我不确定问这个问题的最佳方式，但这里有。
我创建了自己的方法来进行一种傅里叶变换，我想看看这是否比 FFT 的标准方法给我更好的压缩。目前，我正在读取一个 wav 文件，使用我的方法（它不是 FFT 或离散）进行傅里叶变换，并重现 wav 数据。然后我使用ffmep命令行工具将我的 wav 文件转换为 mp3。
我的问题是，这个过程是否会使我的傅立叶变换变得多余？
如果是这样，给定我的傅立叶级数，我如何生成 mp3 文件？
我想要实现的目标：我有一个傅立叶变换算法，我认为它在压缩和标准 FFT 方面效果更好，我想在声音压缩上测试这个假设。做这个的最好方式是什么？
我会忘记 mp3 ......你的压缩技术取代了 mp3 ......相反，我会在这里专注于 PCM 格式的原始音频
他们的过程
PCM -> conversion to mp3 -> mp3 file -> decoding to PCM -> PCM
你的过程
PCM -> your compression trick -> SpentDeath file -> decoding to PCM -> PCM
只需使用相同的原始音频 PCM 作为上述两个流程的输入...一个比较是 mp3 的文件大小与您的压缩文件相比...第二个比较是输出最终 PCM 的质量
我听到您所说的关于它不是 FFT 但请记住，如果它是 FFT，您具有更大频率粒度（每个频率与其幅度之间的差异更小）的程度，所需的音频样本数量就更多......这意味着频率空间中更高的频率测量精度需要时域中更长的音频样本窗口......这对于非周期性信号来说很好（当音频只是一个恒定的音调而不是歌曲时）......然而，对于像一首非周期性的歌曲那样不断变化的音频，没有有意义的音频样本宽窗口这样的东西，因为当你扩大采样窗口时，你会从不断变化的音频信号中包含更多不同的曲线，因此产生的频率幅度将来自整个采样窗口中遇到的所有频率的平均值，因此一旦 FFT 使用傅里叶逆变换将您的音频信号返回到 PCM，您付出的代价就是时域精度的损失