ScholarGate
Assistent
Machine learningFeature extraction

Algoritme voor toonhoogtedetectie

Toonhoogtedetectie (of grondfrequentie-schatting) is de taak om automatisch de waargenomen toonhoogte van een monofoon (enkele bron) audiosignaal op elk moment in de tijd te bepalen. Geformaliseerd door de Cheveigné en Kawahara (2002) via het YIN-algoritme, is het fundamenteel voor muziek- en spraakverwerking. Toonhoogtedetectie maakt vocale analyse, muziektransscriptie, instrumentstemming en spraakanalyse mogelijk. Monofone toonhoogte is ondubbelzinnig; polyfone toonhoogtedetectie is fundamenteel moeilijker en een apart probleem.

Openen in MethodMindBinnenkortVideoBinnenkortDia's downloaden

Lees de volledige methode

Alleen voor leden

Log in met een gratis account om dit onderdeel te lezen.

Inloggen

Methodenkaart

De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.

+1 meer

Bronnen

  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

Deze pagina citeren

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

Welke methode?

Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.

Naast elkaar vergelijken

Geciteerd door

ScholarGatePitch Detection Algorithm (Pitch Detection and Fundamental Frequency Estimation Algorithm). Geraadpleegd op 2026-06-15 via https://scholargate.app/nl/music-information-retrieval/pitch-detection-algorithm · Gegevensset: https://doi.org/10.5281/zenodo.20539026