Android: основная частота

Похоже, вы уже выбрали решение (БПФ) для своей проблемы. Я не специалист по DSP, но рискну предположить, что таким образом вы не получите очень хороших результатов. Более подробное обсуждение см. здесь: Как вы анализируете основную частоту сэмпла PCM или WAV?

Если вы делаете решите придерживаться этого метода:

1. Рассмотрите возможность использования более 1024 точек, если вам нужна точность на более низких частотах — помните, что (разговорный) человеческий голос удивительно низок .

2. Грамотно выбирайте частоту дискретизации — примените фильтр нижних частот, если можете. Есть причина, по которой телефоны имеют полосу пропускания всего около 3 кГц, остальное на самом деле не нужно для того, чтобы слышать человеческие голоса.

3. Затем изучите первую половину ваших выходных значений и выберите наименьшее из самых больших: здесь трудная часть — их может быть несколько (дальнейшие пики должны появиться на гармониках (фиксированные кратные) это тоже, но это трудно проверить, так как ваши ведра здесь не подходят). Мы надеемся, что это диапазон частот, в котором находится истинный фундаментальный сигнал.

Опять же, возможно, стоит подумать о других способах решения этой проблемы, поскольку БПФ может дать вам разочаровывающие результаты в реальном мире.

Обнаружение основной частоты человеческого голоса является активной областью исследований, как показывают приведенные ниже ссылки. Ваш подход должен быть тщательно разработан и должен зависеть от характера данных.

Например, если вашим источником является человек, поющий одну ноту, без музыки или других фоновых звуков в записи, модифицированный пиковый детектор может дать разумные результаты.

Если вашим источником является обобщенная человеческая речь, вы не получите уникальную основную частоту для чего-либо, кроме отдельных формант в речи.

На приведенном ниже графике показана простая проблема обнаружения. На нем показан частотный спектр женского сопрано с нотой си-бемоль-3 (си-бемоль 3). Основная частота Bb3 составляет 233 Гц, но на самом деле сопрано поет основную частоту 236 Гц (самый левый и самый высокий пик). В этом случае простой детектор пиков дает правильную основную частоту.

На приведенном ниже графике показана одна из проблем определения основной частоты даже для отдельных спетых нот, не говоря уже об общей человеческой речи. На нем показан частотный спектр женского сопрано, держащего ноту F4. Основная частота F4 составляет 349 Гц, но на самом деле сопрано поет основную частоту 360 Гц (крайний левый пик).

Однако в этом случае самый высокий пик является не основной, а первой гармоникой на частоте 714 Гц. Ваш модифицированный пиковый детектор должен работать с этими случаями.

В обобщенной человеческой речи понятие основной частоты на самом деле неприменимо к какому-либо подмножеству большей продолжительности, чем каждая отдельная форманта в речи. Это связано с тем, что частотный спектр обобщенной человеческой речи сильно зависит от времени.

См. эти ссылки:

Анализ речевого сигнала

Форманты человеческой речи

Обнаружение основной частоты

БПФ, графики и аудиоданные из калькулятора БПФ Sooeet.com

Мой код для автокорреляции в этом:

    public double calculateFFT(double[] signal)

     {
      final int mNumberOfFFTPoints =1024;

      double[] magnitude = new double[mNumberOfFFTPoints/2];
      DoubleFFT_1D fft = new DoubleFFT_1D(mNumberOfFFTPoints);
      double[] fftData = new double[mNumberOfFFTPoints*2];
      double max_index=-1;
      double max_magnitude=-1;


      final float sampleRate=44100;
      double frequency;

      for (int i=0;i<mNumberOfFFTPoints;i++){

       //fftData[2 * i] = buffer[i+firstSample];
       fftData[2 * i] = signal[i];  //da controllare
       fftData[2 * i + 1] = 0;

       fft.complexForward(fftData);
      }

      for(int i = 0; i < mNumberOfFFTPoints/2; i++){

       magnitude[i]=Math.sqrt((fftData[2*i] * fftData[2*i]) + (fftData[2*i + 1] * fftData[2*i + 1]));



       if (max_magnitude<magnitude[i]){
        max_magnitude=magnitude[i];
        max_index=i;
       }
      }


      return frequency=sampleRate*(double)max_index/(double)mNumberOfFFTPoints;

 }

Значение «возврата» — это моя основная частота?

Максимумы БПФ возвращают пиковую частоту бина, которая может быть не основной частотой, а бином результата БПФ, ближайшим к обертону или гармонике основной частоты. Более длительное БПФ с использованием большего количества данных даст вам более близко расположенные интервалы результатов БПФ, и, таким образом, интервал, вероятно, будет ближе к пиковой частоте. Вы также можете интерполировать пик, если он находится между интервалами. Но если вы имеете дело с сигналом с сильным гармоническим содержанием, таким как голос или музыка, вам может потребоваться использовать алгоритм обнаружения/оценки основного тона вместо пикового алгоритма БПФ.