t] = audioBuffer[aux2];
        }

        int frameLength = frames1.length;
        calcSub = new double[frameLength];
        for (int u = 0; u < frameLength; u++) {
            calcSub[u] = frames1[u] - frames2[u];
        }

        double summation = 0;
        for (int l = 0; l < frameLength; l++) {
            summation +=  Math.abs(calcSub[l]);
        }
        amd[i] = summation;
    }

通过自动关联的音高检测在较高音高时失败

3 个答案: