关于 FFT 和 Pitch Estimation 的几个问题

Question

我需要对 FFT 和 Pitch Estimation 进行一般说明。

1.) 我读到 FFT 的块大小越大，它的准确性就越高，尽管我知道这也有缺点。这是真的吗？因为我一直在试验，每当我使用 16384 的块大小而不是 8192 或 4096 时，我得到的结果更糟。有人可以澄清一下吗？

2.) 最初，我认为从 FFT 中获取音高只是获取具有最高强度的 bin 的简单问题。但是，在这里发布并阅读了一些问题之后，我认为可能还有更多。有人可以建议我如何从 FFT 中获得良好的音高估计吗？

3.) 虽然我已经有了一个好主意，但有人可以简单地解释一下自相关器算法的作用吗？ （我的想法是它基本上是一种比较和对比算法，差异最小的就是选择的那个）

非常感谢！

Answer 1

1. 缺点是处理时间、内存消耗和延迟。如果您想要实时显示，在开始处理之前必须等待整个帧填满可能会花费不可接受的时间。
2. 是的，还有更多。具体来说，阶段。它也可以是具有最大负值（180 度偏移）的箱，或者是零（90 度偏移）的箱，或介于两者之间的任何东西。您可能希望使用复数进行转换，并寻找最大的绝对值。
3. 该算法通过测试信号与其自身的时移版本的“相似性”来寻找信号中的周期性元素。输出是从时间偏移到“相似度”的映射；然后，您可以查找最高值。