Подтвердить что ты не робот

Как получить частоту от результата fft?

Я записал массив [1024] данных моего микрофона на моем Android-телефоне, передал его через 1D прямой DFT реальных данных (установив еще 1024 бит на 0). Я сохранил массив в текстовом файле и повторил это 8 раз.

Я получил 16384 результатов. Я открыл текстовый файл в Excel и сделал график, чтобы увидеть, как он выглядит (x = индекс массива, y = размер возвращаемого числа). Есть несколько массивных всплесков (как положительных, так и отрицательных) по величине около 110, 232 и малых шипов, продолжающихся таким образом до 1817 и 1941 годов, когда пики снова становятся большими, а затем снова падают.

Моя проблема в том, что везде, где я ищу помощь по теме, которую он упоминает, получая реальные и мнимые числа, у меня есть только 1D-массив, который я получил от метода, который я использовал из класса Петра Вендикье:

DoubleFFT_1D.realForwardFull(audioDataArray); // from the library JTransforms.

Мой вопрос: что мне нужно сделать для этих данных, чтобы вернуть частоту? Звук, записанный мной, состоял в том, что я играл на "А" на нижней струне (пятый лад) моей гитары (примерно 440 Гц).

4b9b3361

ОТВЕТЫ

Ответ 1

Сложные данные чередуются с реальными компонентами при четных индексах и мнимыми компонентами при нечетных индексах, т.е. действительные компоненты имеют индекс 2*i, мнимые компоненты имеют индекс 2*i+1.

Чтобы получить величину спектра в индексе i, вы хотите:

re = fft[2*i];
im = fft[2*i+1];
magnitude[i] = sqrt(re*re+im*im);

Тогда вы можете построить величину [i] для я = 0 до N/2, чтобы получить спектр мощности. В зависимости от характера вашего аудиовхода вы должны увидеть один или несколько пиков в спектре.

Чтобы получить приблизительную частоту любого заданного пика, вы можете преобразовать индекс пика следующим образом:

freq = i * Fs / N;

где:

freq = frequency in Hz
i = index of peak
Fs = sample rate (e.g. 44100 Hz or whatever you are using)
N = size of FFT (e.g. 1024 in your case)

Примечание. Если вы ранее не применяли подходящую функцию окна для входных данных во временной области, тогда вы получите определенное количество спектральная утечка, и спектр мощности будет выглядеть довольно "размазанным".

Чтобы подробнее остановиться на этом, вот псевдокод для полного примера, где мы берем аудиоданные и идентифицируем частоту наибольшего пика:

N = 1024          // size of FFT and sample window
Fs = 44100        // sample rate = 44.1 kHz
data[N]           // input PCM data buffer
fft[N * 2]        // FFT complex buffer (interleaved real/imag)
magnitude[N / 2]  // power spectrum

capture audio in data[] buffer
apply window function to data[]

// copy real input data to complex FFT buffer
for i = 0 to N - 1
  fft[2*i] = data[i]
  fft[2*i+1] = 0

perform in-place complex-to-complex FFT on fft[] buffer

// calculate power spectrum (magnitude) values from fft[]
for i = 0 to N / 2 - 1
  re = fft[2*i]
  im = fft[2*i+1]
  magnitude[i] = sqrt(re*re+im*im)

// find largest peak in power spectrum
max_magnitude = -INF
max_index = -1
for i = 0 to N / 2 - 1
  if magnitude[i] > max_magnitude
    max_magnitude = magnitude[i]
    max_index = i

// convert index of largest peak to frequency
freq = max_index * Fs / N