FFT算法：什么是IN/OUT？ （重新：实时音高检测）

Question

我正在尝试从音频流中提取音高数据。从我所看到的看来，FFT看起来就是最好的算法。

而不是直接挖掘数学，有人能帮我理解这个FFT算法的作用吗？

请不要说像'FFT从原始信号中提取频率数据。我需要更高层次的细节。

我通过什么，我该退出什么？

一旦我清楚地理解接口，这将帮助我理解实现。我需要传递一个音频缓冲区，我需要告诉它每个计算使用多少个字节（比如说这个缓冲区中最近的1024个字节）。也许我需要指定我希望它检测的音高范围。现在它会传回什么？一组频率箱？这些是什么？

（编辑:)我已经找到了C++算法来使用（如果我只能理解它）

Performous提取从麦克风球场。代码也是开源的。下面是对该算法做什么的描述，来自编码它的人。

• PCM输入（带缓冲）
• FFT（1024个样本的时间，从缓冲器的前后来除去200个样本）
• 重新分配方法（上日FFT，这是200个样本更早）
• 过滤峰（这部分可以做的更好，甚至离开了）
• 峰组合成组的谐波（我们称之为组合音）
• 音的时域滤波（更新一组音调检测ED较早而不是简单地使用新检测到的）
• 挑选最佳演唱音（频率范围，加权，可以使用谐波阵列还，但我不认为我们这样做）的

但可能有人帮助我明白这是如何工作的？什么是从FFT发送到重新分配方法？

Answer 1

这里有一个选择要素：最直接的t实现方法是在（2^n个样本中）进行复数计算，并将2^n个复数计算出来，所以也许你应该从那开始。

在DCT（离散余弦变换）的特殊情况下，通常进入的是2^n个样本（通常是浮点数），并且输出2^n个值，通常也是浮点数。 DCT是一种FFT，但只采用实际值，并根据余弦分析函数。

它是聪明的（但通常跳过）定义一个结构来处理复杂的值。传统上FFT是在原地完成的，但如果你不这样做，它可以正常工作。

实例化一个包含FFT工作缓冲区的类（如果您不想在原地进行FFT）并将其重复用于多个FFT会很有用。

Answer 2

FFT只是过程中的一个构建模块，它可能不是音高检测的最佳方法。阅读音高检测并决定首先使用哪种算法（这将取决于您正在尝试测量音调 - 单一乐器，其他类型的声音等等）的音调。在进入低音之前进行正确的设置水平的细节，例如FFT（一些，但不是所有的基音检测算法使用内部的FFT）

上有SO已经很多类似的问题，如Real-time pitch detection using FFT和Pitch detection using FFT for trumpet，并有良好的overview material on Wikipedia等 - 阅读，然后决定是否仍然想要推出自己的基于FFT的解决方案，或者使用适合您特定应用的现有库。

Answer 3

进去PCM的N个样本（纯真实复数）。 Out包含N个频域的bin（每个bin对应1/N采样率片）。每个垃圾箱都是一个复数。这些值通常应以极坐标格式（绝对值和参数）处理，而不是实部和虚部。当参数告诉相位（正弦波在哪个位置传播）时，绝对值将告诉音箱中心频率附近的声音量。

大多数编码器只使用幅度（绝对值）并丢弃相位角（参数）。