Разложение Фурье позволяет вам взять любую функцию времени и описать ее как сумму синусоидальных волн, каждая из которых имеет разные амплитуды и частоты. Если, однако, вы хотите решить эту проблему с помощью ДПФ, вам необходимо убедиться, что у вас есть достаточное разрешение в частотной области, чтобы различать разные частоты. Получив это, вы можете определить, какие частоты являются доминирующими в сигнале, и создать сигнал, состоящий из кратных синусоид, соответствующих этим частотам. Вы правы, говоря, что при частоте дискретизации 44,1 кГц и просмотре только 256 отсчетов самая низкая частота, которую вы сможете обнаружить в этих 256 отсчетах, - это частота 172 Гц.
ПОЛУЧИТЕ ДОСТАТОЧНОЕ РАЗРЕШЕНИЕ В ОБЛАСТИ ЧАСТОТЫ:
Значения амплитуды для частот «только на определенных частотах, кратных базовой частоте» справедливы для разложения Фурье, НЕ для ДПФ, которое будет иметь разрешение по частоте с определенным приращением. Частотное разрешение ДПФ связано с частотой дискретизации и количеством выборок сигнала во временной области, используемого для вычисления ДПФ. Уменьшение частотного интервала даст вам лучшую способность различать две близко расположенные частоты, и это можно сделать двумя способами;
- Уменьшение частоты дискретизации, но это приведет к сближению периодических повторений по частоте. (Помните теорему НайКвиста здесь)
- Увеличьте количество выборок, которые вы используете для вычисления ДПФ. Если доступны только 256 отсчетов, можно выполнить «заполнение нулями», когда отсчеты с нулевым значением добавляются в конец данных, но есть некоторые эффекты, которые необходимо учитывать.
КАК ПОДХОДИТЬ К ЗАКЛЮЧЕНИЮ:
Если вы изобразите частотный состав различных звуковых сигналов на отдельных графиках, вы обнаружите, что амплитуды различаются немного. Это связано с тем, что отдельные сигналы не будут идентичны по звуку, и всегда есть шум, присущий любому сигналу (от окружения и самого оборудования). Следовательно, вы хотите взять среднее значение двух или более сигналов DFT, чтобы удалить шум и получить более точное представление частотного содержания. В зависимости от вашего приложения это может быть невозможно, если звук, который вы записываете, заметно меняется со временем (например, речь или музыка). Таким образом, усреднение полезно только в том случае, если все сигналы, подлежащие усреднению, в значительной степени одинаковы по звуку (отдельные отдельные записи «одного и того же»). Чтобы уточнить, например, из четырех сигналов временной области вы хотите создать четыре сигнала частотной области (используя метод DFT), а затем вычислить среднее значение четырех сигналов частотной области в один усредненный сигнал частотной области. . Это удалит шум и даст вам лучшее представление о том, какие частоты присущи вашему звуку.
АЛЬТЕРНАТИВНОЕ РЕШЕНИЕ:
Если вы знаете, что ваш сигнал должен содержать определенное количество доминирующих частот (не слишком много), и это единственные, которые вам интересны, то я бы порекомендовал вам использовать гармоническое разложение Писаренко (PHD) или классификацию множественных сигналов ( МУЗЫКА, приятное сокращение!), Чтобы найти эти частоты (и соответствующие им значения амплитуды). Это менее затратно с точки зрения вычислений, чем ДПФ. Например. если вы ЗНАЕТЕ, что сигнал содержит 3 доминирующие частоты, Писаренко вернет значения частот для этих трех, но имейте в виду, что ДПФ показывает гораздо больше информации, что позволяет вам прийти к большему количеству выводов.
person
Fredrik
schedule
02.11.2012