python/demos/demo_bench_yin.py

   1 #! /usr/bin/env python
   2
   3 import numpy as np
   4 from aubio import pitch
   5 import pylab as plt
   6
   7 buf_size = 2048 * 1
   8 hop_size = buf_size // 4
   9
  10 samplerate = 44100
  11 minfreq = 40
  12 maxfreq = 6000
  13
  14 def sinewave(freq, duration, samplerate = samplerate):
  15     """ generate a sinewave """
  16     length = hop_size
  17     while length < duration * samplerate:
  18         length += hop_size
  19     return np.sin( 2. * np.pi * np.arange(length) * freq / samplerate ).astype("float32")
  20
  21 def get_stats_for_pitch_method(method, freqs, samplerate = samplerate):
  22     """ for a given pitch method and a list of frequency, generate a sinewave
  23     and get mean deviation """
  24     means = np.zeros(len(freqs))
  25     medians = np.zeros(len(freqs))
  26     for freq, fn in zip(freqs, range(len(freqs))):
  27         s = sinewave(freq, .50).reshape(-1, hop_size)
  28         #s = (sinewave(freq, .50) + .0*sinewave(freq/2., .50)).reshape(-1, hop_size)
  29         p = pitch(method, buf_size, hop_size, samplerate = samplerate)
  30         candidates = np.zeros(len(s))
  31         #samples = np.zeros(buf_size)
  32         for frame, i in zip(s, range(len(s))):
  33             candidates[i] = p(frame)[0]
  34         # skip first few candidates
  35         candidates = candidates[4:]
  36         means[fn] = np.mean(candidates[candidates != 0] - freq)
  37         medians[fn] = np.median(candidates[candidates != 0] - freq)
  38         print (freq, means[fn], medians[fn])
  39     return means, medians
  40
  41 if __name__ == '__main__':
  42     freqs = np.arange(minfreq, maxfreq, 1.)
  43     modes = ["yin", "yinfft"]
  44     for mode in modes:
  45         means, medians = get_stats_for_pitch_method(mode, freqs)
  46         plt.figure()
  47         plt.plot(freqs, means, 'g-')
  48         plt.plot(freqs, medians, 'r--')
  49         #plt.savefig(mode + '_deviations_test.png', dpi=300)
  50         plt.show()