python信号处理算法库_语音信号处理之时域分析-音高追踪及其Python实现

1.概述

在音高及其Python实现一文

中，我们使用了简单的“观察法”来计算音高，这并不太难，但这并不有好而且费时费力，那么我们就想，如何通过分析和计算，使用算法来自动计算音高呢？

用算法让计算机自动抓取音高的过程，称为音高追踪(Pitch Tracking)。所得到的音高信息有如下一些应用：

·旋律识别(Melody Recognition)：或称为“哼唱选歌”，也就是如何由使用者的哼唱，找出音乐资料库中间对应的歌。

·汉语声调识别(Tone Recognition)：辨识使用者讲一句话时，每一个字的声调(一声、二声、三声、四声等)。

·语音合成韵律分析(Prosody Analysis)中的音高分析：如何在合成语音时，使用最自然的音高曲线。

·语音评分中的音调评分(Intonation Assessment)：如何评估使用者说话的语音，其音高曲线是否标准。

·语音识别(Speech Recognition)：我们可以使用语句的音高来提高语音辨识的正确率。

总而言之，音高追踪是语音信号处理中最基本也最重要的一个环节之一。

2.音高追踪的基本流程

音高追踪的基本流程如下：

(1)将整段音讯讯号切成音框(Frames)，相邻音框之间可以重叠。

(2)算出每个音框所对应的音高。

(3)排除不稳定的音高值。(可由音量来筛选，或由音高值的范围来过滤。)

(4)对整段音高进行平滑化，通常是使用「中位数滤波器」(Median Filters)。

在切音框的过程中，我们允许左右音框的