git.sesse.net Git - pitch/blob - 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 #define EQUAL_TEMPERAMENT     0
  21 #define WELL_TEMPERED_GUITAR  1
  22
  23 #define TUNING EQUAL_TEMPERAMENT
  24
  25 int get_dsp_fd();
  26 void read_chunk(int fd, double *in, unsigned num_samples);
  27 void apply_window(double *in, double *out, unsigned num_samples);
  28 std::pair<double, double> find_peak(double *in, unsigned num_samples);
  29 void find_peak_magnitudes(std::complex<double> *in, double *out, unsigned num_samples);
  30 double bin_to_freq(double bin, unsigned num_samples);
  31 std::string freq_to_tonename(double freq);
  32 std::pair<double, double> interpolate_peak(double ym1, double y0, double y1);
  33 void print_spectrogram(double freq, double amp);
  34 void write_sine(int dsp_fd, double freq, unsigned num_samples);
  35
  36 int main()
  37 {
  38         double *in, *in_windowed;
  39         std::complex<double> *out;
  40         double *bins;
  41         fftw_plan p;
  42
  43         // allocate memory
  44         in = reinterpret_cast<double *> (fftw_malloc(sizeof(double) * FFT_LENGTH / PAD_FACTOR));
  45         in_windowed = reinterpret_cast<double *> (fftw_malloc(sizeof(double) * FFT_LENGTH));
  46         out = reinterpret_cast<std::complex<double> *> (fftw_malloc(sizeof(std::complex<double>) * (FFT_LENGTH / 2 + 1)));
  47         bins = reinterpret_cast<double *> (fftw_malloc(sizeof(double) * FFT_LENGTH / 2 + 1));
  48
  49         memset(in, 0, sizeof(double) * FFT_LENGTH / PAD_FACTOR);
  50
  51         // init FFTW
  52         p = fftw_plan_dft_r2c_1d(FFT_LENGTH, in_windowed, reinterpret_cast<fftw_complex *> (out), FFTW_ESTIMATE);
  53
  54         int fd = get_dsp_fd();
  55         for ( ;; ) {
  56                 read_chunk(fd, in, FFT_LENGTH);
  57                 apply_window(in, in_windowed, FFT_LENGTH);
  58                 fftw_execute(p);
  59                 find_peak_magnitudes(out, bins, FFT_LENGTH);
  60                 std::pair<double, double> peak = find_peak(bins, FFT_LENGTH);
  61
  62                 if (peak.first < 50.0 || peak.second - log10(FFT_LENGTH) < 0.0) {
  63 #if TUNING == WELL_TEMPERED_GUITAR
  64                         printf("......\n");
  65 #else
  66                         printf("............\n");
  67 #endif
  68                 } else {
  69                         print_spectrogram(peak.first, peak.second - log10(FFT_LENGTH));
  70                 }
  71         }
  72 }
  73
  74 int get_dsp_fd()
  75 {
  76         int fd = open("/dev/dsp", O_RDWR);
  77         if (fd == -1) {
  78                 perror("/dev/dsp");
  79                 exit(1);
  80         }
  81
  82         ioctl(3, SNDCTL_DSP_RESET, 0);
  83
  84         int fmt = AFMT_S16_LE;   // FIXME
  85         ioctl(fd, SNDCTL_DSP_SETFMT, &fmt);
  86
  87         int chan = 1;
  88         ioctl(fd, SOUND_PCM_WRITE_CHANNELS, &chan);
  89
  90         int rate = 22050;
  91         ioctl(fd, SOUND_PCM_WRITE_RATE, &rate);
  92
  93         ioctl(3, SNDCTL_DSP_SYNC, 0);
  94
  95         return fd;
  96 }
  97
  98 #if 1
  99 void read_chunk(int fd, double *in, unsigned num_samples)
 100 {
 101         int ret;
 102         unsigned to_read = num_samples / PAD_FACTOR / OVERLAP;
 103         short buf[to_read];
 104
 105         memmove(in, in + to_read, (num_samples / PAD_FACTOR - to_read) * sizeof(double));
