【发布时间】：2015-02-06 21:24:14
【问题描述】：
好的，这里有很多问题，谷歌上有很多阅读材料，但我不知何故无法弄清楚这一点。我想获得一段语音的基频。基本步骤应该是：
- 对窗口信号进行 FFT
- 将 FFT 从直角坐标转换为极坐标（这样就可以得到幅度）
- 丢弃阶段信息
- 取平方，然后是每个大小的 bin 的自然对数
- 再做一次 FFT（或者有些消息来源说取反 fft？）
这是我在 AS3 中的实现方式：
var signal:Vector.<Number> = my1024PointSignal; // an audio signal 1024 samples long
var imx:Vector.<Number> = new Vector.<Number>(signal.length); // 1024 point vector to hold imaginary part of fft
hammingWindow(signal); // window it
zeroFill(imx); // fill imx with zeros
FFT(signal, imx); // convert signal into real and imaginary components of fft
toPolar(signal, imx); // convert fft to polar coordinates
// square each bin, and take the log of each bin, discard phase
for (var i:int = 0, l:int = signal.length; i < l; i++) {
signal[i] = Math.log(Math.pow(signal[i], 2));
imx[i] = 0;
}
FFT(signal, imx); // or maybe inverseFFT(signal, imx), i don't know
现在，当我这样做并以 FFT 结束时，当我绘制它时，bin 似乎是相反的顺序？我还看到二次谐波的峰值比基频的峰值更大。当我这样做并进行逆 FFT 时，我得到一个看起来反射在 N/2 附近的音频信号，并且峰值似乎再次反转。整个事情也相当嘈杂。我做错了什么？
【问题讨论】：
标签： signal-processing fft pitch-tracking pitch-detection