ScholarGate
Asisten
Machine learningFeature extraction

Pitch Detection and Fundamental Frequency Estimation Algorithm

Inti pemikirannya adalah bahwa nada musik ditentukan oleh frekuensi fundamental (f0) getaran, tetapi gelombang mungkin tidak periodik sempurna. Dengan menganalisis autokorelasi (membandingkan sinyal dengan salinan dirinya yang tertunda), sebuah algoritma menemukan jeda waktu di mana korelasi maksimum terjadi—menunjukkan periode dan dengan demikian frekuensi fundamental. Alternatifnya, metode spektral mengidentifikasi puncak kuat terendah di domain frekuensi. Tantangannya terletak pada kebisingan, fundamental yang lemah, dan kompleksitas harmonik.

Buka di MethodMindSegeraVideoSegeraUnduh salindia

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Peta metode

Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.

+1 lainnya

Sumber

  1. de Cheveigné, A., & Kawahara, H. (2002). YIN, a fundamental frequency estimator for speech and music. The Journal of the Acoustical Society of America, 111(4), 1917-1930. DOI: 10.1121/1.1458024
  2. McLeod, P., & Wyvill, G. (2005). A smarter way to find pitch. In Proceedings of the International Computer Music Conference. link
  3. Mauch, M., Cannam, C., Bittner, R., Fazekas, G., Salamon, J., Wade, J., & Benetos, E. (2015). Computer-aided Research on Monophonic Singing. In Frontiers in Psychology. link

Cara menyitasi halaman ini

ScholarGate. (2026, June 3). Pitch Detection and Fundamental Frequency Estimation Algorithm. ScholarGate. https://scholargate.app/id/music-information-retrieval/pitch-detection-algorithm

Metode yang mana?

Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.

Bandingkan berdampingan

Dirujuk oleh

ScholarGatePitch Detection Algorithm (Pitch Detection and Fundamental Frequency Estimation Algorithm). Diakses 2026-06-15 dari https://scholargate.app/id/music-information-retrieval/pitch-detection-algorithm · Set data: https://doi.org/10.5281/zenodo.20539026