声音分析仪使用 naudio 处理 48000 个样本/秒的声音。我可以使用 1024 的循环样本大小吗？

Posted 2023-02-25

【中文标题】声音分析仪使用 naudio 处理 48000 个样本/秒的声音。我可以使用 1024 的循环样本大小吗？

【英文标题】：sound analyzer using naudio for 48000 samples/sec sound. Can I use a cycle-sample-size of 1024?

【发布时间】：2020-09-06 11:34:37

【问题描述】：

我需要创建一个声音分析器来隔离某些歌曲频率。目前，我对低音（60-250Hz）感兴趣。

我读取信号（IEEE浮点数），对于1024的每个块：做一个FFT，然后提取每个频率对应的值。

我不明白的是：我知道 FFT 需要 2 的幂才能工作。我见过使用 512 块的代码，使用 2048、4096 等的代码。

我选择了 1024（这给了我大约 47 个数据点/秒）。我是否正确假设使用 2048，例如将工作相同，给我 23.5 个数据点/秒，唯一的区别是准确性（当然还有计算速度）？

另外，我是否需要阅读 1024 个边界块？例如，假设我只是跳过了前 200 个浮点数，结果最终会非常相似吗？ （我的测试似乎是肯定的）

后期编辑：更新标题使其更易于理解

【问题讨论】：

一般规则是 Nyquist，即在进行 FFT 时，您必须对最大频率进行至少两倍的采样。

人耳最多只能听到20KHz的声音，最多只能听到2KHz的声音。请参阅：nhc.com.au/blog/….

对。您可以有 1 秒或 1 分钟的样本。但它确实关心每秒的样本数。如果每秒使用错误的样本，则会得到错误的输出频率。

取决于算法和系数。

2 的幂可减少获得答案所需的计算次数。它不需要是 2 的幂。参见 Wiki 文章：en.wikipedia.org/wiki/Fast_Fourier_transform

【参考方案1】：

1024/48kHz 仅比 60 Hz 信号的一个周期长。太短而无法确定信号是否是完全周期性的（重复）。人类通常需要大约 6 次重复才能听到具有确定音高的声音。

60 赫兹是 B1。您可能需要 2 Hz 分辨率才能将 B1 与 C1 分开，并且在两个最近的 FFT 频率区间之间有明显的间隙。为此，仅使用 FFT 幅度结果将需要 48kHz/2Hz 或半秒或更长时间的 FFT。对于 48ksps 样本，最接近 2 的幂是 32768。

对于音乐音高频率，有比使用纯 FFT 或 FFT 频率峰值幅度更好的音高检测器/估计器，因为它们解决了录制的器乐或声乐中常见的缺失或弱基本问题。这些音高估计器可以在比半秒更短的时间间隔窗口下工作，但比单纯的 FFT 幅度峰值拾取需要更多的计算。

【讨论】：

谢谢！不幸的是，我不完全理解答案。长话短说，例如，我需要知道 BASS 的幅度何时增加和减少。为了检测到这一点，我需要每秒执行很多次，否则，我正在做的事情是无用的。长话短说，我的代码似乎可以正常工作——我已经在 30 首歌曲上对其进行了测试，结果足够准确。在 32768 上进行 FFT 对我来说毫无用处，因为我的数据点太少了。除非 - 我可以以 1024 步长获得 32768 分。所以基本上，使用 1024 步长，然后在 ...

上进行 FFT

... 以下 32768 点。如果这是一个可行的选择，那肯定对我有用。