我发现大多数其他问题都在询问如何将立体声转换为单声道，但我想知道我是否需要将音频数据从立体声转换为单声道才能进行 FFT？如果我不这样做，我知道要在两个 channel 上进行 FFT，但是我如何使用它们来找到音频的分形维数？如果我这样做，将这两个值平均在一起是个好主意吗？
我还有数百万个点，当您查看它们时，您会看到音频信号的样子。如果我有这么多点，我为什么要做一个只有 1024 字节的 FFT？
这是我正在使用的音频格式:
PCM_SIGNED 44100.0 Hz，16 位，立体声，4 字节/帧，小端
当我读取流时缓冲区可能得到的一个示例:[41,0,68,0]
如果我只是将两者平均起来，我就是这样做的:
amplitude1 = (double) (buffer[1] << 8 | buffer[0] & 0xFF) / 32767.0;
amplitude2 = (double) (buffer[3] << 8 | buffer[2] & 0xFF) / 32767.0;
double aveAmp = (amplitude2+amplitude1)/2;
最佳答案
声音的真实性不是单声道或立体声，它是空间中的一个场。 “立体声”是一种简单的数据压缩形式，它利用了我们缺乏耳朵的优势。 Mono 只是稍微更进一步。
也就是说，“分形维数”对于音频没有很好的定义。以立体声为例，您可以将左 channel 用作 X 坐标，将右 channel 用作 Y 坐标，您将获得具有相关分形维数的 2D 路径。这与相同声音的等效“单”一维解释的分形维数完全无关；立体分形维数将测量真实的立体内容。 (通过简单地复制信号在立体声中调整 mon 将创建 1.0 的立体分形维数，因为 L=R 始终是一条线)
关于audio - 我是否需要将立体声音频转换为单声道以进行 FFT？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/19745573/