如何为FFT表示立体声音频数据

Question

如何为FFT表示立体声（2通道）音频数据？您应该

A. 取两个通道的平均值并将其赋给一个数字的实部，将虚部保留为0。

B. 将一个通道分配给实部，另一个通道分配给虚部。

是否有理由选择其中之一？我在网上搜索了很久也没有找到明确的答案。

我正在进行一些简单的频谱分析，不知道该怎么做，所以使用了选项A）。这给了我一个意外的结果，而选项B）则如预期一样。以下是更多细节：

我有一份钢琴“中央C”的WAV文件。根据定义，“中央C”是260Hz，因此我希望峰值频率在260Hz处，谐波处有较小的峰值。通过音频编辑软件（Sound Forge）查看频谱，我确认了这一点。但是当我使用选项A）自己进行FFT时，峰值在520Hz处。使用选项B）时，峰值在260Hz处。

我错过了什么吗？到目前为止，我想出的解释是，使用实部和虚部组成表示立体声数据意味着两个通道是独立的，我认为它们并不是独立的，因此出现了问题。

- vroooom

Answer 1

我认为您没有正确理解平均值。:-)

C. 分别处理每个通道，将振幅赋值给实部，虚部保持为0。

- Gilbert Le Blanc

---

或者直接使用真正优化的FFT - 大多数工具包都提供了这样一个功能，它可以防止关于实部和虚部的混淆，至少对于输入来说是这样的 ;)有些甚至提供“n维”变体；将声音输入的每个通道视为一个维度。当然，之后你需要找到FFT结果的平均值。 - T045T

Answer 2

选项B没有意义。选项A是可以的（如果你关心全局频谱），它相当于将信号转换为单声道。你的问题（双倍频）肯定与您的FFT例程使用上存在误解有关。

- leonbloy

---

实际上这是有很多道理的。请参考该问题的答案以获取详细信息：https://dev59.com/zW3Xa4cB1Zd3GeqPf47H - Rémi

Answer 3

一旦你进行FFT，你需要获取复杂频谱的幅度。要获取幅度，需要取复杂频谱的绝对值|X(w)|。如果你想查看功率谱，可以将幅度谱平方，即|X(w)|^2。

关于你的频率偏移，我认为它与你将虚部设为零有关。如果你将复杂频谱想象为笛卡尔空间中的一系列复向量或位置向量，则如果你取一个离散频率bin X(w)，它会有一个表示其在实轴（x-轴）上方向的实数部分，以及一个在虚轴（y-轴）上方向的虚数部分。这个离散频率有四个重要的值：1. 实数值，2. 虚数值，3. 幅度和4. 相位。如果你只取实数值并将虚数设为0，你就是在设置幅度=实数值和相位=0度或90度。因此，你修改了结果频谱，并对每个频率bin应用了偏置。查看向量的大小，也称为向量的欧几里得范数，以加深你的理解。Leonbloy是正确的，但我希望这更具信息性。

- digiphd

---

我觉得你对于 OP 何时将虚部设为零有些困惑，即在 FFT 的输入中。这是完全可以的，因为音频数据没有虚部，而变换后的数据有。 当然，一旦完成了 FFT，你是正确的。你需要计算幅度，而不仅仅是实部。 我认为 leonbloy 所提到的误解更多与频率区间的标签有关，而不是范数 :) - T045T

Answer 4

把FFT理解为从一个信号中获取信息的方式。你问的是如何以最佳的方式显示来自两个信号的数据。我的建议是将每个信号独立处理，并为每个信号显示FFT。

如果你想要一个快速的流式FFT，你可以阅读我在这里写的算法：www.depthcharged.us/?p=176

- Kevin R.