计算音频样本的平均基频

Question

我正在开展一个项目，通过从用户那里获取实时音频输入来预测用户的性别。在研究这个项目时，我遇到了kaggle https://www.kaggle.com/primaryobjects/voicegender的数据集，提出了一个CART逻辑

if meanfun<0.14:
        if IQR>=0.07:
              return male

        else 
              return female
else 
        return female

我试图搜索平均基频但找不到任何有用的资源。 请解释这个概念，平均频率和平均基频之间有什么区别？以及如何计算它的价值。

Answer 1

我会尝试解释这个概念......

通常可以通过作为正弦波的总和来定义信号。正如您可能知道或不知道的那样，可以用方程Asin（ωt+φ）在数学上定义正弦波，其中A是幅度，ω是角频率，t是时间，φ是相移。 ω可以进一步替换为2πf，其中f是以Hz为单位的频率（您链接的文档中使用的单位）。当它们在此上下文中引用频率时，您可以将其视为原始/原始信号的正弦波分量。

维基百科页面中描述了正弦波的定义，以及许多其他资源here。

您正在查看的音频信号是复杂信号，可能涉及许多正弦波。基本频率指的是检测到的最低频率（wiki here）。我想平均基频是信号中检测到的所有频率的平均值。

找到频率的最常用方法是使用快速傅里叶变换（FFT） - 这会将信号从时域变为频域，并且您基本上可以得到所有正弦波分量的分解构成原始信号。或者，你可以弄清楚峰值检测 - 频率基本上是在某段时间内发生某事的次数，所以你可以计算出1分钟内出现的峰数（例如）您的频率值以Hz为单位。我绝对不推荐它用于语音音频信号。

为了让您了解频率值如何放置在音频频谱中，让我们将音符中间C与其上方的A进行比较。中间C为261.626 Hz，A为440.000 Hz（source）。如您所见，高音符的频率更高。

这个项目的逻辑是，女性的声音由比男性声音更高的频率组成（有些不足为奇）。它还说，较低频率的女性声音在其他频率成分的范围内比仅仅基于IQR的男性声音（？）更紧密地约束。 0.07 - 这很有趣。

希望这有帮助。