audition中的FFT大小到底啥意思

audition中的FFT大小到底啥意思

FFT（fast Fourier transform，快速傅立叶变换）

快速傅立叶变换就是分析计算信号波形中的频谱成分强度，将其能量从时间积分，从而得出频率-能量相关的形式，称为频域分析。注意这里讲的是频率-能量相关，而非一般认为的频率-幅度相关，因为傅立叶变换实际上已经无法确认信号不同频率间的幅度关系，而只能计算出其能量关系。

fft可以设定的数值代表了你要查看的频谱分析精度。这个精度的大小要视个人处理的需要。
建议FFT大小控制数值在8192~24000均可，而且在这个傅立叶变换阈值里我们的听觉很难分辨出具体的差别，建议设为16384。

通过对语音信号稀疏分解中使用的过完备原子库结构特性的分析,提出了一种改进的信号稀疏分解算法。该算法针对语音信号的特点,以FFT算法实现的稀疏分解为基础缩小了原子的搜索范围,从而不仅进一步提高分解速度,还能以更稀疏的形式表示语音信号。

FFT，即为快速傅氏变换，是离散傅氏变换的快速算法，它是根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。它对傅氏变换的理论并没有新的发现，但是对于在计算机系统或者说数字系统中应用离散傅立叶变换
设x(n)为N项的复数序列，由DFT变换，任一X（m）的计算都需要N次复数乘法和N-1次复数加法，而一次复数乘法等于四次实数乘法和两次实数加法，一次复数加法等于两次实数加法，即使把一次复数乘法和一次复数加法定义成一次“运算”（四次实数乘法和四次实数加法），那么求出N项复数序列的X（m）,即N点DFT变换大约就需要N^2次运算。当N=1024点甚至更多的时候，需要N2=1048576次运算，在FFT中，利用WN的周期性和对称性，把一个N项序列（设N=2k,k为正整数），分为两个N/2项的子序列，每个N/2点DFT变换需要（N/2）^2次运算，再用N次运算把两个N/2点的DFT变换组合成一个N点的DFT变换。这样变换以后，总的运算次数就变成N+2（N/2）^2=N+N^2/2。继续上面的例子，N=1024时，总的运算次数就变成了525312次，节省了大约50%的运算量。而如果我们将这种“一分为二”的思想不断进行下去，直到分成两两一组的DFT运算单元，那么N点的DFT变换就只需要Nlog(2)(N)次的运算，N在1024点时，运算量仅有10240次，是先前的直接算法的1%，点数越多，运算量的节约就越大，这就是FFT的优越性。
单位：字节，bit
FFT数据长度:8192,4096或2048 FFT处理字段长度:32bit 窗口功能:矩形 防混淆滤波器:滤波器设置(fc=5.5kHz) PLL同步...但是,当FFT数据长度时8192时,它是1≤f≤100; 精度:±(读值误差+测量范围误差)