频谱和均衡器

频谱和均衡器，几乎是媒体播放程序的必备物件，没有这两个功能的媒体播放程序会被认为不够专业。

声音信号的时域和频域

时域
是描述数学函数或物理信号对时间的关系。例如一个信号的时域波形可以表达信号随着时间的变化。

频域
是指在对函数或信号进行分析时，分析其和频率有关的部份，而不是和时间有关的部份。例如傅里叶变换可以将一个时域信号转换成在不同频率下对应的振幅及相位，其频谱就是时域信号在频域下的表现，而反傅里叶变换可以将频谱再转换回时域的信号。

或者到这里体验一下不同频率成分组成的波形。

FFT 是离散傅立叶变换的快速算法，可以将一个信号变换到频域。有些信号在时域上是很难看出什么特征的，但是如果变换到频域之后，就很容易看出特征了。这就是很多信号分析采用 FFT 变换的原因。

一个模拟信号，经过 ADC 采样之后，就变成了数字信号。采样定理告诉我们，采样频率要大于信号频率的两倍。采样得到的数字信号，就可以做 FFT 变换了。N 个采样点，经过 FFT 之后，就可以得到 N 个点的 FFT 结果。为了方便进行 FFT 运算，通常 N 取 2 的整数次方。

假设采样频率为 Fs，信号频率 F，采样点数为 N。那么 FFT 之后结果就是一个为 N 点的复数。每一个点就对应着一个频率点。这个点的模值，就是该频率值下的幅度特性。而每个点的相位呢，就是在该频率下的信号的相位。第一个点表示直流分量（即 0Hz），而最后一个点 N 的再下一个点（实际上这个点是不存在的，这里是假设的第 N+1 个点）则表示采样频率 Fs，这中间被 N-1 个点平均分成 N 等份，每个点的频率依次增加。例如某点 n 所表示的频率为：Fn = (n - 1) x Fs / N。由此公式可以看出，Fn 所能分辨到的频率为 Fs / N，如果采样频率 Fs 为 1024Hz，采样点数为 1024 点，则可以分辨到 1Hz。1024Hz 的采样率采样 1024 点，刚好是 1 秒，也就是说，采样 1 秒时间的信号并做 FFT ，则结果可以分析到 1Hz，如果采样 2 秒时间的信号并做 FFT ，则结果可以分析到 0.5Hz。如果要提高频率分辨力，则必须增加采样点数，也即采样时间。频率分辨率和采样时间是倒数关系。

AudioSpectrum sample

_readAudioData 函数

读取 PCM 数据并转换成浮点类型。

// read as float format (between -1.0 ~ 1.0)
HRESULT _readAudioData( BYTE* pData, DWORD dataLen, WAVEFORMATEX &wavFmt, float* buffer )
    for (int i = 0; i < FFT_BLOCK_SIZE; i++) {
        if (g_dataPos < dataLen) {
            switch (wavFmt.nChannels) {
            case 1:
                switch (wavFmt.wBitsPerSample) {
                case 8:
                    buffer[i] = pData[g_dataPos] / 255.0f;
                    break;
                case 16:
                    buffer[i] = ((short*)pData)[g_dataPos / 2] / 32768.0f;
                    break;
                case 32:
                    buffer[i] = ((float*)pData)[g_dataPos / 4];
                    break;
                default:
                    return E_FAIL;
                g_dataPos += wavFmt.wBitsPerSample / 8;
                break;
            case 2:
                switch (wavFmt.wBitsPerSample) {
                case 8:
                    buffer[i] = (pData[g_dataPos] + pData[g_dataPos + 1]) / 2.0f / 255.0f;
                    break;
                case 16:
                    buffer[i] = (((short*)pData)[g_dataPos / 2] + ((short*)pData)[g_dataPos / 2 + 1]) / 2.0f / 32768.0f;
                    break;
                case 32:
                    buffer[i] = (((float*)pData)[g_dataPos / 4] + ((float*)pData)[g_dataPos / 4 + 1]) / 2.0f;
                    break;
                default:
                    return E_FAIL;
                g_dataPos += wavFmt.wBitsPerSample * 2 / 8;
                break;
            default:
                return E_FAIL;
            buffer[i] = 0;
    return S_OK;
FFTUtil::calc 函数
 
时域到频域的计算，具体 FFT 算法网上可以找到很多，比如 KISS FFT。 
void FFTUtil::calc(IN float* pSrc, int srcLen, OUT double** ppResult, OUT int& window)
    int m = getNearestM(srcLen);
    window = 1 << m;
    complex<double>* input = new complex<double>[window];
    for (int i = 0; i < srcLen; ++i)
        input[i] = pSrc[i];
    for (int i = srcLen; i < window; ++i)
        input[i] = 0;
    double wndSum = hammingWindow(input, window);
    *ppResult = new double[window];
    fft(m, input, false);
    // Scale the magnitude of FFT by window and factor of 2, because we are using half of FFT spectrum
    for (int i = 0; i < window; ++i)
        (*ppResult)[i] = sqrt(pow(input[i].real(), 2) + pow(input[i].imag(), 2)) * 2 / wndSum;
    delete[] input;
按指定频率计算对应的幅值
 
