Librosa音高跟踪-STFT
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?
更新
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:
- 转到
magnitudes[][t]
数组,找到最大幅度的垃圾箱。 - 将bin分配给变量
f
。 - 找到
pitches[b][t]
找到属于那个垃圾箱的频率?