Battements par minute en temps réel de l'entrée audio

J'aimerais écrire une simple application en C# pour surveiller la ligne d'audio et de me donner le courant (enfin, la moyenne mobile) battements par minute.

J'ai vu cette gamedev article, et qui est absolument d'aucune aide. Je suis passé par la et a essayé de mettre en œuvre ce qu'il faisait, mais il n'était tout simplement pas de travail.

Je sais il y a des tonnes de solutions pour cela, parce que beaucoup de logiciel DJ t-il, mais je ne suis pas du tout avoir la chance de trouver un open-source de la bibliothèque ou des instructions sur le faire moi-même.

Un autre article qui pourrait être intéressant pour vous... http://werner.yellowcouch.org/Papers/bpm04/ Vous pouvez trouver existantes de détection de BPM bibliothèques ici: http://www.mmartins.com/mmartins/bpmdetection/bpmdetection.asp ...et C# de détection de BPM bibliothèque ici: http://adionsoft.net/bpm/
2 noms : Eric D. Scheirer, Masataka Goto Google, ils ont écrit au sujet de la détection du battement (en temps réel et hors ligne) en grande longueur. Documents très intéressants. Aussi au passage, je pense d'ailleurs détection du rythme que vous pourriez être intéressé à battre de prédiction.
je crois que l'accord nécessaire des algorithmes que vous voulez. aussi, beaucoup d'intéressant, l'apprentissage de la machine alogrithms pour beaucoup plus de plaisir! il y a un exemple dans le tutoriel / exemples de programmes si je me souviens bien. accord.net

InformationsquelleAutor Karl | 2008-09-17

audio c#signal-processing

26

Calculer un powerspectrum avec une fenêtre coulissante de la FFT:
Prendre 1024 échantillons:
```
double[] signal = stream.Take(1024);
```
Nourrir à un algorithme de FFT:
```
double[] real = new double[signal.Length];
double[] imag = new double[signal.Length);
FFT(signal, out real, out imag);
```
Vous obtiendrez une partie réelle et une partie imaginaire. Ne jetez PAS la partie imaginaire. Faire de même pour la partie réelle, comme l'imaginaire. S'il est vrai que la partie imaginaire est pi /2 de phase avec le réel, elle contient encore 50% de l'information de spectre.

EDIT:

Calcul de la puissance, par opposition à l'amplitude de sorte que vous avez un nombre élevé quand il est fort et proche de zéro quand il est calme:
```
for (i=0; i < real.Length; i++) real[i] = real[i] * real[i];
```
De même pour la partie imaginaire.
```
for (i=0; i < imag.Length; i++) imag[i] = imag[i] * imag[i];
```
Maintenant, vous avez un spectre de puissance pour la dernière 1024 échantillons. Où la première partie du spectre, on trouve les basses fréquences et la dernière partie du spectre est la haute
les fréquences.

Si vous voulez trouver le BPM de la musique populaire, vous devriez probablement se concentrer sur la basse. Vous pouvez vous procurer la basse intensité par la somme de la partie inférieure du spectre de puissance. Les nombres qui dépend de la fréquence d'échantillonnage:
```
double bassIntensity = 0;
for (i=8; i < 96; i++) bassIntensity += real[i];
```
Maintenant faire la même chose mais de déplacer la fenêtre de 256 échantillons avant de calculer un nouveau spectre. Maintenant, vous avez le calcul de la bassIntensity pour tous les 256 échantillons.

C'est une bonne entrée pour votre analyse de BPM. Quand la basse est calme, vous n'avez pas de battre et quand il est la voix, vous avez un battement.

