球场
估计音频信号的基频
描述
例子
估计间距
读入音频信号。调用球场来估计基频随时间的变化。
[audioIn, fs] = audioread (“Hey.ogg”）;f0 =音高(audioIn, fs);
听音频信号，画出信号和音高。的球场函数返回基频随时间变化的估计值，但估计值仅对谐波区域有效。
sound(audioIn,fs) tiledlayout(2,1) nexttile plot(audioIn) xlabel(的样本数量) ylabel ('振幅') nexttile plot(f0) xlabel(“帧号”) ylabel (“音高(Hz)”）
为歌声估计音高
读入音频信号并提取音调。
[x, fs] = audioread (“singing-a-major.ogg”）;T =（0：尺寸（X，1）-1）/ FS;winLength = ROUND（0.05 * FS）;overlapLength =圆（0.045 * FS）;[F0，IDX] =间距（X，FS，“方法”，“SRH”，“窗口长度”winLength,“OverlapLength”, overlapLength);tf0 = idx / fs;
听音频并绘制音频和音高估计图。
Sound (x,fs) figure tiledlayout(2,1) nexttile plot(t,x) ylabel('振幅'） 标题（音频信号的)轴紧的nexttile图（TF0，F0）xlabel（“时间(s)”) ylabel (“音高(Hz)”） 标题（“音高估计”)轴紧的
的球场函数估计重叠分析窗口的音调。只有当分析窗口有谐波分量时，基音估计才有效。调用harmonicRatio函数使用相同的窗口和重叠长度用于基音检测。绘制音频、音高和谐波比率。
hr = harmonicRatio (x, fs,“窗口”，汉明（winLength，“周期”），“OverlapLength”, overlapLength);图tiledlayout(3,1) nexttile plot(t,x) ylabel('振幅'） 标题（音频信号的)轴紧的nexttile情节(tf0 f0) ylabel (“音高(Hz)”） 标题（“音高估计”)轴紧的nexttile情节(tf0、人力资源)包含(“时间(s)”) ylabel (“比”） 标题（“谐波比率”)轴紧的
使用谐波比作为有效的音调决定的阈值。如果谐波比小于阈值，则将音调判定设置为南．策划的结果。
阈值= 0.9;F0 (hr < threshold) = nan;图绘制(tf0 f0)包含(“时间(s)”) ylabel (“音高(Hz)”） 标题（“音高估计”网格)在
比较两种声音的音高
在音频信号中输入一个女性的声音，说“音量调大”五次。听录音。
[femaleVoice, fs] = audioread (“female-volume-up.ogg”）;声音(femaleVoice fs)
读一个男性的声音信号，说“音量提高”五次。听录音。
maleVoice = audioread (“male-volume-up.ogg”）;声音(maleVoice fs)
从提取的女性和男性都记录在球场。绘制男性和女性音频记录的音调估计直方图。直方图具有相似的形状。这是因为在球场的决定包含了清音和沉默地区的结果。
f0Female =音高(femaleVoice, fs);f0Male =音高(maleVoice, fs);figure numBins = 20;直方图(f0Female numBins,“归一化”，“可能性”）;持有在直方图(f0Male numBins,“归一化”，“可能性”）;传奇（“女声”，的男性声音)包含(“音高(Hz)”) ylabel ('可能性')举行从
使用detectSpeech函数用于分离音频信号中的语音区域，然后仅从这些语音区域中提取基音。
speechIndices = detectSpeech (femaleVoice, fs);f0Female = [];为ii = 1:size(speech hindices,1) speechSegment = femalvoice (f0Female = [f0Female;沥青(speechSegment fs)];结束speechIndices = detectSpeech (maleVoice, fs);f0Male = [];为= 1:size(speech hindices,1) speechSegment = malvoice (speech hindices (ii,1):speech hindices (ii,2));f0Male = [f0Male;沥青(speechSegment fs)];结束
