比较两个声音的频率内容的最快和最简单的算法答案

【问题标题】：Quickest and easiest algorithm for comparing the frequency content of two sounds比较两个声音的频率内容的最快和最简单的算法
【发布时间】：2012-07-12 02:38:14
【问题描述】：

我想提取两个包含主频率的声音，并说“这个比这个高”。我可以做 FFT，找到每个振幅最大的频率并进行比较。我想知道，因为我有一个特定的任务，可能有一个更简单的算法。

声音很脏，有很多频率，但包含清晰的主音调。它们不是完美的正弦波。

【问题讨论】：

标签： audio fft

【解决方案1】：

鉴于声音很脏，我建议开始使用 FFT 的输出来开发算法，因为它可以更简单地诊断任何问题。然后，当您对它的工作感到满意时，您可以考虑优化/简化。

根据经验，在开发这种数值算法时，我总是首先尝试在最相关的领域（在这种情况下，您对频率感兴趣，因此在频率空间中分析），然后一次一切都在表现自己考虑快捷方式/优化。这样您就可以针对表现最好的前者来测试后者的解决方案。

【讨论】：

谢谢。我是这么想的。只是有时人们会说“哦，是的，当然使用算法 X，你没听说过吗？”。
也许他们很快就会。但我想不出任何明显明智的更好的东西...... :-)

【解决方案2】：

在一般情况下，体面的pitch detection/estimation 通常需要比查看 FFT 峰值更复杂的算法，而不是更简单的算法。

【讨论】：

【解决方案3】：

有多种音高检测方法，从计算过零（这显然不适用于您的情况）到极其复杂的算法，不一而足。

虽然频域方法似乎最合适，但它并不像“采用 FFT”那么简单。如果您的数据非常嘈杂，则可能会出现高于您认为的主频率的杂散峰值。一种解决方案是使用信号的窗口重叠段，并进行 STFT，并对结果进行平均。但这提出了更多问题：窗户应该有多大？在这种情况下，这取决于您期望这些主峰相距多远，记录的时间长短等。（注意：FFT 方法可以通过考虑相位信息来解决比一个 bin 大小更好的问题。在这种情况下，您将不得不做一些比平均所有 FFT 窗口更复杂的事情）。

另一种方法是时域方法，例如 YIN：

http://recherche.ircam.fr/equipes/pcm/cheveign/pss/2002_JASA_YIN.pdf

您还可以在本书的第 9 章中探索更多方法：

http://www.amazon.com/DAFX-Digital-Udo-ouml-lzer/dp/0471490784

您可以在此处从该书的第 9 章获取 yin 的 matlab 源代码：

http://www2.hsu-hh.de/ant/dafx2002/DAFX_Book_Page_2nd_edition/matlab.html

【讨论】：