Question

我试图通过检测存在的最高频率来分析文件的音频质量（压缩音频通常会被过滤到低于20KHz的频率）。

我使用soundstretch库中的类来读取WAV文件数据，该类将PCM样本作为浮点数返回，然后使用fftw3库对这些样本执行FFT。然后对于每个频率（四舍五入到最接近的KHz），我总计该频率的幅度。

因此，对于不包含16KHz以上频率的低质量文件，我预计在16KHz以上没有振幅或振幅很小，但是我没有得到我期望的结果。以下是我的代码：

#include <iostream>
#include <math.h>

#include <fftw3.h>
#include <soundtouch/SoundTouch.h>
#include "include/WavFile.h"

using namespace std;
using namespace soundtouch;

#define BUFF_SIZE           6720
#define MAX_FREQ            22//KHz

static float freqMagnitude[MAX_FREQ];

static void calculateFrequencies(fftw_complex *data, size_t len, int Fs) {
    for (int i = 0; i < len; i++) {
        int re, im;
        float freq, magnitude;
        int index;

        re = data[i][0];
        im = data[i][1];

        magnitude = sqrt(re * re + im * im);
        freq = i * Fs / len;

        index = freq / 1000;//round(freq);
        if (index <= MAX_FREQ) {
            freqMagnitude[index] += magnitude;
        }
    }
}

int main(int argc, char *argv[]) {
    if (argc < 2) {
        cout << "Incorrect args" << endl;
        return -1;
    }

    SAMPLETYPE sampleBuffer[BUFF_SIZE];
    WavInFile inFile(argv[1]);

    fftw_complex *in, *out;
    fftw_plan p;

    in = (fftw_complex*) fftw_malloc(sizeof(fftw_complex) * BUFF_SIZE);
    out = (fftw_complex*) fftw_malloc(sizeof(fftw_complex) * BUFF_SIZE);

    p = fftw_plan_dft_1d(BUFF_SIZE, in, out, FFTW_FORWARD, FFTW_ESTIMATE);

    while (inFile.eof() == 0) {
        size_t samplesRead = inFile.read(sampleBuffer, BUFF_SIZE);

        for (int i = 0; i < BUFF_SIZE; i++) {
            in[i][0] = (double) sampleBuffer[i];
        }

        fftw_execute(p); /* repeat as needed */

        calculateFrequencies(out, samplesRead, inFile.getSampleRate());
    }

    for (int i = 0; i < MAX_FREQ; i += 2) {
        cout << i << "KHz magnitude: " << freqMagnitude[i] << std::endl;
    }

    fftw_destroy_plan(p);
    fftw_free(in);
    fftw_free(out);
 }

可以编译： - （你需要soundtouch库和fftw3库）

g++ -g -Wall MP3.cpp include/WavFile.cpp -lfftw3 -lm -lsoundtouch -I/usr/local/include -L/usr/local/lib

以下是我正在测试的文件的光谱分析：

Spek screenshot

正如您所看到的那样，它被削减为16KHz，但我的结果如下：

0KHz magnitude: 4.61044e+07
2KHz magnitude: 5.26959e+06
4KHz magnitude: 4.68766e+06
6KHz magnitude: 4.12703e+06
8KHz magnitude: 12239.6
10KHz magnitude: 456
12KHz magnitude: 3
14KHz magnitude: 650468
16KHz magnitude: 1.83266e+06
18KHz magnitude: 1.40232e+06
20KHz magnitude: 1.1477e+06

我希望没有超过16KHz的振幅，我这样做了吗？我的频率计算是否正确？（我从另一个stackoverflow答案中抢了它）可能与2个频道有关，而且我没有分开频道吗？

为任何帮助人员干杯。

Answer 1

您可能正在测量两个立体声声道之间的交错差异，这可能包括由于混音和声像不均匀导致的高频。再次尝试将通道分离或混合为单声道，并使用平滑窗口功能来减少FFT孔径边缘伪影，这也会因矩形窗口而引入少量高频噪声。

Answer 2

FFT基本要求是样本的时间间隔和它们的一致性在您的情况下，FFT算法的立体声信号提供了两倍于它们之间不相关的样本数量。在数学上看到的是两个通道之间的自然相位差异，但更重要的是，两个样本由于无关，可能有如此大的差异而错误地表示方波（在时域中它将由极端表示高信号转换率。）作为解决方案，您必须将两个通道分开，并对一个系列的样本或两个不同的FFT执行FFT 我不认为可能存在任何混叠问题，因为这通常与采样过程有关并且使用具有带通频率<1的模拟滤波器来执行。 1/2采样频率（奈奎斯特或抗混叠滤波器）。如果错过了这个过滤，那么几乎没有办法去掉鬼魂（别名谱）。

Answer 3

我说的是十多年前有非常轻微的实际经验和书本学习的人所以这个答案可能是一些知识是危险的证据，但我认为你看到的问题只是别名。

想象一下完美的方波。你从来没有听过一个完美的方波，因为它需要一个声源立即从一个位置转换到另一个位置，同时仍然推动空气颗粒。

您也无法描述具有有限数量谐波的方波。但是，您可以简单地描述具有任何PCM音频频率的方波。因此，任何源PCM音频都可能包含无限多个谐波。

你可以做的就是坐在Nyquist上面，并说如果输入音频是N Mhz那么可以是实际信号的最高频率部分是N / 2 Mhz;因此，您可以将输入波重新采样至第一速率的两倍，小于或等于N / 2 Mhz，显示重要信号而不会丢失有意义的内容。

如何对WAV文件数据执行FFT？

3 个答案: