音频分析合成中的重叠添加

Posted 2023-02-22

【中文标题】音频分析合成中的重叠添加

【英文标题】：Overlap add in audio analysis-synthesis

【发布时间】：2014-03-05 19:22:07

【问题描述】：

我编写了一些将音频信号（当前为正弦波）作为输入的代码，并执行以下操作：

获取n (1024) 个样本的帧 应用 FFT 应用 iFFT 播放输出

通过这个过程，输出信号与输入信号基本相同。

现在，我第二次尝试：

从输入中获取重叠帧 应用窗口函数 FFT iFFT 重叠输出帧

在第 1 步中，如果我使用 2 的幂（4、8、256...）的跳跃大小（跳到下一帧的样本数）来获取重叠帧，则输出声音很平滑，类似于原始输入声音，但使用任何其他跳跃大小，声音开始崩溃。这发生在输入信号的任何频率上。 问题1.为什么只有跳数为2^n时声音才流畅？。

目前我使用的是汉宁窗。当跳数较大（例如 512）时，输出声音的音量低于跳数较小（例如 64）时的音量。这似乎是一种预期行为，因为小跳数意味着用更多帧重构样本，因此添加了更多信号。 问题 2。有没有办法正确缩放输出信号，使音量与原始信号相似？

谢谢！

【参考方案1】：

这不应该发生，重叠添加方法可以重建您的信号而没有描述的问题，我们不知道您在做什么，我前段时间做过，它适用于任何跳数和窗口大小，小秘密是在您的信号前后应用零以确保信号连续，如果您冷静地观察，您会发现您的 窗口功能 的工作方式类似于淡入/淡出，如果您只是连接帧，您将请注意一些咔嗒声或输出信号看起来像颤音，这有点难以判断您的问题实际出在哪里！

仅用于调试，跳过 FFT 和 iFFT 步骤，看看您的信号是否正确构造，如果是，您的重叠添加过程有效，您的问题可能出在您的 FFT/iFFT ...

【讨论】：

你是对的。我正在跳过窗口功能（因此缺少淡入淡出效果）。

【参考方案2】：

重叠相加通常不使用非矩形窗口函数。取而代之的是零填充。

如果您确实使用了窗口函数，那么您必须确保所有偏移窗口函数的总和达到一个恒定水平，对于 Von Hann 窗口而言，这会发生某些偏移（除了在系列的开头或结尾和）。作为

2 - (cos(x)+cos(x+Pi)) == 2

在没有任何缩放的情况下将更多窗口相加成一个结果，当然总和的级别会增加。