android - 如何设置 Android AudioRecord 所以我的延迟很低但 FFT 的样本量很大？

Question

因此，我设置了 AudioRecord 并使用 FFT 来确定音符确定的频率。

在设置过程中我要求

AudioRecord.getMinBufferSize(rate, channelConfig, audioFormat)

然后我有一些 if 语句将其设置为 2 的下一个更大的幂。对于我的手机，它通常是 2048(2^11)。目的是我执行的下一件事是 FFT，算法需要缓冲区长度是 2 的幂。

如果我错了请纠正我，但我的印象是您找到最小缓冲区大小的原因是因为它会减少延迟。

这一切都很好，直到我读到为了准确地确定特定的音符，尤其是那些频率较低的音符，您必须有更大的样本量才能提供给 FFT；样本量最好大于 16384 (2^14)。

我想我的问题是。当我创建 AudioRecord 时:

AudioRecord recorder = new AudioRecord(MediaRecorder.AudioSource.DEFAULT,
                  rate, channelConfig, audioFormat, bufferSize1);

我可以使用一种缓冲区大小，较小的缓冲区以减少延迟，然后当我读取缓冲区时:

AudioRecord().read(thisbuffer, 0, bufferSize2);

在将其发送到 FFT 之前使用不同的缓冲区大小、更长的长度？或者有更好的方法吗？

Answer 1

首先，对于“音符”确定，FFT 是一个糟糕的选择，因为对于音符，人们通常想要估计音高，而不是频谱频率，由于心理声学，这是两个截然不同的东西。

对于加窗 FFT，频谱频率最准确地确定在 FFT 窗口的中间附近。因此，使用较长的 FFT，即使在非常短的输入缓冲区大小后通过重叠重复它们，也会导致大约为 FFT 长度一半的延迟。

但更频繁地重复 FFT(通过在短暂的输入缓冲区延迟后重叠它们)将为您提供更好的时间分辨率，即使不是更快的延迟。要真正降低延迟，您需要使用更短的 FFT，并失去频率分辨率，或者使用其他频率或音高估计器，这也会有其他时间-频率-稳健性权衡。