8080748e17a01d29fa0b8f414c131e4173489176
[pitch] / pitch.cpp
1 #include <stdio.h>
2 #include <stdlib.h>
3 #include <unistd.h>
4 #include <fcntl.h>
5 #include <complex>
6 #include <cassert>
7 #include <algorithm>
8 #include <fftw3.h>
9 #include <sys/ioctl.h>
10 #include <linux/soundcard.h>
11
12 #define SAMPLE_RATE     22050
13 #define FFT_LENGTH      4096     /* in samples */
14 #define PAD_FACTOR      2        /* 1/pf of the FFT samples are real samples, the rest are padding */
15 #define OVERLAP         4        /* 1/ol samples will be replaced in the buffer every frame. Should be
16                                   * a multiple of 2 for the Hamming window (see
17                                   * http://www-ccrma.stanford.edu/~jos/parshl/Choice_Hop_Size.html).
18                                   */
19
20 int get_dsp_fd();
21 void read_chunk(int fd, double *in, unsigned num_samples);
22 void apply_window(double *in, double *out, unsigned num_samples);
23 std::pair<double, double> find_peak(double *in, unsigned num_samples);
24 void find_peak_magnitudes(std::complex<double> *in, double *out, unsigned num_samples);
25 double bin_to_freq(double bin, unsigned num_samples);
26 std::string freq_to_tonename(double freq);
27 std::pair<double, double> interpolate_peak(double ym1, double y0, double y1);
28 void print_spectrogram(double freq, double amp);
29 void write_sine(int dsp_fd, double freq, unsigned num_samples);
30
31 int main()
32 {
33         double *in, *in_windowed;
34         std::complex<double> *out;
35         double *bins;
36         fftw_plan p;
37
38         // allocate memory
39         in = reinterpret_cast<double *> (fftw_malloc(sizeof(double) * FFT_LENGTH / PAD_FACTOR));
40         in_windowed = reinterpret_cast<double *> (fftw_malloc(sizeof(double) * FFT_LENGTH));
41         out = reinterpret_cast<std::complex<double> *> (fftw_malloc(sizeof(std::complex<double>) * (FFT_LENGTH / 2 + 1)));
42         bins = reinterpret_cast<double *> (fftw_malloc(sizeof(double) * FFT_LENGTH / 2 + 1));
43
44         memset(in, 0, sizeof(double) * FFT_LENGTH / PAD_FACTOR);
45
46         // init FFTW
47         p = fftw_plan_dft_r2c_1d(FFT_LENGTH, in_windowed, reinterpret_cast<fftw_complex *> (out), FFTW_ESTIMATE);
48         
49         int fd = get_dsp_fd();
50         for ( ;; ) {
51                 read_chunk(fd, in, FFT_LENGTH);
52                 apply_window(in, in_windowed, FFT_LENGTH);
53                 fftw_execute(p);
54                 find_peak_magnitudes(out, bins, FFT_LENGTH);
55                 std::pair<double, double> peak = find_peak(bins, FFT_LENGTH);
56
57                 if (peak.first < 50.0 || peak.second - log10(FFT_LENGTH) < 0.0) {
58                         printf("............\n");
59                 } else {
60                         print_spectrogram(peak.first, peak.second - log10(FFT_LENGTH));
61                 }
62         }
63 }
64
65 int get_dsp_fd()
66 {
67         int fd = open("/dev/dsp", O_RDWR);
68         if (fd == -1) {
69                 perror("/dev/dsp");
70                 exit(1);
71         }
72         
73         ioctl(3, SNDCTL_DSP_RESET, 0);
74         
75         int fmt = AFMT_S16_LE;   // FIXME
76         ioctl(fd, SNDCTL_DSP_SETFMT, &fmt);
77
78         int chan = 1;
79         ioctl(fd, SOUND_PCM_WRITE_CHANNELS, &chan);
80         
81         int rate = 22050;
82         ioctl(fd, SOUND_PCM_WRITE_RATE, &rate);
83
84         ioctl(3, SNDCTL_DSP_SYNC, 0);
85         
86         return fd;
87 }
88
89 #if 1
90 void read_chunk(int fd, double *in, unsigned num_samples)
91 {
92         int ret;
93         unsigned to_read = num_samples / PAD_FACTOR / OVERLAP;
94         short buf[to_read];
95
96         memmove(in, in + to_read, (num_samples / PAD_FACTOR - to_read) * sizeof(double));
97         
98         ret = read(fd, buf, to_read * sizeof(short));
99         if (ret == 0) {
100                 printf("EOF\n");
101                 exit(0);
102         }
103
104         if (ret != int(to_read * sizeof(short))) {
105                 // blah
106                 perror("read");
107                 exit(1);
108         }
109         
110         for (unsigned i = 0; i < to_read; ++i)
111                 in[i + (num_samples / PAD_FACTOR - to_read)] = double(buf[i]);
112 }
113 #else
114 // make a pure 440hz sine for testing
115 void read_chunk(int fd, double *in, unsigned num_samples)
116 {
117         static double theta = 0.0;
118         for (unsigned i = 0; i < num_samples; ++i) {
119                 in[i] = cos(theta);
120                 theta += 2.0 * M_PI * 440.0 / double(SAMPLE_RATE);
121         }
122 }
123 #endif
124
125 void write_sine(int dsp_fd, double freq, unsigned num_samples) 
126 {
127         static double theta = 0.0;
128         short buf[num_samples];
129         
130         for (unsigned i = 0; i < num_samples; ++i) {
131                 buf[i] = short(cos(theta) * 16384.0);
132                 theta += 2.0 * M_PI * freq / double(SAMPLE_RATE);
133         }
134
135         write(dsp_fd, buf, num_samples * sizeof(short));
136 }
137
138 // Apply a standard Hamming window to our input data.
