我一直在試驗FFT算法。我使用NAudio和來自互聯網的FFT算法的工作代碼。根據我對錶演的觀察，所得到的音高是不準確的。C＃的FFT不準確性
發生什麼是我有一個MIDI（從GuitarPro生成）轉換爲WAV文件（44.1khz，16位，單聲道），包含從E2（最低吉他音符）開始到約E6的音高級數。低音（E2-B3附近）的結果通常非常錯誤。但是到達C4它有點正確，因爲你已經可以看到正確的進程（下一個音符是C＃4，然後是D4等）。然而，問題在於檢測到的音高比實際音高低一半例如C4應該是註釋，但顯示D＃4）。
您認爲什麼可能是錯誤的？如有必要，我可以發佈代碼。非常感謝！我仍然開始掌握DSP的領域。
編輯：這是一個什麼Im做
byte[] buffer = new byte[8192];
int bytesRead;
do
{
bytesRead = stream16.Read(buffer, 0, buffer.Length);
} while (bytesRead != 0);
然後粗糙從頭開始：（waveBuffer是一個簡單的類，它是有轉換的字節[]爲浮動[]，因爲函數只接受浮動[]）
public int Read(byte[] buffer, int offset, int bytesRead)
{
int frames = bytesRead/sizeof(float);
float pitch = DetectPitch(waveBuffer.FloatBuffer, frames);
}
最後一點：（Smbpitchfft是具有FFT算法中的類......我相信那裏有什麼不妥的地方所以我不會在這裏張貼）
private float DetectPitch(float[] buffer, int inFrames)
{
Func<int, int, float> window = HammingWindow;
if (prevBuffer == null)
{
prevBuffer = new float[inFrames]; //only contains zeroes
}
// double frames since we are combining present and previous buffers
int frames = inFrames * 2;
if (fftBuffer == null)
{
fftBuffer = new float[frames * 2]; // times 2 because it is complex input
}
for (int n = 0; n < frames; n++)
{
if (n < inFrames)
{
fftBuffer[n * 2] = prevBuffer[n] * window(n, frames);
fftBuffer[n * 2 + 1] = 0; // need to clear out as fft modifies buffer
}
else
{
fftBuffer[n * 2] = buffer[n - inFrames] * window(n, frames);
fftBuffer[n * 2 + 1] = 0; // need to clear out as fft modifies buffer
}
}
SmbPitchShift.smbFft(fftBuffer, frames, -1);
}
並解釋結果：
float binSize = sampleRate/frames;
int minBin = (int)(82.407/binSize); //lowest E string on the guitar
int maxBin = (int)(1244.508/binSize); //highest E string on the guitar
float maxIntensity = 0f;
int maxBinIndex = 0;
for (int bin = minBin; bin <= maxBin; bin++)
{
float real = fftBuffer[bin * 2];
float imaginary = fftBuffer[bin * 2 + 1];
float intensity = real * real + imaginary * imaginary;
if (intensity > maxIntensity)
{
maxIntensity = intensity;
maxBinIndex = bin;
}
}
return binSize * maxBinIndex;
UPDATE（如果有人仍有意）：
所以，下面陳述的答案之一是從FFT頻率峯值並不總是等同於間距。我明白那個。但是我想爲自己嘗試一些事情（假設有時候頻率峯值是最終的音調）。所以基本上，我得到了2個軟件（DewResearch的SpectraPLUS和FFTProperties;對他們的評分），能夠顯示音頻信號的頻域。
因此，這裏有在時域頻率峯值的結果： 
這是使用測試注意做到：
SpectraPLUS
和FFT屬性A2（大約110Hz）。在查看這些圖像時，他們的頻譜峯值在SpectraPLUS 102-112 Hz範圍內，FFT Properties 108 Hz範圍內。在我的代碼中，我得到了104Hz（我使用8192塊，採樣率爲44.1khz ... 8192然後加倍使其成爲複雜的輸入，所以最終我得到了5Hz左右的binins，與SpectraPLUS的10Hz binsize相比）。
所以現在我有點困惑，因爲在軟件上他們似乎返回正確的結果，但在我的代碼，我總是得到104Hz（注意，我已經比較了我使用的FFT函數，如Math.Net這似乎是正確的）。
您是否認爲這個問題可能與我對數據的解釋有關？或者在顯示頻譜之前軟件是否做了其他的事情？謝謝！
嗨！我爲maxBinIndex得到的值是在bin 20（大約100-104 Hz），這導致在G＃周圍，這是從假設的A開始的一半的音符。這與其他.wav文件一致，有時是整個步驟下。 – user488792 2011-02-23 03:54:50
@eryksun謝謝！你最後的觀點很有趣。我會試着去研究它。 – user488792 2011-02-23 07:14:47
@eryksun嗨！非常感謝你！這似乎是問題所在。我的代碼現在可以工作並返回正確的頻率。似乎我錯過了Paul R答案的解決方案，因爲那時我還沒有做過很多有關FFT的內容。但是，我已經學到了很多，謝謝你的幫助。再次感謝！ – user488792 2011-02-23 12:30:52