 106
 107         ret = read(fd, buf, to_read * sizeof(short));
 108         if (ret == 0) {
 109                 printf("EOF\n");
 110                 exit(0);
 111         }
 112
 113         if (ret != int(to_read * sizeof(short))) {
 114                 // blah
 115                 perror("read");
 116                 exit(1);
 117         }
 118
 119         for (unsigned i = 0; i < to_read; ++i)
 120                 in[i + (num_samples / PAD_FACTOR - to_read)] = double(buf[i]);
 121 }
 122 #else
 123 // make a pure 440hz sine for testing
 124 void read_chunk(int fd, double *in, unsigned num_samples)
 125 {
 126         static double theta = 0.0;
 127         for (unsigned i = 0; i < num_samples; ++i) {
 128                 in[i] = cos(theta);
 129                 theta += 2.0 * M_PI * 440.0 / double(SAMPLE_RATE);
 130         }
 131 }
 132 #endif
 133
 134 void write_sine(int dsp_fd, double freq, unsigned num_samples)
 135 {
 136         static double theta = 0.0;
 137         short buf[num_samples];
 138
 139         for (unsigned i = 0; i < num_samples; ++i) {
 140                 buf[i] = short(cos(theta) * 16384.0);
 141                 theta += 2.0 * M_PI * freq / double(SAMPLE_RATE);
 142         }
 143
 144         write(dsp_fd, buf, num_samples * sizeof(short));
 145 }
 146
 147 // Apply a standard Hamming window to our input data.
 148 void apply_window(double *in, double *out, unsigned num_samples)
 149 {
 150         static double *win_data;
 151         static unsigned win_len;
 152         static bool win_inited = false;
 153
 154         // Initialize the window for the first time
 155         if (!win_inited) {
 156                 win_len = num_samples / PAD_FACTOR;
 157                 win_data = new double[win_len];
 158
 159                 for (unsigned i = 0; i < win_len; ++i) {
 160                         win_data[i] = 0.54 - 0.46 * cos(2.0 * M_PI * double(i) / double(win_len - 1));
 161                 }
 162
 163                 win_inited = true;
 164         }
 165
 166         assert(win_len == num_samples / PAD_FACTOR);
 167
 168         for (unsigned i = 0; i < win_len; ++i) {
 169                 out[i] = in[i] * win_data[i];
 170         }
 171         for (unsigned i = win_len; i < num_samples; ++i) {
 172                 out[i] = 0.0;
 173         }
 174 }
 175
 176 void find_peak_magnitudes(std::complex<double> *in, double *out, unsigned num_samples)
 177 {
 178         for (unsigned i = 0; i < num_samples / 2 + 1; ++i)
 179                 out[i] = abs(in[i]);
 180 }
 181
 182 std::pair<double, double> find_peak(double *in, unsigned num_samples)
 183 {
 184         double best_peak = in[0];
 185         unsigned best_bin = 0;
 186
 187         for (unsigned i = 1; i < num_samples / 2 + 1; ++i) {
 188                 if (in[i] > best_peak) {
 189                         best_peak = in[i];
 190                         best_bin = i;
 191                 }
 192         }
 193
 194         if (best_bin == 0 || best_bin == num_samples / 2) {
 195                 return std::make_pair(-1.0, 0.0);
 196         }
 197
 198 #if 0
 199         printf("undertone strength: %+4.2f %+4.2f %+4.2f [%+4.2f] %+4.2f %+4.2f %+4.2f\n",
 200                 20.0 * log10(in[best_bin*4] / FFT_LENGTH),
 201                 20.0 * log10(in[best_bin*3] / FFT_LENGTH),
