【发布时间】：2011-07-28 21:18:09
【问题描述】：
我一直无法理解音频数据是如何存储的。但是，我想知道一种找到 PCM 数据音高的方法。例如，假设我以给定的采样率以 16 位单声道 PCM 格式录制了钢琴上敲击的单个键。我怎样才能找到音频的频率（以赫兹为单位）？获取平均频率的简单代码对我有用，但更详细的说明如何更好地理解格式将是理想的。
谢谢！
【问题讨论】：
【发布时间】：2011-07-28 21:18:09
【问题描述】：
PCM 音频不存储为一系列音高。要解决这个问题，您需要快速傅立叶变换或 FFT。见https://stackoverflow.com/search?q=pitch+detection，关于这个的帖子已经有10s了。
想想音频波形。 PCM 编码只是每秒对该波形进行一定次数的采样，并使用每个样本的特定位数。
图片来自http://en.wikipedia.org/wiki/Pulse-code_modulation
44.1kHz 的 16 位 Mono PCM 意味着每秒 44,100 次，将存储一个 16 位值（2 个字节），表示采样特定时间的波形。 44.1kHz 的速度足以存储接近 22kHz 的频率（请参阅Nyquist Frequency）。
FFT 将这些样本从时域转换到频域。也就是说，您可以找到特定时间段内所有频率的电平。您查看的波段越多，计算量就越大。
【讨论】：
-
谢谢！我已经为此烦恼了一段时间，音频存储通常对我来说是一扇关闭的门。
-
所以我能够实现我找到的代码here，但我得到的结果不准确。例如，在钢琴上弹奏中间 C 时（无论是在虚拟世界中还是在现实世界中），它报告的频率约为 484 Hz，而实际上中间 C 接近 261 Hz。知道为什么会这样吗？
-
@Drew：音高检测非常棘手——大多数乐器都有复杂的功率谱，而且基音通常不是最强的分量——耳朵根据来自谐波的信息“填充”基本音高。搜索“音高检测”，因为在整个主题上已经有很多问题有很好的答案。
-
@Drew，我建议花一些时间查看频谱分析仪，以更好地了解您正在查看的内容。除非您正在查看正弦波，否则您所听到的实际上是由许多音高组成的，这些音高赋予声音其声音特征，例如音色。心理声学开始发挥作用。