音频样本平均基频的计算

Question

我正在开发一个项目，通过获取用户的实时音频输入来预测用户的性别。在研究这个项目时，我遇到了 kaggle 的数据集https://www.kaggle.com/primaryobjects/voicegender，提出了 CART 逻辑，其中

if meanfun<0.14:
        if IQR>=0.07:
              return male

        else 
              return female
else 
        return female

我试图搜索平均基频但找不到任何有用的资源。请解释这个概念，平均频率和平均基频有什么区别？以及如何计算它的价值。

Answer 1

我将尝试解释这个概念......

\n\n

一般来说，信号可以通过正弦波之和来定义。您可能知道，也可能不知道，正弦波可以用公式 Asin(\xcf\x89t+\xcf\x86) 进行数学定义，其中 A 是振幅，\xcf\x89 是角频率，t 是时间， \xcf\x86 是相移。\xcf\x89 可以进一步替换为 2\xcf\x80f，其中 f 是以 Hz 为单位的频率（您链接的文档中使用的单位）。当他们在这种情况下提到频率时，您可以将其视为原始/原始信号的正弦波分量。

\n\n

维基百科页面以及许多其他资源中描述了正弦波的定义，请参见此处。

\n\n

您正在查看的音频信号是复杂信号，可能涉及许多正弦波。基频是指检测到的最低频率（维基百科此处）。我认为平均基频是信号中检测到的所有频率的平均值。

\n\n

查找频率的最常见方法是使用快速傅立叶变换 ( FFT ) - 这会将信号从时域更改为频域，并且您基本上可以分解构成原始信号的所有正弦波分量。或者，你可以使用峰值检测 - 频率本质上是在一段时间内发生某事的次数，因此您可以从字面上计算 1 分钟内发生的峰值数量（例如），以获得以 Hz 为单位的频率值。不过，我绝对不推荐将其用于语音音频信号。

\n\n

为了让您了解频率值在音频频谱中的位置，我们将中间的音符 C 与其上面的 A 进行比较。中间 C 为 261.626 Hz，A 为 440.000 Hz（来源）。正如您所看到的，较高的音符具有较高的频率。

\n\n

该项目的逻辑是，女性声音的频率高于男性声音（这有点不足为奇）。它还说，仅基于 IQR > 0.07，较低频率的女性声音在其他频率分量范围内比男性声音（？）更紧密地结合 - 这很有趣。

\n\n

希望这可以帮助。

\n