Android音频FFT显示基频

Question

我已经在一个 Android 项目上工作了一段时间，该项目显示输入信号的基频（充当调谐器）。我已经成功实现了 AudioRecord 类并正在从中获取数据。但是，我很难对此数据执行 FFT 来获取输入信号的基频。我一直在此处查看帖子 ，并且正在使用 Java 中的 FFT 和复杂类与之配合。

我已成功使用 Java 中的 FFT 中的 FFT 函数，但我不确定是否获得了正确的结果。对于 FFT 的幅度 (sqrt[rere+imim])，我得到的值一开始很高，大约 15000 Hz，然后慢慢减小到大约 300 Hz。似乎不对。

另外，就麦克风的原始数据而言，数据似乎很好，除了前 50 个值左右始终是数字 3，除非我仍在应用程序中再次按下调谐按钮，然后我只能得到大约15.这正常吗？

这是我的一些代码。

首先，我使用以下代码将短数据（从麦克风获得）转换为双精度数据，该代码来自 我一直在看的帖子。这段代码我不完全理解，但我认为它有效。

//Conversion from short to double
double[] micBufferData = new double[bufferSizeInBytes];//size may need to change
final int bytesPerSample = 2; // As it is 16bit PCM
final double amplification = 1.0; // choose a number as you like
for (int index = 0, floatIndex = 0; index < bufferSizeInBytes - bytesPerSample + 1; index += bytesPerSample, floatIndex++) {
    double sample = 0;
    for (int b = 0; b < bytesPerSample; b++) {
        int v = audioData[index + b];
        if (b < bytesPerSample - 1 || bytesPerSample == 1) {
            v &= 0xFF;
        }
        sample += v << (b * 8);
    }
    double sample32 = amplification * (sample / 32768.0);
    micBufferData[floatIndex] = sample32;
}

然后代码继续如下：

//Create Complex array for use in FFT
Complex[] fftTempArray = new Complex[bufferSizeInBytes];
for (int i=0; i<bufferSizeInBytes; i++)
{
    fftTempArray[i] = new Complex(micBufferData[i], 0);
}

//Obtain array of FFT data
final Complex[] fftArray = FFT.fft(fftTempArray);
final Complex[] fftInverse = FFT.ifft(fftTempArray);

//Create an array of magnitude of fftArray
double[] magnitude = new double[fftArray.length];
for (int i=0; i<fftArray.length; i++){
    magnitude[i]= fftArray[i].abs();
}


fft.setTextColor(Color.GREEN);
fft.setText("fftArray is "+ fftArray[500] +" and fftTempArray is "+fftTempArray[500] + " and fftInverse is "+fftInverse[500]+" and audioData is "+audioData[500]+ " and magnitude is "+ magnitude[1] + ", "+magnitude[500]+", "+magnitude[1000]+" Good job!");
for(int i = 2; i < samples; i++){
    fft.append(" " + magnitude[i] + " Hz");
}

最后一点只是检查我得到的值（并让我保持理智！）。在上面提到的帖子中，它谈到了需要采样频率并给出了这段代码：

private double ComputeFrequency(int arrayIndex) {
    return ((1.0 * sampleRate) / (1.0 * fftOutWindowSize)) * arrayIndex;
}

如何实现这段代码？我不太明白 fftOutWindowSize 和 arrayIndex 来自哪里？

非常感谢任何帮助！

达斯汀

Answer 1

最近我正在做一个需要几乎相同的项目。也许你不再需要任何帮助，但无论如何我都会给出我的想法。也许将来有人需要这个。

1. 我不确定短到双功能是否有效，我也不理解该代码片段。它是为字节到双精度转换而编写的。
2. 在代码中： "double[] micBufferData = new double[bufferSizeInBytes];" 我认为 micBufferData 的大小应该是“bufferSizeInBytes / 2 ”，因为每个样本占用两个字节，并且 micBufferData 的大小应该是样本号。
3. FFT 算法确实需要 FFT 窗口大小，并且它必须是 2 的幂的数字。然而，许多算法可以接收任意数字作为输入，然后它将完成其余的工作。在那些算法的文档中应该有输入的要求。在您的情况下，Complex 数组的大小可以是 FFT 算法的输入。我真的不知道FFT算法的细节，但我认为不需要逆算法。

4. 要使用您最后给出的代码，您应该首先在样本数组中找到峰值索引。我使用 double 数组作为输入而不是 Complex，所以在我的例子中，它类似于： double maxVal = -1;int maxIndex = -1;

   for( int j=0; j < mFftSize / 2; ++j ) {
       双v = fftResult[2*j] * fftResult[2*j] + fftResult[2*j+1] * fftResult[2*j+1];
       if( v > maxVal ) {
           最大值=v；
           最大索引 = j;
       }
   }
   

   2*j 是实部，2*j+1 是虚部。 maxIndex 是您想要的峰值幅度的索引（更多详细信息此处），并将其用作 ComputeFrequency 函数的输入。返回值是您想要的样本数组的频率。

希望它可以帮助某人。

Answer 2

您应该根据时间与频率分辨率要求选择 FFT 窗口大小，而不仅仅是在创建 FFT 临时数组时使用音频缓冲区大小。

数组索引是您的 int i，如您的模量 [i] 打印语句中所使用的那样。

音乐的基本音调频率通常与 FFT 峰值幅度不同，因此您可能需要研究一些音调估计算法。

Answer 3

我怀疑您得到的奇怪结果是因为您可能需要解压 FFT。如何完成此操作取决于您使用的库（请参阅 此处 有关如何将其打包到 GSL 中的文档）。堆积可能意味着实部和虚部不在数组中您期望的位置。

对于有关窗口大小和分辨率的其他问题，如果您正在创建调谐器，那么我建议尝试大约 20ms 的窗口大小（例如 44.1kHz 下的 1024 个样本）。对于调谐器，您需要相当高的分辨率，因此您可以尝试按 8 或 16 倍进行零填充，这将为您提供 3-6Hz 的分辨率。