Bonne chance!
- Vous vous rendez compte qu'avec un peu de 1024 échantillons, vous ne serez pas en mesure de calculer le BPM (battements par MINUTE)... droit? Vous êtes juste le calcul de la fréquence supérieure dans ce "petit" 1024 octets de long de l'échantillon.
- Il est vrai que j'ai calculer la fréquence supérieure dans un échantillon minuscule, mais ensuite, j'ai suggéré de déplacer la fenêtre de 256 échantillons et la calculer. Le résultat est une série qui peut être utilisé pour calculer le BPM. J'ai seulement décrit comment résoudre la première partie du problème.
- Sacha c'est juste une question de mise à l'échelle des unités. Vous n'avez pas besoin d'analyser une minute vaut la peine d'échantillons avant de calculer le BPM. BPM est juste un plus musical de façon à donner de la période d'un signal.
- Ne jetez pas la partie imaginaire, c'est pas juste à la phase! La phase est donnée par la arctan(imag/réel), qui est uesless pour ce problème. La partie importante, la grandeur, est donné par le real^2 + imag^2, et pas seulement par le real^2.
- Comme vous l'avez dit, ce n'est que la première partie de la solution... En fait, vous avez juste calculé une série qui montre comment les basses fréquences de l'ampleur des changements avec le temps (un peu comme l'application d'un filtre passe-bas). En d'autres termes, la solution est beaucoup plus difficile qu'il n'y paraît dans votre réponse.
- Dans la musique populaire, vous pouvez souvent compter sur une grosse caisse, mais dans beaucoup de musique le tempo est piloté par le haut bonnet, caisse claire, ou d'autres à large bande de dispositifs acoustiques. Bonne chance de trouver le BPM de la musique a capella avec un chœur de chanteurs. Cette approche permettra d'obtenir quelque chose de ce genre de travaux, mais seulement par la mesure de quelque chose d'ailleurs liées à la BPM dans un peu de matériel. Si vous êtes à tous les intéressés au sujet de l'exactitude, de regarder l'un des articles académiques d'autres personnes l'ont mentionné ci-dessous.
- J'ai été un peu confus au premier abord. Je pensais que vous parliez de la seconde moitié de la fft de sortie, quand vous avez parlé de ne pas jeter la partie imaginaire. Depuis le second semestre est essentiellement juste un miroir de la première moitié. Mais plus tard, j'ai compris ce que tu voulais dire par la partie imaginaire.
InformationsquelleAutor Hallgrim
15

Il y a un super projet qui s'appelle la Danse des Singes, qui, sur le plan procédural génère DDR pas de danse de la musique. Une grande partie de ce qu'il fait est basé sur (forcément très précis) analyse de la fréquence et de leur document de projet va dans les détails décrivant les différentes battre des algorithmes de détection et de leur adéquation à la tâche. Ils incluent des références à l'origine des documents pour chacun des algorithmes. Ils ont également publié le code matlab pour leur solution. Je suis sûr qu'entre ces vous pouvez trouver ce dont vous avez besoin.

Tout est disponible ici: http://monket.net/dancing-monkeys-v2/Main_Page

InformationsquelleAutor Nick Johnson
8

Pas que j'ai une idée de comment le mettre en œuvre, mais à partir de l'audio d'un point de vue technique, vous aurez besoin de filtre en premier. Bass drum hits serais le premier à le vérifier. Un filtre passe-bas qui vous donne quelque chose en vertu d'environ 200 hz devrait vous donner une idée assez claire de la grosse caisse. Une porte peut également être nécessaire pour le nettoyage de tout désordre dans d'autres instruments harmoniques basse.

La prochaine à vérifier serait de caisse claire de la frappe. Vous devez EQ celui-ci. La "fissure" de l'un piège est autour de 1,5 kHz à partir de la mémoire, mais vous devez certainement porte de celui-ci.

