| Comments

概念：音高（Pitch）是语音信号的一个很重要的特征，直觉上而言它表示声音频率的高低，这个频率是指基本频率（基频），也即基本周期的倒数。 若直接观察语音的波形，只要语音信号稳定，我们可以很容易的看出基本周期的存在。例如我们取一个包含256个采样点的帧，单独绘制波形图，就可以明显的 看到它的基本周期。如下图所示：

其代码如下： 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 import wave import numpy as np import pylab as pl # ============ test the algorithm ============= # read wave file and get parameters. fw = wave.open('a.wav','rb') params = fw.getparams() print(params) nchannels, sampwidth, framerate, nframes = params[:4] strData = fw.readframes(nframes) waveData = np.fromstring(strData, dtype=np.int16) waveData = waveData*1.0/max(abs(waveData)) # normalization fw.close() # plot the wave time = np.arange(0, len(waveData)) * (1.0 / framerate) index1 = 10000.0 / framerate index2 = 10512.0 / framerate index3 = 15000.0 / framerate index4 = 15512.0 / framerate pl.subplot(311) pl.plot(time, waveData) pl.plot([index1,index1],[-1,1],'r') pl.plot([index2,index2],[-1,1],'r') pl.plot([index3,index3],[-1,1],'g') pl.plot([index4,index4],[-1,1],'g') pl.xlabel("time (seconds)") pl.ylabel("Amplitude") pl.subplot(312) pl.plot(np.arange(512),waveData[10000:10512],'r') pl.plot([59,59],[-1,1],'b') pl.plot([169,169],[-1,1],'b') print(1/( (169-59)*1.0/framerate )) pl.xlabel("index in 1 frame") pl.ylabel("Amplitude") pl.subplot(313) pl.plot(np.arange(512),waveData[15000:15512],'g') pl.xlabel("index in 1 frame") pl.ylabel("Amplitude") pl.show()

根据参考[1]，可以通过观察一帧的波形图来计算基音频率（感觉这种方法有点奇葩，不过很直观。例如这里的基频为：1/( (169-59)*1.0/framerate )=145.45Hz）， 然后还可以计算半音（semitone，可以参见[2]），进而得到pitch与semitone的关系。[1]中还提到了钢琴的半音差，DS表示完全看不懂啊，有木有！！！

参考[2]中还简单介绍了如何改变音高、扩展音域，以及如何改变乐器的振动的弦的音高（通过改变弦长、张力、密度等），感兴趣的可以看看。

另外，由于生理结构的差异，男女性的音高范围不尽相同，一般而言： ·男性的音高范围是35~72半音，对应的频率范围是62~523Hz； ·女性的音高范围是45~83半音，对应的频率范围是110~1000Hz。 然而，我们分辨男女的声音并不是只根据音高，还要根据音色（也即共振峰，下一篇文章中将详细介绍）。

关于音高的计算，目前有很多种算法，具体将会在后续文章中详细介绍。

[1]Pitch (音高): http://neural.cs.nthu.edu.tw/jang/books/audiosignalprocessing/basicFeaturePitch.asp [2]Wiki： http://zh.wikipedia.org/wiki/音高

Posted by Bill Xia Posted in assp Tagged with Python, Speech, 信号处理, 音高