音频分析中的重叠加法.合成

Question

我编写了一些以音频信号(目前为正弦波)作为输入的代码，并执行以下操作：

1. n (1024)样品帧的采集
2. 应用FFT
3. 应用iFFT
4. 播放输出

通过这种处理，输出信号与输入信号基本相同。

现在，在我的第二次尝试中：

1. 从输入中提取重叠帧
2. 应用窗口函数
3. FFT
4. iFFT
5. 重叠输出帧

在步骤1中，如果我使用2 (4，8,256.)次方的跳数(要跳转到下一帧的样本数)来获取重叠帧输出声音是平滑的，类似于原始的输入声音，但是随着任何其他的跳跃大小，声音开始崩溃。这种情况发生在输入信号的任何频率上。问题1.为什么只有当跳数为2^n时，声音才是平滑的？。

目前我使用的是汉宁窗口。当跳的大小很大(例如512)时，输出声音的音量比小的时候(例如，64)要小。这似乎是一种预期的行为，因为一个小的跳跃大小意味着一个样本是用更多的帧重建的，所以会增加更多的信号。问题2.是否有办法适当地缩放输出信号，使其体积与原始信号相似？

谢谢!

Answer 1

这是不应该发生的，重叠-添加方法可以重建您的信号而没有所描述的问题，我们不知道您到底在做什么，我之前做了它的工作，它的任何跳跃大小和窗口大小，一个小秘密是应用零在您的信号前后和之前，以确保一个连续的信号，如果您冷静地会意识到您的窗口功能工作像淡出-进入/淡出-如果你只是连接框架，你会注意到一些点击或输出信号将看起来像一个颤音，得到一个小技巧来告诉你的问题在哪里真正找到！

只是为了调试，跳过快速傅立叶变换和iFFT步骤，看看你的信号是否正确的构造，如果你的重叠-添加过程有效，你的问题可能在你的FFT/iFFT .

Answer 2

重叠-添加通常是不使用非矩形窗口功能。取而代之的是零垫。

如果您确实使用了一个窗口函数，那么您必须确保所有偏移窗口函数之和都达到一个常数级别，对于一个constant窗口来说，这个值有一定的偏移量(系列和的开头或结尾除外)。作为

2- (cos(x)+cos(x+Pi)) == 2

Sum更多的窗口进入一个结果，没有任何缩放，当然，和的水平将增加。