在FFT程序中如何表示使用声波（正弦波，1000Hz，3sec，-3dBFS，44.1kHz）？该程序的输入是振幅和采样率列表。
我的意思是如何将声音文件（例如XYZ.wav文件）转换为FFT的输入，其中输入参数之一需要采用由幅度组成的.dat文件，而其他输入参数则需要采用采样率，如果任何必要。
答案 0 :(得分：0)
通常，当您执行fft调用时，会提供一维数组来表示时域中的曲线，通常这是您的音频曲线，但是fft会变换任何时间序列曲线...当您从音频文件开始时，假设是wav文件，则必须将二进制数据转换为此浮点1D数组...如果是wav，则文件将以44字节的标头开头，该标头详细说明了诸如采样率，位深度和字节序等基本属性...其余wav文件的一部分是有效负载...根据位深度，您将需要解析一组字节，然后将数据从通常的16位转换为数据，这将通过进行一些移位将两个字节转换为整数...您需要了解字节序（大字节序或小字节序）的概念，以及处理像立体声这样的多通道信号的交织...一旦生成了浮点数组表示，就将其馈送到fft调用中。 ..对于初学者，请忽略使用wav文件， d只需合成您自己的正弦曲线并将其输入到fft调用中，只是为了确认已知的频率将导致以其频域表示的该频率从fft调用中消失
从fft调用（或DFT）返回的响应将是一维复数数组...有一个简单的公式可以计算此fft结果集中每个频率的幅度和相位...请注意奈奎斯特极限是什么，以及如何仅将频域域数组折叠到自身顶部以使幅度加倍，而仅使用该频域域数组的一半元素...此频域域数组的元素0是您的DC偏移量，以及每个后续值元素称为频点，频点通过恒定的频率增量彼此分隔开，频率增量也由一个简单的公式计算得出...如果对这些公式感兴趣，请回返
现在，您可以欣赏在整个api生涯中全力以赴地开展工作的人们，这些api调用...一起砍掉30行api调用来执行以上所有操作的方法可能很实用，但是到目前为止更加荣幸地编写代码以手工完成自己之上的一切，因为我知道这将为您开辟新的视野，使您能够解决更细微的问题
通过进行fft调用将时域曲线转换为频域曲线的一个非常有趣的方面是，您保留了源信号的所有信息...为证明这一点，我强烈建议您接受下一步并通过将fft调用的输出转换回时域来执行对称操作
时域中的音频曲线-> fft->频率域表示->逆fft->返回时域中的原始音频曲线
此转换周期非常强大，因为它是一种很好的方法，可让您确认音频曲线到频率域是否正常工作