我正在尝试从音频流中提取音高数据。从我所看到的情况来看，FFT似乎是最好的算法。
不是直接挖掘数学，有人可以帮我理解这个FFT算法的作用吗？
请不要说'FFT从原始信号中提取频率数据'。我需要更高层次的细节。
我传递了什么，我该怎么办？
一旦我清楚地理解了界面，这将有助于我理解实施。
我认为我需要传入一个音频缓冲区，我需要告诉它每个计算要使用多少字节（比如说这个缓冲区最近的1024个字节）。也许我需要指定我想要它检测的音高范围。现在它会回传什么？一系列频率箱？这些是什么？
（编辑:)我找到了一个可以使用的C ++算法（如果我只能理解它）
Performous从麦克风中提取音高。代码也是开源的。下面是对编码它的人所做的算法的描述。
但有人可以帮我理解这是如何运作的吗？什么是从FFT发送到重新分配方法？
答案 0 :(得分：3)
FFT只是该过程中的一个构建块，它可能不是音调检测的最佳方法。阅读音高检测并决定首先要使用哪个算法（这将取决于你究竟要测量的音量，单个乐器，其他类型的声音等等。在进入低音之前先做好准备诸如FFT之类的电平细节（一些但不是所有的音调检测算法都在内部使用FFT）。
关于SO已经有很多类似的问题，例如： Real-time pitch detection using FFT和Pitch detection using FFT for trumpet，还有好overview material on Wikipedia等 - 阅读这些内容，然后决定是否仍要推出自己的基于FFT的解决方案，或者使用适合的现有库你的特定应用。
答案 1 :(得分：2)
这里有一个选择元素。最直接的实现是复杂的数字（2 ^ n个样本）和2 ^ n个复数，所以也许你应该从那开始。
在DCT（离散余弦变换）的特殊情况下，通常进入的是2 ^ n个样本（通常是浮点数），并且输出2 ^ n个值，通常也是浮点数。 DCT是一个FFT，但它仅采用实数值，并根据余弦分析函数。
定义用于处理复杂值的结构是明智的（但通常会被跳过）。传统上，FFT是就地完成的，但如果不这样做，它就可以正常工作。
实例化包含FFT工作缓冲区的类（如果您不想就地进行FFT）并将其重用于多个FFT可能很有用。
答案 2 :(得分：1)
进入N个PCM样本（纯粹的真实复数）。输出来自频域的N个区间（每个区间对应于1 / N切片的采样率）。每个bin都是一个复数。这些值通常应以极坐标格式（绝对值和参数）处理，而不是实部和虚部。绝对值表示靠近箱中心频率的声音量，而参数告诉相位（正弦波正在哪个位置行进）。
编码人员通常只使用幅度（绝对值）并丢弃相位角（参数）。