BPM 检测器通过在起始检测函数中找到最强周期来工作 - 一个时间函数，表明在时间 t 有起始的可能性有多大。这带来了发病检测的话题......

在时域中跟踪能量/包络是检测节奏/音符的弱策略，因为：

• 对于某些乐器，有一些演奏技巧可以在不显着改变能量的情况下产生新的音符（例如，在大提琴的弦上移动手指而不改变弓弦，或者在长笛上改变指法并持续吹奏）。这具有在时域包络中没有明显变化的情况下产生基频变化的效果。
• 许多商业音乐被严重压缩，以至于信号几乎一直被“泵送”到最大幅度。
• 虽然这是另一个极端情况，但值得提醒的是，某些乐器或演奏技巧的启动速度非常慢。

因此，天真地寻找时域中的峰值（通过能量）不会很稳健。你要寻找更好的“线索”，频域就是答案。可以在频域中完成的最简单的事情是计算相邻 STFT 帧之间的能量差（一种称为“光谱能量通量”的度量）。

一个更精细的指标，实际上在计算成本方面同样便宜，包括检查 STFT bin 中复振幅的实际值和预期值之间的偏差（参考这里） - 这种偏差在稳定段中为空一个音符（因为振幅只是维持或缓慢衰减；并且相位只是保持滚动），并且在开始时很高。

所有这些技术的计算成本都非常低，甚至可以在相对便宜的微控制器上实时实施——完整的节拍跟踪器（起始检测 + BPM 检测 + 节拍跟踪）在 10 MIPS 范围内。