Question

所以我设置了一个AudioRecord，使用FFT来确定音符确定的频率。

在设置过程中，我要求

AudioRecord.getMinBufferSize(rate, channelConfig, audioFormat)

然后我有一些if语句将它设置为下一个更大的2的幂。对于我的手机，通常为2048（2 ^ 11）。目的是我执行的下一件事是FFT，算法要求缓冲区长度为2的幂。

如果我错了，请纠正我，但我觉得你找到最小缓冲区大小的原因是因为它会减少延迟。

在我阅读之前，这一切都很好，为了准确地确定具体的音符，特别是那些频率较低的音符，你必须有更大的样本量来提供给FFT;优选样品大小大于16384（2 ^ 14）。

我猜我遇到的问题是。当我创建AudioRecord时：

AudioRecord recorder = new AudioRecord(MediaRecorder.AudioSource.DEFAULT,
                  rate, channelConfig, audioFormat, bufferSize1);

我可以使用一个缓冲区大小，更小的延迟，然后当我读取缓冲区时：

AudioRecord().read(thisbuffer, 0, bufferSize2);

在将其发送到FFT之前，使用不同长度的缓冲区大小？或者有更好的方法吗？

Answer 1

首先，对于“音符”判定来说，FFT是一个不好的选择，因为对于通常想要估计音高的音符，而不是频谱频率，这是由于心理声学导致的两个非常不同的事物。

对于加窗FFT，在FFT窗口中间附近最精确地确定频谱频率。因此，使用更长的FFT，即使在非常短的输入缓冲器大小之后通过重叠重复它们，也将产生大约FFT长度的一半的延迟。

但更频繁地重复FFT（通过在短输入缓冲延迟后重叠它们）将为您提供更好的时间分辨率，如果不是更快的延迟。为了实现更低的延迟，您需要使用更短的FFT，并丢失频率分辨率，或使用其他频率或音调估计器，这也将具有其他时间 - 频率 - 稳健性权衡。