试图了解 AudioKit 中 AKFFTTap 的输出

Posted 2023-02-25

【中文标题】试图了解 AudioKit 中 AKFFTTap 的输出

【英文标题】：Trying to understand the output of AKFFTTap in AudioKit

【发布时间】：2018-10-07 10:43:02

【问题描述】：

使用 AudioKit，我正在尝试构建一个应用程序来分析麦克风的输入并将传入的声音分成 3 个频率范围（低、中、高）及其幅度。

这是我的代码：

class ViewController: UIViewController 

    var mic: AKMicrophone!
    var amplitude: AKAmplitudeTracker!
    var fftTap: AKFFTTap?
    var timer:  Timer!

    override func viewDidLoad() 
        super.viewDidLoad()
        // Do any additional setup after loading the view, typically from a nib.

        mic = AKMicrophone()
        fftTap = AKFFTTap.init(mic)

    

    override func viewDidAppear(_ animated: Bool) 
        super.viewDidAppear(animated)

        do 
            try AudioKit.start()
         catch 
            AKLog("AudioKit did not start!")
        

        mic.start()

        timer = Timer.scheduledTimer(withTimeInterval: 0.01, repeats: true, block:  (timer) in

            for i in 0...256 
                print(Double(self.fftTap?.fftData[i] ?? 0.0))
            

        )
    

但现在我不知道输出的实际含义是什么？

如何获得某个频率范围的最大幅度？我同时需要所有三个范围，所以我认为单纯的频率跟踪器不会这样做。

通过阅读有关 FFT 的文档，我了解到前 256 个 bin 表示某个频率的幅度。但我只发现了将这些值转换为绘图的 Matlab 绘图示例（这对我来说真的没有意义）。

【参考方案1】：

我在 Google 上找到了帮助我解决问题的 code-sn-p：

https://groups.google.com/forum/#!topic/comp.dsp/cZsS1ftN5oI

具体这部分：

/* do FFT (taken from NR [http://www.nr.com] but uses array of doubles) */
    four1(fftBuffer-1, FFT_SIZE, 1);

/* display 15 bins around the frequency of interest */
    for (long k = 80; k < 110; k += 2) 

    /* real */
        double re = fftBuffer[k];

    /* imaginary */
        double im = fftBuffer[k+1];

    /* get normalized bin magnitude */
        double normBinMag = 2.*sqrt(re*re + im*im) / FFT_SIZE;

    /* convert to dB value */
        double amplitude = 20. * log10( normBinMag );

    /* and display */
        printf("bin: %d,\tfreq: %f [Hz],\tmag: %f,\t ampl.: %f [dB]\n", \
               k/2, sampleRate*.5*(double)k/FFT_SIZE, normBinMag, amplitude);
    


/* Program output:

bin: 40,    freq: 861.328125 [Hz],  mag: 0.000000,   ampl.: -182.347994 [dB]
bin: 41,    freq: 882.861328 [Hz],  mag: 0.000000,   ampl.: -180.895076 [dB]
bin: 42,    freq: 904.394531 [Hz],  mag: 0.000000,   ampl.: -179.201401 [dB]
bin: 43,    freq: 925.927734 [Hz],  mag: 0.000000,   ampl.: -177.156879 [dB]
bin: 44,    freq: 947.460938 [Hz],  mag: 0.000000,   ampl.: -174.555312 [dB]
bin: 45,    freq: 968.994141 [Hz],  mag: 0.000000,   ampl.: -170.934049 [dB]
bin: 46,    freq: 990.527344 [Hz],  mag: 0.000000,   ampl.: -164.817195 [dB]
bin: 47,    freq: 1012.060547 [Hz], mag: 1.000000,   ampl.: 0.000000 [dB]
bin: 48,    freq: 1033.593750 [Hz], mag: 0.000000,   ampl.: -164.633624 [dB]
bin: 49,    freq: 1055.126953 [Hz], mag: 0.000000,   ampl.: -170.566625 [dB]
bin: 50,    freq: 1076.660156 [Hz], mag: 0.000000,   ampl.: -174.003468 [dB]
bin: 51,    freq: 1098.193359 [Hz], mag: 0.000000,   ampl.: -176.419757 [dB]
bin: 52,    freq: 1119.726562 [Hz], mag: 0.000000,   ampl.: -178.277857 [dB]
bin: 53,    freq: 1141.259766 [Hz], mag: 0.000000,   ampl.: -179.783660 [dB]
bin: 54,    freq: 1162.792969 [Hz], mag: 0.000000,   ampl.: -181.046952 [dB]

*/

[编辑]

根据要求，这里是 Swift 代码：

//
//  ViewController.swift
//

import AudioKit
import UIKit

class ViewController: UIViewController 

    var mic: AKMicrophone!
    var fftTap: AKFFTTap?
    var timer:  Timer!
    let FFT_SIZE = 512
    let sampleRate:double_t = 44100

    override func viewDidLoad() 
        super.viewDidLoad()

        mic = AKMicrophone()

        fftTap = AKFFTTap.init(mic)

    

    override func viewDidAppear(_ animated: Bool) 
        super.viewDidAppear(animated)

        do 
            try AudioKit.start()
         catch 
            AKLog("AudioKit did not start!")
        

        mic.start()

        timer = Timer.scheduledTimer(withTimeInterval: 0.1, repeats: true, block:  (timer) in

            for i in 0...510 

                let re = self.fftTap!.fftData[i]
                let im = self.fftTap!.fftData[i + 1]
                let normBinMag = 2.0 * sqrt(re * re + im * im)/self.FFT_SIZE
                let amplitude = ((20.0 * log10(normBinMag))

                print("bin: \(i/2) \t freq: \(frequency)\t ampl.: \(amplitude)")
            

            // Now do anything you like with the data
            // Be aware, though, that the amplitude is a negative number
            // the lower, the less input it represents
            // in my tests, the lowest number was around -260
            // Read more on Google about converting the negative
            // number to a positive

        )
    

【讨论】：

嗨，我这几天也遇到了同样的问题，能否请您分享一下您的 AudioKit 代码，以及您是如何标准化从 FFTTap 检索到的数字的？ “bin”是什么意思？谢谢！

顺便想了一下，AKFFTTap返回的值已经是幅值了

FFTTap 的返回值是频率和幅度的组合。 «bin» 基本上只是数组中的一个条目。您必须做一些数学运算才能分别获得这些值。下班回家后我会发布最终代码。

我用 Swift 代码更新了上面的代码。希望对您有所帮助！

谢谢！有很大帮助。只是作为声音处理领域的新手的几个问题，normBinMag 是为每个 bin 计算的相对数字，还是它分布在所有 bin 的大小上（意味着所有 bin 的所有 normBinMag 的总和应该为 1）？幅度负值以 dB 为单位？