因此，我正在尝试构建一个Android应用程序，它充当实时音频分析器，作为项目的前身，将涉及检测和过滤掉某些声音。
所以我认为我已经完成了离散傅立叶变换的基础知识，但是我不确定进行实时频率分析的最佳参数应该是什么。
我得到的印象是，在理想情况下（无限的计算能力），我会从我从AudioRecord类获得的44100样本/秒PCM流中获取所有样本并将它们放入44100元素fifo“窗口” （填充到2 ** 16，0和可能是逐渐变细的函数？），每次有新样本进入窗口时都会运行FFT。这样（我想），给我的频谱为0 - ~22 KHz更新44100每秒一次。
似乎这不会发生在智能手机上。问题是，我不确定我应该减少哪些计算参数，以使其在我的Galaxy Nexus上易于处理，同时仍然保持尽可能多的质量。最后我想使用灵敏度更高的外置麦克风。
我认为它将涉及在采用FFT之间移动窗口多个样本，但我不知道在什么时候这对精度/混叠/不仅仅是在较小的窗口上进行FFT，或者如果有是我忽略的第三种选择。
使用libgdx本机实现的KissFFT，我似乎能够在每44100个样本的30-42 44100个元素FFT之间进行某些操作，并且仍然具有响应性（意味着缓冲区从线程中填充） AudioRecord.read（）的填充速度并不比执行fft的线程可以耗尽它的速度快。
所以我的问题是：
我很乐意展示我的任何代码，如果这有助于回答我的问题，但是有很多代码，所以我认为我会选择性地这样做，而不是全部发布。
答案 0 :(得分：2)
如果有第三种选择，我会忽略
是：同时执行这两项操作，缩小FFT大小以及增大步长。在评论中你指出你想要检测“用嘴嗅闻/咀嚼”。所以，你想要做的是类似于语音识别的典型任务。在那里，您通常以10ms的步长提取特征向量（意味着每441个样本的Fs = 44.1kHz），并且要变换的信号窗口大约是步长大小的两倍，因此20ms产生2 ^ X FFT大小为1024个样本（确保选择FFT大小为2的幂，因为它更快）。
窗口大小的任何增加或步长的减小都会增加数据，但主要是增加冗余。
其他提示：
@SztupY正确地指出你需要在FFT之前“窗口”你的信号，通常是汉明 - wondow。 （但这不是“过滤”。它只是将每个样本值乘以相应的窗口值而不累积结果）。
原始FFT输出几乎不适合识别“用嘴嗅闻/咀嚼”，经典识别器由处理MFCC及其增量序列的HMM或ANN组成。
我目前的表现能否成为我将获得的最佳表现？或者看起来我必须是愚蠢的东西，因为更快的速度是可能的？
它接近最好，但是你浪费了所有的CPU能力来估算高度冗余的数据，不会给识别器留下任何CPU能力。
我对此的处理方法至少从根本上是正确的，还是我完全吠叫错误的树？
在考虑我的回答之后，你可能会重新思考你的方法。