解释 fftw 的 .wav 数据

Question

我正在尝试读取 .wav 文件并找到信号的最主要频率。我使用 this topic 读取文件，然后使用函数 bytesToFloat 将结果转换为浮点数。

最后我将数组复制到fftw_complex我运行 FFTW的计划后，找到模数（sqrt(real*real + im*im)）并找到最大值，但结果与信号不匹配频率和输出通常不是数字。

我使用的 .wav 文件是 110 Hz (A2) 频率 found on Wikipedia。

我的问题是：

浮点数转换是否正确？

为什么输出向量在 fft 后返回 NaN？

如何读取 .wav 文件以便使用 fftw？

感谢阅读任何帮助。

完整代码：

#include <math.h>
#include <fftw3.h>
#include "Reader.h"
#include <iostream>
#include <string>
#include <fstream>
#include <cstdint>

using namespace std;

typedef struct  WAV_HEADER
{
    /* RIFF Chunk Descriptor */
    uint8_t         RIFF[4];        // RIFF Header Magic header
    uint32_t        ChunkSize;      // RIFF Chunk Size
    uint8_t         WAVE[4];        // WAVE Header
                                    /* "fmt" sub-chunk */
    uint8_t         fmt[4];         // FMT header
    uint32_t        Subchunk1Size;  // Size of the fmt chunk
    uint16_t        AudioFormat;    // Audio format 1=PCM,6=mulaw,7=alaw,     257=IBM Mu-Law, 258=IBM A-Law, 259=ADPCM
    uint16_t        NumOfChan;      // Number of channels 1=Mono 2=Sterio
    uint32_t        SamplesPerSec;  // Sampling Frequency in Hz
    uint32_t        bytesPerSec;    // bytes per second
    uint16_t        blockAlign;     // 2=16-bit mono, 4=16-bit stereo
    uint16_t        bitsPerSample;  // Number of bits per sample
                                    /* "data" sub-chunk */
    uint8_t         Subchunk2ID[4]; // "data"  string
    uint32_t        Subchunk2Size;  // Sampled data length
} wav_hdr;

int getFileSize(FILE* inFile);
float bytesToFloat(int8_t b0, int8_t b1, int8_t b2, int8_t b3);
void WavRead(string fileName, int& samples, float* floatBuffer);

using namespace std;

int main(void) {
    fftw_complex *in, *out;
    fftw_plan p;

    int numSamples=0;

    float* floatBuffer;
    float* dest;

    floatBuffer = (float*)malloc(sizeof(float));

    WavRead("110.wav", numSamples, floatBuffer);

    in = (fftw_complex*)fftw_malloc(numSamples*sizeof(fftw_complex));
    out = (fftw_complex*)fftw_malloc(numSamples*sizeof(fftw_complex));

    for (int i = 0; i < numSamples; i++)
    {
        in[i][0] = floatBuffer[i];
        in[i][1] = (float)0;
    }

    p = fftw_plan_dft_1d(numSamples, in, out, FFTW_FORWARD, FFTW_ESTIMATE);

    fftw_execute(p);

    dest = (float*)malloc(sizeof(float)*numSamples);

    for (int i = 0; i < numSamples; i++) {
        dest[i] = std::sqrt(out[i][0] * out[i][0] + out[i][1] * out[i][1]);
    }

    double max = 0;
    int index=0;
    for (int i = 0; i < numSamples; i++) {
        if (dest[i] > max) {
            max = dest[i];
            index = i;
        }
    }

    cout << endl << index << endl << max << endl;

    fftw_destroy_plan(p);
    fftw_cleanup();

    system("pause");

    return 0;

}

void WavRead(string fileName, int& samples, float* floatBuffer)
{
    wav_hdr wavHeader;
    int headerSize = sizeof(wav_hdr), filelength = 0;

    const char* filePath;

    filePath = fileName.c_str();

    FILE* wavFile = fopen(filePath, "r");
    if (wavFile == nullptr)
    {
        fprintf(stderr, "Unable to open wave file: %s\n", filePath);
        system("pause");
    }

    //Read the header
    size_t bytesRead = fread(&wavHeader, 1, headerSize, wavFile);
    if (bytesRead > 0)
    {
        //Read the data
        uint16_t bytesPerSample = wavHeader.bitsPerSample / 8;      //Number     of bytes per sample
        uint64_t numSamples = wavHeader.ChunkSize / bytesPerSample; //How many samples are in the wav file?
        samples = numSamples;
        static const uint16_t BUFFER_SIZE = numSamples*sizeof(float);
        int8_t* buffer = new int8_t[BUFFER_SIZE];

        floatBuffer = (float*)malloc(sizeof(float)*numSamples);

        while ((bytesRead = fread(buffer, sizeof buffer[0], BUFFER_SIZE / (sizeof buffer[0]), wavFile)) > 0)
        {
        }

        for (int i = 0; i < numSamples * 4; i += 4)
        {
            floatBuffer[i / 4] = bytesToFloat(i, i + 1, i + 2, i + 3);
        }

        delete[] buffer;
        buffer = nullptr;
    }
    fclose(wavFile);
}

// find the file size
int getFileSize(FILE* inFile)
{
    int fileSize = 0;
    fseek(inFile, 0, SEEK_END);

    fileSize = ftell(inFile);

    fseek(inFile, 0, SEEK_SET);
    return fileSize;
}

float bytesToFloat(int8_t b0, int8_t b1, int8_t b2, int8_t b3)
{
    int8_t byte_array[] = { b3, b2, b1, b0 };
    float result;
    std::copy(reinterpret_cast<const char*>(&byte_array[0]),
        reinterpret_cast<const char*>(&byte_array[4]),
        reinterpret_cast<char*>(&result));
    return result;
}

Answer 1

WAV 是一种容器格式（RIFF 容器的类型）。作为一个容器，它可以对任何类型的 codec/format 进行编码，这些 codec/format 已在录音机上的编解码器中注册。每个编解码器都有一个 FOURCC。即使您的浮点转换对于 PCM（脉冲编码调制 - 意味着样本按原样记录（有点））格式是正确的，如果编码的音频流不是 PCM，它也会失败.所以你必须确保在你的代码中 AudioFormat 是 1 (PCM)。有时这称为 RAW 编码。

如果它不是原始的，mu-law 和 ADPCM 编解码器并不太复杂，但您最好要求 RAW 格式。如果没有，您需要将解码库集成到您的项目中。执行此操作的方式很大程度上取决于您使用的平台 (Linux、Windows、Mac)。在你的代码中我没有看到 Windows 库的任何提示，所以如果你在 Linux 上你需要安装 lame 和 lame-dev 包（这取决于什么分布你使用）阅读一些关于它的 API.

解码取决于实际库的API，但通常：

用你从容器 headers 中读取的一些 meta-data 配置解码库（如果它是立体声 - 这对你来说也很重要，采样频率，16 或 24 位或什么是采样分辨率等）
从容器中提取音频流——这是 RAW 缓冲区，没有任何浮动转换，因为你不知道数据的格式，它很可能是压缩的
将它传递给编解码器并让它完成它的工作。

之后，编解码器库将为您提供 RAW PCM 数据。你可以处理这些数据。

我没有时间为此设置测试台或调试它。这些是您必须注意的一般说明和事项。

解释 fftw 的 .wav 数据

Interpreting .wav data for fftw

c++

audio

signal-processing

wav

fftw