打印

关于音频FFT的问题

[复制链接]
10590|17
手机看帖
扫描二维码
随时随地手机跟帖
跳转到指定楼层
楼主
fzy_666|  楼主 | 2010-5-22 14:42 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
各们大哥:你们好!
  小弟是菜鸟,问几个问题,还望不吝赐教!
  1、音频20Hz~20kHz,要分成48段,把每段的频谱特性显示出来(就如千千静听上的波形一样),是否要用到FFT,音频的FFT是二维的吗?
  2、我不懂FFT,只会点C语言,不知道FFT的思路,有哪位大哥有这方面的资料吗?最好是有数学的思路和程序的思路可以结合,这样容易看懂。
  3、数字的公式我已经看得很多了,就是还不明白把一组取好的AD数据,怎么进行FFT转换才能得到频率和幅度的关系。
  4、做这样的音频FFT,需要用什么样性能的MCU?ARM7可以吗?精度不需要很准。还是一定要用DSP才可以?本人不会DSP。

相关帖子

沙发
fzy_666|  楼主 | 2010-5-22 16:27 | 只看该作者
各位大哥

使用特权

评论回复
板凳
lyjbighead| | 2010-5-22 20:55 | 只看该作者
不懂,帮顶

使用特权

评论回复
地板
happyming0809| | 2010-5-23 11:17 | 只看该作者
FFT看来要的,FFT是分析抽样的。对离散型数据操作很好的

使用特权

评论回复
5
mybao| | 2010-5-23 11:35 | 只看该作者
ARM7胜任不了,ARM926以上才有部分定点DSP相关指令,音频是一维信号。
没有信号处理的基础,FFT一时半会还真是难彻底搞懂。

使用特权

评论回复
6
xwj| | 2010-5-23 12:05 | 只看该作者
RE:
  1、音频20Hz~20kHz,要分成48段,把每段的频谱特性显示出来(就如千千静听上的波形一样),是否要用到FFT,音频的FFT是二维的吗?
——频谱显示实际上是显示每段频谱的能量和,必须提取出一段内所有点频的幅度值再平均才是真实的显示,所以要想有好的效果的话是要用到FFT的。
  2、我不懂FFT,只会点C语言,不知道FFT的思路,有哪位大哥有这方面的资料吗?最好是有数学的思路和程序的思路可以结合,这样容易看懂。
——FFT的教材网上很多很多,随便一搜就一大把。但在了解FFT(快速傅里叶变换)之前,建议你先去看看DFT(离散傅立叶变换)的内容。实际上FFT(快速傅里叶变换)和DFT(离散傅立叶变换)是完全一样的变换,只是FFT是种优化后的算法,而DFT是算法的基础。
  3、数字的公式我已经看得很多了,就是还不明白把一组取好的AD数据,怎么进行FFT转换才能得到频率和幅度的关系。
——数字的公式真的看得够多了吗? 看得够多的话就不会发这个贴了:)
——FFT变换的程序网上太多太多了,自己去搜!

  4、做这样的音频FFT,需要用什么样性能的MCU?ARM7可以吗?精度不需要很准。还是一定要用DSP才可以?本人不会DSP。
——实际上不管什么性能的CPU,只要内存能放下数据都能完成这个计算,只是有快有慢罢了。:lol
    音频的话,要看你的采样率和频率上下限,也就是每次计算的数据量。一般对于有0周期循环和乘加指令的芯片有几十MIPS也就够了,比如STM32、dsPIC、ARM9、以及任何档次的DSP都可以做到实时计算、显示的。

使用特权

评论回复
7
xwj| | 2010-5-23 12:10 | 只看该作者
另外推荐篇教材给你,花点时间慢慢琢磨吧:

第三章 离散傅立叶变换(DFT)

第四章 快速傅立叶变换(FFT)

使用特权

评论回复
8
mybao| | 2010-5-23 12:11 | 只看该作者
洗碗机说的没错,只要没有实时性要求,10块钱的51单片机都可以做。

使用特权

评论回复
9
mybao| | 2010-5-23 12:41 | 只看该作者
看了下:
第三章 离散傅立叶变换(DFT)
第四章 快速傅立叶变换(FFT)
这个关于DFT的论述实际上是有问题的,或者直接点,就是错误的。

错就错在DFT应该是连续谱,不是离散的。所以DFT计算机是没法处理的。
计算机要做的是计算DFT的有限个离散点,但要保证这些离散的点能还原出DFT连续谱。
FFT就是计算DFT的有限个离散点的快速算法。

要想彻底搞清楚,建议看老外的原版教材,最好不要看国产教材。事倍功半!!

使用特权

评论回复
10
xwj| | 2010-5-23 13:12 | 只看该作者
汗,
为什么“DFT应该是连续谱”???
DFT的全称是什么?

