沥青
估计音频信号的基本频率
描述
例子
估计音高
读取音频信号。称呼沥青估计随着时间的推移基本频率。
[AudioIn，FS] = audioread（'hey.ogg'）;F0 =音高（AudioIn，FS）;
收听音频信号并绘制信号和间距。这沥青函数随着时间的推移返回基本频率的估计，但估计仅对谐波的区域有效。
声音（AudioIn，FS）TileDlayout（2,1）NextDile Plot（AudioIn）XLabel（'样品号码'）ylabel（'振幅'）NextDile Plot（F0）XLabel（'框号'）ylabel（'音高（Hz）'）
估计唱歌的音乐
在音频信号中读取并提取音调。
[x，fs] = audioread（'唱歌-A-MASS.OGG'）;t =（0：size（x，1）-1）/ fs;winlength = round（0.05 * fs）;overtaplength = round（0.045 * fs）;[F0，IDX] =音调（x，fs，'方法'那'srh'那'windowlength'，winlength，'overlaplencth'，俯视长度）;TF0 = IDX / FS;
听听音频并绘制音频和音高估计。
sound（x，fs）图tiledlayout（2,1）nextdile plot（t，x）ylabel（'振幅'） 标题（'音频信号'）轴紧的nextdile绘图（TF0，F0）XLabel（'时间''）ylabel（'音高（Hz）'） 标题（'音高估计'）轴紧的
这沥青功能估计重叠分析窗口的音高。音高估计只有在分析窗口具有谐波分量时才有效。打电话给Halmonicratio.使用相同的窗口和用于音调检测的重叠长度的功能。绘制音频，俯仰和谐波比。
hr = houronicratio（x，fs，“窗户”，汉明（WinLength，'定期'），“overlaplength”，俯视长度）;图TileDlayout（3,1）NextTile Plot（T，X）Ylabel（'振幅'） 标题（'音频信号'）轴紧的nextdile plot（tf0，f0）ylabel（'音高（Hz）'） 标题（'音高估计'）轴紧的nextdile plot（tf0，hr）xlabel（'时间''）ylabel（'比率'） 标题（'谐波比'）轴紧的
使用谐波比作为有效音高决策的阈值。如果谐波比小于阈值，请将音高决定设置为南。绘制结果。
阈值= 0.9;F0（HR <阈值）= NaN;图绘图（TF0，F0）XLabel（'时间''）ylabel（'音高（Hz）'） 标题（'音高估计'） 网格上
比较两个声音的音调
读取母语的音频信号，说“音量上升”五次。听听音频。
[FemaleVoice，FS] = audioread（'女卷 - up.ogg'）;声音（FemaleVoice，FS）
读取男声的音频信号，说“音量上升”五次。听听音频。
malevoice = audioread（'male-chovel-up.ogg'）;声音（Malevoice，FS）
从女性和雄性记录中提取音高。绘制男性和女性录音的音高估计的直方图。直方图具有类似的形状。这是因为音调决定包含不可加区语音和沉默地区的结果。
f0female =音高（Femalevoice，FS）;f0male =音高（Malevoice，FS）;图numbins = 20;直方图（F0Female，Numbins，“正常化”那“可能性”）;抓住上直方图（F0MALE，NUMBINS，“正常化”那“可能性”）;传奇（“女性声音”那'男声'）xlabel（'音高（Hz）'）ylabel（'可能性'） 抓住离开
使用检测在音频信号中隔离语音区域的功能，然后仅从那些语音区域提取音调。
语音indices =检测echech（Femalevoice，FS）;f0female = [];为了II = 1：尺寸（语音indices，1）Speepsegment = Femalevoice（语音indices（ii，1）：语言indices（ii，2））;f0female = [f0female;沥青（Speepsegment，FS）];结尾语音indices =检测echech（malevoice，fs）;f0male = [];为了II = 1：尺寸（语音indices，1）Speepsegment = malevoice（语音indices（ii，1）：言语indices（ii，2））;f0male = [f0male;沥青（speepsegment，fs）];结尾
绘制男性和女性录音的音高估计的直方图。现在的俯仰分布如预期显示。
图直方图（F0Female，Numbins，“正常化”那“可能性”）;抓住上直方图（F0MALE，NUMBINS，“正常化”那“可能性”）;传奇（“女性声音”那'男声'）xlabel（'音高（Hz）'）ylabel（'可能性'）
使用非默认参数估算音乐信号的音高
加载FürElise介绍的音频文件和音频的采样率。
加载Furelise.mat歌曲FS.声音（歌曲，FS）
打电话给沥青使用音高估计过滤器的功能（PEF.），搜索范围为50至800 Hz，窗口持续时间为80毫秒，重叠持续时间为70毫秒，中值滤波器长度为10.绘制结果。
方法=“PEF”;范围= [
50.那
800];％赫兹Windur =
0.08;％秒重叠地图=
0.07;％秒medfiltlength =.
