26

我一直在浏览这篇精彩的文章:http: //blogs.zynaptiq.com/bernsee/pitch-shifting-using-the-ft/

虽然很棒,但它非常艰难和沉重。这种材料真的让我很紧张。

我从 Stefan 的代码模块中提取了数学,该模块计算给定 bin 的确切频率。但我不明白最后的计算。有人可以向我解释一下最后的数学结构吗?

在深入研究代码之前,让我设置场景:

  • 假设我们设置 fftFrameSize = 1024,所以我们正在处理 512+1 个 bin

  • 例如,Bin[1] 的理想频率适合帧中的单个波。在 40KHz 的采样率下,tOneFrame = 1024/40K 秒 = 1/40s,因此 Bin[1] 理想情况下会收集 40Hz 的信号。

  • 设置 osamp (overSample) = 4,我们以 256 步长沿输入信号前进。因此,第一个分析检查字节 0 到 1023,然后检查字节 256 到 1279,等等。注意每个浮点数被处理 4 次。

...

void calcBins( 
              long fftFrameSize, 
              long osamp, 
              float sampleRate, 
              float * floats, 
              BIN * bins
              )
{
    /* initialize our static arrays */
    static float gFFTworksp[2*MAX_FRAME_LENGTH];
    static float gLastPhase[MAX_FRAME_LENGTH/2+1];

    static long gInit = 0;
    if (! gInit) 
    {
        memset(gFFTworksp, 0, 2*MAX_FRAME_LENGTH*sizeof(float));
        memset(gLastPhase, 0, (MAX_FRAME_LENGTH/2+1)*sizeof(float));
        gInit = 1;
    }

    /* do windowing and re,im interleave */
    for (long k = 0; k < fftFrameSize; k++) 
    {
        double window = -.5*cos(2.*M_PI*(double)k/(double)fftFrameSize)+.5;
        gFFTworksp[2*k] = floats[k] * window;
        printf("sinValue: %f", gFFTworksp[2*k]);
        gFFTworksp[2*k+1] = 0.;
    }

    /* do transform */
    smbFft(gFFTworksp, fftFrameSize, -1);

    printf("\n");

    /* this is the analysis step */
    for (long k = 0; k <= fftFrameSize/2; k++) 
    {
        /* de-interlace FFT buffer */
        double real = gFFTworksp[2*k];
        double imag = gFFTworksp[2*k+1];

        /* compute magnitude and phase */
        double magn = 2.*sqrt(real*real + imag*imag);
        double phase = atan2(imag,real);

        /* compute phase difference */
        double phaseDiff = phase - gLastPhase[k];
        gLastPhase[k] = phase;

        /* subtract expected phase difference */
        double binPhaseOffset = M_TWOPI * (double)k / (double)osamp;
        double deltaPhase = phaseDiff - binPhaseOffset;

        /* map delta phase into [-Pi, Pi) interval */
        // better, but obfuscatory...
        //    deltaPhase -= M_TWOPI * floor(deltaPhase / M_TWOPI + .5);

        while (deltaPhase >= M_PI)
            deltaPhase -= M_TWOPI;
        while (deltaPhase < -M_PI)
            deltaPhase += M_TWOPI;

(编辑:)现在我不明白:

        // Get deviation from bin frequency from the +/- Pi interval 
        // Compute the k-th partials' true frequency    

        // Start with bin's ideal frequency
        double bin0Freq = (double)sampleRate / (double)fftFrameSize;
        bins[k].idealFreq = (double)k * bin0Freq;

        // Add deltaFreq
        double sampleTime = 1. / (double)sampleRate;
        double samplesInStep = (double)fftFrameSize / (double)osamp;
        double stepTime = sampleTime * samplesInStep;
        double deltaTime = stepTime;        

        // Definition of frequency is rate of change of phase, i.e. f = dϕ/dt
        // double deltaPhaseUnit = deltaPhase / M_TWOPI; // range [-.5, .5)
        double freqAdjust = (1. / M_TWOPI) * deltaPhase / deltaTime; 

        // Actual freq <-- WHY ???
        bins[k].freq = bins[k].idealFreq + freqAdjust;
    }
}

我只是看不清楚,即使它似乎在盯着脸看。有人可以从头开始逐步解释这个过程吗?

4

6 回答 6

12

基本原理非常简单。如果给定的组件与 bin 频率完全匹配,则其相位不会从一个 FT 变为下一个 FT。然而,如果频率不完全对应于 bin 频率,则在连续 FT 之间会有相位变化。频率增量只是:

delta_freq = delta_phase / delta_time

然后对分量频率的精确估计将是:

freq_est = bin_freq + delta_freq
于 2011-01-08T09:19:27.760 回答
11

我自己为Performous实现了这个算法。当您在一个时间偏移处进行另一个 FFT 时,您希望相位根据偏移量而变化,即相隔 256 个样本的两个 FFT 对于信号中存在的所有频率应该具有 256 个样本的相位差(这假设信号本身是稳定的,这对于像 256 个样本这样的短期内是一个很好的假设)。

现在,您从 FFT 获得的实际相位值不是样本,而是相位角,因此它们会因频率而异。在以下代码中,phaseStep 值是每个 bin 所需的转换因子,即对于 bin x 对应的频率,相移将为 x * phaseStep。对于 bin 中心频率,x 将是一个整数(bin 编号),但对于实际检测到的频率,它可以是任何实数。

const double freqPerBin = SAMPLE_RATE / FFT_N;
const double phaseStep = 2.0 * M_PI * FFT_STEP / FFT_N;

