단일 기타 음을위한 고조파 스펙트럼 파이톤

Question

기타로 연주 된 B3 음의 피치를 감지하려고합니다. 오디오는 here입니다. 당신이 볼 수 있듯이

, 기본 피치는 B3 노트에 해당하는 250Hz에서 관한 것이라고 볼 수 있습니다 :

이

은 스펙트로 그램이다.

또한 고조파가 많아서 here에서 HPS를 사용하기로했습니다. 나는 피치를 검출하는이 코드를 사용하고 있습니다 :

def freq_from_hps(signal, fs): 
    """Estimate frequency using harmonic product spectrum 
    Low frequency noise piles up and overwhelms the desired peaks 
    """ 
    N = len(signal) 
    signal -= mean(signal) # Remove DC offset 

    # Compute Fourier transform of windowed signal 
    windowed = signal * kaiser(N, 100) 

    # Get spectrum 
    X = log(abs(rfft(windowed))) 

    # Downsample sum logs of spectra instead of multiplying 
    hps = copy(X) 
    for h in arange(2, 9): # TODO: choose a smarter upper limit 
     dec = decimate(X, h) 
     hps[:len(dec)] += dec 

    # Find the peak and interpolate to get a more accurate peak 
    i_peak = argmax(hps[:len(dec)]) 
    i_interp = parabolic(hps, i_peak)[0] 

    # Convert to equivalent frequency 
    return fs * i_interp/N # Hz 

내 샘플링 속도는 그러나 40000입니다 대신 250Hz에서 (B3 노트)에 가까운 결과, 내가 0.66Hz를 얻고을 얻는. 이것이 어떻게 가능한지?

같은 레포에서 자동 상관법을 사용해 보았지만 10000Hz와 같은 나쁜 결과가 나옵니다.

대답 덕분에 신호의 저주파수를 제거하기 위해 필터를 적용해야한다는 것을 이해합니다. 어떻게해야합니까? 이를 수행하는 방법이 여러 가지가 있으며 권장되는 방법은 무엇입니까?

상태 업데이트 : 대답에 의해 제안 된

하이 패스 필터가 작동된다. 내 오디오 신호에 응답 기능을 적용하면 약 245Hz가 올바르게 표시됩니다. 그러나 전체 신호를 필터링하고 싶습니다. 노트가 신호 중간에 있거나 신호에 두 개 이상의 노트가 포함되어있을 수 있습니다 (솔루션의 시작 감지는 알고 있지만 왜 이것이 작동하지 않는지 궁금합니다). 그래서 filtered_audio을 반환하는 코드를 편집했습니다.

노이즈가 올바르게 제거 되었더라도 문제가 발생합니다 (스크린 샷 참조). 결과적으로 0.05가됩니다.

Answer 1

은 스펙트로 그램의 고조파 사이의 거리를 바탕으로, 나는 피치가 약 150 ~ 200 Hz의 것으로 추정 것입니다. 그렇다면 왜 피치 검출 알고리즘이 스펙트로 그램에서 눈으로 볼 수있는 피치를 감지하지 못합니까? 몇 가지 추측이 있습니다 :

메모는 몇 초 동안 만 지속됩니다. 처음에는 고조파가 10 개 이상인 아름다운 하모닉 스택이 있습니다! 이들은 빠르게 사라지며 5 초 후에도 보이지 않습니다. 전체 신호의 음조를 추정하려는 경우 5-12 초 사이의 사운드의 "피치"로 인해 예상치가 오염되었을 수 있습니다. 처음 1-2 초 동안 만 피치를 계산 해보십시오.

저주파 노이즈가 너무 많습니다. 스펙트로 그램에서 0과 64Hz 사이의 많은 전력을 볼 수 있습니다. 이것은 고조파의 일부가 아니므로 고역 통과 필터으로 제거 할 수 있습니다. 사운드 카드/오디오 인터페이스 또는 함께

import numpy as np 
from scipy.io import wavfile 
from scipy import signal 
import matplotlib.pyplot as plt 

from frequency_estimator import freq_from_hps 
# downloaded from https://github.com/endolith/waveform-analyzer/ 

filename = 'Vocaroo_s1KZzNZLtg3c.wav' 
# downloaded from http://vocaroo.com/i/s1KZzNZLtg3c 

# Parameters 
time_start = 0 # seconds 
time_end = 1 # seconds 
filter_stop_freq = 70 # Hz 
filter_pass_freq = 100 # Hz 
filter_order = 1001 

# Load data 
fs, audio = wavfile.read(filename) 
audio = audio.astype(float) 

# High-pass filter 
nyquist_rate = fs/2. 
desired = (0, 0, 1, 1) 
bands = (0, filter_stop_freq, filter_pass_freq, nyquist_rate) 
filter_coefs = signal.firls(filter_order, bands, desired, nyq=nyquist_rate) 

# Examine our high pass filter 
w, h = signal.freqz(filter_coefs) 
f = w/2/np.pi * fs # convert radians/sample to cycles/second 
plt.plot(f, 20 * np.log10(abs(h)), 'b') 
plt.ylabel('Amplitude [dB]', color='b') 
plt.xlabel('Frequency [Hz]') 
plt.xlim((0, 300)) 

# Apply high-pass filter 
filtered_audio = signal.filtfilt(filter_coefs, [1], audio) 

# Only analyze the audio between time_start and time_end 
time_seconds = np.arange(filtered_audio.size, dtype=float)/fs 
audio_to_analyze = filtered_audio[(time_seconds >= time_start) & 
            (time_seconds <= time_end)] 

fundamental_frequency = freq_from_hps(audio_to_analyze, fs) 
print 'Fundamental frequency is {} Hz'.format(fundamental_frequency)