10.;％框架winlength = round（windur * fs）;overtaplength = round（重叠像* fs）;[F0，LOC] =音高（歌曲，FS，......'方法'，方法，......'范围'，范围，......'windowlength'，winlength，......'overlaplencth'，overtaplength，......“MedianFilterLength”，medfiltlength）;t = loc / fs;绘图（T，F0）Ylabel（'音高（Hz）'）xlabel（'时间''） 网格上
确定流式音频的音调轮廓
创建一个dsp.audiofilereader.对象以逐帧读取。
filereader = dsp.audiofilereader（'唱歌-A-MASS.OGG'）;
创建一个盲肠助立力指示灯对象以检测流音频中的语音存在。
VAD = VOCEACTICYDETECTORECTOR;
虽然存在未读样本，请从文件中读取并确定帧包含语音活动的概率。如果框架包含语音活动，请致电沥青估计音频帧的基本频率。如果帧不包含语音活动，请将基本频率声明为南。
f0 = [];尽管〜ISDONE（FILEREADER）x = filereader（）;如果VAD（x）> 0.99决定=音高（x，filereader.samplerate，......“windowlength”，尺寸（x，1），......“overlaplength”，0，......“范围”，[200,340]）;别的决定=南;结尾F0 = [F0;决定];结尾
绘制检测到的间距轮廓随时间。
t = linspace（0，（长度（f0）* filereader.samplesperframe）/filereader.samplerve，length（f0））;绘图（T，F0）Ylabel（'基础频率（Hz）'）xlabel（'时间''） 网格上
比较音调检测算法
估计音高的不同方法在噪声鲁棒性，准确性，最佳滞后和计算费用方面提供权衡。在此示例中，在不同噪声条件下，将不同间距检测算法（GPE）和计算时间的性能进行比较。
准备测试信号
加载音频文件并确定它具有的样本数。还加载对应于音频文件的真菌。真正的音高被确定为清洁语音文件上几个第三方算法的平均值。
[AudioIn，FS] = audioread（'Counting-16-44p1-mono-15secs.wav'）;numsamples = size（audioin，1）;加载truepitch.mat特鲁奇奇
通过在给定SNR的音频信号添加噪声来创建测试信号。这mixsnr.功能是本例的一个便利功能，它采用信号，噪声和请求的SNR，并在请求SNR处返回嘈杂信号。
testsignals =零（numsamples，4）;涡轮机= audioread（'turbine-16-44p1-mono-22secs.wav'）;testsignals（：，1）= Mixsnr（AudioIn，涡轮机，20）;testsignals（:,2）= Mixsnr（AudioIn，涡轮，0）;whitenoisemaker = dsp.colorednoise（'颜色'那'白色的'那'samplesperframe'，尺寸（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用于标记和索引的单元格阵列。
noiseconditions = {'涡轮机（20 dB）'那'涡轮机（0 dB）'那'白叶（20 dB）'那'白痴（0 db）'};algorithms = {'ncf'那'PEF'那'cep'那'lhs'那'srh'};
运行音调检测算法
预先采用阵列以保持每个算法和噪声条件对的音高决策，以及定时信息。在一个循环中，打电话给沥青在算法和噪声条件的每个组合上的功能。每种算法都有一个与之相关的最佳窗口长度。在此示例中，为简单起见，您可以使用所有算法的默认窗口长度。使用3元素中值过滤器来平滑音高决定。
