我的主要问题是，当它检测到某个频率时，它会显示该频率1-2秒，然后跳至其他随机频率，然后再次返回，依此类推，即使声音是连续的。
如果有人对此有经验，我也会对其他任何类型的优化感兴趣。
#1 楼
我猜它得到的其他频率是基波的谐波？就像您在演奏100 Hz，而是拾取200 Hz或300 Hz一样？首先，应将搜索空间限制在吉他可能会出现的频率范围内。找到您可能需要的最高基频并将其限制在此范围内。如果基频的幅度低于谐波（或完全丢失），则自相关将比FFT更好地找到基频。这不是吉他的问题）：
您还可以尝试加权较低的频率以强调基音并最大程度地减少谐波，或者使用类似这样的调峰算法然后选择最低的频率。
此外，在应用FFT之前，应先对信号加窗。您只需将其乘以窗口函数即可，该函数会逐渐减小波形的开始和结束以使频谱更清晰。然后，您会得到频率分量的高尖峰而不是宽的尖峰。取光谱的对数，然后将抛物线拟合到峰和两个相邻点，并找到抛物线的真实峰。不过，您可能不需要那么高的准确性。
这是我所有示例的Python代码。
#2 楼
音调与FFT的峰值幅度频率仓不同。音调是一种人类的心理声学现象。基音可能缺少或非常弱的基音（在某些语音，钢琴和吉他声音中很常见）和/或频谱中的许多有力的泛音使基音频率不堪重负（但仍被人听到为该基音） 。因此，任何FFT峰值频率检测器（甚至包括一些开窗和内插）都不是可靠的音高估计方法。这个stackoverflow问题包括一些估计音高的替代方法的列表，这些方法可能会产生更好的结果。
添加：如果要对吉他声音进行此操作，请注意最低吉他弦实际上可能会产生轻微的不谐调泛音，使音高估计更加困难，因为人耳所听到的音高频率与泛音的约数（而不是弦的实际基本振动频率）更紧密相关。 />
添加＃2：这个问题经常被问到，以至于我写了一篇较长的博客文章，主题是：http://www.musingpaw.com/2012/04/musical-pitch-is-not-just -fft-frequency.html
评论
$ \ begingroup $
刚刚访问（并评论了）您刚刚提到我们的博客。
$ \ endgroup $
–罗伯特·布里斯托-约翰逊
16-3-14在4:43
#3 楼
我花了很多年研究和弦音乐的音高检测-就像检测mp3录音中吉他独奏的音符一样。我还在Wikipedia上写了一个部分，简要介绍了该过程（请看下面链接中的“音高检测”小节）。当在钢琴上按下一个键时，我们听到的不仅是声音振动的频率，而且是在不同的数学相关频率下发生的多种声音振动的组合。这种在不同频率下的振动合成的元素称为谐波或部分谐波。例如，如果我们按钢琴上的中音C键，则复合谐波的单个频率将从261.6 Hz开始作为基本频率，523 Hz为第二谐波，785 Hz为第三谐波，1046 Hz是4次谐波，等等。后面的谐波是基频261.6 Hz的整数倍（例如：2 x 261.6 = 523、3 x 261.6 = 785、4 x 261.6 = 1046）。
我使用一种改进的DFT对数变换，首先通过查找峰值电平的频率来检测可能的谐波（请参见下图）。由于我收集修改后的Log DFT数据的方式，因此不必对信号应用开窗功能，也不必进行加法和重叠。我创建了DFT，以便将其频率通道对数定位，以便直接与吉他，萨克斯风等音符产生谐波的频率对齐。
现在已经退休，我决定在一个名为PitchScope Player的免费演示应用程序中发布我的音高检测引擎的源代码。 PitchScope Player可在网上找到，您可以下载Windows的可执行文件，以查看我的算法在所选mp3文件上的作用。以下指向GitHub.com的链接将带您进入完整的源代码，您可以在其中查看我如何使用自定义对数DFT变换检测谐波，然后查找频率满足正确整数关系（定义“
我的音高检测算法实际上是一个两阶段过程：
a）首先检测到ScalePitch（“ ScalePitch”具有12个可能的音高值：{E，F，F＃， G，G＃，A，A＃，B，C，C＃，D，D＃}）
