我正在使用FMOD库将FFT应用于音频流，从而为我提供了不断更新的固定数量的频点。每个bin代表一个相等的频率范围，其值介于0和1之间，以表示来自已处理音频的该范围的强度。 FMOD文档指出，这些值可以用分贝表示，其中val是0到1之间的值:Decibels = 10.0f * (float)log10(val) * 2.0f
我正在尝试制作自动的类似频闪的节拍检测图像。到目前为止，我以固定间隔进行测试，以查看特定频率档的强度值是否超过指定的边界-如果是这种情况，频闪灯将闪烁。尽管这样做的方法很粗糙，但对于我的要求而言，它却相当有效。
但是，仅当系统/音乐播放器的音量最大时，此指定的边界才有效。当我减小其中任何一个的音量时，闪光灯的灵敏度都会降低，或者变得非常不准确或完全停止闪烁。我假设我需要以某种方式对数据进行规范化，以便独立于体积执行分析，尽管通过1/value of largest bin缩放数据始终可以使最大值最大化。这将永久超过指定的边界，导致频闪灯无限期闪烁。我想不出还能怎么做到，而且已经困扰了好几天了，任何帮助或朝着正确方向迈出的步伐将不胜感激!
最佳答案
规范化更长的范围。您将需要具有较长发布时间的信封追踪器之类的东西。
如果您搜索“压缩机”源代码或自动增益控制，则肯定会出现问题。
但是广泛地使用伪C++，并处理您的传入音频(FFT之前的时域信号):
auto instant_level = std::abs(signal);
peak_level *= 0.99f;
peak_level = peak_level > instant_level ? peak_level : instant_level;
现在，peak_level随时间缓慢衰减。您可以使用它来计算增益因子，以标准化您的传入音频。根据需要调整0.99f，以获得合理的衰减时间和正确的采样率。
还有一个信号处理堆栈交换站点，您可以在该站点上更快地回答此类问题(尽管有时会附带几乎不可理解的代数:))
关于algorithm - FMOD频率分析/归一化，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/33884807/