MATLAB - 缺少FFT的基波

Question

我目前正致力于我的第四年项目（计算机科学），该项目涉及音乐的自动转录 - ＆gt;乐谱。我现在在Matlab中这样做，但是必须在某个阶段转换为java。

我的问题：           我让我的程序返回纯正弦音的正确音符，我现在遇到了从自然乐器演奏的音符中检索基频的问题。对于某些音符，代表音符基础的峰值似乎完全没有。例如，当我从车库带播放G3音符时，它显示为G4，因为我的情节中只出现了第1，第3，第5和第7次谐波。我试图添加图像，但这是我的第一篇文章，它不允许我。任何指向正确方向的人都会非常感激。

Answer 1

这并不罕见。对于男性的声音，大弦乐器以及许多其他音调声源来说，基本的缺失或几乎是如此。

这使得仅使用FFT峰值结果在确定来自实际乐器的音符方面极差，而不是正弦波函数发生器。这是因为音高与峰值频谱频率不同。音高是一种心理声学感知现象。这就是你需要阅读的内容。有很多关于这个问题的研究论文。

所以你需要看一组完全不同的算法。尝试使用cepstrums（倒频谱分析），谐波产品频谱，自相关和类似（AMDF，ASDF等滞后），RAPT（用于音高跟踪的鲁棒算法），YAA​​PT等。

补充：我写了更详细的explanation of pitched sounds with missing fundamentals in a blog post。

Answer 2

乐器音符的基频相对于谐波（也称为泛音）衰减并不罕见，在某些情况下，基频幅度可能远低于泛音的幅度。 / p>

看一下播放G3音符的真正的巴松管（不是合成的巴松管）的频率/幅度图。观察相对于一次谐波的衰减基波（196.39 Hz）。但同时也观察到所有整数倍谐波都可见到10次谐波。实际上，存在更多的谐波，但在这个线性幅度图上看不到它们。

在你的情况下，你的G3音符的频谱仅显示第1，第3，第5和第7次谐波的另外一个事实表明出现了问题。您的测试声音似乎是合成的，因此问题可能与声音合成的方式有关。

真实乐器的光谱通常显示基频和许多整数倍谐波，如1,2,3等，如上所示。对于大多数乐器上播放的大多数音符，谐波通常远高于6KHz。

看一下播放G3音符的真正的巴松管（不是合成巴松管）的频率/分贝标记图。观察到总共存在37个整数倍谐波，直到它们在-104 dB附近的噪声层消失。

您可以收听这个巴松管样本，并在此处查看其频谱： Bassoon musical instrument spectrum

另请阅读analytical approaches to autonomous musical transcription

上的详细信息

Answer 3

您是否尝试通过频谱图（MATLAB中的功能频谱图）运行它以确定发生了什么？

我不知道你使用什么算法，没有那些信息，我们不能说出了什么问题。让我震惊的是你的第二个三次谐波（图中的第二个峰值）远大于你的二次谐波（图中的第一个峰值）。

您确定所有采样权利都是正确的：即您的DFT频率最高只有采样频率的一半（正负频率范围）？另外：你如何抑制信号的任何瞬态部分？

Answer 4

您在2f，4f，6f和8f处看到峰值的事实强烈暗示您的输入数据实际上是您认为的高度，或者您错误解释了结果的频率范围。如果你只是错过了基频，你也会看到3f，5f和7f。

建议：

• 在FT之前绘制输入数据。你应该能够注意到占主导地位的频率。
• 收听garageband制作的音符。它高于还是低于中间C？
• 检查您是否了解地块上频率刻度值的来源。