 202                 20.0 * log10(in[best_bin*2] / FFT_LENGTH),
 203                 20.0 * log10(in[best_bin] / FFT_LENGTH),
 204                 20.0 * log10(in[best_bin/2] / FFT_LENGTH),
 205                 20.0 * log10(in[best_bin/3] / FFT_LENGTH),
 206                 20.0 * log10(in[best_bin/4] / FFT_LENGTH));
 207 #endif
 208
 209         // see if we might have hit an overtone (set a limit of 5dB)
 210         for (unsigned i = 4; i >= 1; --i) {
 211                 if (best_bin != best_bin / i &&
 212                     20.0 * log10(in[best_bin] / in[best_bin / i]) < 5.0f) {
 213 #if 0
 214                         printf("Overtone of degree %u!\n", i);
 215 #endif
 216                         best_bin /= i;
 217
 218                         // consider sliding one bin up or down
 219                         if (best_bin > 0 && in[best_bin - 1] > in[best_bin] && in[best_bin - 1] > in[best_bin - 2]) {
 220                                 --best_bin;
 221                         } else if (best_bin < num_samples / 2 && in[best_bin + 1] > in[best_bin] && in[best_bin + 1] > in[best_bin + 2]) {
 222                                 ++best_bin;
 223                         }
 224
 225                         break;
 226                 }
 227         }
 228
 229         std::pair<double, double> peak =
 230                 interpolate_peak(in[best_bin - 1],
 231                                  in[best_bin],
 232                                  in[best_bin + 1]);
 233
 234         return std::make_pair(bin_to_freq(double(best_bin) + peak.first, num_samples), peak.second);
 235 }
 236
 237 double bin_to_freq(double bin, unsigned num_samples)
 238 {
 239         return bin * SAMPLE_RATE / double(num_samples);
 240 }
 241
 242 /*
 243  * Given three bins, find the interpolated real peak based
 244  * on their magnitudes. To do this, we execute the following
 245  * plan:
 246  *
 247  * Fit a polynomial of the form ax^2 + bx + c = 0 to the data
 248  * we have. Maple readily yields our coefficients, assuming
 249  * that we have the values at x=-1, x=0 and x=1:
 250  *
 251  * > f := x -> a*x^2 + b*x + c;
 252  *
 253  *                               2
 254  *           f := x -> a x  + b x + c
 255  *
 256  * > cf := solve({ f(-1) = ym1, f(0) = y0, f(1) = y1 }, { a, b, c });
 257  *
 258  *                            y1    ym1       y1    ym1
 259  *        cf := {c = y0, b = ---- - ---, a = ---- + --- - y0}
 260  *                            2      2        2      2
 261  *
 262  * Now let's find the maximum point for the polynomial (it has to be
 263  * a maximum, since y0 is the greatest value):
 264  *
 265  * > xmax := solve(subs(cf, diff(f(x), x)) = 0, x);
 266  *
 267  *                                -y1 + ym1
 268  *                   xmax := -------------------
 269  *                           2 (y1 + ym1 - 2 y0)
 270  *
 271  * We could go further and insert {fmax,a,b,c} into the original
 272  * polynomial, but it just gets hairy. We calculate a, b and c separately
 273  * instead.
 274  *
 275  * http://www-ccrma.stanford.edu/~jos/parshl/Peak_Detection_Steps_3.html
 276  * claims that detection is almost twice as good when using dB scale instead
 277  * of linear scale for the input values, so we use that. (As a tiny bonus,
 278  * we get back dB scale from the function.)