b）确定ScalePitch之后，通过检查4个可能的八度候选音符的所有谐波来计算八度。
该算法旨在检测和弦MP3文件中任何给定时刻的最主要音高（音符）。这通常与器乐独奏的音符相对应。那些对我的2级音高检测算法的C ++源代码感兴趣的人可能想从GitHub.com上SPitchCalc.cpp文件中的Estimate_ScalePitch（）函数开始。 / CreativeDetectors / PitchScope_Player
https://en.wikipedia.org/wiki/Transcription_(music)#Pitch_detection
下面是对数DFT的图像（由我创建C ++软件），进行3秒钟的吉他独奏，并录制和弦mp3录音。它显示了弹奏独奏时吉他上各个音符的谐波如何出现。对于此对数DFT的每个音符，我们可以看到其多个谐波垂直延伸，因为每个谐波将具有相同的时间宽度。确定音符的八度之后，我们便知道基本音的频率。
下图演示了八度音阶检测算法，一旦确定了该音阶的ScalePitch，我就会开发该算法来选择正确的八度音阶候选音符（即正确的基本音阶）。那些希望在C ++中看到该方法的人应该转到文件FundFandidCalcer.cpp中的Calc_Best_Octave_Candidate（）函数，该文件包含在GitHub的源代码中。
评论
$ \ begingroup $
James，您的DFT音高检测器是否检测到基音缺失（或较弱）的音符？
$ \ endgroup $
–罗伯特·布里斯托-约翰逊
16年7月6日在0:28
$ \ begingroup $
是的，即使信号的“基音缺失（或弱）”，我的2级音高检测算法也可以检测到音符，这是2级音高处理的重要优势。当在对数DFT图表上看到的注释的时间宽度上执行八度检测时，在第二阶段确定基本面。由于此音高检测功能可在和弦mp3信号混乱的情况下工作，因此它将检测到缺少许多谐波的音符，包括基本音。我刚刚在“答案”中添加了第二张图，该图解释了我的八度检测算法。
$ \ endgroup $
–詹姆斯·保罗·米拉德（James Paul Millard）
16年7月6日在1:05
评论
$ \ begingroup $
这就是我想要的，很好的回答，谢谢！
$ \ endgroup $
–瓦伦丁·拉杜（Valentin Radu）
2011年10月13日下午13:54
$ \ begingroup $
乘以锥形的窗函数实际上会抹去信号中的任何频谱线，从而使它们更宽。但是，它可以为您提供的是动态范围，它使您可以在存在高功率干扰音的情况下识别例如低功率频谱线。
$ \ endgroup $
–Jason R
2011-10-13 14:10
$ \ begingroup $
@JasonR考虑到此功能旨在在大功率干扰音的概率确实很低的环境中工作，您建议不要使用汉明窗更好吗？
$ \ endgroup $
–瓦伦丁·拉杜（Valentin Radu）
2011-10-13 14:32
$ \ begingroup $
我可以确认使用汉明窗使我更接近保持读数稳定的目标。现在，当我演奏A4时，大多数时候会获得440 Hz的频率，而很少见的是接近650 Hz的读数。我猜那些是谐波吗？另外，我不禁注意到，对于更高的频率，该应用程序可以正常工作，而对于更低的频率，该应用程序将开始失败。可能是因为我正在使用FTT来检测峰值幅度频率仓，而对于较低的频率，这并不总是根本吗？
$ \ endgroup $
–瓦伦丁·拉杜（Valentin Radu）
2011-10-13 15:53
$ \ begingroup $
@mindnoise：660 Hz不是440 Hz的谐波，而是220 Hz的谐波，或者是440之上的完美五分之一。可能是另一弦共振或失真或其他原因吗？如果您可以绘制FFT并进行查看，则找出这样的问题要容易得多。是的，低频可能会由于机械效应或模拟电路而被滤波并相对于高频被降低。
$ \ endgroup $
– Endolith
2011年10月13日15:56