绘制男性和女性音频记录的音调估计直方图。音高分布现在如预期的那样出现。
图直方图(f0Female numBins,“归一化”，“可能性”）;持有在直方图(f0Male numBins,“归一化”，“可能性”）;传奇（“女声”，的男性声音)包含(“音高(Hz)”) ylabel ('可能性'）
使用音乐信号的估计间距非默认参数
加载Für Elise介绍的音频文件和音频的采样率。
负载FurElise.mat首歌fs声音(歌曲,fs)
调用球场函数，使用基音估计滤波器(PEF)，搜索范围为50 ~ 800hz，窗口持续时间为80ms，重叠持续时间为70ms，中值滤波长度为10。策划的结果。
方法=“PEF”；范围= [
50，
800];%赫兹winDur =
0．08；%秒overlapDur =
0.07；%秒medFiltLength =
10；%的框架winLength =圆(winDur * fs);overlapLength =圆(overlapDur * fs);(f0、loc) =音高(宋、fs、…“方法”、方法、…“范围”、范围、…“窗口长度”winLength,…“OverlapLength”overlapLength,…“MedianFilterLength”, medFiltLength);t = loc / fs;情节(t, f0) ylabel (“音高(Hz)”)包含(“时间(s)”网格)在
确定流式音频的音调曲线
创建一个dsp。AudioFileReader对象以逐帧读取音频。
fileReader = dsp。AudioFileReader (“singing-a-major.ogg”）;
创建一个voiceActivityDetector对象，以检测流音频中是否存在声音。
VAD = voiceActivityDetector;
虽然有未读的样品，从文件中读取，并确定该帧包含话音活动的概率。如果帧包含语音活动，请致电球场估计音频帧的基频。如果帧不包含声音活动，则声明基频为南．
f0 = [];而~isDone(fileReader) x = fileReader();如果VAD(x) > 0.99 decision = pitch(x,fileReader. x)SampleRate,…“WindowLength”、大小(x, 1),…“OverlapLength”0,…“范围”[200340]);其他的决定=南;结束f0 = (f0;决定);结束
绘制检测到的基音随时间变化的轮廓。
T = linspace（0，（长度（F0）* fileReader.SamplesPerFrame）/fileReader.SampleRate,length（F0））;情节(t, f0) ylabel (“基本频率(赫兹)”)包含(“时间(s)”网格)在
基音检测算法比较
估计基音的不同方法在噪声稳健性、精度、最优延迟和计算费用方面进行权衡。在本例中，您根据总基音误差(GPE)和不同噪声条件下的计算时间来比较不同基音检测算法的性能。
准备测试信号
加载一个音频文件并确定它的样本数量。同时加载与音频文件相对应的真音高。真实音高是由几个第三方算法在干净的语音文件上的平均值确定的。
[audioIn, fs] = audioread (“Counting-16-44p1-mono-15secs.wav”）;numSamples =大小(audioIn, 1);负载TruePitch.mattruePitch
通过在给定的信噪比下给音频信号添加噪声来创建测试信号。的mixSNR函数是本示例的一个方便函数，它获取一个信号、噪声和请求的信噪比，并在请求信噪比时返回一个噪声信号。
testSignals = 0 (numSamples 4);涡轮= audioread (“Turbine-16-44p1-mono-22secs.wav”）;testSignals (: 1) = mixSNR (audioIn涡轮20);testSignals (:, 2) = mixSNR (audioIn涡轮0);whiteNoiseMaker = dsp。ColoredNoise ('颜色'，“白色”，“SamplesPerFrame”大小(audioIn 1));testSignals (:, 3) = mixSNR (audioIn, whiteNoiseMaker (), 20);testSignals (:, 4) = mixSNR (audioIn, whiteNoiseMaker (), 0);
将噪声条件和算法名称保存为单元格数组，以便进行标记和索引。
noiseConditions = {'汽轮机（20 dB）的'，“涡轮机(0分贝)”，“WhiteNoise (20 dB)”，“WhiteNoise (0 dB) '};算法= {'NCF'，'PEF'，CEP的，“韩”，“SRH”};
