尝试理解 WebAudioAPI 的规范。
在获取频率数据时，我们使用 FrequencyBinCount 而不是 fftSize 作为分析数组的大小，原因是什么？
获取时域数据时，我们应该使用FrequencyBinCount还是fftSize作为数组的大小？
最后一个问题。在规范中，提到如果我们传递一个比FrequencyBinCount更大的数组，多余的元素将被忽略，但是如果你传递一个更小的数组怎么办？
所以:
var analyser = new context.createAnalyser();
analyser.fftSize = 1024;
//should fft.size be used?
//or frequency.binCount
//what happens if the size is smaller than fftSize?
var timeArray = new Float32Array(analyser.fftSize);
//why are we using frequencyBinCount and not fftSize?
var freqArray = new Uint8Array(analyser.frequencyBinCount);
analyser.getByteFrequencyData(freqArray);
analyser.getFloatTimeDomainData(timeArray);
最佳答案
确实，一般来说，大小为 N 的 FFT 将为您提供 N 个频率仓。然而，当您分析“真实”信号时，这些箱的一半将是多余的。具体来说，FFT 的前半部分将镜像后半部分:容器 [2..(N/2)+1] 将等于容器 [N..(N/2)+1]。由于所有音频信号都是“真实的”，因此该对称属性对于您在 Web Audio API 中执行的任何 FFT 都适用。结果将仅包含 N/2 个唯一值。
换句话说，分析数组的大小为 N/2，因为这是结果的大小。更大的数组会造成浪费。
关于 FFT 对称性的更严格的讨论在这里:https://dsp.stackexchange.com/questions/4825/why-is-the-fft-mirrored
关于javascript - 为什么分析数组的大小需要是 fftSize 又名FrequencyBinCount 的一半，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/25444403/