Olá, Eduardo!
O problema está em usar arquivos de áudio polifônicos com um procedimento de triagem que está baseado em identificar sinais com padrão harmônico. Basta que a música possua 2 notas ao mesmo tempo para o espectro já não possuir um padrão harmônico (mesmo sem ruído você já teria uma mescla de 2 séries harmônicas diferentes). Neste caso, nosso estimador ingênuo vai considerar a componente senoidal de maior energia e vai estimar algum F0 que na melhor das hipóteses vai corresponder a uma das notas da música, o que vai afetar profundamente estas estimativas de EFMIN e EHTMIN (que comparam a energia na série harmônica em F0 com o resto todo do sinal).
A sugestão de usar com um arquivo de entrada se aplica a arquivos monofônicos, ou seja, com um único instrumento melódico, ou voz, e de preferência com notas +/- longas, que permita a você a observação da forma de onda daquele instrumento e da proporção de participação dos diversos harmônicos naquele timbre. Ao usá-lo com o microfone, você poderá fazer observações interessantes sobre o timbre da sua voz ao emitir uma nota com altura musical fixa, e ir variando a qualidade do som através do controle da mandíbula, língua e lábios, de forma análoga à que você faz ao emitir diferentes vogais. Você verá a quantidade diversa de formas de onda e padrões de distribuição de energia pelos harmônicos que você é capaz de fazer.
Fórum