Librosa音高跟踪-STFT

  • Z时代
  • 2024-01-10
  • 分类：问答

我正在使用此算法来检测此音频文件的音高

。如您所见，它是在吉他上弹奏的E2音符，背景中有些杂音。

我使用STFT生成了此频谱图：频谱图

我正在使用上面链接的算法，如下所示：

y, sr = librosa.load(filename, sr=40000)
pitches, magnitudes = librosa.core.piptrack(y=y, sr=sr, fmin=75, fmax=1600)
np.set_printoptions(threshold=np.nan)
print pitches[np.nonzero(pitches)]

结果，我在fmin和之间几乎获得了所有可能的频率fmax。我与piptrack方法的输出有什么关系，以发现时间范围的基本频率？

我仍然不确定那些2D数组代表什么。假设我想找出第5帧中的82Hz有多强。我可以使用STFT函数做到这一点，该函数仅返回2D矩阵（用于绘制频谱图）。

但是，还有piptrack一些其他有用的事情，我真的不明白。pitches[f, t] contains instantaneous

frequency at bin f, time t。这是否意味着，如果我想在时间帧t处找到最大频率，就必须：

  1. 转到magnitudes[][t]数组，找到最大幅度的垃圾箱。

  2. 将bin分配给变量f。

  3. 找到pitches[b][t]找到属于那个垃圾箱的频率？

回答：

事实证明，在特定帧处拾取音高的方法t很简单：

def detect_pitch(y, sr, t):
  index = magnitudes[:, t].argmax()
  pitch = pitches[index, t]
  return pitch

首先通过查看magnitudes阵列来获得最强频率的频率，然后在处找到音调pitches[index, t]。

以上是 Librosa音高跟踪-STFT 的全部内容， 来源链接： utcz.com/qa/406974.html

回到顶部