调音器怎么听出音高:归一化自相关、八度陷阱与音分表盘
音高 = 周期,检测 = 找周期
乐音的音高由基频决定——波形每秒重复多少次。82.4Hz 的低音 E 弦,波形每 12.1 毫秒完成一次循环(48kHz 采样率下约 583 个采样)。检测音高的主流思路(自相关法)朴素得可爱:把信号与自己错开 lag 个采样相乘累加——错开量恰好等于一个周期时,波峰对波峰、波谷对波谷,乘积全是正数,累加值最大;错开半个周期时正负抵消。扫一遍所有候选 lag,峰值位置即周期,频率 = 采样率 ÷ lag。
| |
实现里用的是归一化自相关 NSDF:分子是常规相关,分母是两段信号各自的能量和。归一化的好处是把输出压到 [−1, 1] 区间且与音量无关——安静的低音与响亮的高音得到可比的「周期清晰度」分数,才能设一道全局阈值(实现取 0.5):低于它视为「没有明确音高」(噪声、拨空、泛音杂乱),指针不乱跳。滞后扫描范围直接由量程换算:lag ∈ [采样率/最高频, 采样率/最低频],55–1000Hz 覆盖吉他与尤克里里,贝斯下探 41Hz 需要放宽量程——低频意味着动辄上千个采样的周期,也意味着需要更长的分析窗才装得下几个完整周期。
两只陷阱:八度与泛音
八度陷阱是自相关的结构性风险:信号错开一个周期最像自己,错开两个周期(八度之下)也很像自己——NSDF 在 2T 处同样接近峰值。防护靠「只在量程内取首个显著峰」加峰选择策略:从最小 lag 端扫起,先到的合格峰优先,低八度的峰即使数值略高也不再回头。泛音抢戏是另一个方向的敌人:琴弦振动是基频与其整数倍泛音的叠加,老化的弦或按不实的指尖会让基频能量变弱、泛音相对突出——检测器可能锁到 2 倍频上(听感高八度)。这与 NSDF 的归一化无关,是信号本身的病:换弦、按实,比改算法管用。工程侧的兜底是时域平滑:连续多帧检出值取中位数再驱动表盘,单帧的偶发跳变被中位数滤掉。
采样的离散性还带来精度天花板:lag 只能取整数,583 与 584 个采样对应的频率差已近 0.3%(约 5 音分)——刚够人耳分辨。抛物线插值补上这口气:取峰值及其左右邻点拟合抛物线,用顶点的分数位置修正 lag,精度提升一个量级,表盘才能稳定地指在「差 3 音分」而不是「差 0 或差 10」之间抖。
音分:调音师的坐标系
检测出频率后,一切换算到音分(cents)坐标系:cents = 1200 × log₂(f/f₀),一个半音 = 100 音分、一个八度 = 1200 音分。调音表盘以 ±50 音分为量程(半个半音),超过即判「不是这根弦」。A4 校准可调(415–460Hz)是因为「标准音高」本身是约定——巴洛克乐团 415、现代乐队 440,频率基准变了音分坐标跟着平移。人耳对音差的分辨在 5 音分上下,表盘的指针精度设计正是围绕这个生理刻度。
还有一处信号链路的讲究:调音器要用原始麦克风信号,浏览器默认开启的回声消除、噪声抑制、自动增益会把基频当「噪声」削掉、把音量忽大忽小——getUserMedia 显式关闭这三件套(echoCancellation: false 等),才保证送进检测器的是琴声本来的样子。4096 个采样经 AnalyserNode 逐帧送入,检测、中位数平滑、表盘驱动,全程毫秒级。
🔧 在线吉他调音器 实现了上述全套:吉他/尤克里里/贝斯/小提琴四种调弦预设、±50 音分指针表盘、拧紧拧松方向引导、弱信号提示,另备标准音播放走耳朵调音的复古路线。找周期的同一族算法在节拍检测里找的是拍周期(BPM),姊妹算法撑起 🔧 在线节拍器 (它的调度时钟在lookahead 那篇里)。练琴一整套——调音、节拍、和弦、听辨——收在音频创作工具箱专题里,全部本地运行,麦克风数据不出浏览器。