F0 =零（Numel（Truepitch），NumEr（算法），NumEr（Noisecondss））;algorithmtimer = zeros（numel（noisecondss），numel（算法））;为了k = 1：numel（noiseconditions）x = testsignals（：，k）;为了i = 1：numel（算法）tic f0temp =音调（x，fs，......'范围'，[50 300]，......'方法'，算法{i}，......'medianfilterlength'，3）;algorithmtimer（k，i）= toc;F0（1：max（numel（f0temp），numel（truepitch）），i，k）= f0temp;结尾结尾
比较总节点错误
在比较音调检测算法时，总高速速率（GPE）是一种流行的度量标准。GPE被定义为音调决定的比例，相对误差高于给定阈值，传统上20％的语音研究。计算GPE并将其打印到命令窗口。
iDxtocompare =〜Isnan（Truepitch）;Truepitch = Truepitch（idxtocompart）;f0 = f0（idxtocompare，：:);p = 0.20;GPE =平均值（ABS（F0（1：Numel（Truepitch），：:) - Truepitch）> Truepitch。* P）。* 100;为了IK = 1：numel（noiseconditions）fprintf（'\ ngpe（p =％0.2f），噪声=％s。\ n'，p，noiseconditions {ik}）;为了i = 1：大小（GPE，2）FPRINTF（' - ％s：％0.1f %% \ n'，算法{i}，gpe（1，i，ik））结尾结尾
GPE（P = 0.20），噪声=涡轮机（20dB）。
- NCF：0.9％ - PEF：0.4％ - CEP：8.2％ - LHS：8.2％ - SRH：6.0％
GPE（P = 0.20），噪声=涡轮机（0 dB）。
- NCF：5.6％ - PEF：24.5％ - CEP：11.6％ - LHS：9.4％ - SRH：46.8％
GPE（P = 0.20），噪声=白细胞（20 dB）。
- NCF：0.9％ - PEF：0.0％ - CEP：12.9％ - LHS：6.9％ - SRH：2.6％
GPE（P = 0.20），噪声=白细胞（0 dB）。
- NCF：0.4％ - PEF：0.0％ - CEP：23.6％ - LHS：7.3％ - SRH：1.7％
计算为每个算法处理一秒的数据所需的平均时间并打印结果。
在= sum（algorithmtimer）./（（numsamples / fs）* numel（noisecondss））;为了ik = 1：numel（算法）fprintf（' - ％s：％0.3f（s）\ n'，algorithms {ik}，在（ik））结尾
- NCF：0.031（S） - PEF：0.140（S） - CEP：0.032（S） - LHS：0.099（S） - SRH：0.111（S）
输入参数
输出参数
算法
这沥青功能段根据音频输入WindowLength.和overtaplenth论点。每个帧估计基本频率。位置输出，座垫包含相应帧的最新样本（最大样本号）。
有关用于估计基本频率的算法的描述，请参阅相应的参考：
参考
[1] Atal，B.S.“基于音高轮廓的自动扬声器识别。”美国声学学会杂志。卷。52,6B，1972，PP。1687-1697。
[2] Gonzalez，Sira和Mike Brookes。“音高估计过滤器鲁棒到高噪声（PEFAC）。”第19届欧洲信号处理会议。巴塞罗那，2011年，第451-455页。
[3] NOLL，Michael A.“克斯特劳斯塔斯统计学。”美国声学学会杂志。卷。31，第2,1967，第29.3页。293-309。
[4]爱马仕，Dik J.“通过次谐求和的音高测量。”美国声学学会杂志。卷。83，第1,1988号，第257.264页。
[5]药物，托马斯和阿尔万。“基于残余谐波的联合强大的发型检测和音高估计。”国际言论交流协会年度会议的诉讼程序，三个人。2011年，PP。1973-1976。
扩展能力
也可以看看
您还可以从以下列表中选择一个网站：
