绘制声音的音高（频率）

java audio fft frequency pitch

2022-09-01 06:33:17

我想把声音的音高画成一个图表。

目前，我可以绘制振幅。下面的图表是由以下返回的数据创建的：getUnscaledAmplitude()

alt text

AudioInputStream audioInputStream = AudioSystem.getAudioInputStream(new BufferedInputStream(new FileInputStream(file)));
byte[] bytes = new byte[(int) (audioInputStream.getFrameLength()) * (audioInputStream.getFormat().getFrameSize())];
audioInputStream.read(bytes);

// Get amplitude values for each audio channel in an array.
graphData = type.getUnscaledAmplitude(bytes, 1);


public int[][] getUnscaledAmplitude(byte[] eightBitByteArray, int nbChannels)
{
    int[][] toReturn = new int[nbChannels][eightBitByteArray.length / (2 * nbChannels)];
    int index = 0;

    for (int audioByte = 0; audioByte < eightBitByteArray.length;)
    {
        for (int channel = 0; channel < nbChannels; channel++)
        {
            // Do the byte to sample conversion.
            int low = (int) eightBitByteArray[audioByte];
            audioByte++;
            int high = (int) eightBitByteArray[audioByte];
            audioByte++;
            int sample = (high << 8) + (low & 0x00ff);

            toReturn[channel][index] = sample;
        }
        index++;
    }

    return toReturn;
}

但我需要显示音频的音高，而不是振幅。快速傅里叶变换似乎可以得到音高，但它需要知道比我拥有的原始字节更多的变量，并且非常复杂和数学。

有没有办法做到这一点？

答案 1

频率（客观指标）与音高（主观量）不同。一般来说，音高检测是一个非常棘手的问题。

假设您现在只想绘制频率响应图，那么您别无选择，只能使用FFT，因为它是获取时域数据频率响应的方法。（嗯，还有其他方法，例如离散余弦变换，但它们实现起来同样棘手，解释起来也更棘手）。

如果您正在为实现FFT而苦苦挣扎，请注意，它实际上只是计算离散傅里叶变换（DFT）的有效算法;请参阅 http://en.wikipedia.org/wiki/Discrete_Fourier_transform。基本的DFT算法要容易得多（只有两个嵌套循环），但运行速度要慢得多（O（N^2）而不是O（N log N））。

如果你想做任何比简单地绘制频率内容更复杂的事情（比如音高检测或窗口化（正如其他人所建议的那样），恐怕你会学到数学的含义。

答案 2

快速傅里叶变换不需要比您拥有的输入字节知道更多。不要被维基百科的文章吓跑。FFT算法将获取您的输入信号（使用常见的FFT算法，样本数需要为2的幂，例如256，512，1024），并返回具有相同大小的复数向量。由于您的输入是真实的，而不是复杂的（虚部设置为零），因此返回的向量将是对称的。其中只有一半将包含数据。由于你不关心相位，你可以简单地取复数的大小，即 sqrt（a^2+b^2）。仅仅取复数的绝对值也可能有效，在某些语言中，这等效于前面的表达式。

有FFT的Java实现可用，例如：http://www.cs.princeton.edu/introcs/97data/FFT.java.html

伪代码将如下所示：

Complex in[1024];
Complex out[1024];
Copy your signal into in
FFT(in, out)
for every member of out compute sqrt(a^2+b^2)
To find frequency with highest power scan for the maximum value in the first 512 points in out

输出将包含采样频率介于 0 到 1 半之间的整数。

由于FFT假设重复信号，您可能需要对输入信号应用一个窗口。但一开始不要担心这一点。

您可以在网络上找到更多信息，例如：初学者的FFT

此外，正如Oli所指出的那样，当存在多个频率时，感知到的音高是一种更复杂的现象。