比较不相同的声音文件

Question

我正在开发针对iPhone的程序。

我已阅读本article和我有一些问题。获得声音文件的幅度后，我需要将哪些频谱范围转换为FFT（快速傅立叶变换）？在文章中，男人说“40-80,80-120,120-180,180-300”，他怎么知道哪个范围？我得到FFT后（使用OouraFFT）我有频谱，那么据我所知，必须采取控制点，那么如何把它们？

我有几个问题，但请帮我这些问题。

Answer 1

在文中男人说“40-80,80-120,120-180,180-300”，他怎么知道哪个范围？

他不知道他们 - 他做了起来。

那些范围在频率非常低。低频声音往往有最长的延音/衰减，所以你不太可能通过使用较低的频率产生时间混淆问题。这对于您要实现的应用程序非常重要。声音随着时间而变化，并且输入样本可能处于歌曲/声音的任何给定偏移处，并且很可能不会与您的窗口偏移完全匹配。声音的低频部分仍然易受此影响，但比高频部分低得多。

我得到FFT后（使用OouraFFT）我有频谱，那么据我所知，必须采取控制点，所以如何把它们？

OouraFFT是用C写的，而不是Objective-C。你能链接到你正在使用的包装？

如果您使用的是this wrapper，我认为您需要先手动对您的数据进行低通滤波，或者修改/额外处理库的结果以完成您正在尝试的操作去完成。或者找到一个不同的iPhone FFT库，在FFT之上封装更多高级概念。

该库调用OouraFFT rdst，并且这样做的方式是所有桶均匀分布（几乎只是原始FFT数据，没有更高级别的概念被闩上）。除非你使用更小的桶并聚合它们，否则你不会得到你阅读的文章中描述的那些特定的桶。

你可以尝试简单地使用不同的间隔均匀桶选择代替，并且用类似40-80, 80-120, 120-160, 160-200, 200-240, 240-280, 280-320结束。或者你可以使用40-60, 60-80等，并且当你完成时结合/平均桶。

为了获得你想要的桶大小，你需要做一些数学。从该库的自述：

假设您的信号采样率为48,000Hz，并且您正在计算1024个采样长度的信号块。然后，OouraFFT.spectrumData有1024/2 = 512个频率，均匀分布在0到48,000/2 = 24,000之间。

窗口越长，存储桶的数量越多，但越有可能存在暂时问题。因此，请选择您的窗口大小，然后低通滤波您的输入数据并降低采样率，以便获得适合您需要的存储区大小（频率范围），并运行过滤的数据。

BTW，我不知道这一点的实现，但I read here that you have to throw out the lowest frequency bucket when using FFT。本文有类似的通知，说the lowest bucket has only half the width。

如果你真的想从这个项目中获得准确的结果，我建议你用这些特定的频率和窗口周期生成测试数据，这样你就可以验证你的数组数据是否正确填充，不小心发生倾斜（逐个错误，窗口和过滤器计算不正确等）。否则，你的成功将是纯粹的运气和摆弄，因为你将无法诊断代码中的任何问题所在。