AnalyserNode.getByteFrequencyData() 返回的“bin”的频率（以赫兹为单位）是多少？

Question

我目前正在开发一个项目，该项目使用 JavaScript 的 WebAudio API 来显示音频频率图。 AnalyserNode.getByteFrequencyData() 填充一个数组，该数组分为“容器”，每个容器都有一个频率范围。我想知道这些“频率”对应的频率（以赫兹为单位）。

我尝试将每个 bin 解释为 1Hz 步长，但这显然是不正确的。

Answer 1

来自 MDN 文档

AnalyserNode.getByteFrequencyData()

：

数组中的每一项代表特定频率的分贝值。频率从采样率的 0 到 1/2 线性扩展。例如，对于

48000

采样率，数组的最后一项将表示

24000

Hz 的分贝值。

采样率可以从

sampleRate

上的

AudioContext

属性获取（继承自

BaseAudioContext

）：

sampleRate

接口的

BaseAudioContext

属性返回一个浮点数，表示采样率（以每秒样本数为单位），供此音频上下文中的所有节点使用。 （文档）

您可以在创建

AudioContext

时通过构造函数的

options

参数设置其采样率。

您可以在创建时通过构造函数的

AudioAnalyzer

参数以及之后的任何时间通过

options

属性设置

fftSize

的 FFT 窗口大小。 来自 AnalyserNode.fftSize 的文档：

fftSize

接口的

AnalyserNode

属性是一个无符号长整型值，表示在执行快速傅里叶变换（FFT）以获取频域数据时使用的样本窗口大小。

Answer 2

这取决于样品。

数组中的每一项代表特定的分贝值 频率。

频率从 0 到 1/2 线性扩展 采样率。例如，对于 48000 采样率，最后一项 数组将代表 24000 Hz 的分贝值。

https://developer.mozilla.org/en-US/docs/Web/API/AnalyserNode/getByteFrequencyData

Answer 3

第

k

 个 bin 的频率为 

k/N*sr

，其中 

sr

 是采样率，

N

 是 FFT 中的点数。

我认为 MDN 文档是不正确的，除非他们用 FFT 做了一些非常不标准的事情。如果采样率为 48000 并进行 128 点 FFT，则

getByteFrequencyData()

 中的最后一个值的索引为 63，频率为 

63/128*48000 = 23625Hz

。

一般而言，

N

点 FFT

1 ^会获取 N

 时域样本，并为您提供 

N

 频域样本。如果您的采样频率为 

sr

，则每个 bin 的 bin 间距为 

sr/N2^{。因此，如果您的采样率为 8kHz 并进行了 8 点 FFT，则 bin 频率将为}

[0, 1k, 2k, 3k, 4k, 5k, 6k, 7k] 您还可以将“奈奎斯特”(

sr/2

) 以上的频率视为负频率

3^{，因此您可以将该列表重新编号为：}

[0, 1k, 2k, 3k, 4k, -3k, -2k, -1k] 如果时域信号是实值（音频就是这种情况），则频谱是对称的

4^{，因此负频率中没有新信息。处理音频信号的 DSP 工程师经常只使用非负频率，并且大多数 FFT 库都具有用于此目的的} rfft

 函数。对于 N 点 FFT，

rfft

 函数通常会给出长度为 

N/2+1

 的结果，从而避免需要计算负频率。

由于某种原因，WebAudio 设计者放弃了最后一个频率仓，其频率为

sr/2

。在实践中，在奈奎斯特频率上通常不会发生太多有趣的事情，并且分析器节点只为您提供频谱的幅度，因此它更适合可视化而不是花哨的频域处理。

---

1 在数学中通常称为DFT（离散傅里叶变换）。 FFT（快速傅立叶变换）是一种计算 DFT 的特殊算法。

2 ^{如果您查看 DFT} 的 定义，对于第 k

 个谱仓，您使用正弦曲线 

w(n) = exp(-i*2*pi*k/N*n)

，其频率为 

k/N

。采样率为 1，因为我们正在测量样本中的时间。

3 ^{从概念上讲，DFT 结果是周期性的，周期为} N

，因此 

X[k] = X[k+N]

 始终为真。请记住 

k

 是这里的索引，而不是 bin 频率，并且我们允许负索引从末尾开始环绕，numpy 风格。

4 ^{特别共轭对称所以} X[-k] = conj(X[k])