求解 WAV 文件中的振幅和频率
Solving for Amplitude and Frequency in WAV files
我也在 Sound Design 论坛上问过这个 here，但问题是重型计算机 science/math 所以它实际上可能属于这个论坛：
因此，通过读取文件中的二进制文件（不幸的是，这正是我所知道的），我能够成功找到关于 WAV 文件的所有信息，除了大 sin 函数的振幅和频率（赫兹）寻找）。只是为了验证我在说什么，该文件仅使用等式生成一波：
F(s) = A * sin(T * s)
其中s为当前样本，A为振幅，T为周期。现在 T（周期）的等式是：
T = (2π * Hz) /(α * ω)
其中 Hz 是以赫兹为单位的频率，α 是每秒采样数，ω 是通道数。
现在我知道要求解振幅，我可以简单地找到 F(s) 的值，其中
s = (π/2)/T
因为这样正弦函数的值就是1，最后的值就等于A。问题是除以T，我必须知道赫兹（或赫兹）。
有什么方法可以读取 WAV 文件以从数据中发现赫兹，假设该文件仅包含一个波形。
为了澄清一些术语，您要查找的属性 是频率，频率的单位是赫兹（每秒一次）。按照惯例，典型的 A 音符的频率为 440 Hz。
实际上你把函数弄错了。现实中的正弦波具有 F(s) = A * sin(2*pi*s/T + c) 的形式——你不知道它是什么时候开始的，所以你在那里得到一个常数 c。此外，您需要除以 T，而不是乘法。
获取振幅实际上相当容易。该正弦波具有一系列 op 波峰和波谷。找到每个峰值（高于两个相邻峰值）和每个谷值（较低），计算平均峰值和平均谷值，幅度是两者之差的两倍。相当容易。周期 T 可以通过计算峰到峰和谷到谷的平均距离来估计。
有一点需要注意。如果有一点点噪音，您可能会在峰值附近出现轻微凹痕。而不是 14 17 18 17 14 你可能会得到 14 17 16 17 14。那个 16 不是山谷。一旦您对真实的峰值和谷值有了很好的估计，就可以去掉所有扭曲的峰值。
问题不是“什么频率？”。如果您的函数不是简单的三角函数，它将是频率的组合，每个频率都有自己的振幅。
正确的方法是使用 finite Fourier transform 进行数字信号处理。你有很多挖掘工作要做。
如果您只想假设一个单一的三角函数，那么文件中只有 2 个（幅度和频率）或 3 个自由度（幅度、频率和相位角）和 N 个时间点。这意味着 least squares fitting 假设正弦或余弦函数。
我也在 Sound Design 论坛上问过这个 here，但问题是重型计算机 science/math 所以它实际上可能属于这个论坛：
因此，通过读取文件中的二进制文件（不幸的是，这正是我所知道的），我能够成功找到关于 WAV 文件的所有信息，除了大 sin 函数的振幅和频率（赫兹）寻找）。只是为了验证我在说什么，该文件仅使用等式生成一波：
F(s) = A * sin(T * s)
其中s为当前样本，A为振幅，T为周期。现在 T（周期）的等式是：
T = (2π * Hz) /(α * ω)
其中 Hz 是以赫兹为单位的频率，α 是每秒采样数，ω 是通道数。
现在我知道要求解振幅，我可以简单地找到 F(s) 的值，其中
s = (π/2)/T
因为这样正弦函数的值就是1，最后的值就等于A。问题是除以T，我必须知道赫兹（或赫兹）。
有什么方法可以读取 WAV 文件以从数据中发现赫兹，假设该文件仅包含一个波形。
为了澄清一些术语，您要查找的属性 是频率，频率的单位是赫兹（每秒一次）。按照惯例，典型的 A 音符的频率为 440 Hz。
实际上你把函数弄错了。现实中的正弦波具有 F(s) = A * sin(2*pi*s/T + c) 的形式——你不知道它是什么时候开始的，所以你在那里得到一个常数 c。此外，您需要除以 T，而不是乘法。
获取振幅实际上相当容易。该正弦波具有一系列 op 波峰和波谷。找到每个峰值（高于两个相邻峰值）和每个谷值（较低），计算平均峰值和平均谷值，幅度是两者之差的两倍。相当容易。周期 T 可以通过计算峰到峰和谷到谷的平均距离来估计。
有一点需要注意。如果有一点点噪音，您可能会在峰值附近出现轻微凹痕。而不是 14 17 18 17 14 你可能会得到 14 17 16 17 14。那个 16 不是山谷。一旦您对真实的峰值和谷值有了很好的估计，就可以去掉所有扭曲的峰值。
问题不是“什么频率？”。如果您的函数不是简单的三角函数，它将是频率的组合，每个频率都有自己的振幅。
正确的方法是使用 finite Fourier transform 进行数字信号处理。你有很多挖掘工作要做。
如果您只想假设一个单一的三角函数，那么文件中只有 2 个（幅度和频率）或 3 个自由度（幅度、频率和相位角）和 N 个时间点。这意味着 least squares fitting 假设正弦或余弦函数。