WAV文件分析C（libsndfile，fftw3）
我正在尝试开发一个简单的C应用程序，它可以在WAV文件中的给定时间戳下在特定频率范围内给出0-100的值。
示例：我的频率范围为44.1kHz（典型的MP3文件），我想将该范围分成n个范围（从0开始）。 然后我需要得到每个范围的幅度，从0到100。
到目前为止我管理的内容：
使用libsndfile我现在能够读取WAV文件的数据。
infile = sf_open(argv [1], SFM_READ, &sfinfo); float samples[sfinfo.frames]; sf_read_float(infile, samples, 1); 但是，我对FFT的理解相当有限。 但我知道为了使振幅达到我需要的范围是必需的。 但是我该如何继续前进呢？ 我找到了FFTW-3库，它似乎适用于此目的。
我在这里找到了一些帮助： https ： //stackoverflow.com/a/4371627/1141483
并在这里查看了FFTW教程： http ：//www.fftw.org/fftw2_doc/fftw_2.html
但由于我不确定FFTW的行为，我不知道从这里开始。
另一个问题，假设你使用libsndfile：如果强制读取单引导（使用立体声文件）然后读取样本。 那么你真的只会阅读整个文件的一半样本吗？ 其中一半来自频道1，还是自动过滤出来？
非常感谢你的帮助。
编辑：我的代码可以在这里看到：
double blackman_harris(int n, int N){ double a0, a1, a2, a3, seg1, seg2, seg3, w_n; a0 = 0.35875; a1 = 0.48829; a2 = 0.14128; a3 = 0.01168; seg1 = a1 * (double) cos( ((double) 2 * (double) M_PI * (double) n) / ((double) N - (double) 1) ); seg2 = a2 * (double) cos( ((double) 4 * (double) M_PI * (double) n) / ((double) N - (double) 1) ); seg3 = a3 * (double) cos( ((double) 6 * (double) M_PI * (double) n) / ((double) N - (double) 1) ); w_n = a0 - seg1 + seg2 - seg3; return w_n; } int main (int argc, char * argv []) { char *infilename ; SNDFILE *infile = NULL ; FILE *outfile = NULL ; SF_INFO sfinfo ; infile = sf_open(argv [1], SFM_READ, &sfinfo); int N = pow(2, 10); fftw_complex results[N/2 +1]; double samples[N]; sf_read_double(infile, samples, 1); double normalizer; int k; for(k = 0; k < N;k++){ if(k == 0){ normalizer = blackman_harris(k, N); } else { normalizer = blackman_harris(k, N); } } normalizer = normalizer * (double) N/2; fftw_plan p = fftw_plan_dft_r2c_1d(N, samples, results, FFTW_ESTIMATE); fftw_execute(p); int i; for(i = 0; i < N/2 +1; i++){ double value = ((double) sqrtf(creal(results[i])*creal(results[i])+cimag(results[i])*cimag(results[i]))/normalizer); printf("%f\n", value); } sf_close (infile) ; return 0 ; } /* main */
那一切都取决于你所追求的频率范围。 FFT通过采用2 ^ n个样本并为您提供2 ^（n-1）个实数和虚数来工作。 我不得不承认我对这些价值所代表的内容非常朦胧（我有一位朋友已答应与我一起完成这一切，而不是在他遇到财务问题时给他做了一笔贷款;）除了围绕一个圆的角度。 实际上，它们为每个频率区提供正弦和余弦角度参数的arccos，原始的2 ^ n样本可以完美地重建。
