audition中的FFT大小到底什么意思

Posted 2023-05-03

英文的全称是什么

这个FFT的单位是什么呢，和日常的常用单位怎么换算呢？

比如在降噪器里面有设置FFT，4096，8192有什么区别呢？

谢谢！！
能否用些比喻,这些术语我看不懂.

FFT是离散傅氏变换的快速算法，它是根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。它对傅氏变换的理论并没有新的发现，但是对于在计算机系统或者说数字系统中应用离散傅立叶变换。

此后，在这思想基础上又开发了高基和分裂基等快速算法，随着数字技术的高速发展，1976年出现建立在数论和多项式理论基础上的维诺格勒傅里叶变换算法(WFTA）和素因子傅里叶变换算法。它们的共同特点是，当N是素数时，可以将DFT算转化为求循环卷积，从而更进一步减少乘法次数，提高速度。

扩展资料：

在这些算法中，基2算法用得最普遍。通常按序列在时域或在频域分解过程的不同，又可分为两种：一种是时间抽取FFT算法（DIT），将N点DFT输入序列x(n)、在时域分解成2个N/2点序列而x1(n)和x2(n)。前者是从原序列中按偶数序号抽取而成，而后者则按奇数序号抽取而成。DIT就是这样有规律地按奇、偶次序逐次进行分解所构成的一种快速算法。

分裂基算法(RSFFT) 1984年由P．杜哈美尔和H．赫尔曼等导出的一种比库利图基算法更加有效的改进算法，其基本思想是在变换式的偶部采用基2算法，在变换式的奇部采用基4算法。优点是具有相对简单的结构，非常适用于实对称数据，对长度N=2能获得最少的运算量(乘法和加法），所以是选用固定基算法中的一种最佳折衷算法。

参考技术A

FFT是一种快速的离散傅立叶变换算法。它基于离散傅里叶变换的奇、偶、虚、实特性，改进了离散傅里叶变换的算法。它在傅里叶变换理论上没有新的发现，但可以应用于计算机系统或数字系统。

从那时起，基于这一思想发展了高基、分裂基等快速算法。随着数字技术的飞速发展，1976年出现了基于数论和多项式理论的维诺格勒傅里叶变换算法（WFTA）和素因子傅里叶变换算法。

它们的共同特点是当n是质数时，DFT可以转换成循环卷积，从而进一步减少乘法次数，提高运算速度。

扩展资料：

在这些算法中，最常用的是base－2算法。一般来说，根据序列在时域或频域的分解过程不同，可以分为两类：

一类是时间提取FFT算法（DIT），它将n点DFT的输入序列x（n）分解为两个n／2点序列，而x1（n）和x2（n）。前者用偶数序列号从原始序列中提取，后者用奇数序列号提取。DIT是一种由奇偶分解构成的快速算法。

分裂基算法（rsfft）是1984年由P.Duhamel和h.Herman提出的一种更有效的改进算法。其基本思想是在变换的偶数部分使用基2算法，奇数部分使用基4算法。

其优点是结构相对简单，非常适合于真实的对称数据。对于长度n=2，它可以获得最小的计算量（乘法和加法），因此它是固定基算法中的最佳折中算法。

参考技术B FFT（fast Fourier transform，快速傅立叶变换）

快速傅立叶变换就是分析计算信号波形中的频谱成分强度，将其能量从时间积分，从而得出频率-能量相关的形式，称为频域分析。注意这里讲的是频率-能量相关，而非一般认为的频率-幅度相关，因为傅立叶变换实际上已经无法确认信号不同频率间的幅度关系，而只能计算出其能量关系。

fft可以设定的数值代表了你要查看的频谱分析精度。这个精度的大小要视个人处理的需要。
建议FFT大小控制数值在8192~24000均可，而且在这个傅立叶变换阈值里我们的听觉很难分辨出具体的差别，建议设为16384。本回答被提问者采纳 参考技术C

醉了，这么多答非所问的，我来答。

这个需要有一定的信号处理知识才能理解。

FFT是Fast Fourier Transform，快速傅里叶变换的意思，是一种将时域信号（AU里绿色的波形）转换为频域（AU里紫黄色的谱）的算法。在执行傅里叶变换的时候，需要将声音切成很多片，以片为单位执行傅里叶变换，FFT大小就是每一片的长度（采样点数量）。比如FFT大小是512，那么每一片包含512个采样点。

FFT大小有什么影响呢？傅里叶变换天生存在一种频谱-时间不确定性。FFT大小越大，计算得到的频谱越准确，但是代价就是频谱在时间上分辨率（类似帧数）就降低了 。FFT大小越小，频谱在时间上分辨率（类似帧数）越高，但是代价就是频谱计算会有误差。非通信、电子专业出身的要理解这一点比较费力。为了帮助理解，我打个比喻，一个音符如果只持续非常短的时间比如1ms，我打赌，就算贝多芬来了都绝对分不出音高是多少，误差会非常大，这就是FFT大小设小了。所以必须得等音符持续一定长度后（增大FFT大小），才能逐渐分辨出它的音高，但是代价就是你分辨每个音符的耗时变长了。

那么如何设置FFT大小呢？官方推荐的值在1024-8096可适用于大多数情况。根据我们之前的分析，如果音频节奏快，起伏多，变化剧烈，应适当减小FFT大小；如果音频舒缓，变化慢，可以适当调大FFT大小。

另一个问题，为什么FFT大小是二的整数次幂呢，也就是256，512，1024这样的。简单理解，FFT算法实现细节决定了计算长度是2的整数次幂时，算法效率最高，对计算机最友好。

参考技术D 通过对语音信号稀疏分解中使用的过完备原子库结构特性的分析,提出了一种改进的信号稀疏分解算法。该算法针对语音信号的特点,以FFT算法实现的稀疏分解为基础缩小了原子的搜索范围,从而不仅进一步提高分解速度,还能以更稀疏的形式表示语音信号。

audition中表示声音大小的db是啥意思，为啥上下都用0表示?

如果是用0表示最大的值，这我能理解，但是为什么上下都是0，中间是个负无穷，这个与现实中声量的分贝值有什么比较意义吗？还有db，采样和标准，百分比有什么差别和联系？
现在的百度真是不行了．

db就是分贝，是衡量音量大小的单位。在数字音频中0就表示最大值，高于这个最大值的都会被削波，至于负无穷就字面意思啦。这个在所有音频软件中都是这么显示的，表示越往两边音量越大，越往中间音量越小，直到负无穷就听不见啦，这种概念是基于单声道来看的。 参考技术A 我们日常生活说的音频响度，一般来说是0~140dB，0是最小声，140基本上是人耳能忍受的极限。而Audition里的0dB刻度，则主要是用的相对值刻度。数字音乐里用0dB表示满刻度，即声音的最响值，相当于把整体响度刻度基准变了。这套负dB的系统，不是用来测量绝对响度的，而是用来表达相对响度。这是为了使录音设备工作在正常的范围内而定的标准，让输入电平保持在0dB以下，就可以保证电路不失真或是过载，录音工程师就可能记录一个很好的干净的未失真信号。 参考技术B 数字音频标准化后幅值A在0-1之间，将幅值取对数运算 20log10（A）得到的值为Audition音量最大为 1，取0.0001最小即为-80。db是取对数后的单位，生活中常见的db是声压级的单位，这个需要专门的测量工具进行检测。 参考技术C 自己去看看数学那些.正负函数的吧