您感兴趣的一般研究领域称为音乐信息检索
有许多不同的算法可以执行此操作,但是它们基本上都以“启动检测”为中心。
发作检测可测量事件的开始,在这种情况下,事件是正在播放的音符。您可以查找加权傅立叶变换(高频内容)中的更改,也可以查找频谱内容中的较大更改。(特殊差异)。(有几篇论文,我建议您进一步研究。)一旦应用了发作检测算法,您就可以通过阈值选择节拍的位置。
一旦获得节拍的时间本地化,便可以使用多种算法。您可以将其变成一个脉冲序列(创建一个始终为零的信号,仅在发生拍子时创建一个信号),然后对该信号应用FFT,然后BAM出现最大峰值的开始频率。
以下是一些指导您走向正确方向的论文:
这是对某些人正在讨论的内容的扩展:
有人提到要研究应用机器学习算法:基本上是从上述的发作检测功能中收集一堆特征,然后将它们与原始信号在神经网络/逻辑回归中进行组合,并了解是什么使心跳加速。
看看吴安德(Andrew Ng)博士,他在线上有斯坦福大学提供的免费机器学习讲座(不是冗长的视频讲座,实际上是在线远程课程)