使用特权

评论回复
11
mybao| | 2010-5-23 14:17 | 只看该作者
离散傅立叶变换,离散指的是时域,不是频域,
时域离散,频域周期

时域离散,频域不一定也离散。

使用特权

评论回复
12
wuliaozhiren| | 2010-5-23 22:42 | 只看该作者
帮忙

使用特权

评论回复
13
wuliaozhiren| | 2010-5-23 22:43 | 只看该作者
帮忙

使用特权

评论回复
14
fzy_666|  楼主 | 2010-6-11 12:48 | 只看该作者
我现在采集过来的,比如说总共8个数据,如何分解出实部和虚部?我看了点资料,不是很明白,资料如下:
以下为个人见解:
想搞FFT,首先要搞清楚DFT.FFT是由DFT演化而来.
对于DFT,举个例子:

利用单片机的ADC隔一定时间采一次样,假设一秒采了8次,并依次放入数组adc[8]中.
先要做一个正弦表和一个余弦表:把360度进行8等分,计算正弦值和余弦值,分别放入sintable[8],costable[8];
假设数据的实部放进sb[8],虚部放进xb[8].由于ADC得到的是实数,那么:
sb[n]=(adc[0]*costable[(0*n)%8])+(adc[1]*costable[(1*n)%8])+...+(adc[7]*costable[(1*n)%8]);
xb[n]=(adc[0]*sintable[(0*n)%8])+(adc[1]*sintable[(1*n)%8])+...+(adc[7]*sintable[(1*n)%8]);
总结一下,sb[n],xb[n],在查表的时候就是每n个位置查一次.
也就是说,把8个点与一个周期(即1HZ)的正\余弦信号相乘,得到sb[1],xb[1].
................与两个周期(即2HZ)的正\余弦信号相乘,得到sb[2],xb[2].

之后,把sb[],xb[]的平方根算出来就得到对应的模值mz[n]=sqrt(sb[n]*sb[n]+xb[n]*xb[n]),这个数组mz[n]好像就叫功率谱,反应了信号中各个频率的功率.