运行基音检测算法
预分配数组以保存每个算法和噪声条件对的基音决定，以及时间信息。在循环中，调用球场关于算法和噪声条件的每种组合功能。每种算法都具有与其相关联的最佳窗口长度。在这个例子中，为简单起见，你可以使用所有算法默认的窗口长度。使用3元中值滤波平滑间距决定。
f0 = 0(元素个数(truePitch),元素个数(算法),元素个数(noiseConditions));algorithmTimer = 0(元素个数(noiseConditions),元素个数(算法));为k = 1:numel(noiseconconditions) x = testSignals(:，k);为I = 1:numel(algorithms) tic f0temp = pitch(x,fs，)…“范围”(300),…“方法”、算法{},…'MedianFilterLength'3);algorithmTimer (k, i) = toc;f0(1:马克斯(元素个数(f0temp),元素个数(truePitch)),我,k) = f0temp;结束结束
比较粗节距误差
比较音调检测算法时总节距误差（GPE）是一种流行的度量。GPE被定义为间距决定的比例的量，相对误差小于给定阈值，传统上20％的语音研究更高。计算GPE并将其打印到命令窗口。
idxToCompare = ~ isnan (truePitch);truePitch = truePitch (idxToCompare);f0 = f0 (idxToCompare,:,);p = 0.20;GPE = mean(abs(f0(1:numel(truePitch)，:，:) - truePitch) > truePitch.*p).*100;为ik = 1:numel(噪声条件)fprintf('\ NGPE（p值=％0.2F），噪声=％S。\ N'p noiseConditions{本土知识});为i = 1:size(GPE,2) fprintf('- %s: %0.1f %%\n'、算法{},GPE(1我ik))结束结束
GPE (p = 0.20)，噪声=涡轮(20 dB)。
—NCF: 0.9%—pef: 0.4%—cep: 8.2%—LHS: 8.2%—SRH: 6.0%
GPE (p = 0.20)，噪声=涡轮(0 dB)。
- NCF: 5.6% - pef: 24.5% - cep: 11.6% - LHS: 9.4% - SRH: 46.8%
GPE (p = 0.20)， Noise = WhiteNoise (20 dB)。
- NCF：0.9％ - PEF：0.0％ - CEP：12.9％ - LHS：6.9％ - SRH：2.6％
GPE (p = 0.20)， Noise = WhiteNoise (0 dB)。
- NCF：0.4％ - PEF：0.0％ - CEP：23.6％ - LHS：7.3％ - SRH：1.7％
计算每一种算法处理一秒数据所需的平均时间，并打印结果。
= (algorithmTimer)。/ ((numSamples / fs) *元素个数(noiseConditions));为Ik = 1:numel(algorithms) fprintf('- %s: %0.3f (s)\n'本土知识、算法{},(ik))结束
- NCF: 0.035 (s) - PEF: 0.112 (s) - CEP: 0.037 (s) - LHS: 0.049 (s) - SRH: 0.095 (s)
输入参数
输出参数
算法
的球场功能段音频输入根据WindowLength和OverlapLength参数。估计每帧的基频。位置输出,疯狂的包含对应框架的最新样本(最大样本数)。
对于估计基频所用算法的描述，请参阅相应的参考文献:
参考
[1]阿塔尔,狗屁“基于音高轮廓的说话人自动识别”。美国声学学会杂志．第52卷，第6B号，1972年，1687-1697页。
[2]冈萨雷斯，西拉，和麦克布鲁克斯。“A节距估计滤波器健壮高水平噪声的（PEFAC）”。19欧洲信号处理会议。巴塞罗那，2011年，第451-455。
[3]诺尔，迈克尔A。“倒频谱的决心。”美国声学学会杂志．卷。31，第2号，1967年，第293-309。
[4] Hermes, Dik J。用次谐波和法测量音高。美国声学学会杂志．第83卷，第1期，1988年，257-264页。
药剂师托马斯和比尔·阿尔万。基于残差谐波的联合鲁棒语音检测与基音估计。国际言语传播协会年会论文集。2011年,页1973 - 1976。
扩展功能
你也可以从以下列表中选择一个网站:
