检测音频文件中的低频音

Question

我知道这个问题已被问了好几百次......但是我对结果感到沮丧，所以我想再问一次。 在深入了解fft之前，我需要解决这个简单的任务。

我需要在音响中检测出20赫兹的音调。 我自己插入20hz音调，就像在图片中一样。 （只要听众听不到它，它可以是任何频率，所以我认为我应该选择20hz到50hz的频率）

关于audiofile的信息。

afinfo 1.m4a 
File:           1.m4a
File type ID:   adts
Num Tracks:     1
----
Data format:     1 ch,  22050 Hz, 'aac ' (0x00000000) 0 bits/channel, 0 bytes/packet, 1024 frames/packet, 0 bytes/frame
Channel layout: Mono
estimated duration: 8.634043 sec
audio bytes: 42416
audio packets: 219
bit rate: 33364 bits per second
packet size upper bound: 768
maximum packet size: 319
audio data file offset: 0
optimized
format list:
[ 0] format:      1 ch,  22050 Hz, 'aac ' (0x00000000) 0 bits/channel, 0 bytes/packet, 1024 frames/packet, 0 bytes/frame
Channel layout: Mono
----

我按照这三个教程，我想出了一个工作代码，它读取音频缓冲区并给我fft双打。

http://blog.bjornroche.com/2012/07/frequency-detection-using-fft-aka-pitch.html
https://github.com/alexbw/iPhoneFFT
如何获得FFT中每个值的频率？

我读了如下数据

// If there's more packets, read them
        inCompleteAQBuffer->mAudioDataByteSize = numBytes;
        CheckError(AudioQueueEnqueueBuffer(inAQ,
                                           inCompleteAQBuffer,
                                           (sound->packetDescs?nPackets:0),
                                           sound->packetDescs),
                   "couldn't enqueue buffer");
        sound->packetPosition += nPackets;


        int numFrequencies=2048;
        int kNumFFTWindows=10;

        SInt16 *testBuffer = (SInt16*)inCompleteAQBuffer->mAudioData; //Read data from buffer...!

        OouraFFT *myFFT = [[OouraFFT alloc] initForSignalsOfLength:numFrequencies*2 andNumWindows:kNumFFTWindows];
        for(long i=0; i<myFFT.dataLength; i++)
        {
            myFFT.inputData[i] = (double)testBuffer[i];

        }
        [myFFT calculateWelchPeriodogramWithNewSignalSegment];
        for (int i=0;i<myFFT.dataLength/2;i++) {
            NSLog(@"the spectrum data %d is  %f ",i,myFFT.spectrumData[i]);
}

而我的外出记录就像

Everything checks out for 4096 samples of data
Set up all values, about to init window type 2
the spectrum data 0 is  42449.823771 
the spectrum data 1 is  39561.024361 
.
.
.
.
the spectrum data 2047 is  -42859933071799162597786649755206634193030992632381393031503716729604050285238471034480950745056828418192654328314899253768124076782117157451993697900895932215179138987660717342012863875797337184571512678648234639360.000000

我知道我还没有计算幅度，但我怎么能检测到声音中有20赫兹呢？ 我需要学习Goertzel算法吗？

Answer 1

有许多方法可以传达插入的信息，然后从一些预先存在的波形图中检索出来。 进入的信息可能会有所不同，例如幅度（幅度调制）或频率调制（频率调制）等。您有这样的策略吗？ 请注意，您希望传达的信息密度会受到调制频率等因素的影响（较高频率自然可以传达更多信息，因为它可以每秒更多次地解决变化）。

如果发送方和接收方都具有源音频（参考），则可以采用另一种方法。 在这种情况下，接收器可以在参考和实际接收的音频之间进行差异，以解析所发送的额外信息。 对此的一个变化是让发送者发送两次相同的音频，首先发送参考未接触的音频，然后发送相同参考音频的调制版本，这样接收器就可以在这两个音频之间进行差异调整~~相同~~剪辑解析嵌入音频。

回到你原来的问题...如果发送者和接收者有一个协议...比如说某段时间X，则发送参考纯20 Hz音调，接着是另一个周期X，即输入信息调制20 Hz音调要么改变它的幅度或频率...然后重复这个模式...在接收方他们只是在每对这样的时间段之间做差异来解决你的调制信息...为了工作，源音频不能有任何某些频率以下的音调表示100赫兹（如果需要，你可以删除这样的频段）只是为了消除源音频的干扰...你还没有提到你希望传输什么样的数据...如果它的声音你首先需要拉伸它实际上将其频率范围从1 kHz范围降低到低20 Hz范围......一旦在接收侧获得差异的结果，您就可以挤压此曲线以将其恢复到1kHz的正常语音范围......也许比你有时间更多的工作 但这可能会起作用......真正的AM / FM收音机使用调制来发送超过兆赫兹载波频率的语音，以便它可以工作