我正在尝试为钢琴执行自动音高跟踪。当只有一个音符被按下时，很容易检测到音符。钢琴上有88 个键，我将结果设置为其中一个。由于八度偏移，可能会出现分类错误。例如，我找到了 52 而不是 40。它们都是 C，但 52 高一个八度。我可以通过对结果执行中值滤波来消除大部分八度音阶偏移。

但是当我转向复音音高跟踪时，它会令人困惑。当有多个音符被压在一起时，在时间 t 检测到的音高数量可能不同。

例如，labels(f,t)如果在时间 t 检测到音符 f，则为 1，并使其二进制矩阵labels如下

labels = 0 0 0 0 1 ...
         1 1 0 1 0 ...
         0 1 0 0 1 ...
         .............
         0 0 1 0 1 ...
         .............
         0 0 0 0 1 ...

让检测到的音符对应如下：

labelsAsNotes = 2; 2 3; 14; 2; 1 3 14 88; ...

在这种情况下如何进行中值过滤？你有其他的建议来消除八度变化吗？