WAV文件分析C(libsndfile,fftw3)

infile = sf_open(argv [1],SFM_READ,&sfinfo);

float samples[sfinfo.frames];

sf_read_float(infile,samples,1);

double blackman_harris(int n,int n){
double a0,a1,a2,a3,seg1,seg2,seg3,w_n;
a0 = 0.35875;
a1 = 0.48829;
a2 = 0.14128;
a3 = 0.01168;

seg1 = a1 * (doublE) cos( ((doublE) 2 * (doublE) M_PI * (doublE) n) / ((doublE) N - (doublE) 1) );
seg2 = a2 * (doublE) cos( ((doublE) 4 * (doublE) M_PI * (doublE) n) / ((doublE) N - (doublE) 1) );
seg3 = a3 * (doublE) cos( ((doublE) 6 * (doublE) M_PI * (doublE) n) / ((doublE) N - (doublE) 1) );

w_n = a0 - seg1 + seg2 - seg3;
return w_n;
}

int main (int argc,char * argv [])
{   char        *infilename ;
SNDFILE     *infile = NULL ;
FILE        *outfile = NULL ;
SF_INFO     sfinfo ;


infile = sf_open(argv [1],&sfinfo);

int n = pow(2,10);

fftw_complex results[N/2 +1];
double samples[n];

sf_read_double(infile,1);


double normalizer;
int k;
for(k = 0; k < N;k++){
    if(k == 0){

        normalizer = blackman_harris(k,N);

    } else {
        normalizer = blackman_harris(k,N);
    }

}

normalizer = normalizer * (doublE) N/2;



fftw_plan p = fftw_plan_dft_r2c_1d(N,results,FFTW_ESTIMATE);

fftw_execute(p);


int i;
for(i = 0; i < N/2 +1; i++){
    double value = ((doublE) sqrtf(creal(results[i])*creal(results[i])+cimag(results[i])*cimag(results[i]))/normalizer);
    printf("%f\n",value);

}



sf_close (infilE) ;

return 0 ;
} /* main */

这一切都取决于你的频率范围. FFT采用2 ^ n个样本,并为您提供2 ^(n-1)个实数和虚数.我不得不承认,我对这些价值所代表的东西真的很朦胧(我有一个朋友,承诺在我遇到财务问题时,代我提供了一笔贷款))围绕一个圆角.实际上,它们为每个频率仓的正弦和余弦提供角度参数的弧度,原始的2 ^ n个样本可以从中重建.

无论如何,这有很大的优势,您可以通过采用实部和虚部的欧几里德距离(sqrtf((真实*真实)(imag * imag)))来计算大小.这为您提供了一个非标准化的距离值.然后可以使用该值为每个频带建立一个幅度.

所以我们可以订单10 FFT(2 ^ 10).输入1024个样本.您可以FFT这些样本,并返回512个虚数值和实数值(这些值的特定顺序取决于您使用的FFT算法).所以这意味着对于一个44.1Khz的音频文件,每个bin表示44100/512Hz或〜86Hz / bin.

应该脱颖而出的一件事是,如果您使用更多的样本(在处理诸如图像的多维信号时,称为时间或空间域),您将获得更好的频率表示(在所谓的频域中).然而,你为另一个牺牲一个.这只是事情的发生,你必须要忍受.

基本上,您将需要调整频率仓和时间/空间分辨率以获取所需的数据.

首先有一点命名.我之前提到的1024个时域样本称为您的窗口.一般来说,当执行这种过程时,您将需要滑动一些窗口,以获得下一个1024的FFT样本.明显的做法是取样品0→1023,然后取1024→2047等等.不幸的是没有给出最好的结果.理想情况下,您希望在某种程度上与窗口重叠,以便随着时间的推移变得更平滑.最常见的人将窗户滑动一半窗口大小.即您的第一个窗口将为0→1023第二个512→1535等等.

现在这又带来了另外一个问题.虽然这个信息提供了完美的逆FFT信号重建,但它让您遇到一些问题,即频率会在一定程度上泄漏到环绕箱中.为了解决这个问题,一些数学家(比我更智能)提出了一个window function的概念.窗口功能在频域提供了更好的频率隔离,尽管导致时域信息的丢失(即它不可能在使用窗口函数AFAIK后,完美重构信号.

现在有各种类型的窗口函数,从矩形窗口(对信号无效)到提供更好的频率隔离的各种功能(尽管有些也可能会杀死您感兴趣的周围频率).唉,没有一个大小适合所有,但我是黑曼哈里斯窗口功能的大风扇(对于频谱图).我认为它给了最好的结果！

然而,如前所述,FFT为您提供了非标准化频谱.为了使频谱正常化(在进行欧几里得距离计算之后),需要将所有值除以归一化因子(更详细的说明here).

这种规范化将为您提供0到1之间的值.因此,您可以轻松地将此值乘以100,以获得0到100的比例.

然而,这不是它结束的地方.你从中获得的光谱相当不满意.这是因为您正在使用线性尺度来查看幅度.不幸的是,人耳听到使用对数刻度.这相当引起了光谱图/光谱的看法.

为了得到这个结果,您需要将这些0值转换为1(我称之为“x”)为分贝量表.标准转换为20.0f * log10f( x ).这将为您提供一个值,其中1已转换为0,0已转换为-infinity.你的数值现在在适当的对数尺度.但它并不总是那么有帮助.

此时您需要查看原始采样位深度.在16位采样时,您将获得一个介于32767和-32768之间的值.这意味着您的dynamic range是fabsf(20.0f * log10f(1.0f / 65536.0f))或〜96.33dB.所以现在我们有这个价值.

从上面的dB计算得出我们得到的值.将此-96.33值添加到它.显然最大振幅(0)现在为96.33.现在用同样的数值来表示,你现在有一个从-infinity到1.0f的值.将下限固定为0,您现在的范围从0到1,并将其乘以100,并且您的最终0到100范围.

而且这是一个比我原来想要的更多的怪物帖子,但应该给你一个良好的基础,如何为输入信号生成一个良好的频谱/谱图.

呼吸

进一步阅读(对于已经找到原始海报的人除外)

Converting an FFT to a spectogram

编辑：除了我发现亲吻FFT更容易使用,我的代码执行一个前进fft如下：

CFFT::CFFT( unsigned int fftOrder ) :
    BaseFFT( fftOrder )
{
    mFFTSetupFwd    = kiss_fftr_alloc( 1 << fftOrder,NULL,NULL );
}

bool CFFT::ForWARDFFT( std::complex< float >* pOut,const float* pIn,unsigned int num )
{
    kiss_fftr( mFFTSetupFwd,pIn,(kiss_fft_cpx*)pOut );
    return true;
}