无论如何，这有一个巨大的优势，你可以通过取实部和虚部的欧几里德距离来计算幅度（sqrtf（（真实*真实）+（图像*图像）））。 这为您提供了非标准化的距离值。 然后，该值可用于为每个频带建立幅度。
所以我们下订单10 FFT（2 ^ 10）。 您输入1024个样本。 您对这些样本进行FFT，然后返回512个虚数值和实数值（这些值的特定顺序取决于您使用的FFT算法）。 所以这意味着对于44.1Khz的音频文件，每个bin代表44100/512 Hz或每个bin约86Hz。
应该从中突出的一件事是，如果你使用更多的样本（从处理多维信号（如图像）时称为时间或空间域），你会得到更好的频率表示（在什么称为频域）。 但是你为另一个牺牲一个。 事情就是这样，你将不得不忍受它。
基本上，您需要调整频率箱和时间/空间分辨率以获得所需的数据。
首先是一些命名法。 我之前提到的1024个时域样本称为窗口。 通常，在执行此类过程时，您需要将窗口滑动一定量以获得FFT的下一个1024个样本。 显而易见的事情是采样0-> 1023，然后是1024-> 2047，依此类推。 遗憾的是，这并没有给出最好的结果。 理想情况下，您希望在某种程度上重叠窗口，以便随着时间的推移获得更平滑的频率变化。 最常见的是人们将窗户滑动半个窗口大小。 即你的第一个窗口将是0-> 1023，第二个512-> 1535，依此类推。
现在这又带来了另一个问题。 虽然这些信息提供了完美的逆FFT信号重建，但它会让您遇到频率在某种程度上泄漏到环绕声箱中的问题。 为了解决这个问题，一些数学家（比我聪明得多）想出了一个窗口函数的概念。 窗口函数在频域中提供了更好的频率隔离，但导致时域中的信息丢失（即，在使用窗口函数AFAIK之后，它不可能完美地重构信号）。
现在有各种类型的窗口function，从矩形窗口（有效地对信号无效）到提供更好的频率隔离的各种function（尽管有些也可能会杀死你可能感兴趣的周围频率!!）。 唉，没有一个尺寸适合所有人，但我是blackmann-harris窗函数的忠实粉丝（用于光谱图）。 我认为它给出了最好看的结果！
然而，正如我之前提到的，FFT为您提供了非标准化频谱。 要对频谱进行归一化（在欧氏距离计算之后），您需要将所有值除以归一化因子（我在此处详细介绍）。
此规范化将为您提供0到1之间的值。因此，您可以轻松地将此值乘以100以获得0到100的比例。
然而，这并不是它的结束。 你从中获得的光谱相当令人不满意。 这是因为您正在使用线性刻度来查看幅度。 不幸的是，人耳听到使用对数标度。 这相当导致频谱图/频谱看起来如何问题。
要绕过这个，你需要将这些0到1的值（我称之为’x’）转换为分贝比例。 标准转换为20.0f * log10f（x） 。 然后，这将为您提供一个值，其中1已转换为0，0已转换为-infinity。 你的数量现在处于适当的对数范围。 然而，它并不总是那么有用。
此时，您需要查看原始样本位深度。 在16位采样时，您将获得介于32767和-32768之间的值。 这意味着您的动态范围是fabsf（20.0f * log10f（1.0f / 65536.0f））或~96.33dB。 所以现在我们有了这个价值。
从上面的dB计算中获取我们得到的值。 将-96.33值添加到它。 显然，最大幅度（0）现在是96.33。 现在用相同的值进行重复，你现在有一个从-infinity到1.0f的值。 将下端钳位到0，现在您的范围从0到1，再乘以100，您的最终0到100范围。
这比我原本打算的更像是一个怪物post，但是应该为你如何为输入信号生成一个好的频谱/频谱图提供良好的基础。
并且呼吸
进一步阅读（对于已经找到它的原始海报以外的人）：
将FFT转换为频谱
编辑 ：作为一个旁边我发现吻FFT更容易使用，我执行前向fft的代码如下：
CFFT::CFFT( unsigned int fftOrder ) : BaseFFT( fftOrder ) { mFFTSetupFwd = kiss_fftr_alloc( 1 << fftOrder, 0, NULL, NULL ); } bool CFFT::ForwardFFT( std::complex< float >* pOut, const float* pIn, unsigned int num ) { kiss_fftr( mFFTSetupFwd, pIn, (kiss_fft_cpx*)pOut ); return true; }