确定 JS AudioContext.analysisrNode 中的频率

背景

我的目标是创建一个基于 JavaScript 的 Web 应用程序来分析和显示音频源（包括页内源）中的频率信息（<audio>标签）和从客户端麦克风传输的信号。我一切顺利:)

作为一名热心的萨克斯管演奏家，我的目标之一是通过检查高音分音相对于基本音高的分布来比较不同萨克斯管演奏家和乐器的音调固有的信息。简而言之，我想得出为什么不同的乐器演奏家和乐器品牌即使在演奏相同的音高时听起来也不同的原因。此外，我想将同一演奏者/乐器的各种“替代指法”与传统或标准指法的调音和频率分布进行比较。

使用 JS 访问和显示频率信息是一件相当简单的事情AudioContext.analyserNode，我将其与HTML5 Canvas用于创建频率图或与找到的类似的“winamp 样式条形图”的元素“使用 Web 音频 API 进行可视化”@ MDN https://developer.mozilla.org/en-US/docs/Web/API/Web_Audio_API/Visualizations_with_Web_Audio_API.

PROBLEM

为了实现我的目标，我需要识别音频源中的一些特定信息，特别是频率in Hertz基音的，用于乐器演奏者/乐器之间的直接比较，以及源的频率范围，以确定我感兴趣的声音的频谱。该信息可以在变量中找到fData以下...

// example...
var APP = function() {
    // ...select source and initialise etc..

    var aCTX = new AudioContext(),
        ANAL = aCTX.createAnalyser(),
        rANF = requestAnimationFrame,
        ucID = null;

    ANAL.fftSize = 2048;

    function audioSourceStream(stream) {

        var source = aCTX.createMediaStreamSource(stream);
        source.connect(ANAL);

        var fData = new Uint8Array(ANAL.frequencyBinCount);

        (function updateCanvas() {
            ANAL.getByteFrequencyData(fData);

            // using 'fData' to paint HTML5 Canvas

            ucID = rANF(updateCanvas);
        }());
    }
};

ISSUES

虽然我可以轻松地代表fData作为条形图或折线图等<canvas>API，使得声源的基音和高音部分清晰可见，到目前为止我还无法确定......

• 频率范围为fData（最小-最大赫兹）
• 中每个值的频率fData (Hz)

没有这个我就无法开始识别源的主频率（为了比较调音与传统音乐音高名称的变化）和/或突出显示或排除所表示光谱的区域（放大或缩小等）进行更详细的检查。

My intention is to prominently display the dominant frequency by pitch (note name) and frequency (Hz) and to display the frequency of any individual bar in the graph on-mouseover. N.B. I already have a data object in which all the frequencies (Hz) of the chromatic pitches between C₀-B₈ are stored.

尽管阅读了AudioContext.analysisrNode 规范 https://webaudio.github.io/web-audio-api/#the-analysernode-interface好几次，几乎这个网站和 MDN 上的每个页面都涉及这个主题，我仍然不知道如何完成这部分任务。

基本上，我们如何着手改变Uint8Array() fData转化为每个频率的振幅（以赫兹为单位）的表示，其中fData数组元素反射。

任何意见、建议或鼓励将不胜感激。

BP

因此，首先要了解 FFT 的输出将为您提供一系列频率范围的相对强度，而不是精确的频率。

这些范围分布在频谱 [0，奈奎斯特频率] 中。奈奎斯特频率是采样率的二分之一。因此，如果您的 AudioContext.sampleRate 为 48000（赫兹），则频率箱的范围将在 [0,24000]（同样以赫兹为单位）。

如果您在 AnalyserNode 中使用 fftSize 的默认值 2048，则FrequencyBinCount 将为 1024（它始终是 FFT 大小的一半）。这意味着每个频率箱将代表 (24000/1024 = 23.4) 大约 23.4Hz 的范围 - 因此箱将看起来像这样（即兴的，这里可能会出现舍入误差）：

fData[0] is the strength of frequencies from 0 to 23.4Hz.
fData[1] is the strength of frequencies from 23.4Hz to 46.8Hz.
fData[2] is the strength of frequencies from 46.8Hz to 70.2Hz.
fData[3] is the strength of frequencies from 70.2Hz to 93.6Hz.
...
fData[511] is the strength of frequencies from 11976.6Hz to 12000Hz.
fData[512] is the strength of frequencies from 12000Hz to 12023.4Hz.
...
fData[1023] is the strength of frequencies from 23976.6Hz to 24000Hz.

到目前为止有意义吗？

通常出现的下一条评论是“等一下 - 从音乐上来说，低音音域（其中 23.4 Hz 可以覆盖整个八度音程）比高音音域（音符之间有数百 Hz）精确。 ”对此我说：是的，是的。这就是 FFT 的工作原理。在上部寄存器中，更容易看到调音差异。

接下来的评论通常是“哇，我需要一个巨大的 fftSize 才能在低音音域中保持精确。”通常，答案是“不，你可能不应该这样做”——在某些时候，自相关比 FFT 更有效，而且更精确。

希望这有助于为您指明正确的方向，如果有后续行动，请添加评论。