Question

由于某种原因，频率被置换

 391 hz => 1162
 440 hz => 2196
 493 hz => 2454

我正在使用此值

 final int audioFrames= 1024;
 final float sampleRate= 44100.0f;
 final int bitsPerRecord= 16;
 final int channels= 1;
 final boolean bigEndian = true;
 final boolean signed= true;

 byteData= new byte[audioFrames * 2];  //two bytes per audio frame, 16 bits
 dData= new double[audioFrames * 2];  // real & imaginary

这就是我准备数据并将其转换为双精度的方式：

format = new AudioFormat(sampleRate, bitsPerRecord, channels, signed, bigEndian);
DataLine.Info info = new DataLine.Info(TargetDataLine.class, format); 
microphone = (TargetDataLine) AudioSystem.getLine(info);
microphone.open(format);
microphone.start();
int numBytesRead =  microphone.read(byteData, 0, byteData.length);

读取数据后，从16位，big endian转换，签名为double

 public void byteToDouble(){
    ByteBuffer buf= ByteBuffer.wrap(byteData);
    buf.order(ByteOrder.BIG_ENDIAN);
    int i=0;
    while(buf.remaining()>1){
        short s = buf.getShort();
        dData[ 2 * i ] = (double) s / 32768.0; //real 
        dData[ 2 * i + 1] = 0.0;    // imag
        ++i;
    }
}

最后，运行FFT并找到频率：

 public void findFrequency(){

    double frequency;

            DoubleFFT_1D fft= new DoubleFFT_1D(audioFrames); 
/* edu/emory/mathcs/jtransforms/fft/DoubleFFT_1D.java */

    fft.complexForward(dData); // do the magic so we can find peak      
    for(int i = 0; i < audioFrames; i++){
        re[i] = dData[i*2];
        im[i] = dData[(i*2)+1];
        mag[i] = Math.sqrt((re[i] * re[i]) + (im[i]*im[i]));
    }

    double peak = -1.0;
    int peakIn=-1;
    for(int i = 0; i < audioFrames; i++){
        if(peak < mag[i]){
            peakIn=i;
            peak= mag[i];
        }
    }
    frequency = (sampleRate * (double)peakIn) / (double)audioFrames;
    System.out.print("Peak: "+peakIn+", Frequency: "+frequency+"\n");
}

Answer 1

您可以在FFT结果区间（抛物线或Sinc插值）之间进行插值，以获得更准确的频率估计。但是你可能会遇到一个更大的问题：你的频率源可能会产生（或被剪切产生）一些非常强的奇次谐波或泛音，它们会掩盖FFT结果幅度中的任何基波正弦曲线。因此，您应该尝试使用音调检测/估计算法，而不是仅仅尝试寻找（可能缺失的）FFT峰值。

Answer 2

首先，如果您录制的音频很长，则需要在块中进行FFT，最好在执行FFT之前对每个块进行加窗。 FFT仅计算一个基频，因此如果频率改变很多次，您需要在许多地方进行FFT。

滑动窗户也可以提高准确度。这意味着您将获取一个块，然后稍微滑动并取出另一个块，以便块重叠。您滑过多少是可变的，每个块的大小也是可变的。

然后，单独使用FFT可能会产生错误的结果。您可以对FFT产生的功率谱进行更多分析，如倒谱分析或谐波产品频谱分析，以更准确地估算音调。

如何从java-fft中获取PCM数据的频率

2 个答案: