Я пытаюсь найти алгоритм для обнаружения, когда пользователь дует в микрофон (например, Ninentdo DS или iPhone) на устройстве WM6 с C #.
Я думал использовать Waveform для считывания с микрофона в реальном времени в небольшой буфер, но я немного не понимаю, как распознать дующий звук, я думаю, это звучит как белый шум. Кто-нибудь знает, как это сделать?
Любая помощь будет оценена.
Если бы я решил эту проблему, я бы взорвал микрофон и запишите это. Затем запустите FFT для волновых данных. чтобы получить доминирующую частоту (или несколько). Я бы сделал это для нескольких «ударов», чтобы увидеть, дают ли они аналогичные результаты. Если они это сделают (а я почти уверен, что они это сделают), я бы использовал алгоритм для поиска той же частоты.
Это нетривиальная задача, но, поскольку большая часть работы по записи и математике уже сделана, вы, вероятно, сможете заставить ее работать без особых проблем.
Удар в микрофон не обязательно покажет доминирующие частоты в верхнем диапазоне (10,00 Гц +). Воздух в микрофон ПК, скорее всего, вызовет статическое состояние и искажение сигнала, который также имеет много низких частот. Результирующий сигнал будет просто большим всплеском насыщения.
Много лет назад мне приходилось делать аналогичный проект, и я просто искал пики громкости, намного превышающие нормальные уровни разговора. Работал нормально.
В ответе sthg искажение упоминается как вероятный результат удара в микрофон. Я только что провел быстрый тест, и моя запись выдувания (на дешевом микрофоне) показала большое количество образцов при минимальных и максимальных значениях (например, 32767 и -32768 в файле WAV с 16 битами на образец), что похоже, что на каждую из вершин нанесена плоская вершина. Очень простой способ обнаружить дующий звук может заключаться в том, чтобы просто подсчитать все сэмплы, которые имеют минимальные / максимальные значения, и если они составляют более 5% от общего количества (или какой-либо другой порог), предположить, что дует ветер.
Это не совсем то же самое, но вот мой ответ на вопрос об обнаружении начала заметки:
Ответ описывает подход, основанный на повышении уровня сигнала выше заданного порога. Этот подход будет работать для обнаружения дующего шума, хотя он также будет реагировать на любой шум вообще, поэтому разговор и т. Д. Также вызовет его.
Вы можете использовать БПФ, но я думаю, что это будет слишком медленно для использования в реальном времени, особенно на устройстве Windows Mobile (хотя это может быть достаточно быстрым). Однако маловероятно, что дующий шум будет иметь доминирующую частоту, если только воздуходувка не насвистывает конкретную ноту. Если БПФ достаточно быстрое, вы можете действительно захотеть искать шумы, которые не имеют доминирующей частоты (вы могли бы предположить, что что-то с доминирующей частотой или частотами было речью или каким-либо инструментом) и которые сильно взвешены. ближе к верхнему пределу слышимого диапазона (выше 10 000 Гц или около того).
Я не смотрел на спектр этого, но думаю, вы должны увидеть спектр шума с ограниченной полосой с большей энергией ниже нескольких сотен Гц. Это означает, что вам не нужен БПФ с полной полосой пропускания звука, а 16K точек - это излишне. Даже при 256-точечном БПФ в небольшой полосе пропускания вы сможете отличить шум от звука в микрофоне отдельно от речи.
