我正在嘗試在 Linux 上構建圖形音頻頻譜分析儀。我在輸入音頻硬體的 PCM 樣本/幀的每個緩沖區上運行 FFT 函式，這樣我就可以看到哪些頻率在音頻輸出中最為普遍。一切正常，除了 FFT 函式的結果僅將幾個陣列元素（bin）分配給低頻和中頻。我知道音頻是對數的，FFT 適用于線性資料。但是由于對低/中頻率的分配如此之少，我不確定如何將事物清晰地分開以以圖形方式顯示頻率分布。我嘗試過使用 256 到 1024 位元組的視窗大小，雖然較大的視窗在低/中范圍內提供了更高的解析度，但仍然沒有那么多。我還將 Hann 函式應用于每個資料塊以平滑視窗邊界。
例如，我使用以 120、440、1000、5000、15000 和 20000 Hz 播放音調的單聲道音頻檔案進行測驗。當以對數方式解釋它們時，它們應該在整個頻譜中稍微均勻分布。然而，由于 FFTW 是線性作業的，對于 256 個元素或 1024 個元素的陣列，只有大約 10% 的回傳陣列實際上保存了高達大約 5 kHz 的值。FFTW 陣列的其余部分包含 10-15 kHz 以上的頻率。
這是我所追求的大致結果：
但這是我實際得到的：
同樣，我知道這可能按設計作業，但我仍然需要一種方法來在底部和中部獲得更高的解析度，以便更好地分離頻率。
我能做些什么來完成這項作業？
uj5u.com熱心網友回復：
您所看到的確實是 FFT（傅立葉變換）的預期結果。您期望的對數 f 軸是通過Constant-Q 變換實作的。
現在，Constant-Q 變換的實作非常重要。傅里葉變換之所以流行，正是因為它的實作速度很快（FFT）。在實踐中，常使用 FFT 并結合多個高頻 bin 來實作恒定 Q 變換。這會丟棄較高 bin 中的解析度；它不會在較低的垃圾箱中為您提供更高的解析度。
要在 FFT 的較低 bin 中獲得更高的頻率解析度，只需使用更長的視窗即可。但是，如果您還想保持時間解析度，則必須使用小于視窗大小的躍點大小。換句話說，您的 FFT 視窗將重疊。
轉載請註明出處，本文鏈接：https://www.uj5u.com/qukuanlian/427016.html