ユーザーがギターをチューニングできるシンプルなWebアプリを開発しています。私は信号処理の本当の初心者なので、私の質問が不適切であるかどうかを厳しく判断しないでください。
そのため、FFTアルゴリズムを使用して基本周波数を取得することができましたが、この時点でアプリケーションは何らかの形で機能しています。ただし、改善の余地があり、現在、FFTアルゴリズムに未処理のpcmを送信していますが、検出を改善する前/後のアルゴリズム/フィルターがあるかもしれないと考えていました。何か提案できますか？
私の主な問題は、特定の周波数を検出すると、その周波数が1〜2秒間表示された後、他のランダムな周波数にジャンプして、音が連続していても再び戻ってくるということです。
また、そのようなことを経験したことがある場合、他のタイプの最適化にも興味があります。
回答:
私はそれが得る他の周波数が基本波の高調波であると推測していますか？100 Hzを再生していて、代わりに200 Hzまたは300 Hzを選択しますか？最初に、ギターがそうである可能性が高い周波数に検索スペースを制限する必要があります。必要となる可能性が最も高い基本を見つけ、それに限定します。
基本波の振幅が高調波よりも小さい場合（または完全に欠落しているが、ギターの問題ではない場合）、自己相関は基本波を見つける際にFFTよりもうまく機能します。
また、低域に重みを付けて基本波を強調し、高調波を最小限に抑えるか、このようなピーク選択アルゴリズムを使用して、最も低い周波数を選択することもできます。
また、FFTを適用する前に信号をウィンドウ処理する必要があります。それにウィンドウ関数を掛けるだけで、波形の始まりと終わりが先細りになり、周波数スペクトルがきれいになります。次に、幅の広い成分ではなく、周波数成分の背の高い細いスパイクを取得します。
補間を使用して、より正確なピークを取得することもできます。スペクトルのログを取り、次に放物線をピークと2つの隣接する点に適合させ、放物線の真のピークを見つけます。ただし、これほどの精度は必要ないかもしれません。
ピッチは、FFTのピーク振幅周波数ビンと同じではありません。ピッチは人間の心理音響現象です。ピッチサウンドには、欠落または非常に弱い基本波（一部の音声、ピアノ、ギターサウンドで一般的）やピッチ周波数を圧倒するスペクトルの強力な倍音が含まれている可能性があります（ただし、人間はそのピッチノートとして聞こえます） 。そのため、FFTピーク周波数検出器（ウィンドウイングや補間を含む）は、ピッチ推定の堅牢な方法ではありません。
このstackoverflowの質問には、より良い結果をもたらす可能性のあるピッチを推定するいくつかの代替方法のリストが含まれています。
追加：ギターサウンドでこれを行っている場合、人間の耳には倍音の倍数に密接に関連するピッチ周波数が聞こえる可能性があるため、実際にギターの最低弦でわずかに不調和な倍音が生成され、ピッチ推定がさらに難しくなることに注意してください、弦の実際の基本振動周波数ではなく。
追加＃2：これは非常に頻繁に尋ねられるので、トピックに関する長いブログ投稿を作成しました：http : //www.musingpaw.com/2012/04/musical-pitch-is-not-just-fft-frequency.html
ポリフォニック音楽のピッチ検出の研究に長年費やしました。たとえば、mp3録音内のギターソロの音を検出するようなものです。また、プロセスの簡単な説明を提供するウィキペディアのセクションを作成しました（以下のリンクの「ピッチ検出」サブセクションをご覧ください）。
単一のキーがピアノ時に押されたとき、私たちは聞く音の振動のただ一つの周波数ではなく、複合複数の音振動のは、異なる数学的に関連頻度で起こります。この異なる周波数の振動の複合要素は、高調波または部分音と呼ばれます。たとえば、ピアノのミドルCキーを押すと、コンポジットの倍音の個々の周波数は基本周波数として261.6 Hzから始まり、523 Hzが2次高調波、785 Hzが3次高調波、1046 Hzになります後の高調波は、基本周波数261.6 Hzの整数倍です（例：2 x 261.6 = 523、3 x 261.6 = 785、4 x 261.6 = 1046）。
修正されたDFT対数変換を使用して、最初にピークレベルの周波数を探して、可能な高調波を検出します（下図を参照）。変更されたLog DFTのデータを収集する方法のため、ウィンドウ関数を信号に適用する必要はなく、追加や重複もしません。そして、ギター、サックスなどのノートによって倍音が作成される周波数と直接一致するように、周波数チャンネルが対数的に配置されるようにDFTを作成しました。
現在は廃止されているため、ピッチ検出エンジンのソースコードをPitchScope Playerと呼ばれる無料のデモアプリ内でリリースすることにしました。PitchScope PlayerはWebで入手できます。Windows用の実行可能ファイルをダウンロードして、選択したmp3ファイルで動作している私のアルゴリズムを確認できます。以下のGitHub.comへのリンクから、完全なソースコードにアクセスできます。ここでは、カスタム対数DFT変換で高調波を検出する方法を確認し、「ピッチ'。
私のピッチ検出アルゴリズムは実際には2段階のプロセスです：a）最初にScalePitchが検出されます（ 'ScalePitch'には12の可能なピッチ値があります：{E、F、F＃、G、G＃、A、A＃、B、C、C＃、D 、D＃}）b）およびScalePitchが決定された後、4つの可能なオクターブ候補ノートのすべての倍音を調べることにより、オクターブが計算されます。このアルゴリズムは、ポリフォニックMP3ファイル内の任意の時点で最も支配的なピッチ（音符）を検出するように設計されています。これは通常、インストゥルメンタルソロのノートに対応します。私の2ステージピッチ検出アルゴリズムのC ++ソースコードに興味がある人は、GitHub.comのSPitchCalc.cppファイル内のEstimate_ScalePitch（）関数から始めることをお勧めします。
https://github.com/CreativeDetectors/PitchScope_Player
https://en.wikipedia.org/wiki/Transcription_(music)#Pitch_detection
以下は、ポリフォニックMP3録音でのギターソロの3秒間の対数DFT（私のC ++ソフトウェアで作成）の画像です。ソロを演奏しながら、ギターの個々の音に対してどのように倍音が現れるかを示しています。この対数DFTの各音について、各倍音は同じ時間幅を持つため、垂直に伸びる複数の倍音を見ることができます。音のオクターブが決定されると、基本周波数がわかります。
以下の図は、そのノートのScalePitchが決定されると、正しいオクターブ候補ノート（つまり、正しい基本）を選択するために開発したオクターブ検出アルゴリズムを示しています。C ++でそのメソッドを見たい場合は、GitHubのソースコードに含まれているFundCandidCalcer.cppというファイル内のCalc_Best_Octave_Candidate（）関数にアクセスする必要があります。
