एफएफटी - खिड़की कब?

Question

मैंने यहां विभिन्न एफएफटी प्रश्न देखे हैं लेकिन मैं कार्यान्वयन के हिस्से पर उलझन में हूं। वास्तविक समय में एफएफटी करने के बजाय, मैं इसे ऑफ़लाइन करना चाहता हूं। मान लें कि मेरे पास float[] audio में कच्चा डेटा है। नमूना दर 44100 है और इसलिए audio[0] to audio[44099] में 1 सेकंड का ऑडियो होगा। अगर मेरा एफएफटी फ़ंक्शन विंडोिंग (जैसे हैनिंग) को संभालता है, तो क्या मैं बस पूरे audio बफर को फ़ंक्शन में एक ही बार में डाल सकता हूं? या, क्या मुझे 4096 (मेरी खिड़की के आकार) के टुकड़ों में ऑडियो काटना है और फिर उस एफएफटी में इनपुट करना है जो तब शीर्ष पर विंडोिंग फ़ंक्शन करेगा?

Answer 1

आपको अपने इनपुट डेटा को एक अलग बफर में कॉपी करने और इसे सही प्रारूप में प्राप्त करने की आवश्यकता हो सकती है, उदा। यदि आपका एफएफटी जगह में है, या यदि इसे अंतःस्थापित जटिल डेटा (असली/काल्पनिक) की आवश्यकता है। हालांकि यदि आपका एफएफटी दिनचर्या पूरी तरह से वास्तविक इनपुट ले सकता है और यह जगह नहीं है (यानी गैर विनाशकारी) तो आप उचित आकार पैरामीटर के साथ मूल नमूना डेटा में पॉइंटर पास कर सकते हैं।

आमतौर पर ऑडियो के 1s के लिए, उदा। भाषण या संगीत, आप एक एफएफटी आकार चुनेंगे जो ऑडियो के एक उचित स्थिर खंड से मेल खाता है, उदा। 10 एमएस या 20 एमएस। तो 44.1 केएचजेड पर आपका एफएफटी आकार 512 या 1024 कह सकता है। फिर आप अपने बफर के माध्यम से आगे बढ़कर और प्रत्येक शुरुआती बिंदु पर एक नया एफएफटी करके लगातार स्पेक्ट्रा उत्पन्न करेंगे। ध्यान दें कि इन लगातार बफर को ओवरलैप करना आम बात है, आमतौर पर 50% तक। तो यदि एन = 1024 आपका पहला एफएफटी नमूने 0..1023 के लिए होगा, तो आपका दूसरा नमूने 512..1535, फिर 1024..2047, आदि

Answer 2

आपके द्वारा उठाए गए हिस्से के आकार या खिड़की की लंबाई को नियंत्रित करता है आवृत्ति संकल्प और एफएफटी परिणाम का समय संकल्प। आपको यह निर्धारित करना होगा कि आप कौन सा चाहते हैं या किस व्यापार को बंद करना है।

लंबी खिड़कियां आपको बेहतर आवृत्ति संकल्प देती हैं, लेकिन खराब समय संकल्प। छोटी खिड़कियां, इसके विपरीत। प्रत्येक एफएफटी परिणाम बिन में खिड़की के आकार (आयताकार, वॉन हन, इत्यादि) के आधार पर एफएफटी लंबाई से विभाजित नमूना दर लगभग 1 से 2 गुणा की आवृत्ति बैंडविड्थ होगी, केवल एक ही आवृत्ति नहीं। यदि आपका पूरा डेटा हिस्सा स्थिर है (आवृत्ति सामग्री नहीं बदली जाती है), तो आपको किसी भी समय संकल्प की आवश्यकता नहीं हो सकती है, और आपके 1 सेकंड डेटा में 1 से 2 हर्ट्ज आवृत्ति "रिज़ॉल्यूशन" के लिए जा सकती है। कई छोटी एफएफटी विंडो औसत से आपके वर्णक्रमीय अनुमानों के अंतर को कम करने में मदद मिल सकती है।

Answer 3

संपूर्ण डेटा सेट (ओपी के मामले में, डेटा के 1-सेकंड का प्रतिनिधित्व करने वाले 44100 नमूने) में एक एफएफटी की गणना करना है या नहीं, या पूर्ण डेटा सेट के एफएफटी के छोटे सबसेट की श्रृंखला को करने के लिए, डेटा, और एफएफटी के उद्देश्य के उद्देश्य पर निर्भर करता है।

यदि डेटा पूर्ण डेटा सेट पर अपेक्षाकृत स्थिर रूप से स्थिर है, तो पूरे डेटा सेट पर एक एफएफटी शायद इसकी आवश्यकता है।

हालांकि, यदि डेटा डेटा सेट पर स्पेक्ट्रिक रूप से गतिशील है, तो डेटा के छोटे सबसेट पर एकाधिक स्लाइडिंग एफएफटी डेटा के अधिक सटीक समय-आवृत्ति प्रतिनिधित्व को बनाएगा।

नीचे दी गई साजिश ए 4 नोट खेलने वाले एक ध्वनिक गिटार के पावर स्पेक्ट्रम को दिखाती है। ऑडियो सिग्नल 44.1 केएचजेज़ पर नमूना था और डेटा सेट में 131072 नमूने हैं, लगभग 3 सेकंड डेटा। यह डेटा सेट एक हन विंडो फ़ंक्शन के साथ पूर्व-गुणा किया गया था।

नीचे साजिश 16384 नमूने (0 16,383 करने के लिए) ध्वनिक गिटार ए 4 टिप्पणी का पूरा डेटा सेट से लिया का एक सबसेट की शक्ति स्पेक्ट्रम को दर्शाता है। यह सबसेट भी एक हन विंडो फ़ंक्शन के साथ पूर्व-गुणा किया गया था।

सूचना कैसे सबसेट के वर्णक्रमीय ऊर्जा वितरण पूर्ण डेटा सेट के वर्णक्रमीय ऊर्जा वितरण से काफी अलग है।

अगर हम पूर्ण डेटा सेट से सबसेट निकालने के लिए, एक स्लाइडिंग 16384 नमूना फ्रेम का उपयोग करके, और प्रत्येक फ्रेम के पावर स्पेक्ट्रम की गणना करते हैं, तो हम पूर्ण डेटा सेट की सटीक समय-आवृत्ति तस्वीर तैयार करेंगे।

संदर्भ:

रियल ऑडियो संकेत डेटा, हेन खिड़की समारोह, भूखंडों, FFT, और वर्णक्रमीय विश्लेषण यहाँ किया गया:

Fast Fourier Transform, spectral analysis, Hann window function, audio data