出于研究目的，我正在使用FFTW（以及用于声音传递的PortAudio）在C ++中构建实时混响卷积引擎，并使用重叠加法进行卷积。其中大部分都在起作用，但会产生一种非常奇特的效果。虽然我不明白为什么，但听起来好像脉冲响应变得对称：h[n]变为h[n] + h[-n]。有谁知道以下我描述的方式执行FFT会产生这种影响吗？
基本上，我的流程如下：
h，脉冲响应m长样本x，声音n长样本FFT_SIZE，分区大小/窗口大小 n > m因子为3，但FFT_SIZE要小得多（目前为1024）
我将x分成FFT_SIZE长度的部分。因为我将使用h对每个窗口进行卷积，所以我将每个窗口复制到长度为n+m - 1个样本的0填充缓冲区中，并执行正向FFT，从而保存生成的复杂数组。 （我有n/FFT_SIZE个复杂的数组。）现在我使用没有重叠的矩形窗口，如果我在解决这个问题后改进了东西就会实现Hamming。
我还在0-padding到h之后执行n+m - 1的单个正向FFT，并存储与其他相同大小的单个复数数组。
PortAudio像大多数音频引擎一样调用回调来定期填充带有声音数据的缓冲区out。在我的回调中（通过设计请求FFT_SIZE音频样本，我每次都选择表示下一个窗口的复杂数组（因为一个回调调用对应于与FFT的一个窗口相同的声音长度）。
我使用FFT-ing h进行逐点乘法运算，然后执行IFFT。产生的声音缓冲区长n+m-1，比FFT_SIZE大得多，因此我只将开头复制到out缓冲区，并将其余部分添加到重叠/进位缓冲区（累积混响尾音）在将进位缓冲区的开头移动到out之后（每次回调调用）（因此out现在包含一个窗口的新IFFT数据添加到一个窗口＆＃39;值得先前计算的衰变尾部。）
就像我之前提到的那样，听起来好像脉冲响应不是正确的FFT，并且导致行为就好像是对称的 - 反转然后添加到自身。我不确定我做错了什么，但是我无法看到我的携带问题是如何产生这种效果的 - 虽然我是，但我很高兴发现了这个错误！
我最好的猜测是，我应该以{{1}}的方式进行窗口化。但是，根据我读过的文献，您只需将h的每个窗口与整个x进行卷积并执行进位。这可能是错的吗？
感谢您的帮助！
答案 0 :(得分：2)
当逐点乘以2个FFT向量时，算术似乎是错误的。复矢量乘法必须考虑实部和虚部之间的叉积。例如re = re1 * re2 - im1 * im2; im = re1 * im2 + re2 * im1等。