リアルタイムの人間のピッチ検出

私は生のマイク入力を分析し、プレーヤーに彼の歌がどれだけ上手かを伝える歌のゲームを実装しようとしています。それはリアルタイムで行う必要があります。

私は同じ質問をする多くのスレッドに出くわしましたが、おそらくフィールドでの経験の不足と浅い数学の背景が原因で、私はまだそれで完全に終わっていません。DSPDimension Webサイトのピッチシフトの記事に基づくアルゴリズムを実装しました：http ://www.dspdimension.com/admin/pitch-shifting-using-the-ft/

記事で説明しているように、真の周波数と振幅を抽出しますが、これで基本周波数を見つけることはできません。私は最大の大きさでビンを取得しようとしましたが、それはより高いピッチの信号に対して正しい結果を与えるだけであり、どのオーバーサンプリング係数を使用しても問題はありません。このアプローチは完全に間違っていますか、それとも私は正しい軌道に乗っていますが、何か不足していますか？

前もって感謝します、

編集：私はピッチクラスにのみ興味があることを言及するのを忘れていたので、ファンダメンタルズが欠けていても大丈夫ですが、サンプルには強い倍音があります。

EDIT2：みんなのおかげで、魅力的なアルゴリズムのバージョンが完成しました。低ピッチ推定の問題は、入力テストによるものでした。私が音符を歌ったとき、それは正しく一致しました。また、最高のピークだけでなく、すべての高調波を検討しています。

私は最大の大きさでビンを取得しようとしましたが、それはより高いピッチの信号に対して正しい結果を与えるだけであり、どのオーバーサンプリング係数を使用しても問題はありません。

これは、高調波が基本波よりも大きいためです。スペクトルをプロットすると、表示されます。真のファンダメンタルを見つけるためのより良い方法は、自己相関です。次に、波形を「スライド」させて、波形がそれ自体と一致する遅延を見つけます。

http://www.phon.ucl.ac.uk/courses/spsci/matlab/lect10.html

あなたは本当に彼らに正確な音符を歌ってもらいたいですか、それとも彼らが彼らの声のレジスターに応じて1オクターブ上または下で歌ってもいいですか？

はい、ピッチにピーク周波数推定器を使用するのは間違っています。ピッチは心理音響現象であるため、ピッチの検出または推定は周波数推定とは異なります。ここで同様の質問に対する以前の回答で与えられた多くのピッチ推定方法があります。選択肢は1つ以上あります。

1つは/programming/4227420/matlab-missing-fundamental-from-an-fft/4231322#4231322、もう1つはピッチ検出を改善するためのヒントです。

追加＃1：このような質問が頻繁に寄せられるため、このトピックについてより長いブログ投稿を書きました：http : //www.musingpaw.com/2012/04/musical-pitch-is-not-just-fft- frequency.html