Question

我有一个假设的问题来理解这个概念..

假设我用8000hz的采样率捕获了一个单声道语音片段，即数据中的4096字节。通过大小为256的FFT输入前512字节（16位编码）将返回128个值，我将其转换为幅度。所以这个输出的频率是

FFT BIN #1
0: 0*8000/256
1: 1*8000/256
.
.
127: 127*8000/256

到目前为止这么好吗？所以现在剩下3584字节的未处理数据。所以我在512字节的数据上执行另一个256大小的fft。并获得相同数量的结果.. 所以为此，我再次拥有以下频率：

FFT BIN #2:
Example1:
0: 0*8000/256
1: 1*8000/256
.
.
127: 127*8000/256

或

FFT BIN #2
Example2:
128: 129*8000/256
139: 130*8000/256
.
.
255: 255*8000/256

因为我想绘制这个幅度/频率图。但是我不明白所有这些fft箱是否应该像examaple1一样重叠在相同的频率上，或者像第二个例子一样展开。

还是我想做一些完全多余的事情？因为我想要完成的是找到每30-50ms时间帧的峰值放大器值用于比较其他声音文件..

如果有人能为我解决这个问题，我将非常感激。

Answer 1

您的FFT结果箱代表每个FFT中的同一组频率，如您的示例＃1，但是对于不同的时间段。

每个FFT允许您在大约12 mS的时间范围内绘制幅度与频率的关系。

您还可以将FFT幅度相加到一起，以获得更长时间帧的Welch方法PSD（功率谱密度）。

Answer 2

如果要查找每30-50ms时间帧的峰值放大器值，您只需在每个时间帧中绘制信号的放大器频谱。

另外，如果你为每帧采用256个样本的FFT，那么你应该得到129个而不是128个频率分量。第一个是直流分量，最后一个是奈奎斯特频率分量。