如何对 WAV 文件数据执行 FFT？

Question

我试图通过检测存在的最高频率来分析文件的音频质量（压缩音频通常会被过滤到低于 20KHz 的频率）。

我正在使用 soundstretch 库中的类读取 WAV 文件数据，该类将 PCM 样本作为浮点数返回，然后使用 fftw3 库对这些样本执行 FFT。然后对于每个频率（四舍五入到最接近的 KHz），我将该频率的幅度加起来。

因此，对于不包含高于 16KHz 频率的低质量文件，我希望在 16KHz 以上没有或几乎没有振幅，但是我没有得到我期望的结果。下面是我的代码：

#include <iostream>
#include <math.h>

#include <fftw3.h>
#include <soundtouch/SoundTouch.h>
#include "include/WavFile.h"

using namespace std;
using namespace soundtouch;

#define BUFF_SIZE           6720
#define MAX_FREQ            22//KHz

static float freqMagnitude[MAX_FREQ];

static void calculateFrequencies(fftw_complex *data, size_t len, int Fs) {
    for (int i = 0; i < len; i++) {
        int re, im;
        float freq, magnitude;
        int index;

        re = data[i][0];
        im = data[i][1];

        magnitude = sqrt(re * re + im * im);
        freq = i * Fs / len;

        index = freq / 1000;//round(freq);
        if (index <= MAX_FREQ) {
            freqMagnitude[index] += magnitude;
        }
    }
}

int main(int argc, char *argv[]) {
    if (argc < 2) {
        cout << "Incorrect args" << endl;
        return -1;
    }

    SAMPLETYPE sampleBuffer[BUFF_SIZE];
    WavInFile inFile(argv[1]);

    fftw_complex *in, *out;
    fftw_plan p;

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

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

    while (inFile.eof() == 0) {
        size_t samplesRead = inFile.read(sampleBuffer, BUFF_SIZE);

        for (int i = 0; i < BUFF_SIZE; i++) {
            in[i][0] = (double) sampleBuffer[i];
        }

        fftw_execute(p); /* repeat as needed */

        calculateFrequencies(out, samplesRead, inFile.getSampleRate());
    }

    for (int i = 0; i < MAX_FREQ; i += 2) {
        cout << i << "KHz magnitude: " << freqMagnitude[i] << std::endl;
    }

    fftw_destroy_plan(p);
    fftw_free(in);
    fftw_free(out);
 }

可以编译：-（你需要 soundtouch 库和 fftw3 库）

g++ -g -Wall MP3.cpp include/WavFile.cpp -lfftw3 -lm -lsoundtouch -I/usr/local/include -L/usr/local/lib

这是我正在测试的文件的光谱分析：

正如你所看到的，它被剪辑为 16KHz，但是我的结果如下：

0KHz magnitude: 4.61044e+07
2KHz magnitude: 5.26959e+06
4KHz magnitude: 4.68766e+06
6KHz magnitude: 4.12703e+06
8KHz magnitude: 12239.6
10KHz magnitude: 456
12KHz magnitude: 3
14KHz magnitude: 650468
16KHz magnitude: 1.83266e+06
18KHz magnitude: 1.40232e+06
20KHz magnitude: 1.1477e+06

我希望没有超过 16KHz 的幅度，我这样做对吗？我对频率的计算是否正确？（我从另一个 stackoverflow 答案中抢走了它）这可能与有 2 个频道有关，而我没有将频道分开吗？

为任何帮助家伙干杯。

Answer 1

您可能正在测量两个立体声通道之间的交错差异，其中可能包括由于不均匀的混合和平移而导致的高频。再次尝试将通道分离或混合为单声道，并使用平滑窗函数来减少 FFT 孔径边缘伪影，这也会由于矩形窗口而引入少量高频噪声。