Librosa音高跟踪-STFT

发布于 2021-01-29 16:08:54

我正在使用算法来检测音频文件的音高
。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?

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:

  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?
关注者
0
被浏览
52
1 个回答
  • 面试哥
    面试哥 2021-01-29
    为面试而生,有面试问题,就找面试哥。

    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]



知识点
面圈网VIP题库

面圈网VIP题库全新上线,海量真题题库资源。 90大类考试,超10万份考试真题开放下载啦

去下载看看