我从未理解过音频数据是如何存储的。但我想知道一种找到PCM数据音高的方法。比如说，我录制了钢琴上敲击单个键的声音，在给定采样率下以16位单声道PCM格式进行录制。那么我该如何找到这段音频的频率（以赫兹为单位）？对我来说，获取平均频率的简单代码就足够了，但更详细的解释如何更好地理解这种格式会更理想。
谢谢！
谢谢！
1个回答
9
PCM音频并不是以一系列音高的形式存储的。要计算出这个，您需要进行快速傅里叶变换（FFT）。请参见https://stackoverflow.com/search?q=pitch+detection，已经有数十篇关于此的帖子。
想象一下音频波形。PCM编码只是按每秒特定次数对该波形进行采样，并使用特定数量的采样位数。
图片来自http://en.wikipedia.org/wiki/Pulse-code_modulation
44.1kHz的16位单声道PCM意味着每秒将存储44100次表示在采样时刻波形的16位值（2字节）。 44.1kHz足够快，可以存储接近22kHz的频率（请参见奈奎斯特频率）。
FFT将这些样本从时间域转换为频率域。也就是说，您可以找到特定时间段内所有频率的级别。查看的频段越多，计算强度就越大。
- Brad
4
谢谢！我已经为此苦恼了一段时间，音频存储通常对我来说是一个封闭的门。 - Drew DeVault
所以我能够实现我在这里找到的代码，但是我得到了不准确的结果。例如，在钢琴上演奏中央C音符（无论是虚拟的还是真实的），它报告的频率约为484 Hz，而实际上中央C音符更接近于261 Hz。你有什么想法为什么会出现这种情况？ - Drew DeVault
1@Drew：音高检测非常棘手 - 大多数乐器具有复杂的功率谱，而且通常基频不是最强的成分 - 耳朵根据谐波信息“填补”基频音高。在SO上搜索“pitch detection”，因为这个主题已经有很多问题和好答案了。 - Paul R
1@Drew，我建议你花些时间看一下频谱分析仪，以更好地了解你所看到的内容。除非你在看正弦波，否则你听到的实际上由许多音高组成，这些音高赋予声音其声学特性，例如音色。心理声学也发挥着作用。 - Brad
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接