我正在开发一个简单的网络应用程序，允许用户调整他/她的吉他。我是信号处理方面的真正初学者，所以如果我的问题不恰当，请不要太严厉地评判我。
因此，我设法使用 FFT 算法获得了基频，此时应用程序在某种程度上可以正常工作。但是，还有改进的余地。现在，我将原始 PCM 发送到 FFT 算法，但我在想也许有一些前/后算法/过滤器可以改善检测。你能提出任何建议吗？
我的主要问题是，当它检测到某个频率时，它会显示该频率 1-2 秒，然后跳到其他随机频率并再次回来等等，即使声音是连续的。
如果有人对此类事情有经验，我也对任何其他类型的优化感兴趣。
我猜它得到的其他频率是基波的谐波？就像您正在播放 100 Hz 并且它选择了 200 Hz 或 300 Hz？首先，您应该将搜索空间限制在吉他可能出现的频率范围内。找到你可能需要的最高基本面，并限制在这个范围内。
如果基波的幅度低于谐波（或完全丢失，但这不是吉他的问题），自相关在寻找基波方面会比 FFT 更有效：
您还可以尝试对较低频率进行加权以强调基频并最小化谐波，或者使用这样的峰值拾取算法，然后只选择最低频率。
此外，您应该在应用 FFT 之前对信号进行窗口化。您只需将它乘以一个窗口函数，它会逐渐减小波形的开头和结尾，以使频谱更清晰。然后你会得到频率分量的高窄尖峰，而不是宽尖峰。
您还可以使用插值来获得更准确的峰值。取光谱的对数，然后将抛物线拟合到峰值和两个相邻点，并找到抛物线的真实峰值。不过，您可能不需要这么高的准确性。
音高与 FFT 的峰值幅度频率仓不同。音高是一种人类心理声学现象。音高可能有缺失或非常微弱的基音（在某些声音、钢琴和吉他声音中很常见）和/或在其频谱中存在大量强大的泛音，这些泛音会压倒音高频率（但人类仍能听到该音高音符） . 因此，任何 FFT 峰值频率检测器（甚至包括一些窗口和插值）都不是音高估计的稳健方法。
这个stackoverflow 问题包括一些估计音高的替代方法的列表，这些方法可能会产生更好的结果。
补充：如果您对吉他声音执行此操作，请注意最低的吉他弦实际上可能会产生轻微的不和谐泛音，这使得音高估计更加困难，因为人耳可能会听到与泛音的子倍数更密切相关的音高频率，而不是弦的实际基本振动频率。
添加#2：这个问题经常被问到，所以我写了一篇关于这个主题的更长的博客文章：http: //www.musingpaw.com/2012/04/musical-pitch-is-not-just-fft-frequency.html
我花了很多年研究复调音乐的音高检测——比如检测 mp3 录音中吉他独奏的音符。我还在 Wikipedia 上写了一个部分，简要描述了该过程（查看下面链接中的“音高检测”小节）。
当在钢琴上按下一个键时，我们听到的不仅仅是一个声音振动频率，而是在不同数学相关频率上发生的多个声音振动的复合。这种不同频率的振动复合的元素被称为谐波或分音。例如，如果我们按下钢琴上的中间 C 键，复合谐波的各个频率将从 261.6 Hz 作为基频开始，523 Hz 将是 2 次谐波，785 Hz 将是 3 次谐波，1046 Hz 将是 4 次谐波等。后面的谐波是基频 261.6 Hz 的整数倍（例如：2 x 261.6 = 523、3 x 261.6 = 785、4 x 261.6 = 1046）。
我使用修改后的 DFT 对数变换首先通过寻找具有峰值电平的频率来检测可能的谐波（见下图）。由于我为修改后的 Log DFT 收集数据的方式，我不必对信号应用 Windowing Function，也不必add 和 overlay。我创建了 DFT，因此它的频率通道以对数方式定位，以便直接与吉他、萨克斯管等音符产生的谐波频率对齐。
现在退休了，我决定在一个名为PitchScope Player的免费演示应用程序中发布我的音高检测引擎的源代码。PitchScope Player 可在网络上获得，您可以下载适用于 Windows 的可执行文件，以查看我的算法在您选择的 mp3 文件上的运行情况。以下指向 GitHub.com 的链接将引导您访问我的完整源代码，您可以在其中查看我如何使用自定义对数 DFT 变换检测谐波，然后查找其频率满足定义了正确整数关系的部分（谐波）'沥青'。
我的音高检测算法实际上是一个两阶段的过程：a）首先检测到ScalePitch（'ScalePitch' 有 12 个可能的音高值：{E、F、F#、G、G#、A、A#、B、C、C#、D , D#} ) b) 并且在确定 ScalePitch 之后，通过检查 4 个可能的 Octave-Candidate 音符的所有谐波来计算 Octave 。该算法旨在检测和弦 MP3 文件中任何给定时刻的最主要音高（音符）。这通常对应于器乐独奏的音符。那些对我的 2 阶段音高检测算法的 C++ 源代码感兴趣的人可能希望从 GitHub.com 上的 SPitchCalc.cpp 文件中的 Estimate_ScalePitch() 函数开始。
https://github.com/CreativeDetectors/PitchScope_Player
https://en.wikipedia.org/wiki/Transcription_(music)#Pitch_detection
下面是对数 DFT（由我的 C++ 软件创建）在复音 mp3 录音中吉他独奏 3 秒的图像。它显示了演奏独奏时吉他上各个音符的谐波如何出现。对于这个对数 DFT 上的每个音符，我们可以看到它的多个谐波垂直延伸，因为每个谐波将具有相同的时间宽度。确定音符的八度后，我们就知道了基本音的频率。
下图演示了八度检测算法，一旦确定了该音符的 ScalePitch，我开发该算法以选择正确的八度候选音符（即正确的基本音）。那些希望在 C++ 中看到该方法的人应该转到名为 FundCandidCalcer.cpp 的文件中的 Calc_Best_Octave_Candidate() 函数，该文件包含在我在 GitHub 的源代码中。
