Questions tagged «fft»

我正在尝试尽可能准确地分析音乐。我当然尝试了FFT，但遇到了一些问题。 我发现低频比人类的听力分辨率低。我尝试了很长时间的FFT来解决此问题，但是即使以44100Hz采样率（意味着缺乏时间分辨率）以8192个采样/秒进行分析，我在低频上也没有足够的分辨率。 我发现解决方案很少。 首先，对FFT仓进行二次插值。 但这似乎不是一个完美的方法。这种方法的问题是： 1.“如果我想确定频率仓之间的频率，我应该选择哪三个仓进行插值？” 2.“即使我这样做，也没有关于结果的实际附加信息。我知道插值是一种棘手的方法。 其次，以所需的频率提取每个频率仓，因此我可以对数提取仓。 但是存在一个关键的计算成本问题：（可能超过）N ^ 2。 第三，对数傅立叶变换（LFT）。 这需要对数间隔的样本，并以令人难以置信的快速速度为我提供了我想要的结果。/programming/1120422/is-there-an-fft-that-uses-a-logarithmic-division-of-frequency 但是我不知道该算法。我试图理解并实施该论文，但由于缺乏英语和数学技能，因此无法实现。 因此，我需要实施LFT的帮助。

9 audio  fft 

我正在使用FFT分析本质上是信号的功率包络（有关包含项目的信息，请参见此处），并且由于功率数始终为正，因此为了消除直流分量，我想使用一个窗口与通常的全正函数相比，正负函数为50/50。 我已经采用了“ 平顶 ”功能，消除了a0偏差并将其从余弦转换为正弦，但是我不确定这是最佳的（甚至是有意义的）。 有什么建议吗？

9 fft  window-functions 

我有一个信号：，其中我= 0 ... ñ - 1。F一世（吨一世= 我Δ 吨）fi(ti=iΔt)f_i(t_i=i\Delta t)i = 0 … n − 1i=0…n−1i = 0\ldots n-1 信号似乎在较慢的“趋势”附近快速变化。我假设快速变化的部分是噪声，而缓慢变化的部分是真实信号。 如何估算信号的信噪比（SNR）？ 我想，如果我能在treshold频率决定：我可以使用下面的表达式：ωŤωt\omega_t ，其中F表示f（t）的傅立叶变换。S/N=∫ωt0|F(ω)|2∫∞ωt|F(ω)|2S/N=∫0ωt|F(ω)|2∫ωt∞|F(ω)|2S/N=\frac{\displaystyle\int_0^{\omega_t}|F(\omega)|^2}{\displaystyle\int_{\omega_t}^{\infty}|F(\omega)|^2}FFFf(t)f(t)f(t)

9 fft  noise  snr 

首先，我很抱歉，因为我是一名软件开发人员，而且很长一段时间以来我还没有深入研究纯数学，所以我的问题似乎很愚蠢。我希望不是。 背景是音乐中的音高识别。 如果您记下音符，然后对其进行傅立叶变换，则对于给定的频率，您将获得无限的振幅总和。例如，如果我在任何乐器上演奏基音为的音符，则在进行傅立叶变换后，我将在处产生谐波。每个频率都会有一个给定的幅度，该幅度定义了乐器的音色（钢琴，声音，小号……都遵循此律，但是每个谐波的幅度都不同）F ，2 F ，3 F ，… ，n FFFFF，2 楼，3 ˚F，… ，n FF，2F，3F，…，ñFF, 2F, 3F,\ldots,nF 现在我想要做的是从给定的音频信号，找到。只是。这比看起来要复杂得多，因为您将始终有背景噪声等等。此外，不一定是振幅最高的频率！˚FFFFFFF 因此，我找到想法是应用DFT（实际上实际上是FFT以获得速度）并找到频率，以便在FFT输出中最大。F F + 2 F + 3 F + … + n FFFFFFFF+ 2 楼+ 3 楼+ … + n FF+2F+3F+…+ñFF + 2F +3F + \ldots + nF 您认为这完全有可能吗？您认为在很短的时间内（例如<5毫秒）有可能吗？

9 audio  fft  pitch 

我正在尝试使用霍夫变换进行边缘检测，并希望使用渐变图像作为基础。 我迄今所做，给出的图像I尺寸的[M,N]和它的部分衍生物gx，gy是计算中的每个像素作为梯度角thetas = atan(gy(x,y) ./ gx。同样，我将梯度幅度计算为magnitudes = sqrt(gx.^2+gy.^2)。 要构建霍夫变换，我使用以下MATLAB代码： max_rho = ceil(sqrt(M^2 + N^2)); hough = zeros(2*max_rho, 101); for x=1:M for y=1:N theta = thetas(x,y); rho = x*cos(theta) + y*sin(theta); rho_idx = round(rho)+max_rho; theta_idx = floor((theta + pi/2) / pi * 100) + 1; hough(rho_idx, theta_idx) = hough(rho_idx, theta_idx) + …

9 image-processing  edge-detection  image-processing  computer-vision  image-registration  discrete-signals  noise  bpsk  snr  demodulation  bpsk  multipath  synchronization  timing  image-processing  filters  algorithms  edge-detection  sampling  demodulation  bpsk  synchronization  timing  fft  fourier-transform  delay  audio  speech-recognition  soft-question  discrete-signals  discrete-signals  autocorrelation  frequency  computer-vision 

我获得了一个1000Hz的音频文件（正弦波）作为FFT算法的输入。我在阵列中得到了8192个功率谱样本。 检查我的输出是对还是错的最佳和最简便的方法是什么？ 如果我给出一个无声音频文件，则所有样本的输出均为零。在正弦波中，o / p从20（第0个样本）增加到26059811（743个样本），然后逐渐降低到40。 如果我对输出范围有所了解，则可以从技术上证明FFT是否有效。 任何想法都会有所帮助。 如有任何技术疑问，请参考此链接。

9 fft  audio