除非您的音频数据包含纯正弦音符源，否则原始 FFT 幅度图将为您提供音高音乐声音的所有谐波或泛音，以及任何基本音高频谱（如果有）。因此，对于最常见的复音音乐录音，如果可能的话，音高检测/估计通常涉及对任何 FFT 结果的大量后处理。不只是选择最大幅度的峰值。

倒谱处理（或计算倒谱）或谐波乘积谱算法，寻找嵌入在 FFT 谱中的泛音或谐波峰值的周期性序列，这可能指示候选源音高。（例如，在均匀间隔的频率倍数上寻找具有一定数量峰值的嵌入式序列。）但是，特别是对于复音和许多常见的和弦类型，可能会有一些误报，您必须弄清楚如何打折或忽视。

或者，您也可以尝试查看自相关峰值（或其他基于滞后的部分相似性度量），而不是使用 FFT，并查看这些峰值是否对应于适当的音高范围和复音程度。

正如 Robert BJ 已经指出的那样，对于专业的音频谐波检测，不推荐使用简单的 FFT 分析方法。尽管如此，它在某些情况下可能非常有用，我认为其中之一就是这个。请注意，正如 hotpaw2 所指出的，使用这种简单的方法，可能会检测到误报。

从您提供的文件（45000+ 个样本，持续时间为 1 秒，以 16 位，44100 Hz 拍摄），首先通过绘制它，您会注意到有 5 个（几乎）相等长度的片段，每个片段大约 9000 个样本长。这 5 个乐曲对应于问题中演奏和定义的 5 个和弦。如下图所示：

现在，为了简化分析，我只取了 9000 个样本的第一个弦块并计算了它的周期图（）wrt 赫兹频率。结果如下图。$\frac{1}{N}|X(\omega)|^2$

从这个频谱图中，您可以清楚地看到那些谐波尖峰。您需要做的是找到与每个峰值对应的频率；即，找到对应于峰值的横坐标。您可以使用多种算法（精确地）找到这些峰值频率。但是对于基本分析，您不需要科学的准确性。这是我发现存在于该频谱图上的一组（近似）频率：

$$f = \{176, 221, 262, 350, 441, 525, 660, 700, 786, 874, 881, 1048, 1101, 1223, 1309, 1321, 1398, 1541, 1571, 1747, 1762, 1832, 1832, 1981, 2094, 2201, 2356, 2617 \}$$

（这些并不精确！有几赫兹的偏差空间）。现在您必须将它们放入一些谐波族中。您可能会假设最低频率属于基本频率。经过一番搜索，您可能会说这个和弦的一个可能组织是F 大调，上面有以下三个音符：

• F 在 174 赫兹
• 220 赫兹时的 A
• 262 赫兹时的 C

我希望你能看到它们的高次谐波，并能单独区分哪个谐波属于哪个音符。另外，请注意，不同基波的某些高次谐波的频率可能会非常接近。

您可以继续对剩余的四个和弦进行此分析。代码如下：

clc; clear all; close all;

[x,Fs,Nb] = wavread('C:\PathToFile\sample1.wav',[1, 45000]);
figure,plot(x);title('signal x[n] sampled at 44100 Hz, 16 bits');

y = reshape( x, 9000, 5 );
Y = fft(y,Fs);

figure,plot((1/9000)*abs(Y(:,1)).^2);
title('Periodogram of the first chord block |X_1[k]|^2|');

请注意，我通过简单的目视检查找到了（近似）峰值频率。光谱的基本类型部分证明了这一点。