오디오 신호의 대수 푸리에 변환 (LFT)


9

가능한 한 정확하게 음악을 분석하려고합니다. 물론 FFT를 시도했지만 몇 가지 문제가 있습니다.

저주파는 인간의 청각보다 해상도가 매우 낮습니다. 나는이 문제를 해결하기 위해 매우 오랜 시간 FFT를 시도했지만 44100Hz 샘플 속도 (시간 분해능이 부족함)에서 8192 샘플 / s로 분석하더라도 저주파수에서 충분한 해상도를 얻지 못했습니다.

나는 해결책이 거의 없다는 것을 알았습니다.

먼저, FFT 빈에 대한 2 차 보간.
그러나 완벽한 방법은 아닙니다. 이 방법의 문제점은 다음과 같습니다.

1. '주파수 빈 사이의 주파수를 결정하려면 보간을 위해 어떤 빈 3 개를 선택해야합니까?'
2. '이 작업을 수행하더라도 결과에 대한 실제 추가 정보는 없습니다. 보간법은 까다로운 방법이라는 것을 알고 있습니다. '

둘째, 원하는 주파수로 각 freq 빈을 추출하므로 빈을 로그로 추출 할 수 있습니다.
그러나 중요한 계산 비용 문제가 있습니다. (아마도) N ^ 2.

셋째, LFT (Logarithmic Fourier Transform).
이것은 로그 간격의 샘플을 필요로하며 엄청나게 빠른 속도로 원하는 결과를 정확하게 제공합니다. /programming/1120422/is-there-an-fft-that-uses-a-logarithmic-division-of-frequency

그러나 나는 그 알고리즘에 대해 전혀 모른다. 나는 종이를 이해하고 구현하려고 노력했지만 영어와 수학 기술이 부족하여 불가능했습니다.

따라서 LFT 구현에 도움이 필요합니다.

답변:


8

가장 간단하고 실용적인 솔루션은 가장 낮은 관심 주파수에서 필요한 해상도를 얻을 수있을 정도로 충분히 큰 크기의 일반 FFT를 사용하는 것입니다. 예를 들어, 가장 낮은 관심 주파수에서 1Hz 분해능을 원하면 1 초 FFT 창이 필요합니다. 즉 FFT 크기는 샘플 속도 (예 : 44100)와 같아야합니다.

대수 FFT를 구현할 수 있더라도 여전히 물리 법칙 (정보 이론)에 구속되며 여전히 비슷한 길이의 샘플 창이 필요합니다. ) 성능을 희생합니다.


이상하다. 이론적으로 더 이상 데이터가 없다는 것을 알고 있습니다. 큰 크기의 FFT를 사용하면 악기의 매우 빠른 시작을 분석 할 수 없다는 것이 사실입니다. 저주파에서 더 높은 해상도를 얻을 수 없다는 것도 사실입니다. 그러나 인간의 청각 시스템은 어떻습니까? 그 시스템이 시간과 주파수 모두에서 어떻게 더 높은 해상도를 얻고 있습니까?

3
아마도 연속적인 각 옥타브를 2 배로 줄인 계층 적 접근 방식을 고려해야합니다. 그래서 더 높은 주파수에서 짧은 시간 창을 사용하고 더 낮은 주파수에서 더 긴 시간 창을 사용할 수 있습니까? 이것은 주파수에 따라 대역폭이 증가하는 청각 필터 뱅크와 다소 유사합니다.
— Paul R

훌륭한 접근 방식. 저주파에서는 장시간 고 르트 젤, 고주파에서는 짧은 시간 고 르트 젤? 맞는 말이다. 그러나 많은 계산 비용이 필요합니다.

더 복잡하더라도 하나의 큰 FFT를 수행하는 것 보다 더 효율적일 수 있습니다. 예를 들어 4 옥타브 계층의 경우 x2 다운 샘플링을 위해 4 x 2048 포인트 FFT와 3 개의 저역 통과 필터를 원할 수 있습니다. 가장 낮은 FFT의 분해능은 전체 샘플 속도에서 단일 16384 포인트 FFT만큼 좋을 것이지만 FFT가 O (n log n)이므로 총 계산 비용은 훨씬 낮습니다.
— Paul R

aha, FFT 2048, 다운 샘플 x2, FFT 2048, 다운 샘플 x2 .... 16384 FFT보다 훨씬 적은 비용으로 시간 및 주파수 분해능을 갖습니다. 큰. 그리고 지금은 또 다른 해결책이 있습니다. 16384 샘플에서 매 32 분마다 goertzel입니다. 따라서 누적하면 저비용과 고주파수를 더 적은 비용으로 추출 할 수 있습니다. 고마워 :)

0

수행하려는 분석에 각 빈의 신호 주파수가 필요한 경우 단시간 푸리에 변환 을 사용하여 이를 달성 할 수 있습니다 .

FFT의 각 빈은 실제 및 가상의 구성 요소를 나타내는 복소수를 생성합니다.

연속 STFT 스펙트럼 쌍에서 해당 빈을 가져 와서 주파수 = dPhi / dt (Phi == 위상)로 주파수를 계산할 수 있습니다.

DSP Dimension 은 프로세스에 대한 좋은 기사를 가지고 있습니다.


더 복잡한 문제를 고려하고있는 것 같습니다. FFT를 사용할 수는 있지만 오디오 신호 분석에서는 적합하지 않습니다.

3
단시간 푸리에 변환의 "일정한 Q"버전을보십시오. STFT의 이러한 배열은 다른 주파수 범위에 대한 요구 사항을 수용하도록 로그를 조정하는 주파수 분해능을 제공합니다.
— user2718

내가 볼게 fft 결과에 적용된 단순한 필터 뱅크 변환 작업이라고 생각했습니다.
— Laie
당사 사이트를 사용함과 동시에 당사의 쿠키 정책과 개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.