问如何用Java声音确定频率(赫兹，实时)

EN

你需要做一些频谱分析。取一小块音频数据，大概256个样本，然后计算出每一段数据的快速傅里叶变换(FFT)。然而，傅里叶变换本身是不够的，因为在短样本中分割声音的过程会带来一些失真。这种失真将主要发生在更高的频率上。对于基音检测，你可以简单地用低通滤波器过滤掉这个失真。或者，你可以窗口你的声音样本，通常使用汉宁或布莱克曼窗口函数(基本上是不同的正弦斜率)。为了提高时间分辨率，您还应该重叠您所采集的单个样本。最后，你应该把你的个人光谱平均超过你想要分析的时间。

所有这些都会给你一个叫做功率谱密度函数的东西。这种导出它的方法称为Welch方法。因此，如果您幸运的话，Java声音将包括一个计算其中之一的方法。在许多信号处理环境中，这将被称为“突出”或“私营部门司”。

当然，频谱将使用对数频率(更多的频率点向高频率)，振幅很可能是非规范化和线性的，而不是简单的dB值。此外，你还必须找到一个很好的方法来找出你的实际音高频率在所有的谐波噪声等。

我想说的是:要么你的库有一个简单的函数来做你想做的事情，要么这个东西太复杂了，没有一个简单的答案。抱歉的。

我建议你阅读一些关于数字信号处理的教程或教科书。你想做的事情其实是相当复杂的。使它变得复杂的一些事情是：

• 音频样本将来自PCM (脉冲编码调制)样本中的声卡。这只是时间域样本的一个奇特的术语。也就是说，进入麦克风的模拟声波是在一个规则的间隔内采样的，然后给出这些样本作为数字。这并不直接给出任何频率信息，您将不得不执行FFT来将时域数据转换为频域。
• 即使在FFT之后，你仍然没有你想要的频率阵列。你所拥有的是在每个采样频率上的一个数量级数组。因此，你必须做一些检测，以确定哪些频率实际存在于你的信号中。这可能是一个简单的阈值和峰值选择，或更多的东西涉及。
• 除了这一困难之外，在利用FFT在时间分辨率和频率分辨率之间进行频谱分析时，还存在一种折衷。如果你想获得更多的频率分辨率，你必须牺牲时间分辨率。例如，如果您希望能够检测到以44100 Hz采样的信号中的1Hz变化，则需要执行44100个样本的快速傅立叶变换。嗯，44100个样本是一秒钟的数据，这意味着即使你能检测到1Hz分辨率的信号，你也不知道在那一秒它发生在哪里。这就是为什么许多基音检测算法使用时域方法，如自相关法来寻找基音。
• 另一个困难是，一个仪器不能产生纯音(单频)，但也会产生一些谐波。所以你不仅会有真正的音高频率，还会有其他的频率出现在信号中，你将不得不考虑。

所有这些并不是为了阻止你去做这个项目，我只是想列出你在做这个项目时可能面临的一些问题。我做过一个类似的项目，并遇到了这些问题。

这取决于您获取数据的格式，最有效的方法是直接PCM，它实际上只是声音流的样本(以及您可能从大多数小鼠API中得到什么)。

要从这得到频率，你需要傅里叶变换样本。这将导致一组值(每个频率一个)。