频域分析的目的是啥

Posted 2023-03-22

【中文标题】频域分析的目的是啥

【英文标题】：what is the purpose of the frequency domain analysis频域分析的目的是什么

【发布时间】：2022-01-19 03:31:47

【问题描述】：

我曾假设这将输出一组可用于进行音高检测的频率桶（如音频音高）。但这似乎不是它的作用。我启动了语音 omatic 应用程序，并使用它的频率显示通过我的麦克风播放各种音符。小节出现，都在左手端，高低音符几乎没有区别。我增加了 FFT 大小只是为了看看这是否改变了任何东西，似乎没有。我找到了一个 picthdetect js 项目，看到它使用了分析器，啊哈，在这里我会找到正确的用法，但是代码的核心不使用频域输出，它将时域输入到它自己的算法中。所以为了解决我的问题，我将使用那个库，但我仍然很好奇频域数据代表什么

【参考方案1】：

它完全按照您的想法做，但该网站上的具体实现并不适合看到这一点。

这些值的映射方式与查看高低音范围之间的音高变化所必需的不同，因为该范围是线性映射的，而不是对数映射的。如果您要以对数方式映射每个频率仓，您会得到一个更有用的图表。现在，可视化器的右手 3/4 显示从 5000hz 到 20000hz（大致），与 0-5000hz 相比，音频信号中包含的数据非常少。人声（和大多数乐器）的根频率大多在 100-1000hz 之间。上面还有谐波，但幅度越小，你得到的就越高。

我已经调整了代码以告诉您峰值频率和每个存储桶的大小。使用这个 app.js：https://puu.sh/Izcws/ded6aae55b.js - 您可以使用手机上的音调发生器来查看它的准确度。 https://puu.sh/Izcx3/d5a9d74764.png

代码的工作方式是计算每个桶的大小，如我在var bucketSize = 1 / (analyser.fftSize / analyser.context.sampleRate); 的回答中所述（并添加两个跨度以显示数据），然后在绘制每个条时计算哪个条最大，然后将每个桶的大小乘以最大的桶得到峰值频率（并将其写入el2）。您可以使用 fftSize 并了解为什么使用较小的值根本无法确定您是在播放 A2（110 Hz）还是 A2#（116.5 Hz）。

来自https://***.com/a/43369065/13801789：

我相信我完全理解您的意思。问题不在于您的代码，而在于底层的 FFT getByteFrequencyData。核心问题是音乐音符是对数间隔，而FFT频率区间是线性间隔。

音符以对数间隔：连续低音符之间的差异，例如 A2(110 Hz) 和 A2#(116.5 Hz) 是6.5 Hz，而在较高八度音阶 A3(220 Hz) 和 A3#(233.1 Hz) 上的相同 2 个音符之间的差异为 13.1 Hz。

FFT 箱是线性间隔的： 假设我们每秒处理 44100 个样本，FFT 采用 1024 个样本（一个波）的窗口，并首先将它与一个波相乘，只要1024 个样本（我们称之为 wave1），所以这将是一个周期 1024/44100=0.023 seconds，即 43.48 Hz，并将得到的幅度放在第一个 bin 中。然后将其与频率为 wave1 * 2 的波相乘，即86.95 Hz，然后是 wave1 * 3 = 130.43 Hz。所以频率之间的差异是线性的；它总是一样的 = 43.48，不像变化的音符差异。

这就是为什么关闭的低音会被捆绑在同一个箱子中，而关闭的高音会被分开。这就是 FFT 的频率分辨率的问题。它可以通过采用大于 1024 个样本的窗口来解决，但这会以时间分辨率为代价。

【讨论】：

这里是我提到的代码mdn.github.io/voice-change-o-matic，它是webaudio输入处理的主要示例（与音频生成相比）。我已将其更改为 2048 fft 大小，它没有任何区别，只是在左手端更细粒度的拥挤。我怎么知道什么频率在哪个桶里？我找不到使用此接口进行音高检测的示例，这是显而易见的用例（例如吉他调音器）

答案中写道，每个“桶”都是线性间隔的频率选择。请参阅以“FFT 箱是线性间隔的：”开头的段落。我已经调整了代码来告诉你峰值频率和每个桶的大小。使用这个 app.js：puu.sh/Izcws/ded6aae55b.js - 您可以使用手机上的音调发生器来查看它的准确度。 puu.sh/Izcx3/d5a9d74764.png

代码的工作方式是计算每个桶的大小，如我在var bucketSize = 1 / (analyser.fftSize / analyser.context.sampleRate); 的回答中所述（并添加两个跨度以显示数据），然后在绘制每个条时计算哪个条是最大的，然后将每个桶的大小乘以最大的桶得到峰值频率（并将其写入el2）。您可以使用 fftSize 并了解为什么使用较小的值根本无法确定您是在播放 A2（110 Hz）还是 A2#（116.5 Hz）。