我需要在 Android 项目中计算音频数据的 FFT，我使用 jTransforms 来实现这一点。
音频数据的样本长达几秒钟，并以 11025 赫兹的采样率记录。
我不确定如何在 jTransforms 中设置 FFT 的长度。我真的不需要高频率分辨率，所以 1024 的大小就足够了。
但是根据我对 FFT 的了解，如果我减小 FFT 大小 F 并使用长度为 N > F 的样本，则仅转换原始样本的前 F 值。
这是真的还是我理解错了？
如果是真的，是否有一种有效的方法来转换整个信号并在之后减小 FFT 大小？
我需要它来使用支持向量机对不同的信号进行分类，而 FFT-Sizes > 1024 会给我太多的输出特征，所以我必须将 FFT 的结果减少到更紧凑的向量。
我对jTransform库不熟悉，但是你真的在计算之前设置了变换的大小吗？时域信号的幅度值和采样频率（11.025 kHz）足以计算 FFT（注意 FFT 假设采样率恒定）
频域分辨率由奈奎斯特定理确定；信号中的最大可解析频率将等于采样率的一半。换句话说，以 11.025 kHz 对信号进行采样，您可以期望频率图包含 0 Hz - 5.5125 kHz 之间的频率值（和相应的幅度）。
更新：
如果您的输入信号较长，FFT 的分辨率（频率区间的窄度）将增加/改善，因此如果您需要区分频率的非常小的变化，1024 个样本可能不是一个足够长的序列。如果这对您的应用程序来说不是问题，并且您的数据的性质没有快速变化，并且您有处理时间，那么平均 3-4 次 FFT 估计将大大减少噪声并改善估计。
如果您只想要 FFT 幅度结果，则对连续 1024 个数据块长度重复使用 FFT，并对所有连续幅度结果进行矢量求和，以获得整个更长信号的估计。
请参阅Welch 的关于估计谱密度的方法，以了解为什么这可能是一种有用的技术。