对音频数据进行fft转换显示声压级图
·
目录
用于将wav音频数据通过fft算法转换成频域，最后计算其对应的dB、Hz。安照操作成功显示，有问题留言讨论。
一、取得音频数据
取得方式：wav文件、麦克风采集数据（一般是麦克风采集实时显示频谱）
（1）从wav文件中取出，参考以下文章。
https://blog.csdn.net/CSDN_15987/article/details/124194878?spm=1001.2014.3001.5502如果需要从wav文件取得数据，最好是将wav文件存储格式了解一下（如采样率、文件位数、声道数目）。都是对后面音频数据处理有帮助理解的。
（2）如果是采集到的数据，需要知道采样率、位数、声道数目。
二、将取得数据列表转换成fft所需形式
定义一个结构体保存一个点的音频数据
public struct Complex
{
public float real;//实部
public float imag;//虚部
}
1、取得数据一般形式（位数24bit、声道1）：
25 4a f9 25 4b fb 35 a8 de 35 a9 09 42 d8 60 这里是15个字节，由于这是24位的音频数据。所以这里是5个点（fft需要取点）的数据。
2、将数据保存到结构体
private void dataimprot(ref Complex[] buf,int len,int count)
{
int data=0;
for (int i = 0;i<len;i++)
{
data = wavFFT.wavdata[i * 6 + 0 + count * Len*6];
data += wavFFT.wavdata[i * 6 + 1 + count * Len*6]<< 8;
data += wavFFT.wavdata[i * 6 + 2 + count * Len*6]<< 16;
data = data << 8;//添加符号位
data = data >> 8;
//if (data >= Math.Pow(2, 23))
//{
// data = (data | (-1 << 24));
//}
buf[i].real = (float)(data/Math.Pow(2,23));//加权，大小0~1
buf[i].imag = 0;
}
}
添加符号位两种方式都可。16位的音频数据可以直接转成short类型。如果声道不止一个，取数的时候就要注意取相同声道的数据进行fft转换（可以查看wav文件格式了解数据保存形式）。
三、fft转换
转换前须知
（1）取点，就是一次fft转换多少个数据。需要为2的指数个。
（2）float pi = 3.14159265358979f;
static void CoutData(ref Complex[] x, int len)//用于输出转化后的数据
{
int i, j;
int cnt = len / 8;
for (i = 0; i < cnt; i++)
{
for (j = 0; j < 8; j++)
{
Console.Write( x[i * 8 + j].real + " "+x[i * 8 + j].imag+" |");
}
Console.WriteLine("\n");
}
}
int BitReverse(int src, int size)
{
int tmp = src;
int des = 0;
int i;
for (i = size - 1; i >= 0; i--)
{
des = ((tmp & 0x3) << (i * 2)) | des;
tmp = tmp >> 2;
}
return des;
}
void reverse_idx(ref Complex[] im, int log4_N)
{
int i;
int N = 1 << (log4_N * 2);
Complex[] temp = new Complex[N];
for (i = 0; i < N; i++)
{
int idx;
idx = BitReverse(i, log4_N);
temp[idx].real = im[i].real;
temp[idx].imag = im[i].imag;
}
for (i = 0; i < N; i++)
{
im[i].real = temp[i].real;
im[i].imag = temp[i].imag;
}
}
void fft_ifft_4_common(ref Complex[] im,ref Complex[] win, int log4_N, int reverse)
{
int N = (1 << log4_N * 2);
int i, j, k;
int span = 1;
int n = N >> 2;
int widx;
Complex temp1 = new Complex();
Complex temp2 = new Complex();
Complex temp3 = new Complex();
Complex temp4 = new Complex();
int idx1, idx2, idx3, idx4;
for (i = 0; i < log4_N; i++)
{
for (j = 0; j < n; j++)
{
widx = 0;
idx1 = j * span * 4;
idx2 = idx1 + span;
idx3 = idx2 + span;
idx4 = idx3 + span;
for (k = 0; k < span; k++)
{
temp1.real = im[idx1 +k].real;
temp1.imag = im[idx1 +k].imag;
temp2.real = win[widx].real * im[idx2 +k].real - win[widx].imag * im[idx2 +k].imag;
temp2.imag = win[widx].imag * im[idx2 +k].real + win[widx].real * im[idx2 +k].imag;
temp3.real = win[widx * 2].real * im[idx3 +k].real - win[widx * 2].imag * im[idx3 +k].imag;
temp3.imag = win[widx * 2].imag * im[idx3 +k].real + win[widx * 2].real * im[idx3 +k].imag;
temp4.real = win[widx * 3].real * im[idx4 +k].real - win[widx * 3].imag * im[idx4 +k].imag;
temp4.imag = win[widx * 3].imag * im[idx4 +k].real + win[widx * 3].real * im[idx4 +k].imag;
im[idx1 +k].real = temp1.real + temp3.real;
im[idx1 +k].imag = temp1.imag + temp3.imag;
im[idx2 +k].real = temp1.real - temp3.real;
im[idx2 +k].imag = temp1.imag - temp3.imag;
im[idx3 +k].real = temp2.real + temp4.real;
im[idx3 +k].imag = temp2.imag + temp4.imag;
im[idx4 +k].real = temp2.real - temp4.real;
im[idx4 +k].imag = temp2.imag - temp4.imag;
temp1.real = im[idx1 +k].real + im[idx3 +k].real;