 279  */
 280 std::pair<double, double> interpolate_peak(double ym1, double y0, double y1)
 281 {
 282         ym1 = log10(ym1);
 283         y0 = log10(y0);
 284         y1 = log10(y1);
 285
 286 #if 0
 287         assert(y0 >= y1);
 288         assert(y0 >= ym1);
 289 #endif
 290
 291         double a = 0.5 * y1 + 0.5 * ym1 - y0;
 292         double b = 0.5 * y1 - 0.5 * ym1;
 293         double c = y0;
 294
 295         double xmax = (ym1 - y1) / (2.0 * (y1 + ym1 - 2.0 * y0));
 296         double ymax = 20.0 * (a * xmax * xmax + b * xmax + c) - 90.0;
 297
 298         return std::make_pair(xmax, ymax);
 299 }
 300
 301 std::string freq_to_tonename(double freq)
 302 {
 303         std::string notenames[] = { "C", "C#", "D", "D#", "E", "F", "F#", "G", "G#", "A", "A#", "B" };
 304         double half_notes_away = 12.0 * log2(freq / 440.0) - 3.0;
 305         int hnai = int(floor(half_notes_away + 0.5));
 306         int octave = (hnai + 48) / 12;
 307
 308         char buf[256];
 309         sprintf(buf, "%s%d + %.2f [%d]", notenames[((hnai % 12) + 12) % 12].c_str(), octave, half_notes_away - hnai, hnai);
 310         return buf;
 311 }
 312
 313 #if TUNING == EQUAL_TEMPERAMENT
 314 void print_spectrogram(double freq, double amp)
 315 {
 316         std::string notenames[] = { "C", "C#", "D", "D#", "E", "F", "F#", "G", "G#", "A", "A#", "B" };
 317         double half_notes_away = 12.0 * log2(freq / 440.0) - 3.0;
 318         int hnai = int(floor(half_notes_away + 0.5));
 319         int octave = (hnai + 48) / 12;
 320
 321         for (int i = 0; i < 12; ++i)
 322                 if (i == ((hnai % 12) + 12) % 12)
 323                         printf("#");
 324                 else
 325                         printf(".");
 326
 327         printf(" (%-2s%d %+.2f, %5.2fHz) [%5.2fdB]  [", notenames[((hnai % 12) + 12) % 12].c_str(), octave, half_notes_away - hnai,
 328                 freq, amp);
 329
 330         double off = half_notes_away - hnai;
 331         for (int i = -10; i <= 10; ++i) {
 332                 if (off >= (i-0.5) * 0.05 && off < (i+0.5) * 0.05) {
 333                         printf("#");
 334                 } else {
 335                         if (i == 0) {
 336                                 printf("|");
 337                         } else {
 338                                 printf("-");
 339                         }
 340                 }
 341         }
 342         printf("]\n");
 343
 344 }
 345 #else
 346 struct note {
 347         char notename[16];
 348         double freq;
 349 };
 350 static note notes[] = {
 351         { "E-3", 110.0 * (3.0/4.0) },
 352         { "A-3", 110.0 },
 353         { "D-4", 110.0 * (4.0/3.0) },
 354         { "G-4", 110.0 * (4.0/3.0)*(4.0/3.0) },
 355         { "B-4", 440.0 * (3.0/4.0)*(3.0/4.0) },
 356         { "E-5", 440.0 * (3.0/4.0) }
 357 };
 358
 359 void print_spectrogram(double freq, double amp)
 360 {
 361         double best_away = 999999999.9;
 362         unsigned best_away_ind = 0;
 363
 364         for (unsigned i = 0; i < sizeof(notes)/sizeof(note); ++i) {
 365                 double half_notes_away = 12.0 * log2(freq / notes[i].freq);
 366                 if (fabs(half_notes_away) < fabs(best_away)) {
 367                         best_away = half_notes_away;
 368                         best_away_ind = i;
 369                 }
 370         }
 371
 372         for (unsigned i = 0; i < sizeof(notes)/sizeof(note); ++i)
 373                 if (i == best_away_ind)
 374                         printf("#");
 375                 else
 376                         printf(".");
 377
 378         printf(" (%s %+.2f, %5.2fHz) [%5.2fdB]  [", notes[best_away_ind].notename, best_away, freq, amp);
 379
 380         for (int i = -10; i <= 10; ++i) {
 381                 if (best_away >= (i-0.5) * 0.05 && best_away < (i+0.5) * 0.05) {
 382                         printf("#");
 383                 } else {
 384                         if (i == 0) {
 385                                 printf("|");
 386                         } else {
 387                                 printf("-");
 388                         }
 389                 }
 390         }
 391         printf("]\n");
 392 }
 393 #endif