执行代码中的峰值检测

Question

我希望使用HPS方法在iphone中实现语音音调检测。但检测到的音调不是很准确。 Performous做了很好的音高检测。

我查看了代码，但我没有完全理解计算背后的理论。 他们使用FFT并找到峰值。但是他们使用FFT输出相位的部分让我感到困惑。我认为他们使用了一些启发式的语音频率。

那么，有人可以解释一下Performous中使用的算法来检测音高吗？

Answer 1

[Performous] [1]从麦克风中提取音高。代码也是开源的。下面是对编码它的人所做的描述（在irc.freenode.net上的Tronic＃performous）。

• PCM输入（带缓冲）
• FFT（一次1024个样本，之后从缓冲区前面删除200个样本）
• 重新分配方法（针对先前的200个样本的FFT）
• 过滤峰值（这部分可以做得更好甚至省略）
• 将峰值组合成多组谐波（我们将组合称为音调）
• 音调的时间过滤（更新先前检测到的音调集，而不是简单地使用新检测到的音调）
• 选择最佳的人声（频率限制，加权，也可以使用谐波阵列，但我不认为我们这样做）

我仍然无法从这些信息中弄清楚并实现它。如果有人管理此项，请在此处发布您的结果，并对此回复发表评论，以便SO通知我。

任务是围绕此代码创建一个最小的C ++包装器。