自相关教程？ [关闭]

Question

我最近一直在考虑将自相关用于音高检测。然而，我发现很难找到学习自相关的好资源，我的意思是让逐步理解自相关变得容易的资源。

我还不是一个很好的程序员，对公式也不是很了解，所以我发现的资源真的很难理解。

基本上，我现在知道的是自相关的概念就像信号的比较和对比方法？但如果我能对自相关算法有更多的了解，我将不胜感激。

非常感谢！

更新：这是我从网站获得的示例代码。也许您可以将其用作参考。我已经测试了这段代码，它确实正确地返回了正确的音高（尽管这里和那里有一些不正确的）

maxOffset = sampleRate / minFreq;
minOffset = sampleRate / maxFreq;

for (int lag = maxOffset; lag >= minOffset; lag--)
{
   float corr = 0; // this is calculated as the sum of squares
   for (int i = 0; i < framesize; i++)
   {
      int oldIndex = i - lag;
      float sample = ((oldIndex < 0) ? prevBuffer[frames + oldIndex] : buffer[oldIndex]);
      corr += (sample * buffer[i]);
   }

   if (corr > maxCorr)
   {
      maxCorr = corr;
      maxLag = lag;
   }
}

return sampleRate / maxLag;

Answer 1

我希望这是一个简单的解释。

首先考虑声纳的工作原理 - 您发送一个已知信号，然后将接收到的信号与原始信号进行比较 - 在​​一系列可能的延迟范围内比较信号，最佳匹配对应于反射信号的往返时间。

好的 - 现在考虑一个周期信号，例如钢琴上的持续中音 C 音符。如果您在不同延迟范围内将音符与其自身进行比较，您将获得与音符音高周期相对应的任何延迟的匹配。这本质上就是自相关：在可能的延迟范围内将信号与其自身进行比较，并在信号与自身延迟版本匹配的地方获得峰值。对于大多数音符来说，第一个这样的峰值恰好对应一个音高周期，因此您可以从中推断出音高（音高或频率 = 延迟的倒数）。