139 void apply_window(double *in, double *out, unsigned num_samples)
140 {
141         static double *win_data;
142         static unsigned win_len;
143         static bool win_inited = false;
144
145         // Initialize the window for the first time
146         if (!win_inited) {
147                 win_len = num_samples / PAD_FACTOR;
148                 win_data = new double[win_len];
149
150                 for (unsigned i = 0; i < win_len; ++i) {
151                         win_data[i] = 0.54 - 0.46 * cos(2.0 * M_PI * double(i) / double(win_len - 1));
152                 }
153
154                 win_inited = true;
155         }
156
157         assert(win_len == num_samples / PAD_FACTOR);
158         
159         for (unsigned i = 0; i < win_len; ++i) {
160                 out[i] = in[i] * win_data[i];
161         }
162         for (unsigned i = win_len; i < num_samples; ++i) {
163                 out[i] = 0.0;
164         }
165 }
166
167 void find_peak_magnitudes(std::complex<double> *in, double *out, unsigned num_samples)
168 {
169         for (unsigned i = 0; i < num_samples / 2 + 1; ++i)
170                 out[i] = abs(in[i]);
171 }
172
173 std::pair<double, double> find_peak(double *in, unsigned num_samples)
174 {
175         double best_peak = in[0];
176         unsigned best_bin = 0;
177
178         for (unsigned i = 1; i < num_samples / 2 + 1; ++i) {
179                 if (in[i] > best_peak) {
180                         best_peak = in[i];
181                         best_bin = i;
182                 }
183         }
184         
185         if (best_bin == 0 || best_bin == num_samples / 2) {
186                 return std::make_pair(-1.0, 0.0);
187         }
188
189 #if 0
190         printf("undertone strength: %+4.2f %+4.2f %+4.2f [%+4.2f] %+4.2f %+4.2f %+4.2f\n",
191                 20.0 * log10(in[best_bin*4] / FFT_LENGTH),
192                 20.0 * log10(in[best_bin*3] / FFT_LENGTH),
193                 20.0 * log10(in[best_bin*2] / FFT_LENGTH),
194                 20.0 * log10(in[best_bin] / FFT_LENGTH),
195                 20.0 * log10(in[best_bin/2] / FFT_LENGTH),
196                 20.0 * log10(in[best_bin/3] / FFT_LENGTH),
197                 20.0 * log10(in[best_bin/4] / FFT_LENGTH));
198 #endif
199
200         // see if we might have hit an overtone (set a limit of 5dB)
201         for (unsigned i = 4; i >= 1; --i) {
202                 if (best_bin != best_bin / i &&
203                     20.0 * log10(in[best_bin] / in[best_bin / i]) < 5.0f) {
204 #if 0
205                         printf("Overtone of degree %u!\n", i);
206 #endif
207                         best_bin /= i;
208
209                         // consider sliding one bin up or down
210                         if (best_bin > 0 && in[best_bin - 1] > in[best_bin] && in[best_bin - 1] > in[best_bin - 2]) {
211                                 --best_bin;
212                         } else if (best_bin < num_samples / 2 && in[best_bin + 1] > in[best_bin] && in[best_bin + 1] > in[best_bin + 2]) {
213                                 ++best_bin;
214                         }
215                            
216                         break;
217                 }
218         }
219
220         std::pair<double, double> peak = 
221                 interpolate_peak(in[best_bin - 1],
222                                  in[best_bin],
223                                  in[best_bin + 1]);
224                 
225         return std::make_pair(bin_to_freq(double(best_bin) + peak.first, num_samples), peak.second);
226 }
227
228 double bin_to_freq(double bin, unsigned num_samples)
229 {
230         return bin * SAMPLE_RATE / double(num_samples);
231 }
232
233 /*
234  * Given three bins, find the interpolated real peak based
235  * on their magnitudes. To do this, we execute the following
