私が無知になるかもしれないのなら許してください、しかし私はノートオンセット検出のためのフィルターアルゴリズムの使用に関していくつかの質問をしたいと思います。
「検出機能」は、オーディオ信号にフィルターを使用するのと同じですか？または、一般的に、検出機能、フィルタリング（信号の前処理）、およびピークピッキングの違いは何ですか？
ローパス（またはハイパス）フィルターについてはいつも聞いていますが、混乱しています。特定のしきい値を下回る（または上回る）特定の周波数をキャンセルすることで機能することを読みました。ただし、ノートオンセットの計算には時間領域を使用しています（つまり、信号の振幅/エネルギーの変化を使用しています）。そのため、時間領域にローパスフィルタリングを適用する方法がわかりません。音の発生を検出するための他の優れたフィルターはありますか？
スペクトルエネルギーと相エネルギーの違いは何ですか？（スペクトルはスペクトログラムまたは周波数を指すと思いますが、フェーズが何であるかはわかりません）
動的しきい値の操作に問題があります。良いアルゴリズムの提案はありますか？たとえば、次のシグナルがあります。
上の画像に示されているように、私が見逃したメモの開始があります。アルゴリズムの簡単な説明として、オーディオ信号で発生するエネルギー/振幅の変化を計算して記録します。次に、最大の「エネルギー変化」を取得し、感度に基づいて、そのパーセンテージを取得し、それをしきい値として設定します。したがって、ここでさまざまな程度の振幅/エネルギーを処理する問題が発生します。感度を低く設定しすぎると、「ゴースト」の開始が発生し、感度を高く設定しすぎると、一部の開始を見逃します。私が使用しているアルゴリズムを改善する（または新しいアルゴリズムを提案する）ための提案はありますか？
100％の精度を得るのは難しいと思いますが、現在の場合と比較して、音符の開始を検出するためのより優れたアルゴリズムが必要です。私が得ることができるすべての助けをいただければ幸いです。どうもありがとうございます！