如何执行倒谱检测音高

Question

好的，这里有很多问题，谷歌上有很多阅读材料，但我不知道怎么回事。我想得到一段语音的基本频率。基本步骤应该是：

• 采用窗口信号的FFT
• 将FFT从矩形坐标转换为极坐标（因此可以获得幅度）
• 丢弃阶段信息
• 取正方形，然后取每个数量为
的bin的自然对数
• 采取另一个FFT（或某些消息来源说反fft？）

以下是我在AS3中实现此功能的方法：

var signal:Vector.<Number> = my1024PointSignal; // an audio signal 1024 samples long
var imx:Vector.<Number> = new Vector.<Number>(signal.length); // 1024 point vector to hold imaginary part of fft

hammingWindow(signal); // window it
zeroFill(imx); // fill imx with zeros

FFT(signal, imx); // convert signal into real and imaginary components of fft

toPolar(signal, imx); // convert fft to polar coordinates

// square each bin, and take the log of each bin, discard phase
for (var i:int = 0, l:int = signal.length; i < l; i++) {
    signal[i] = Math.log(Math.pow(signal[i], 2));
    imx[i] = 0;
}

FFT(signal, imx); // or maybe inverseFFT(signal, imx), i don't know

现在，当我这样做并以FFT为结束时，当我绘制它时，箱子看起来是相反的顺序？我也看到二次谐波的峰值大于基波的峰值。当我这样做并采用逆FFT时，我得到一个看起来反映在N / 2周围的音频信号，并且峰值似乎也是相反的。整件事情也很吵。我做错了什么？

Answer 1

对于倒谱我总是习惯这个步骤：

1. 在信号中应用汉明窗（1024或2048点）
2. 应用FFT
3. 获得数量
4. 仅使用前半部分值
5. 转换为对数刻度
6. 申请IFFT
7. 找到峰值

倒谱的等式：

 IFFT(log(abs(FFT(s))))

也许你看到了反映，因为你没有得到第四步（4）

  

区别在于以IFFT结尾和以FFT结束？

不同之处在于比例表示，如果您使用FFT结束，则需要仅提取实际信息，对于以下两个方程式，您将得到相同的形状：

IFFT(log(abs(FFT(s)))) == real(FFT(log(abs(FFT(s)))))

来自倒谱的情节示例：

IFFT(log(abs(FFT(s))))：



real(FFT(log(abs(FFT(s)))))：



这是一个倒谱示例，来自440hz的4096点正弦，44100hz采样