傅里叶变换的最佳方法
我们需要不断地获取iPhone音频插孔麦克风输入的音频纯频率，并识别特定频率。
我已经阅读了两种 FFT（/傅立叶变换）方法：AurioTouch 或使用 Accelerate 框架。我还找到了一个关于识别打击的教程，我不明白它是否只适用于麦克风，或者也适用于麦克风输入插孔？ （一样吗？）
苹果AurioTouch看起来又大又重，据我从大学了解到的，傅立叶数学只是对指数的西格玛进行采样。
对我来说实现这个的最好方法是什么？最简单的方法？ 我无法理解Apple文档中的某些内容，它充满了文件和代码，并且没有人指导您准确一步一步地如何做到这一点。（每个文件的作用是什么？ccp文件？！）
还有其他的，最好的方法是什么识别音频插孔上的短路，就像 Apple 耳机开关一样？
We need to get constantly- audio pure frequencies to the iPhone audio jack mic input, and recognize specific frequency.
i have read about 2 ways of FFT(/fourier transform) : AurioTouch , or using Accelerate framework. i also found a tutorial on recognize a blow-which I couldn't understand if it works only on the mic, or also from the mic input jack? (same?)
The apple AurioTouch seems so big and heavy, and as far as I know from University, the math of the Fourier is just a sigma of exponents -sampled.
What is the best way for me to implement this? the easiest way?
I cant understand something from the Apple documentation, it's full of files and code, and no one direct you on exactly step by step how to do that.(what each file does? ccp files?!)
Something else, what's the best way to recognize a short on the audio jack, as the Apple headphones switches does ?
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
一定要使用 Accelerate 框架提供的 FFT 函数，因为这是 iPhone 上进行大规模并行矢量运算最优化的框架。
Definitely use the FFT functions provided by Accelerate framework because this is the most highly optimized framework on iPhone for doing massively parallel vector arithmetic.