进一步了解portaudio信号的fftw处理

Question

我想用portaudio和fftwpp分析我从麦克风端口得到的信号。为此，我按照here提供的解释。我现在的问题是： 据说我应该从传入的数据中抽出一个窗口。在我只录制了很短的时间之后，我的数据已经被分块了，然后处理它。因此，我假设矩形窗口已应用于我的数据。那是对的吗？ 现在我得到200k数据点，我应该直接将它们放入数组中：

    Array::array1<Complex> F(np,align);
    Array::array1<double> f(n,align);               // For out-of-place transforms
    //  array1<double> f(2*np,(double *) F()); // For in-place transforms

    fftwpp::rcfft1d Forward(n,f,F);
    fftwpp::crfft1d Backward(n,F,f);
    qDebug() << "Putting " << numSamples << " into an array!";
    for(int i = 0; i < numSamples; i++)
        f[i] = this->data.recordedSamples[i];

或者我应该拆分它们？如果我把它们都放在一个数组中，我会得到哪个分辨率？我的采样率设置为44.1 kHz。

Answer 1

假设您的数据不是静止的（换句话说，频谱内容是时变的，例如语音或音乐的情况），那么您通常需要选择一个窗口大小，在此期间数据可以被认为是固定。对于语音和音乐，典型的窗口大小可以是20ms的量级。对于44.1 kHz的采样率，这对应于882个采样，因此1024的FFT大小可能是一个很好的起点。

重叠连续窗口也很常见，以便为信号的时变分量获得更好的时间分辨率。通常使用50％的重叠，因此您的第一个样本块将是0..1023，第二个块将是512..1535等。

正如在@ Stefan的回答中已经提出的那样，在FFT之前，应该对每个样本块应用合适的窗口函数。常用的窗户是汉明和冯汉恩（又名汉宁）。显然，窗口函数需要与FFT的大小相同（例如，N = 1024）。

对于数据末尾大小<N的任何剩余样本块，您只需填充零。

上述操作的常用术语是生成spectrogram。它本质上是时间v频率v幅度/相位的3D数据结构，其可以以各种不同方式显示或用于进一步的频域处理。

另请参阅这些密切相关的StackOverflow问题和答案：

• Using Apple's Accelerate framework, FFT, Hann windowing and Overlapping
• Giving large no. of samples to KissFFT。
• Accelerate framework vDSP, FFT framing

Answer 2

因此，我假设矩形窗口已应用于我的数据。那是对的吗？

在某种程度上，窗口通常用于滤除由于信号的突然开/关状态引起的高频失真，或者减少或重新排序频谱泄漏（https://en.wikipedia.org/wiki/Spectral_leakage）

如果要显示fft，建议应用窗口，尤其是（非矩形）窗口。有关选项，请参阅https://en.wikipedia.org/wiki/Window_function#Hann_.28Hanning.29_window。

请注意，您应在fft之前应用窗口。

或者我应该拆分它们？

那么，这取决于您的要求。但总的来说，最好不要因为窗口化，样本越长，那段时间内FFT的准确度就越高，尽管这种技术对于加快速度并不鲜见。

那我的分辨率是多少？

分辨率是采样率除以样本计数。