描述

問題：

由于內存和處理能力有限，很難在 Arduino 上從音頻信號中檢測音符。檢測精度因儀器而異。有些樂器（如鋼琴）在有限的范圍內是準確的，而有些樂器（如口琴）則準確度較低。

此代碼使用了以前開發的稱為 EasyFFT 的 FFT 代碼。鏈接：https ://create.arduino.cc/projecthub/abhilashpatel121/easyfft-fast-fourier-transform-fft-for-arduino-9d2677

音符檢測算法

如上一步所述，由于音頻樣本中存在多個頻率，因此檢測很困難。

該程序按以下流程工作：

1、數據采集：

- 本部分從音頻數據中提取 128 個樣本，兩個樣本之間的間隔（采樣頻率）取決于感興趣的頻率。在這種情況下，我們使用兩個樣本之間的間距來應用 Hann 窗函數以及振幅/RMS 計算。此代碼還通過從 analogread 值中減去 500 來進行粗調歸零。如果需要，可以更改此值。對于典型情況，這些值運行良好。此外，需要添加一些延遲以獲得大約 1200Hz 的采樣頻率。在1200Hz采樣頻率的情況下最大可以檢測到600HZ的頻率。

for(int i=0;i<128;i++)
          {
            a=analogRead(Mic_pin)-500;     //rough zero shift
            sum1=sum1+a;              //to average value
            sum2=sum2+a*a;            // to RMS value
            a=a*(sin(i*3.14/128)*sin(i*3.14/128));   // Hann window
            in[i]=4*a;                // scaling for float to int conversion
            delayMicroseconds(195);   // based on operation frequency range
          }

2.快速傅里葉變換：

數據準備就緒后，將使用EasyFFT執行 FFT 。此 EasyFFT 函數已修改為固定 128 個樣本的 FFT。還修改了代碼以減少內存消耗。原來的 EasyFFT 函數設計為最多 1028 個樣本（使用兼容板），而我們只需要 128 個樣本。與原始 EasyFFT 函數相比，此代碼減少了大約 20% 的內存消耗。

FFT 完成后，代碼會返回前 5 個最主要的頻率峰值以供進一步分析。該頻率按振幅降序排列。

3.音符檢測：對于每個峰，代碼檢測可能與之關聯的音符。此代碼最多只能掃描 1200 Hz。不必注意與最大幅度相同的頻率。

所有頻率都映射在 0 到 255 之間，

這里檢測到第一個八度，例如，65.4 Hz 到 130.8 代表一個八度，130.8 Hz 到 261.6 Hz 代表另一個。對于每個八度音程，頻率從 0 映射到 255。這里映射從 C 開始到 C'。

if(f_peaks[i]>1040){f_peaks[i]=0;}
           if(f_peaks[i]>=65.4   && f_peaks[i]<=130.8) {f_peaks[i]=255*((f_peaks[i]/65.4)-1);}
           if(f_peaks[i]>=130.8  && f_peaks[i]<=261.6) {f_peaks[i]=255*((f_peaks[i]/130.8)-1);}
           if(f_peaks[i]>=261.6  && f_peaks[i]<=523.25){f_peaks[i]=255*((f_peaks[i]/261.6)-1);}
           if(f_peaks[i]>=523.25 && f_peaks[i]<=1046)  {f_peaks[i]=255*((f_peaks[i]/523.25)-1);}
           if(f_peaks[i]>=1046 && f_peaks[i]<=2093)    {f_peaks[i]=255*((f_peaks[i]/1046)-1);}

NoteV 數組值用于將音符分配給檢測到的頻率。

byte NoteV[13]={8,23,40,57,76,96,116,138,162,187,213,241,255};

一種。注檢測：

4. 在為每個頻率計算音符后，可能存在多個暗示相同音符的頻率。要有準確的輸出代碼還要考慮重復。該代碼根據振幅順序和重復次數將所有頻率值相加，并以最大振幅使音符達到峰值。

B：和弦檢測：

for (int i=0;i<12;i++)
{  
in[20+i]=in[i]*in[i+4]*in[i+7];  
in[32+i]=in[i]*in[i+3]*in[i+7];  //all chord check
}

此部分通過根據主要和次要代碼組合將音符值相互相乘來檢查所有和弦。本節還使用相同的輸入數組進行數據存儲。

此外，選擇顯示具有最大可能性（最大乘法）的和弦。

應用

使用代碼很簡單，但是，在使用時也需要牢記多個限制。代碼可以復制，因為它用于紙幣檢測。使用它時需要考慮以下幾點。

1. 引腳分配：

根據所附的引腳分配需要修改。對于我的實驗，我將其保留在模擬引腳 7 上，

void setup() 
{Serial.begin(250000);
Mic_pin = A7;  
}

2.麥克風靈敏度：

需要修改麥克風靈敏度，這樣可以生成具有良好振幅的波形。大多數情況下，麥克風模塊帶有靈敏度設置。選擇適當的靈敏度，使信號既不會太小，也不會因振幅較高而被削掉。

3.振幅閾值：

僅當信號幅度足夠高時，此代碼才會激活。此設置需要由用戶手動設置。該值取決于麥克風靈敏度和應用。

if(sum2-sum1>5){
.
.

在上面的代碼中，sum2 給出 RMS 值，而 sum 1 給出平均值。所以這兩個值之間的差異給出了聲音信號的幅度。在我的例子中，它在 5 左右的振幅值下正常工作。

4. 默認情況下，此代碼將打印檢測到的注釋。但是，如果您打算將票據用于其他目的，則應使用直接指定的號碼。例如 C=0；C#=1，D=2，D#=3 及以后。

5. 如果儀器有更高的頻率，代碼可能會給出錯誤的輸出。最大頻率受采樣頻率限制。所以你可以在延遲值以下進行調整以獲得最佳輸出。在下面的代碼延遲 195 微秒。可以對其進行調整以獲得最佳輸出。這將影響整體執行時間。

{           a=analogRead(Mic_pin)-500;     //rough zero shift
            sum1=sum1+a;              //to average value
            sum2=sum2+a*a;            // to RMS value
            a=a*(sin(i*3.14/128)*sin(i*3.14/128));   // Hann window
            in[i]=4*a;                // scaling for float to int conversion
            delayMicroseconds(195);   // based on operation frequency range
          }

6. 此代碼只能工作到 2000Hz 頻率。通過消除采樣之間的延遲，可以獲得大約 3-4 kHz 的采樣頻率。

防范措施：

• 正如 EasyFFT 教程中提到的，FFT 會占用 Arduino 的大量內存。因此，如果您有一個需要存儲一些值的程序，建議使用具有更高內存的板。

• 此代碼可能適用于一種樂器/歌手，但不適用于另一種樂器/歌手。由于計算限制，實時準確檢測是不可能的。

夏日的

音符檢測是一項計算密集型工作，獲得實時輸出非常困難，尤其是在 Arduino 上。此代碼可以提供大約 6.6 個樣本/秒（添加 195 微秒延遲）。此代碼適用于鋼琴和其他一些樂器。

我希望這段代碼和教程對您與音樂相關的項目有所幫助。如有任何疑問或建議，請隨時溝通。