使用特权

评论回复
15
zhang123| | 2010-6-15 18:58 | 只看该作者
FFT结果的物理意义 FFT是离散傅立叶变换的快速算法,可以将一个信号变换到频域。有些信号在时域上是很难看出什么特征的,但是如果变换到频域之后,就很容易看出特征了。这 就是很多信号分析采用FFT变换的原因。另外,FFT可以将一个信号的频谱提取出来,这在频谱分析方面也是经常用的。 虽然很多人都知道FFT是什么,可以用来做什么,怎么去做,但是却不知道FFT之后的结果是什意思、如何决定要使用多少点来做FFT。 一个模拟信号,经过ADC采样之后,就变成了数字信号。采样定理告诉我们,采样频率要大于信号频率的两倍,这些我就不在此罗嗦了。 采样得到的数字信号,就可以做FFT变换了。N个采样点,经过FFT之后,就可以得到N个点的FFT结果。为了方便进行FFT运算,通常N取2的整数次方。 假设采样频率为Fs,信号频率F,采样点数为N。那么FFT之后结果就是一个为N点的复数。每一个点就对应着一个频率点。这个点的模值,就是该频率值下的 幅度特性。具体跟原始信号的幅度有什么关系呢?假设原始信号的峰值为A,那么FFT的结果的每个点(除了第一个点直流分量之外)的模值就是A的N/2倍。 而第一个点就是直流分量,它的模值就是直流分量的N倍。而每个点的相位呢,就是在该频率下的信号的相位。第一个点表示直流分量(即0Hz),而最后一个点 N的再下一个点(实际上这个点是不存在的,这里是假设的第N+1个点,可以看做是将第一个点分做两半分,另一半移到最后)则表示采样频率Fs,这中间被 N-1个点平均分成N等份,每个点的频率依次增加。例如某点n所表示的频率为: 。由上面的公式可以看出,Fn所能分辨到频率为 Fs/N,如果采样频率Fs为1024Hz,采样点数为1024点,则可以分辨到1Hz。1024Hz的采样率采样1024点,刚好是1秒,也就是说,采样1秒时间的信号并做FFT,则结果可以分析到1Hz,如果采样2秒时间的信号并做FFT,则结果可以分析到0.5Hz。如果要提高频率分辨力,则必须增加采样点数,也即采样时间。频率分辨率和采样时间是倒数关系。假设FFT之后某点n用复数a+bi表示,那么这个复数的模就是 ,相位就是 。根据以上的结果,就可以计算出n点(n≠1,且n<=N/2)对应的信号的表达式为: ,即 。对于n=1点的信号,是直流分量,幅度即为A1/N。由于FFT结果的对称性,通常我们只使用前半部分的结果,即小于采样频率一半的结果。 好了,说了半天,看着公式也晕,下面以一个实际的信号来做说明。 假设我们有一个信号,它含有2V的直流分量,频率为50Hz、相位为-30度、幅度为3V的交流信号,以及一个频率为75Hz、相位为90度、幅度为1.5V的交流信号。用数学表达式就是如下: S=2+3*cos(2*pi*50*t-pi*30/180)+1.5*cos(2*pi*75*t+pi*90/180) 式中cos参数为弧度,所以-30度和90度要分别换算成弧度。我们以256Hz的采样率对这个信号进行采样,总共采样256点。按照我们上面的分析,Fn=(n-1)*Fs/N,我们可以知道,每两个点之间的间距就是1Hz,第n个点的频率就是n-1。我们的信号有3个频率:0Hz、50Hz、75Hz,应该分别在第1个点、第51个点、第76个点上出现峰值,其它各点应该接近0。实际情况如何呢? 我们来看看FFT的结果的模值如图所示。 (原文件名:clip_image001.gif) 引用图片 图1 FFT结果 从图中我们可以看到,在第1点、第51点、和第76点附近有比较大的值。我们分别将这三个点附近的数据拿上来细看: 1点: 512+0i 2点: -2.6195E-14 - 1.4162E-13i 3点: -2.8586E-14 - 1.1898E-13i 50点:-6.2076E-13 - 2.1713E-12i 51点:332.55 - 192i 52点:-1.6707E-12 - 1.5241E-12i 75点:-2.2199E-13 -1.0076E-12i 76点:3.4315E-12 + 192i 77点:-3.0263E-14 +7.5609E-13i 很明显,1点、51点、76点的值都比较大,它附近的点值都很小,可以认为是0,即在那些频率点上的信号幅度为0。接着,我们来计算各点的幅度值。分别计算这三个点的模值, 结果如下: 1点: 512 51点:384 76点:192 按照公式,可以计算出直流分量为:512/N=512/256=2;50Hz信号的幅度为:384/(N/2)=384/(256/2)=3;75Hz信号的幅度为192/(N/2)=192/(256/2)=1.5。可见,从频谱分析出来的幅度是正确的。 然后再来计算相位信息。直流信号没有相位可言,不用管它。先计算50Hz信号的相位,atan2(-192, 332.55)=-0.5236,结果是弧度,换算为角度就是180*(-0.5236)/pi=-30.0001。再计算75Hz信号的相位,atan2(192, 3.4315E-12)=1.5708弧度,换算成角度180*1.5708/pi=90.0002。可见,相位也是对的。 根据FFT结果以及上面的分析计算,我们就可以写出信号的表达式了,它就是我们开始提供的信号。 总结:假设采样频率为Fs,采样点数为N,做FFT之后,某一点n(n从1开始)表示的频率为:Fn=(n-1)*Fs/N;该点的模值除以N/2就是对应该频率下的信号的幅度(对于直流信号是除以N);该点的相位即是对应该频率下的信号的相位。相位的计算可用函数atan2(b,a)计算。atan2(b,a)是求坐标为(a,b)点的角度值,范围从-pi到pi。要精确到xHz,则需要采样长度为1/x秒的信号,并做FFT。要提高频率分辨率,就需要增加采样点数,这在一些实际的应用中是不现实的,需要在较短的时间内完成分析。解决这个问题的方法有频率细分法,比较简单的方法是采样比较短时间的信号,然后在后面补充一定数量的0,使其长度达到需要的点数,再做FFT,这在一定程度上能够提高频率分辨力。 具体的频率细分法可参考相关文献。 [附录:本测试数据使用的matlab程序] close all; %先关闭所有图片 Adc=2; %直流分量幅度 A1=3; %频率F1信号的幅度 A2=1.5; %频率F2信号的幅度 F1=50; %信号1频率(Hz) F2=75; %信号2频率(Hz) Fs=256; %采样频率(Hz) P1=-30; %信号1相位(度) P2=90; %信号相位(度) N=256; %采样点数 t=[0:1/Fs:N/Fs]; %采样时刻 %信号 S=Adc+A1*cos(2*pi*F1*t+pi*P1/180)+A2*cos(2*pi*F2*t+pi*P2/180); %显示原始信号 plot(S); title('原始信号'); figure; Y = fft(S,N); %做FFT变换 Ayy = (abs(Y)); %取模 plot(Ayy(1:N)); %显示原始的FFT模值结果 title('FFT 模值'); figure; Ayy=Ayy/(N/2); %换算成实际的幅度 Ayy(1)=Ayy(1)/2; F=([1:N]-1)*Fs/N; %换算成实际的频率值 plot(F(1:N/2),Ayy(1:N/2)); %显示换算后的FFT模值结果 title('幅度-频率曲线图'); figure; Pyy=[1:N/2]; for i="1:N/2" Pyy(i)=phase(Y(i)); %计算相位 Pyy(i)=Pyy(i)*180/pi; %换算为角度 end; plot(F(1:N/2),Pyy(1:N/2)); %显示相位图 title('相位-频率曲线图');

使用特权

评论回复
16
fzy_666|  楼主 | 2010-6-17 16:46 | 只看该作者
谢谢楼上的各位大哥

使用特权

评论回复
17
selina1983| | 2012-5-23 23:21 | 只看该作者
mark^_^

使用特权

评论回复
18
dbayj| | 2014-8-1 00:36 | 只看该作者
zhang123 发表于 2010-6-15 18:58
FFT结果的物理意义 FFT是离散傅立叶变换的快速算法,可以将一个信号变换到频域。有些信号在时域上是很难看 ...

感谢:lol

使用特权

评论回复
发新帖 我要提问
您需要登录后才可以回帖 登录 | 注册

本版积分规则

37

主题

327

帖子

4

粉丝