来自实时音频输入的每分钟节拍数答案

【问题标题】：Beats per minute from real-time audio input来自实时音频输入的每分钟节拍数
【发布时间】：2010-09-09 21:59:37
【问题描述】：

我想编写一个简单的 C# 应用程序来监控线路输入音频并为我提供当前（嗯，滚动平均）每分钟节拍数。

我见过this gamedev article，这绝对没有帮助。我经历并尝试实施他正在做的事情，但它没有工作。

我知道必须有大量的解决方案来解决这个问题，因为很多 DJ 软件都可以做到这一点，但我没有找到任何开源库或自己做的说明。

【问题讨论】：

另一篇您可能会感兴趣的文章...http://werner.yellowcouch.org/Papers/bpm04/您可以在此处找到现有的 BPM 检测库：http://www.mmartins.com/mmartins/bpmdetection/bpmdetection.asp ...以及在此处找到 C# BPM 检测库：http://adionsoft.net/bpm/跨度>
2 个名字：Eric D. Scheirer Masataka Goto 谷歌他们，他们写了很多关于节拍检测（实时和离线）的文章。非常有趣的材料。另外作为旁注，我认为除了节拍检测之外，您可能对节拍预测感兴趣。
我相信雅阁有你想要的必要算法。此外，还有很多有趣的机器学习算法，带来更多乐趣！如果我没记错的话，教程/示例程序中有一个示例。雅阁网

标签： c# audio signal-processing

【解决方案1】：

我发现这个库似乎有一个非常可靠的实现来检测每分钟节拍。 https://github.com/owoudenberg/soundtouch.net

它基于http://www.surina.net/soundtouch/index.html，在很多DJ项目中使用http://www.surina.net/soundtouch/applications.html

【讨论】：

【解决方案2】：

我建议查看 BASS 音频库和 BASS.NET 包装器。它有一个内置的 BPMCounter 类。

此特定功能的详细信息可在以下位置找到 http://bass.radio42.com/help/html/0833aa5a-3be9-037c-66f2-9adfd42a8512.htm.

【讨论】：

【解决方案3】：

使用滑动窗口 FFT 计算功率谱：取 1024 个样本：

double[] signal = stream.Take(1024);

将其输入 FFT 算法：

double[] real = new double[signal.Length];
double[] imag = new double[signal.Length);
FFT(signal, out real, out imag);

你会得到一个实部和一个虚部。不要扔掉虚部。对实部和虚部做同样的事情。虽然虚部确实与实部相差 pi / 2，但它仍然包含 50% 的频谱信息。

编辑：

计算功率而不是幅度，这样当它响亮时你有一个高数字，当它安静时接近零：

for (i=0; i < real.Length; i++) real[i] = real[i] * real[i];

虚部也是如此。

for (i=0; i < imag.Length; i++) imag[i] = imag[i] * imag[i];

现在您有了最后 1024 个样本的功率谱。其中频谱的第一部分是低频，频谱的最后一部分是高频频率。

如果您想在流行音乐中找到 BPM，您可能应该关注贝司。您可以通过对功率谱的较低部分求和来获得低音强度。使用哪些数字取决于采样频率：

double bassIntensity = 0;
for (i=8; i < 96; i++) bassIntensity += real[i];