Le prochain défi serait de travailler sur un algorithme de funky beats. Comment voulez-vous par programmation à trouver le temps 1? Je suppose que vous auriez à garder une trace de la précédente beats et de l'utilisation d'un filtrage quelque chose-ou-autres. Donc, vous auriez probablement besoin d'un peu de bars à trouver exactement la battre. Ensuite, il y a des problèmes de timing comme 4/4, 3/4, 6/8, wow, je ne peux pas imaginer ce qui serait nécessaire pour ce faire avec précision! Je suis sûr que ce serait la peine de l'argent grave de matériel audio/les entreprises de logiciels.
- et c'est probablement exactement pourquoi une réponse définitive (et encore moins avec des exemples de code!) c'est pas si dur à trouver sur Google 😉
InformationsquelleAutor Dan Harper
6

Ce n'est pas un problème facile. Je vais essayer de vous donner qu'un aperçu.

Ce que vous pourriez faire est quelque chose comme ce qui suit:
1. Calculer la moyenne (root-mean-square) intensité du signal sur des blocs de, disons, 5 millisecondes. (N'ayant jamais fait cela avant, je ne sais pas ce qu'est un bon bloc de taille serait.)
2. Prendre la transformée de Fourier de la "bloqué" le signal, à l'aide de l'algorithme de FFT.
3. Trouver le composant dans la transformation du signal qui a la plus grande ampleur.
Une transformée de Fourier est essentiellement un moyen de calcul de la force de toutes les fréquences présentes dans le signal. Si vous n'avez que plus de la "bloqué" le signal, la fréquence de la pulsation, nous l'espérons être le plus fort.

Peut-être vous avez besoin d'appliquer un filtre tout d'abord, pour se concentrer sur des fréquences spécifiques (comme la basse) qui contiennent généralement le plus d'informations sur le BPM.
- 1. Calculer la moyenne (root-mean-square) intensité du signal sur des blocs de, disons, 5 millisecondes. (N'ayant jamais fait cela avant, je ne sais pas ce qu'est un bon bloc de taille serait.) 2. Prendre la transformée de Fourier de la "bloqué" le signal, à l'aide de l'algorithme de FFT. 3. Trouver le composant dans la transformation du signal qui a la plus grande ampleur. Je ne vois pas vraiment pourquoi vous rms premier signal, et pourquoi il est fait sur des blocs (comme FFT travaille habituellement sur windows du signal de toute façon). De plus, la FFT serait vous donner le signal décalé en une énergie du domaine temps si c'est vraiment le même que le premier
InformationsquelleAutor Thomas
5

J'ai trouvé cette bibliothèque qui semblent avoir une bonne mise en œuvre pour la détection de Battements par Minute.
http://soundtouchdotnet.codeplex.com/

Il est basé sur http://www.surina.net/soundtouch/index.html qui est utilisé dans pas mal de DJ les projets http://www.surina.net/soundtouch/applications.html

InformationsquelleAutor
1

Tout d'abord, ce Hallgrim est la production n'est pas la densité spectrale de puissance de la fonction. Statistiques périodicités dans n'importe quel signal peut être mis en évidence grâce à une fonction d'autocorrélation. La transformée de fourier de l'autocorrélation du signal est la densité spectrale de puissance. Dominante des pics dans le PSD, autres qu'à 0 Hz correspond à l'effectif de la périodicité du signal (en Hz)...

InformationsquelleAutor pete
0

Le moyen facile de le faire, c'est d'avoir à l'utilisateur d'appuyer sur un bouton, en rythme avec le temps, et de compter le nombre de robinets, divisé par le temps.
- Le taraudage n'est vraiment pas une bonne solution pour ce que je suis en train d'utiliser l'outil. J'aimerais qu'il soit entièrement automatique, ce qui je sais, c'est possible.
InformationsquelleAutor
0

Je voudrais vous recommandons de vérifier la BASS audio de la bibliothèque et de la BASS.NET wrapper. Il a construit dans le BPMCounter classe.

Les détails de cette fonction spécifique peut être trouvé à
http://bass.radio42.com/help/html/0833aa5a-3be9-037c-66f2-9adfd42a8512.htm.

InformationsquelleAutor Matt Williams

Vous devez vous connecter pour publier un commentaire.