归一化用于人类听觉的FFT数据

Question

音频的典型FFT看起来非常相似,大部分动作都发生在最左侧

http://www.flight404.com/blog/images/fft.jpg

他将它乘以部分正弦波使其达到最低点,但文章对此部分并不太具体.它似乎也是对数据集的"足够好"的修改,而不是基于某些属性的修改.我知道人类的听觉更适合更高的频率,因此,大多数音乐都会放大低音和衰减的高音,这样我们两个声音都具有相对相等的强度.

我的问题是需要对FFT进行哪些修改以补偿这种标准衰减？

for(i = 0; i < fft.length; i++){
     fft[i] = fft[i] * Math.log(i + 1); // does, eh, ok but the high
                                        // end is still not really "loud"
                                        // enough
}

编辑::

http://en.wikipedia.org/wiki/Equal-loudness_contour

我看到了这篇文章,我认为这可能是进入的方向,但仍然可能存在一些需要反击的FFT属性.

Answer 1

首先，您确定要这样做吗？补偿一些事情是有意义的，例如麦克风响应不平坦，但不是人类的感知。人们习惯于听到具有现实世界中声音频谱内容的声音，而不是沿着感知等响度曲线。如果您按照您建议的方式播放已修改的声音，那么听起来会很奇怪。也许有些人喜欢增强低频的音乐，但这是品味问题，而不是心理物理学问题。

或者，您可能出于其他原因进行补偿，例如，考虑到对较低频率的较差敏感度可能会增强压缩算法。这是这个想法吗？

如果您确实想通过等响曲线进行归一化，则应注意大多数曲线和方程都是以声压级 (SPL) 为单位的。SPL 是波形幅度平方的对数，因此当您使用 FFT 时，使用其平方（功率谱）可能是最简单的。（或者，当然，您可以通过其他方式进行补偿，例如在上面的等式中乘以 sqrt(log(i+1)) - 假设对数是逆等响度曲线的近似值。）