现在再次执行相同操作，但在计算新光谱之前将窗口移动 256 个样本。现在你最终计算了每 256 个样本的 bassIntensity。

这对于您的 BPM 分析来说是一个很好的输入。当低音很安静时，你没有节拍，当它响亮时，你有节拍。

祝你好运！

【讨论】：

您确实意识到仅使用 1024 个样本您将无法计算 BPM（每分钟节拍数）...对吗？您只是在计算那个“微小”的 1024 字节长样本中的最高频率。
我在小样本中计算最高频率是正确的，但后来我建议将窗口移动256个样本并重新计算。结果是可用于计算 BPM 的序列。我只描述了如何解决问题的第一部分。
Sacha 这只是缩放单位的问题。在计算 BPM 之前，您无需分析一分钟的样本。 BPM 只是传达信号周期的一种更具音乐性的方式。
不要丢掉虚部，它不只是相位！相位由 arctan(imag/real) 给出，这对于这个问题是无用的。重要的部分，幅度，由 real^2 + imag^2 给出，而不仅仅是 real^2。
正如你所说，这只是解决方案的第一部分......事实上，你刚刚计算了一个序列，显示低频幅度如何随时间变化（几乎就像应用低频-通过过滤器）。换句话说，解决方案比您的答案中看起来要困难得多。

【解决方案4】：

首先，Hallgrim 产生的不是功率谱密度函数。任何信号的统计周期都可以通过自相关函数得出。自相关信号的傅立叶变换是功率谱密度。 PSD 中除 0 Hz 以外的主要峰值将对应于信号中的有效周期性（以 Hz 为单位）...

【讨论】：

【解决方案5】：

最简单的方法是让用户按照节拍的节奏点击一个按钮，然后计算点击次数除以时间。

【讨论】：

对于我尝试使用该工具的目的，点击确实不是一个好的解决方案。我希望它是全自动的，我知道这是可能的。

【解决方案6】：

有一个名为 Dancing Monkeys 的出色项目，它通过音乐程序生成 DDR 舞步。它所做的大部分工作都是基于（必须非常准确）节拍分析，他们的项目论文详细描述了各种节拍检测算法及其对任务的适用性。它们包括对每种算法的原始论文的引用。他们还为他们的解决方案发布了 matlab 代码。我敢肯定，在这些之间你可以找到你需要的。

都可以在这里找到：http://monket.net/dancing-monkeys-v2/Main_Page

【讨论】：

【解决方案7】：

并不是说我知道如何实现这一点，但从音频工程的角度来看，您需要先进行过滤。低音鼓击打将是第一个检查。一个低通滤波器可以为您提供低于 200Hz 的任何值，应该可以让您清楚地看到低音鼓。可能还需要一个门来清除来自其他具有如此低谐波的乐器的杂波。

接下来要检查的是军鼓命中。你必须均衡这个。军鼓发出的“裂纹”大约是记忆中的 1.5kHz，但你肯定需要对它进行门控。

下一个挑战是为时髦节拍制定算法。您将如何以编程方式找到节拍 1？我想您会跟踪以前的节拍并使用匹配某事或其他内容的模式。因此，您可能需要几个小节才能准确找到节拍。然后是 4/4、3/4、6/8 之类的时间问题，哇，我无法想象要准确地做到这一点需要什么！我相信这对音频硬件/软件公司来说是值得的。

【讨论】：

这可能就是为什么在 Google 上很难找到明确的答案（更不用说代码示例了！）；)

【解决方案8】：

这绝不是一个简单的问题。我会尽量给你一个概述。

您可以执行以下操作：

计算信号在块上的平均（均方根）响度，例如 5 毫秒。（以前从未这样做过，我不知道合适的块大小是多少。）
使用 FFT 算法对“阻塞”信号进行傅里叶变换。
在变换后的信号中找出幅度最大的分量。

傅里叶变换基本上是一种计算信号中所有频率强度的方法。如果您对“阻塞”信号执行此操作，则节拍的频率有望成为最强的。

也许您需要先应用一个过滤器，以专注于通常包含最多 BPM 信息的特定频率（如低音）。

【讨论】：

1.计算信号在 5 毫秒内的平均（均方根）响度。（以前从未这样做过，我不知道什么是好的块大小。） 2. 使用 FFT 算法对“阻塞”信号进行傅里叶变换。 3. 找到变换后信号中幅度最大的分量。我真的不明白为什么你首先发出 rms 信号，以及为什么它是在块上完成的（因为 FFT 通常在信号的窗口上工作）。此外，FFT 会为您提供转移到能量时域的信号，因此这实际上与第一个相同