下面是我在 iOS 中使用 Accelerate Framework 执行 FFT 的一些代码,这使得速度相当快。
//keep all internal stuff inside this struct
typedef struct FFTHelperRef {
FFTSetup fftSetup; // Accelerate opaque type that contains setup information for a given FFT transform.
COMPLEX_SPLIT complexA; // Accelerate type for complex number
Float32 *outFFTData; // Your fft output data
Float32 *invertedCheckData; // This thing is to verify correctness of output. Compare it with input.
} FFTHelperRef;
//首先 - 使用此函数初始化您的 FFTHelperRef。
FFTHelperRef * FFTHelperCreate(long numberOfSamples) {
FFTHelperRef *helperRef = (FFTHelperRef*) malloc(sizeof(FFTHelperRef));
vDSP_Length log2n = log2f(numberOfSamples);
helperRef->fftSetup = vDSP_create_fftsetup(log2n, FFT_RADIX2);
int nOver2 = numberOfSamples/2;
helperRef->complexA.realp = (Float32*) malloc(nOver2*sizeof(Float32) );
helperRef->complexA.imagp = (Float32*) malloc(nOver2*sizeof(Float32) );
helperRef->outFFTData = (Float32 *) malloc(nOver2*sizeof(Float32) );
memset(helperRef->outFFTData, 0, nOver2*sizeof(Float32) );
helperRef->invertedCheckData = (Float32*) malloc(numberOfSamples*sizeof(Float32) );
return helperRef;
}
//这里传递初始化的FFTHelperRef、数据和数据大小。返回大小为 numSamples/2 的 FFT 数据。
Float32 * computeFFT(FFTHelperRef *fftHelperRef, Float32 *timeDomainData, long numSamples) {
vDSP_Length log2n = log2f(numSamples);
Float32 mFFTNormFactor = 1.0/(2*numSamples);
//Convert float array of reals samples to COMPLEX_SPLIT array A
vDSP_ctoz((COMPLEX*)timeDomainData, 2, &(fftHelperRef->complexA), 1, numSamples/2);
//Perform FFT using fftSetup and A
//Results are returned in A
vDSP_fft_zrip(fftHelperRef->fftSetup, &(fftHelperRef->complexA), 1, log2n, FFT_FORWARD);
//scale fft
vDSP_vsmul(fftHelperRef->complexA.realp, 1, &mFFTNormFactor, fftHelperRef->complexA.realp, 1, numSamples/2);
vDSP_vsmul(fftHelperRef->complexA.imagp, 1, &mFFTNormFactor, fftHelperRef->complexA.imagp, 1, numSamples/2);
vDSP_zvmags(&(fftHelperRef->complexA), 1, fftHelperRef->outFFTData, 1, numSamples/2);
//to check everything =============================
vDSP_fft_zrip(fftHelperRef->fftSetup, &(fftHelperRef->complexA), 1, log2n, FFT_INVERSE);
vDSP_ztoc( &(fftHelperRef->complexA), 1, (COMPLEX *) fftHelperRef->invertedCheckData , 2, numSamples/2);
//=================================================
return fftHelperRef->outFFTData;
}
像这样使用它:
初始化它:FFTHelpCreate(TimeDomainDataLenght);
传入Float32时域数据,返回时得到频域数据:Float32 *fftData =computeFFT(fftHelper, 缓冲区, 帧大小);
现在你有一个数组,其中索引=频率,值=幅度(幅度的平方?)。
根据奈奎斯特定理 http://en.wikipedia.org/wiki/Nyquist_rate该阵列中的最大可能频率是采样率的一半。也就是说,如果您的采样率 = 44100,则您可以编码的最大频率为 22050 Hz。
因此,找到适合您的采样率的奈奎斯特最大频率:const Float32 NyquistMaxFreq = SAMPLE_RATE/2.0;
找到 Hz 很容易:Float32 hz = ((Float32)someIndex / (Float32)fftDataSize) * NyquistMaxFreq;(fft数据大小 = 帧大小/2.0)
这对我有用。如果我在 Audacity 中生成特定频率并播放它 - 此代码会检测到正确的频率(最强的频率,您还需要在 fftData 中找到最大值才能执行此操作)。
(大约 1-2% 仍然存在一点不匹配。不知道为什么会发生这种情况。如果有人能解释我为什么 - 那将非常感激。)
EDIT:
发生这种不匹配的原因是我用于 FFT 的片段太小。使用更大的时域数据块(16384 帧)可以解决该问题。
这个问题解释了这一点:无法在 iPhone 上获取正确的频率值 https://stackoverflow.com/questions/9477535/unable-to-get-correct-frequency-value-on-iphone
EDIT:这是示例项目:https://github.com/krafter/DetectingAudioFrequency https://github.com/krafter/DetectingAudioFrequency