音频samp平均基频的计算

Question

我正在做一个项目，通过接收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kagglehttps://www.kaggle.com/primaryobjects/voicegender的一个数据集，提出了一个CART逻辑，其中

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

        else 
              return female
else 
        return female

我试图寻找平均基频，但找不到任何有用的资源。 请解释一下这个概念，平均频率和平均基频的区别是什么？以及如何计算它的价值。在

Answer 1

我将试图解释这个概念。。。在

一般来说，信号可以定义为正弦波之和。正弦波可以用方程式Asin（ωt+φ）数学定义，其中a是振幅，ω是角频率，t是时间，φ是相移。ω可以进一步替换为2πf，其中f是频率，单位为赫兹（您链接的文档中使用的单位）。当他们在这里提到频率时，你可以把它看作原始信号的正弦波分量。在

正弦波的定义在wikipedia页面和许多其他资源中都有描述，here。在

您所看到的音频信号是复杂的信号，可能包含许多正弦波。基频是指检测到的最低频率（wiki here）。我想平均基频是信号中检测到的所有频率的平均值。在

找到频率的最常用方法是使用快速傅立叶变换（FFT）-这会将信号从时域变换到频域，基本上可以得到构成原始信号的所有正弦波分量的分解。或者，你可以用峰值检测把你的手弄脏-频率本质上是在一段时间内发生的事情的次数，所以你可以从字面上计算1分钟内出现的峰值数（例如），从而得到频率值（以赫兹为单位）。但我绝对不推荐它用于语音音频信号。在

为了让您了解频率值在音频频谱中的位置，让我们比较一下音符中间的C和上面的a。中间C是261.626hz，A是440.000hz（source）。如你所见，高音符的频率更高。在

这个项目的逻辑是说女性的声音比男性声音的频率更高（这并不奇怪）。也就是说，在较低频率的女性声音在其他频率成分的范围内比男性声音更紧密（？）只是基于IQR>；0.07，这是非常有趣的。在

希望这有帮助。在