236  * plan:
237  * 
238  * Fit a polynomial of the form ax^2 + bx + c = 0 to the data
239  * we have. Maple readily yields our coefficients, assuming
240  * that we have the values at x=-1, x=0 and x=1:
241  *
242  * > f := x -> a*x^2 + b*x + c;                                
243  * 
244  *                               2
245  *           f := x -> a x  + b x + c
246  * 
247  * > cf := solve({ f(-1) = ym1, f(0) = y0, f(1) = y1 }, { a, b, c });
248  * 
249  *                            y1    ym1       y1    ym1
250  *        cf := {c = y0, b = ---- - ---, a = ---- + --- - y0}
251  *                            2      2        2      2
252  *
253  * Now let's find the maximum point for the polynomial (it has to be
254  * a maximum, since y0 is the greatest value):
255  *
256  * > xmax := solve(subs(cf, diff(f(x), x)) = 0, x);
257  * 
258  *                                -y1 + ym1
259  *                   xmax := -------------------
260  *                           2 (y1 + ym1 - 2 y0)
261  *
262  * We could go further and insert {fmax,a,b,c} into the original
263  * polynomial, but it just gets hairy. We calculate a, b and c separately
264  * instead.
265  *
266  * http://www-ccrma.stanford.edu/~jos/parshl/Peak_Detection_Steps_3.html
267  * claims that detection is almost twice as good when using dB scale instead
268  * of linear scale for the input values, so we use that. (As a tiny bonus,
269  * we get back dB scale from the function.)
270  */
271 std::pair<double, double> interpolate_peak(double ym1, double y0, double y1)
272 {
273         ym1 = log10(ym1);
274         y0 = log10(y0);
275         y1 = log10(y1);
276
277 #if 0
278         assert(y0 >= y1);
279         assert(y0 >= ym1);
280 #endif
281         
282         double a = 0.5 * y1 + 0.5 * ym1 - y0;
283         double b = 0.5 * y1 - 0.5 * ym1;
284         double c = y0;
285         
286         double xmax = (ym1 - y1) / (2.0 * (y1 + ym1 - 2.0 * y0));
287         double ymax = 20.0 * (a * xmax * xmax + b * xmax + c) - 90.0;
288
289         return std::make_pair(xmax, ymax);
290 }
291
292 std::string freq_to_tonename(double freq)
293 {
294         std::string notenames[] = { "C", "C#", "D", "D#", "E", "F", "F#", "G", "G#", "A", "A#", "B" };
295         double half_notes_away = 12.0 * log2(freq / 440.0) - 3.0;
296         int hnai = int(floor(half_notes_away + 0.5));
297         int octave = (hnai + 48) / 12;
298
299         char buf[256];
300         sprintf(buf, "%s%d + %.2f [%d]", notenames[((hnai % 12) + 12) % 12].c_str(), octave, half_notes_away - hnai, hnai);
301         return buf;
302 }
303
304 void print_spectrogram(double freq, double amp)
305 {
306         std::string notenames[] = { "C", "C#", "D", "D#", "E", "F", "F#", "G", "G#", "A", "A#", "B" };
307         double half_notes_away = 12.0 * log2(freq / 440.0) - 3.0;
308         int hnai = int(floor(half_notes_away + 0.5));
309         int octave = (hnai + 48) / 12;
310
311         for (int i = 0; i < 12; ++i)
312                 if (i == ((hnai % 12) + 12) % 12)
313                         printf("#");
314                 else
315                         printf(".");
316
317         printf(" (%-2s%d %+.2f, %5.2fHz) [%5.2fdB]  [", notenames[((hnai % 12) + 12) % 12].c_str(), octave, half_notes_away - hnai,
318                 freq, amp);
319
320         double off = half_notes_away - hnai;
321         for (int i = -10; i <= 10; ++i) {
322                 if (off >= (i-0.5) * 0.05 && off < (i+0.5) * 0.05) {
323                         printf("#");
324                 } else {
325                         if (i == 0) {
326                                 printf("|");
327                         } else {
328                                 printf("-");
329                         }
330                 }
331         }
332         printf("]\n");
333
334 }