Java频率分析性能

Question

我正在开发一个应用程序，对音频进行采样并需要实时处理（FFT和谐产品谱）这些数据。

我需要使用44100Hz的采样率，并需要0.5Hz的频率分辨率，这意味着在FFT之前需要88200个采样。由于是两倍的采样率，因此这需要约2秒钟来捕获；但是，在第一次采样后，通过使用循环缓冲区进行采样，并从那时起仅读取一半的采样数，我确实改善了很多。

不幸的是，性能仍然相当低，并且存在相当大的延迟。这是一个大问题，因为应用程序需要及时响应输入。

有没有人可以提供任何建议，以改善此性能？我认为主要问题在于需要大量的采样，如果有办法减少读取的音频量同时保持相同的准确度，那就太好了。也许线程会在这里有所帮助？

编辑：

如有助于了解，我正在尝试从电吉他输入进行实时F0估计，以及进行和弦匹配的多个F0估计。我有一些有效且准确的方法可以实现这一点，但这是一个大学项目，我没有足够的时间去研究除FFT以外的其他方法。实际上，我只是希望能够加快采样过程的速度。

- nihilo90

---

有没有可能提高并发级别？例如，将文件分成更小的块（首先是2个块），并在不同的线程下运行这些样本？如果您没有硬件依赖关系（受CPU驱动而非声卡驱动），我认为这种分而治之的方法可能会有所帮助。 - questzen

Answer 1

由于您需要最初捕获2秒的音频，这将对延迟设置下限。即使您有50％的重叠，您仍将具有最小1秒的延迟。FFT和其他处理只会增加这个延迟，但希望不会增加太多（否则请使用更快的FFT库）。您唯一能够减少此延迟的方法是牺牲频率分辨率。

- Paul R

---

这正是我担心的。我认为有些人尝试使用零的插值与FFT输入来增加分辨率，但仍然使用更少的样本。我可能会尝试一下，看看它的效果如何，但我认为这并不是一个解决方案。 - nihilo90

用零填充并不能提供更多的“准确性”，它只是插值你的频域数据，以便获得更多的表面分辨率，但这只是表面的 - 它不会分离峰值，如果它们太接近而无法根据采样率进行分辨，即你不能从无处获取信息。如果您给出您正在尝试做什么的高级别想法，那可能会有其他方法可以帮助您。 - Paul R

我已经编辑了我的项目的更多信息。对于零填充，如果我只对某个频率范围感兴趣，这会有影响吗？此外，对于这些插值点周围的桶进行平均处理是否值得考虑？ - nihilo90

好的 - 我以为这可能是另一个音高估计问题。;-) 你可能想看看关于这个主题的一些其他问题和答案，因为在过去的几年里已经广泛涵盖了这个主题 - 似乎有很多人为iOS等编写吉他调音器和类似应用程序。基于FFT的方法可能不是理想的选择，但如果你时间有限，那么你可能只能尽力而为。 - Paul R

我知道还有其他选项，但老实说，FFT方法是我唯一真正能理解的方法。我发现在线上关于这些事情的解释并不是很好（至少对于没有高级数学背景的人来说）。不过还是谢谢你的帮助 :) - nihilo90

Answer 2

使用FFT方法会产生时间和频率的权衡。如果你想要更低的延迟，就需要使用较少的数据，而这样做会导致使用FFT（无论是缩短还是零填充）时频率估计的准确性降低。

零填充只会给你一个高质量的插值结果。但是相比只使用较短FFT的峰值频率所在的频率段，这样做可能会提供更好的峰值频率估计。

- hotpaw2