校正的工作原理是假设 bin 中的信号具有 bin 中心频率,然后计算预期的相移。从实际班次中减去这个预期班次,留下误差。取余数(模 2 pi)(-pi 到 pi 范围),并使用 bin 中心 + 校正计算最终频率。

// process phase difference
double delta = phase - m_fftLastPhase[k];
m_fftLastPhase[k] = phase;
delta -= k * phaseStep;  // subtract expected phase difference
delta = remainder(delta, 2.0 * M_PI);  // map delta phase into +/- M_PI interval
delta /= phaseStep;  // calculate diff from bin center frequency
double freq = (k + delta) * freqPerBin;  // calculate the true frequency

请注意,许多相邻的 bin 通常最终被校正到相同的频率,因为 delta 校正可以高达 0.5 * FFT_N / FFT_STEP bin需要以及由于不准确而导致的不精确性)。

我希望这有帮助 :)

于 2011-02-06T11:14:33.210 回答
7

这是相位声码器方法使用的频率估计技术。

如果您及时查看(固定频率和固定幅度)正弦波上的单个点,相位将随时间提前与频率成正比的量。或者你可以反过来:如果你测量一个正弦曲线的相位在任何单位时间内变化了多少,你就可以计算出那个正弦曲线的频率。

相位声码器使用两个 FFT 参考两个 FFT 窗口估计相位,两个 FFT 的偏移量是 2 个相位测量值之间的时间距离。从那时起,您就有了对该 FFT bin 的频率估计(FFT bin 大致是一个滤波器,用于隔离正弦分量或其他适合该 bin 的足够窄带信号)。

为使该方法起作用,使用中的 FFT bin 附近的频谱必须相当稳定,例如频率不变等。这是相位声码器所需的假设。

于 2011-01-08T14:13:50.600 回答
6

最后我想通了;真的,我不得不从头开始。我知道会有一些简单的方法来推导它,我的(通常)错误是试图遵循别人的逻辑而不是使用我自己的常识。

这个谜题需要两把钥匙才能解锁。

...

for (int k = 0; k <= fftFrameSize/2; k++) 
{
    // compute magnitude and phase 
    bins[k].mag = 2.*sqrt(fftBins[k].real*fftBins[k].real + fftBins[k].imag*fftBins[k].imag);
    bins[k].phase = atan2(fftBins[k].imag, fftBins[k].real);

    // Compute phase difference Δϕ fo bin[k]
    double deltaPhase;
    {
        double measuredPhaseDiff = bins[k].phase - gLastPhase[k];
        gLastPhase[k] = bins[k].phase;

        // Subtract expected phase difference <-- FIRST KEY
        // Think of a single wave in a 1024 float frame, with osamp = 4
        //   if the first sample catches it at phase = 0, the next will 
        //   catch it at pi/2 ie 1/4 * 2pi
        double binPhaseExpectedDiscrepancy = M_TWOPI * (double)k / (double)osamp;
        deltaPhase = measuredPhaseDiff - binPhaseExpectedDiscrepancy;

        // Wrap delta phase into [-Pi, Pi) interval 
        deltaPhase -= M_TWOPI * floor(deltaPhase / M_TWOPI + .5);
    }

    // say sampleRate = 40K samps/sec, fftFrameSize = 1024 samps in FFT giving bin[0] thru bin[512]
    // then bin[1] holds one whole wave in the frame, ie 44 waves in 1s ie 44Hz ie sampleRate / fftFrameSize
    double bin0Freq = (double)sampleRate / (double)fftFrameSize;
    bins[k].idealFreq = (double)k * bin0Freq;

    // Consider Δϕ for bin[k] between hops.
    // write as 2π / m.
    // so after m hops, Δϕ = 2π, ie 1 extra cycle has occurred   <-- SECOND KEY
    double m = M_TWOPI / deltaPhase;

    // so, m hops should have bin[k].idealFreq * t_mHops cycles.  plus this extra 1.
    // 
    // bin[k].idealFreq * t_mHops + 1 cycles in t_mHops seconds 
    //   => bins[k].actualFreq = bin[k].idealFreq + 1 / t_mHops
    double tFrame = fftFrameSize / sampleRate;
    double tHop = tFrame / osamp;
    double t_mHops = m * tHop;

    bins[k].freq = bins[k].idealFreq + 1. / t_mHops;
}
于 2011-02-08T09:10:35.320 回答
2

也许这会有所帮助。将 FFT 箱视为指定小时钟或转子,每个都以箱的频率旋转。对于稳定的信号,转子的(理论)下一个位置可以使用您没有得到的位中的数学来预测。针对这个“应该是”(理想的)位置,您可以计算几个有用的东西:(1)与相邻帧的 bin 中的相位差,相位声码器使用它来更好地估计 bin 频率,或者(2) 更一般地说,相位偏差是音频中音符开始或其他一些事件的积极指标。

于 2012-04-24T16:16:10.290 回答
1

恰好落在 bin 频率上的信号频率将 bin 相位提前 2π 的整数倍。由于 FFT 的周期性,对应于 bin 频率的 bin 相位是 2π 的倍数,因此在这种情况下没有相位变化。你提到的文章也解释了这一点。

于 2011-02-06T09:49:47.457 回答