应用错误收集

我试图从声源中提取基频。也许是有人在麦克风上唱A3，所以我想要检测~110Hz

我的方法是：

FFT 1024浮动
使用每个箱子的相位来准确地确定其精确频率
确定峰值（通常为50左右）
用最响亮的第一个命令他们

（峰值[0] .power = 1063.343750，.freq = 2032.715088
（峰值[1] .power = 1047.764893，.freq = 3070.605225
（峰值[2] .power = 1014.986877，.freq = 5925.878418
（峰值[3] .power = 1011.707825，.freq = 6963.769043
（峰值[4] .power = 1009.152954，.freq = 4022.363037
（峰值[5] .power = 995.199585，.freq = 4974.120605
（峰值[6] .power = 987.243713，.freq = 8087.792480
（峰值[7] .power = 533.514832，.freq = 908.691833

（MARKER1）以最响亮的方式开始，并将其与所有剩余的峰值相匹配，所以如果我有N个峰值，此时我将有N-1个峰值对
检查每个峰值对的谐度;即它与某个分数a / b有多接近，即我们能找到b <20的a / b，使得| peakA.freq / peakB.freq - a / b | ＆LT; 0.01（这将匹配到20日的谐波）
我们现在有一个精确的峰值列表，这些峰值被认为是彼此谐波的

Harmonic PeakPair：（0,1）= 2/3，误差：0.00468 =＆gt; f0 @ 1019.946289
  Harmonic PeakPair：（0,2）= 1/3，误差：0.00969 =＆gt; f0 @ 2004.003906
  Harmonic PeakPair：（0,3）= 2/7，误差：0.00618 =＆gt; f0 @ 1005.590820
  Harmonic PeakPair：（0,4）= 1/2，误差：0.00535 =＆gt; f0 @ 2021.948242
  Harmonic PeakPair：（0,5）= 2/5，误差：0.00866 =＆gt; f0 @ 1005.590820
  Harmonic PeakPair：（0,6）= 1/4，误差：0.00133 =＆gt; f0 @ 2027.331543
  Harmonic PeakPair：（0,7）= 9/4，误差：0.01303 =＆gt; f0 @ 226.515106

我的问题是：如何设计一种能够正确识别上述基波的算法~1000Hz？

绝不保证在~1000处的值集中度高于~2000或~3000等。甚至不能保证任何入口〜1000。我们可以有~5000 x一个条目，~4000 x三个条目，~3000 x 2条目，以及漂浮的几个虚假值，如上面列表中的226.

我想我可以再次重复这个程序，淘汰与列表其余部分不“谐波”的建议基础。这至少可以摆脱伪造的价值......

可能我甚至没有问正确的问题。也许这整个方法很糟糕。但我认为选择最强的峰值并提取与该峰值相关的一组谐波是有意义的。

理论上应该产生一定比例的负载，比如说原始最强峰值是三次谐波，那么这组峰值应该包含3/1 3/2 3/3 3/4 3/5 3/6 3 / 7等......虽然有些可能会丢失。

实际上我觉得它总是要么是基础的，要么是具有最大力量的一次谐波。但我不知道我是否可以依靠这个...

这么多因素，让我头脑发热。我提前为这样一个混乱的问题道歉。希望我可以在死后收拾它。

从潜在谐波确定基频的算法

3 个答案: