हमने गिटार ट्यूनर कैसे किया

इस पोस्ट में हम एंड्रॉइड के लिए अपना मुफ्त गिटार ट्यूनर ऐप बनाने के बारे में बात करेंगे।







बहुत शुरुआत में, विचार के चरण में, मैं एक सार्वभौमिक ट्यूनर बनाना चाहता था: फोन एक ध्वनि सुनता है, एक नोट का पता लगाता है, इसे दिखाता है। सिद्धांत रूप में, यह काफी सरल रूप से महसूस किया जाता है: ध्वनि दोलन है, दोलन की आवृत्ति होती है, दोलन आवृत्ति एक नोट है।



गणित में इस तरह की एक अद्भुत चीज है जैसे फूरियर रूपांतरण। यह रूपांतरण एक एनालॉग सिग्नल की आवृत्ति स्पेक्ट्रम देता है। यही है, किसी भी संकेत को विभिन्न आवृत्तियों और विभिन्न आयामों के साइनसोइडल वक्रों के योग के रूप में दर्शाया जा सकता है।







इस प्रकार, यदि संकेत स्वयं एक साइनसॉइड है, तो आवृत्तियों में विस्तार में इसका केवल एक शब्द होगा, अर्थात संकेत में एक आवृत्ति होगी। यदि संकेत जटिल है, तो स्पेक्ट्रम जटिल है।





संगीत वाद्ययंत्र एक विशिष्ट नोट बजाते हैं और एक ही समय में बहुत सारे ओवरटोन (ओवरटोन), जिसका अर्थ है कि स्पेक्ट्रम में एक जटिल संरचना है, लेकिन स्पेक्ट्रम में खेले जाने वाले नोट (आवृत्ति) का सबसे बड़ा आयाम है। एक नियम के रूप में, सिग्नल में एक निश्चित संख्या में हार्मोनिक्स भी होते हैं, अर्थात, आवृत्तियों जो मूल के गुणक (दोगुनी, तीन गुना, आदि) हैं।







इस प्रकार, गिटार पर ध्वनि करने वाले नोटों को निर्धारित करने के लिए, फोन के माइक्रोफोन से ध्वनि की धारा को निकालना आवश्यक है, इससे फूरियर छवि ले लो, सबसे बड़े आयाम के साथ आवृत्ति का पता लगाएं, और आवृत्ति और नोट से मेल खाते हैं।

समस्याओं

प्रत्येक चरण में, मुसीबतों ने हमारी प्रतीक्षा की। उत्तरार्द्ध के अलावा, ज़ाहिर है, जहां पत्राचार तालिकाओं को जाना जाता है, और पहले ओक्टेव के लिए एक नोट के लिए 440 हर्ट्ज की ज्ञात आवृत्ति से गणना करना मुश्किल नहीं है, साथ ही पड़ोसी ऑक्टेव के एक नोट की आवृत्तियों (2 बार) और एक सप्तक में नोटों की ज्ञात संख्या के बीच ज्ञात अनुपात।



सबसे पहले, एंड्रॉइड ओएस के पहले संस्करण के शुरुआती दिनों में, माइक्रोफोन से ऑडियो स्ट्रीम के साथ काम करने के लिए कोई खुला जावा एपीआई नहीं था। ध्वनि बजाने के लिए एक एपीआई था, लेकिन एक माइक्रोफोन से स्ट्रीम पढ़ने के लिए नहीं। हालांकि, स्पीच रिकॉन्ग्नेशन सिस्टम के लिए एक नेटिव कोड था, जो रिकॉर्ड किए गए साउंड स्ट्रीम के साथ काम करता था। नतीजतन, इन मूल-धाराओं के साथ काम करने के लिए एक रैपर को हैक के रूप में लिखा गया था। जैसा कि बाद में पता चला, इसने बहुत ही दु: खद परिणाम के साथ जवाब दिया। लेकिन उस पर और बाद में।



अगला कदम सिग्नल की फूरियर छवि प्राप्त करना था। स्वाभाविक रूप से, फास्ट फूरियर ट्रांसफॉर्म (एफएफटी) एल्गोरिथ्म का उपयोग किया गया था। हमने तुरंत सोचा कि यह सबसे कम्प्यूटेशनल जटिल कार्य के रूप में, ट्यूनर प्रदर्शन में अड़चन होगी। प्राकृतिक समाधान जावा के बजाय सी में इस भाग को लिखना होगा, लेकिन हमने दोनों समाधानों की तुलना करने का निर्णय लिया। जावा और सी में FFT एल्गोरिथ्म के Cooley - Tukey संस्करण को लागू करने के बाद, हमने एक छोटा बेंचमार्क किया और देखा कि समय का अंतर परिमाण के लगभग दो क्रम थे! कौन जीता, जाहिर है। हालांकि, हम जावा संस्करण के परिणामों को लगभग परिमाण के एक क्रम से सुधारने में सक्षम थे, जो जटिल संख्याओं के साथ जटिल वस्तुओं के रूप में काम कर रहे थे। नतीजतन, जावा संस्करण का परिणाम काफी तेज हो गया, और हमने अनावश्यक देशी कोड (सामान्य रूप से, कम पोर्टेबल) के उपयोग से बचने के लिए इसका उपयोग करने का निर्णय लिया।



फिर सबसे दिलचस्प समस्याएं शुरू हुईं। वर्णक्रमीय छवियों को देखते हुए, हमने वह नहीं देखा जिसकी हमें उम्मीद थी। मौलिक आवृत्ति के एक बड़े आयाम और कई हार्मोनिक्स के बहुत छोटे आयामों के बजाय, हमने एक मुश्किल से ध्यान देने योग्य मौलिक आवृत्ति और हार्मोनिक्स के आयामों को देखा जो कानूनों का पालन करते हैं जो हमारे लिए समझ से बाहर हैं। हमारे सामने पेश की गई निर्भरता को समझने के लंबे प्रयासों के बाद, अंत में हमने स्पीच रिकॉन्ग्नेशन पर सब कुछ डंप कर दिया। जैसे, वह मानव भाषण में आने वाली आवृत्तियों पर प्रकाश डालता है।

समाधान

चूंकि हमारे पास स्ट्रीम को पढ़ने के लिए कोई वैकल्पिक स्रोत नहीं था, इसलिए हमें किसी तरह बाहर निकलना पड़ा। मुझे एक सार्वभौमिक ट्यूनर बनाने के प्रारंभिक लक्ष्य को छोड़ना पड़ा, और इसके बजाय पूर्व-पीटा साधन सेटों के लिए एक ट्यूनर बनाना था: छह- और सात-स्ट्रिंग गिटार, चार-, पांच-, छह-स्ट्रिंग बास गिटार, और बहुत कुछ। दूसरे शब्दों में, ट्यूनर उपयोगकर्ता, उपकरण पर ध्वनि बनाने से पहले, वह स्ट्रिंग चुनता है जिसे वह धुनना चाहता है, और उसके बाद ही बजाता है। इस प्रकार, हम पहले से ही उस संदर्भ आवृत्ति को जानते हैं, जिसे आदर्श रूप से प्राप्त किया जाना चाहिए। और वांछित नोट के हार्मोनिक्स सिग्नल के वर्णक्रमीय चित्र से जानते हुए, हम संदर्भ आवृत्ति से वास्तविक मौलिक आवृत्ति के विचलन को पा सकते हैं (विभाजित करके)। दूसरे शब्दों में, "खराब" भाषण पहचानकर्ता संकेत में अधिकतम आयाम के साथ आवृत्ति वांछित आवृत्ति द्वारा विभाजित पूर्णांक है, और हार्मोनिक संख्या प्राप्त की जाती है। इसके अलावा, विभाजित करके, साउंडिंग नोट की वास्तव में मौलिक आवृत्ति की गणना की जाती है, मांगे गए और लगने वाले आवृत्तियों के बीच अंतर की गणना की जाती है, प्रदर्शित पैमाने की लंबाई को सामान्यीकृत किया जाता है, और उपयोगकर्ता को प्रदर्शित किया जाता है।



बाद में, एक एपीआई एक माइक्रोफोन से ऑडियो स्ट्रीम के साथ काम करने के लिए दिखाई दिया, और ट्यूनर का उपयोग करके इसे फिर से तैयार किया गया, लेकिन फिलहाल इसके लिए कोई समर्थन नहीं है

संसाधनों, तो यह सही हालत में नहीं है। इसके बावजूद, 50,000 से अधिक एंड्रॉइड उपयोगकर्ता सक्रिय रूप से इसका उपयोग कर रहे हैं।



ऐसी शिक्षाप्रद कहानी। मुझे आशा है कि प्राप्त जानकारी भविष्य में आपके लिए उपयोगी है। मुझे सभी सवालों के जवाब देने में खुशी होगी।