我正在开展一个项目，通过获取用户的实时音频输入来预测用户的性别。在研究这个项目时，我遇到了一个 kaggle https://www.kaggle.com/primaryobjects/voicegender 的数据集，其中提出了一个 CART 逻辑
if meanfun<0.14:
if IQR>=0.07:
return male
else
return female
else
return female
我试图搜索平均基频，但找不到任何有用的资源。 请解释这个概念，平均频率和平均基频有什么区别？以及如何计算它的价值。
【问题讨论】：
标签： python audio signal-processing frequency frequency-analysis
我将尝试解释这个概念......
信号通常可以定义为正弦波的总和。您可能知道也可能不知道，正弦波可以用公式 Asin(ωt+φ) 在数学上定义，其中 A 是幅度，ω 是角频率，t 是时间，φ 是相移。 ω 可以进一步替换为 2πf，其中 f 是以 Hz 为单位的频率（您链接的文档中使用的单位）。当他们在这种情况下提到频率时，您可以将其视为原始/原始信号的正弦波分量。
正弦波的定义在维基百科页面以及许多其他资源中进行了描述，here。
您正在查看的音频信号是复杂信号，可能涉及许多正弦波。基频是指检测到的最低频率 (wiki here)。我想平均基频是在信号中检测到的所有频率的平均值。
找到频率的最常用方法是使用快速傅立叶变换 (FFT) - 这会将信号从时域更改为频域，您基本上可以分解所有正弦波分量提高原始信号。或者，您可以通过峰值检测弄脏您的手 - 频率本质上是某事在某个时间段内发生的次数，因此您可以从字面上计算 1 分钟内发生的峰值数量（例如）以获得您的频率值（以赫兹为单位）。我绝对不推荐它用于语音音频信号。
为了让您了解频率值在音频频谱中的位置，让我们将音符中间的 C 与其上方的 A 进行比较。中间 C 为 261.626 Hz，A 为 440.000 Hz (source)。如您所见，较高的音符具有较高的频率。
这个项目的逻辑是，女性声音由比男性声音更高的频率组成（有点不足为奇）。它还说，仅基于 IQR > 0.07 的情况下，较低频率的女性声音比男性声音（？）更紧密地绑定在其他频率分量的范围内 - 这很有趣。
希望这会有所帮助。
【讨论】：