temp1.imag = im[idx1 +k].imag + im[idx3 +k].imag;
if (reverse == 0)
{
temp2.real = im[idx2 +k].real + im[idx4 +k].imag;
temp2.imag = im[idx2 +k].imag - im[idx4 +k].real;
}
else
{
temp2.real = im[idx2 +k].real - im[idx4 +k].imag;
temp2.imag = im[idx2 +k].imag + im[idx4 +k].real;
}
temp3.real = im[idx1 +k].real - im[idx3 +k].real;
temp3.imag = im[idx1 +k].imag - im[idx3 +k].imag;
if (reverse == 0)
{
temp4.real = im[idx2 +k].real - im[idx4 +k].imag;
temp4.imag = im[idx2 +k].imag + im[idx4 +k].real;
}
else
{
temp4.real = im[idx2 +k].real + im[idx4 +k].imag;
temp4.imag = im[idx2 +k].imag - im[idx4 +k].real;
}
im[idx1 +k].real = temp1.real;
im[idx1 +k].imag = temp1.imag;
im[idx2 +k].real = temp2.real;
im[idx2 +k].imag = temp2.imag;
im[idx3 +k].real = temp3.real;
im[idx3 +k].imag = temp3.imag;
im[idx4 +k].real = temp4.real;
im[idx4 +k].imag = temp4.imag;
widx += n;
}
}
n >>= 2;
span <<= 2;
}
}
/**
* @brief
*
* @param in :complex number input
* @param log4_N :64=3,256=4,1024=5
*/
void fft4(ref Complex[] im, int log4_N)
{
int N = 1 << (log4_N * 2);
int i;
Complex[] win = new Complex[N];
reverse_idx(ref im, log4_N);
for (i = 0; i < (3 * N / 4 - 2); i++)
{
win[i].real = (float)Math.Cos(2 * pi * i / (float)N);
win[i].imag = -(float)Math.Sin(2 * pi * i / (float)N);
}
fft_ifft_4_common(ref im,ref win, log4_N, 0);
}
假如1024个数据进行转换。转换成功后，得到的数据就是1024数据（实部、虚部）。
四、频谱绘制
频率计算公式：Fn = (n-1)*Fs/N
Fs为采样频率；
N取点数；
n对应的点
解析：fft转换后，每个点对应一个频率。取点的点越多，频率分辨率越高。
1、简单绘制频谱（控件1个button，1个pictureBox1）
添加button点击事件，点击一次绘制一组数据（pictureBox1尽量大一点）
private void button1_Click(object sender, EventArgs e)
{
Complex[] buf = new Complex[1024];
//CreateInput(ref buf, Len);
dataimprot(ref buf, Len, count++);//数据输入
fft4(ref buf,(int)Math.Log(Len,4));//fft转换
Bitmap bitmap = new Bitmap(pictureBox1.Width, pictureBox1.Height);
Graphics g = Graphics.FromImage(bitmap);
Pen pen = new Pen(Color.Red);
Pen pen1 = new Pen(Color.Black,2);
double pr = 0;//保存上组数据
g.Clear(Color.White);
//项目根目录，将数据保存到data文件里
string path = Application.StartupPath +"/data.txt";//创建一个文件的路径
FileStream fs;
if (!File.Exists(path))//检查文件是否存在
{
fs = new FileStream(path, FileMode.Create, FileAccess.ReadWrite);
}
else
{
fs = new FileStream(path, FileMode.Append);
}
StreamWriter sw = new StreamWriter(fs);
g.DrawLine(pen1, new Point(0, 40), new Point(pictureBox1.Width, 40));
for (int i = 0; i < buf.Length; i++)
{
double data = Math.Pow((buf[i].real * buf[i].real + buf[i].imag * buf[i].imag), 0.5);//求复数模
sw.Write(Math.Round(data, 2).ToString() + " ");//将数据写入文件
hz = (i+1) * wavFFT.SamplesPerSec / 1024;//绘制不考虑频率（横坐标）
if (i < pictureBox1.Width && i != 0)
{
try
{
g.DrawLine(pen, new PointF(i, (float)pr + 40), new PointF((i + 1), (float)data + 40));//简略的画一下数据
}
catch (Exception ex)
{
//Console.WriteLine(ex.ToString());
}
}
pr = data;//保存上一次数据
}
bitmap.RotateFlip(RotateFlipType.Rotate180FlipX);
pictureBox1.Image = bitmap;
sw.Flush();
sw.Close();
}
五、转换成对应的dB
dB转换公式：double data = 20 * Math.Log10( data/ (20 * Math.Pow(10, -6)) );//计算声压级
Hz与频谱对应的一样。只需要在fft转换数据取模后叫上，绘制的则是对应的声压级图了。
注意：如果发现声压级图和音频分析软件（如Adobe Audition）声压级图形状不一样。则可能是因为信号泄漏，可以去看看汉明窗的作用，不想看就在fft转换之前对数据进行以下处理。
for (int i = 0; i < Len; i++)
{
buf[i].real = (float)(buf[i].real * HammingWindow(i, Len));
}
//fft转化
//汉明窗
public static double HammingWindow(int n, int frameSize)
{
return 0.54 - 0.46 * Math.Cos(Math.PI * 2.0 * (double)n / (double)(frameSize - 1));
}
DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。
更多推荐
1
0- 0
已为社区贡献1条内容
所有评论(0)