PLOT_FREQ 指定了频率分割，两个频率之间取平均幅值，以分贝（dB）显示。 
const double PLOT_FREQ[] = { 10, 30, 50, 70, 100, 150, 200, 400, 700, 1000, 2000, 
                             3000, 4000, 5000, 7000, 10000, 20000 }; // Hz
for (int i = 1; i < _countof(PLOT_FREQ); ++i) {
    int idxStart = (int)(PLOT_FREQ[i - 1] * window / wavFmt.nSamplesPerSec);
    int idxEnd = (int)(PLOT_FREQ[i] * window / wavFmt.nSamplesPerSec);
    if (idxStart > idxEnd || idxEnd >= window)
        continue;
    AUDIO_SPECTRUM spec = {0};
    spec.freqStart = PLOT_FREQ[i - 1];
    spec.freqEnd = PLOT_FREQ[i];
    // use the average amplitude
    double ampSum = 0;
    for (int j = idxStart; j <= idxEnd; ++j)
        ampSum += pResult[j];
    spec.amplitude = 20 * log10(ampSum / (idxEnd - idxStart));
    spectrum.push_back(spec);
Sample 程序展示
 
横轴为频率，纵轴为幅值，用 D2D 渐变色渲染。
 
 – EOF –
                    音频频谱分析频谱和均衡器声音信号的时域和频域FFTAudioSpectrum sample工作流程源代码_readAudioData 函数FFTUtil::calc 函数按指定频率计算对应的幅值Sample 程序展示频谱和均衡器频谱和均衡器，几乎是媒体播放程序的必备物件，没有这两个功能的媒体播放程序会被认为不够专业。声音信号的时域和频域时域是描述数学函数或物理信号对时间的关系。例如一...
				最近项目需要实现功能：用户通过语音发大幕，语音文件压缩后发送到后台，后台解析生成文本，显示文字。Android中使用AudioRecord录音后的格式为pcm，要想播放需要转换格式，可以加入44字节的头转换为wav格式后播放，并且在网络上传输最好把音频压缩，压缩为speex文件方便传输，节省流量，下面讲解如何生成speex的so库，和怎样使用so库实现wav和spx文件之间转换。
 一、在spe
1 AC3标准概述
AC-3技术起源于为高清晰度电视HDTV提供高质量声音。由于电影业对声音技术的要求越来越高，AC-3系统被要求具有5.1声道来替代已经使用了很久的4-2-4矩阵模拟声音系统;同时为了可靠地记录数字声音数据，并且不干扰原有的图像和模拟声音，确定压缩码率为320
kbps. AC-3在1993...
频谱：信号的一种新的表示方法
1.1 FFT简介
在数字信号处理中常常需要用到离散傅里叶变换（DFT），以获取信号的频域特征。传统的DFT算法计算量大，耗时长，不利于计算机实时对信号进行处理。
FFT是一种DFT的高效算法，称为快速傅里叶变换（Fast Fourier Transform），它是根据离散傅里叶变换的奇、偶、虚、实等特性，对离散傅里叶变换的算法进行改进获得的。
假设信号频率为F，采样频率为Fs，
1. 频谱
1.1  声音信号是一维的时域信号，无法观察出频率随时间的变化规律。
1.2  频谱：  如果通过傅里叶变换把它变到频域上，可以看出信号的频率分布， 即在各个频率分布上，信号的幅度值。
横坐标： 频率 ；
纵坐标： 幅度值；
1.3  时频域分析：  频谱虽然可以看出信号的频率分布， 但是丢失了时域信息，无法看出频率分布随时间的变化。
N个采样点经过FFT变换后得到N个点的以复数形式记录的FFT结果。
假设采样频率为Fs，采样点数为N。那么FFT运算的结果就是N个复数（或N个点），每一个复数就对应着一个频率值以及该频率信号的幅值和相位。第一个点对应的频率为0Hz（即直流分量），最后一个点N的下一个点对应采样频率Fs。其中任意一个采样点n所代表的信号频率：
Fn...
				第三讲 i.MX系列芯片简介
文章目录第三讲 i.MX系列芯片简介一、 i.MX 系列处理器芯片选型i.MX 6ULL 总览i.MX 6ULL 特性i.MX 6ULL 框图注意二、 ARM 体系架构指令集架构处理器与内核芯片ARM授权方式Cortex A7 内核三、 i.MX RT 简介
一、 i.MX 系列处理器
芯片稳定，产品才能稳定
数据手册，编程参考手册齐全
芯片内部资源丰富
根据具体需要的功能查看芯片是否具备资格
拥有好的开发工具能够极大节省
				STM32音频频谱12864是一款可视化音频频谱显示模块，由STM32主控芯片和12864液晶屏组成。它可实时分析物体振动产生的声音信号，将信号转换成可视化的频域图形，以达到直观展现音频信号频谱的目的。
该模块采用了STM32主控芯片，具有性能稳定、运行速度快、功耗低等特点。在软件设计方面，该模块支持音频数据的实时输入，并通过FFT算法将信号转换成频谱，再利用液晶屏显示出来。其显示效果清晰、具有较高的分辨率，同时还支持人性化的显示方式和动画效果，可大大提升用户体验。
在应用方面，STM32音频频谱12864可被广泛应用于各种音频系统中，比如音频调试、音频处理和音频分析等。通过使用该模块，用户可以直观地观察到音频信号的频率、幅度等信息，实时了解音频信号的变化，并根据此进行相应的处理和调整，以提高音频系统的性能和质量。
总之，STM32音频频谱12864是一款高性能、可靠性强、使用方便的音频频谱显示模块，具有广泛的应用前景。