如何对 WAV 文件数据执行 FFT？

Question

我正在尝试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）。

我正在使用来自 soundstretch 库的 class 读取 WAV 文件数据，其中 returns PCM 采样为浮点数，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），我将计算该频率的振幅。

因此，对于不包含 16KHz 以上频率的低质量文件，我希望在 16KHz 以上会有 none 或非常小的振幅，但是我没有得到我期望的结果。下面是我的代码：

#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

这是我正在测试的文件的频谱分析：

如您所见，它被削波为 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

我预计不会有超过 16KHz 的振幅，我这样做对吗？我的频率计算正确吗？（我从另一个 Whosebug 答案中抢走了它）会不会是因为有2个频道，我没有分开频道？

为任何帮助的人干杯。

Answer 1

我是作为一个在十年前几乎没有实际经验和书本知识的人发言的，所以这个答案可能证明一点知识是一件危险的事情，但我认为你看到的问题只是混叠。

想象一个完美的方波。您从未听过完美的方波，因为它需要声源立即从一个位置转换到另一个位置，同时仍然推动空气粒子。

您也无法描述具有有限谐波数的方波。但是，您可以简单地描述具有任何频率的 PCM 音频的方波。因此，任何源 PCM 音频都可能包含无限数量的谐波。

你可能做的就是坐在奈奎斯特上面说，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到小于或等于 N/2 Mhz 的第一速率的两倍，这会显示重要信号而不会丢失有意义的内容。

Answer 2

您可能正在测量两个立体声通道之间的交错差异，其中可能包括由于混音和平移不均而导致的高频。再次尝试将通道分离或混合为单声道，并使用平滑 window 函数来减少 FFT 孔径边缘伪影，由于矩形 window，这也会引入少量高频噪声。

Answer 3

FFT 的基本要求是样本的时间间隔相等及其一致性。
在您的情况下，为 FFT 算法提供立体声信号会使它们之间不相关的样本数量加倍。数学上看到的是两个通道之间的自然相位差，但更重要的是，两个样本，因为不相关，可能有如此大的差异以错误地表示方波（在时域中，它会被表示为一个非常高信号转换率）。
作为一种解决方案，您必须将两个通道分开并对一个样本系列或两个不同的 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，并且使用带通频率 < 1/2 采样频率（奈奎斯特或抗混叠滤波器）的模拟滤波器执行。如果错过了这个过滤，那么之后几乎没有办法去除重影（别名频谱）。

如何对 WAV 文件数据执行 FFT？

How to perform FFT on WAV file data?

c

c++

audio

fft

wav