我正在探索语音识别和DSP，因此我想在我的智能手机上实现一个简单的声音频率分析仪（我有一部iPhone和一部运行Android的三星Nexus S）。我以前在Matlab中完成了基本的DSP。
根据我的理解，我需要执行FFT来获得信号的基频。
现在，我想以44100 Hz的频率对麦克风进行采样。如果我使用样本大小为512且重叠率为50％的滑动窗口，则意味着我需要每256个样本进行一次FFT，或者0.00580秒。
这个比率看起来真的很高，特别是如果我用Java编写Android版本。我的智能手机能够处理这个速度吗？我知道你可以在Android上使用C / C ++编程，但我想暂时保留它。
答案 0 :(得分：9)
执行实数到复数FFT需要~5 / 2 n lg n个浮点运算（加法和乘法）。在你的情况下，n = 512，所以：
flops per fft ~= (5/2) * 512 * 9 = 11520
因此，每秒172个fft每秒需要大约200万个浮点运算。这听起来很多，但实际上并不是那么多。典型的armv7级智能手机的硬件每秒能够进行数亿或数十亿次浮点运算。
但请注意，您需要精心编写的高性能FFT;写得不好的FFT是众所周知的低效率。在iPhone上，您可以使用Accelerate框架（内置于操作系统中，并在SDK中提供），它提供了一组很好的FFT功能;我不确定Android上有哪些功能。
答案 1 :(得分：5)
对于iPhone，iOS的Accelerate框架可以按照CPU时间的1％（精确百分比取决于设备型号和FFT数据类型）执行您指定的所有FFT。
对于Android，您可能非常想考虑使用NDK本机库进行处理器密集型数值计算。
另请注意，FFT会为您提供峰值频率，但不一定包括基频或音调频率。
ADDED：这个Java benchmark web page表明Android手机能够在5到50多个MFlops的范围内使用Java进行精心编写的矩阵数学运算。精心编写的FFT应该与MFlops的性能范围大致相同。 @Stephan Cannon发布了您的规格可能需要2 MFlops的订单。
答案 2 :(得分：3)
您的Android设备将能够处理这个问题。我已经编写了几年前在Windows Mobile设备上运行的基于FFT的实时频率分析仪（使用纯C＃），这些设备的处理器比当前的Android设备差得多。 FFT计算成本最高的方面是trig函数，由于你使用的是固定大小的窗口，你可以用预先计算的查找表轻松替换trig函数调用。
答案 3 :(得分：1)
另外，您可以通过降低采样率来减少计算时间。语音在8 kHz以上没有太多能量，因此在进行任何FFT之前，您可能会将音频下采样到16 KHz，而不会损失太多精度。在16 kHz时，您的FFT会更小，速度更快。
Wikipedia claims 16 kHz是桌面应用中语音识别的标准采样率。
（我意识到这并没有回答OP的问题，但我认为，鉴于他的申请，对他来说可能会有所帮助。）