2017-04-15 152 views
1

我正在尝试使用FFTW3和SFML显示音频频谱。我按照找到的方向here,并查看了许多有关FFT和频谱和FFTW的参考资料,但不知何故,我的酒吧几乎都像下面那样对齐左边。我遇到的另一个问题是我无法找到有关FFT输出的规模的信息。目前我将它除以64,但它仍然会超出这个范围。此外,我还没有找到关于FFTW的输出为什么必须与输入尺寸相同的信息。所以我的问题是:FFT频谱显示不正确

  1. 为什么我的光谱的大部分与左下方的图像不一致?
  2. 为什么0.0和1.0之间的输出不是?
  3. 为什么输入采样计数与fft输出计数相关?

我得到什么:

enter image description here

我正在寻找:

enter image description here您的问题

const int bufferSize = 256 * 8; 

void init() { 
    sampleCount = (int)buffer.getSampleCount(); 
    channelCount = (int)buffer.getChannelCount(); 
    for (int i = 0; i < bufferSize; i++) { 
     window.push_back(0.54f - 0.46f * cos(2.0f * GMath::PI * (float)i/(float)bufferSize)); 
    } 
    plan = fftwf_plan_dft_1d(bufferSize, signal, results, FFTW_FORWARD, FFTW_ESTIMATE); 
} 
void update() { 
    int mark = (int)(sound.getPlayingOffset().asSeconds() * sampleRate); 
    for (int i = 0; i < bufferSize; i++) { 
     float s = 0.0f; 

     if (i + mark < sampleCount) { 
      s = (float)buffer.getSamples()[(i + mark) * channelCount]/(float)SHRT_MAX * window[i]; 
     } 

     signal[i][0] = s; 
     signal[i][1] = 0.0f; 
    } 
} 
void draw() { 
    int inc = bufferSize/2/size.x; 
    int y = size.y - 1; 
    int max = size.y; 
    for (int i = 0; i < size.x; i ++) { 
     float total = 0.0f; 
     for (int j = 0; j < inc; j++) { 
      int index = i * inc + j; 
      total += std::sqrt(results[index][0] * results[index][0] + results[index][1] * results[index][1]); 
     } 
     total /= (float)(inc * 64); 
     Rectangle2I rect = Rectangle2I(i, y, 1, -(int)(total * max)).absRect(); 
     g->setPixel(rect, Pixel(254, toColor(BLACK, GREEN))); 
    } 
} 

回答

0

所有都涉及到FFT理论。从任何标准文本/参考书中学习FFT的属性,您将只能自己回答所有问题。

至少你可以从这里开始: https://en.wikipedia.org/wiki/Fast_Fourier_transform

+0

我浏览了FFT,DFT和Spectral Density Estimation wiki页面,但由于大多数信息超出了我的理解范围,因此无法确定我的问题的任何答案。 –

+0

@trigger_death:然后您应该在https://dsp.stackexchange.com/中发布问题。 – 2017-04-15 11:39:38

0
  1. 许多FFT实现都是保持能量的。这意味着输出的比例与输入的比例和/或大小成线性关系。

  2. FFT是DFT是方阵变换。所以输出的数量总是等于输入的数量(或者通过忽略严格实数输入的冗余复共轭一半的数量),除非有些输出被丢弃。如果不是,那不是一个FFT。如果您想减少输出,可以采用其他方式对FFT输出进行缩减采样或后处理。