Android 我可以在智能手机上每秒执行多少次FFT？（用于执行语音识别）

我正在探索语音识别和DSP，因此我想在我的智能手机上实现一个简单的音频分析仪（我有一台iPhone和一台运行Android的三星Nexus S）。我以前用Matlab做过基本的DSP

根据我的理解，我需要执行FFT来获得信号的基本频率

现在，我想对44100赫兹的话筒进行采样。如果我使用样本大小为512且重叠50%的滑动窗口，这意味着我需要每256个样本或0.00580秒进行一次FFT

---

这个比率似乎真的很高，特别是如果我用Java为Android编程的话。我的智能手机能应付这种速度吗？我知道你可以在Android上用C/C++编程，但我想暂时用Java。

对于iPhone，iOS加速框架可以完成你指定使用的所有FFT，大约占CPU时间的1%（确切百分比取决于设备型号和FFT数据类型）

对于Android，您可能强烈希望考虑使用NDK原生库来进行处理器密集型数值计算。< /P> 还请注意，FFT将给出峰值频率，这不一定包括基音或语音基音频率

---

补充：这表明Android手机能够使用Java编写良好的矩阵数学，速度在5到50 mFLOP之间。一个写得好的FFT在MFLOP中的性能范围应该大致相同@Stephan Cannon表示，您的规范可能需要2 mFLOP。执行实到复FFT需要~5/2 n lg n浮点运算（加法和乘法）。在您的情况下，n=512，因此：

flops per fft ~= (5/2) * 512 * 9 = 11520

因此每秒172个FFT需要每秒大约200万个浮点运算。这听起来很多，但实际上并没有那么多。典型的armv7级智能手机的硬件每秒能够执行数亿或数十亿次浮点运算

---

但是请注意，您需要一个精心编写的高性能FFT；写得不好的FFT效率低下是出了名的。在iPhone上，您可以使用Accelerate框架（直接内置到操作系统中，并在SDK中提供），它提供了一组很好的FFT函数；我不确定Android上有什么可用功能。

您的Android设备可以很好地处理这个问题。几年前，我在Windows Mobile设备上编写了基于FFT的实时频率分析器（使用纯C#），这些设备的处理器比当前的Android设备差得多。FFT计算成本最高的方面是trig函数，由于您使用的是固定大小的窗口，因此可以轻松地用预先计算的查找表替换trig函数调用。

另外，您可以通过降低采样率来减少计算时间。语音在8kHz以上没有太多能量，所以在进行FFT之前，您可能会将音频采样降低到16kHz，而不会损失太多准确性。在16 kHz时，您的FFT将更小，因此速度更快

16 kHz是桌面应用程序中语音识别的标准采样率

---

（我意识到这并不能回答OP的问题，但考虑到他的应用程序，我认为这可能对他有帮助。）

不是我，但我几乎否决了这个答案，因为它一开始提到iPhone，我认为这是一个纯安卓问题（我没有注意到标签）.你是从哪里得到每次FFT失败的估计数的？你能给我指一些文学作品吗？我知道Cooley-Tukey算法的O（N lg N）界，但我还没有看到一个FLOPS估计值；人们通常使用该计数（因此，对于实到复fft，使用5/2N lg n，尽管这并不完全正确）。在现实中，更复杂的算法（如在一般实践中使用的）实际上需要更少的失败次数。我不确定当前最先进的下限是多少，但我相信上次我查看时它大约是4 n lg n。@stackoverflowuser2010:FFT上的wikipedia页面有一些很好的链接，指向最近关于常数边界的工作。我为我的Android Nexus S手机下载了一个LINPACK基准测试（该应用程序名为“用于Android的Linpack”）。它完全是用Java编写的。我得到大约10-20兆流。我希望您的2兆流FFT估计值正确地落在这个范围内。我将使用Java FFT实现。仅供参考，我的顶级MacBook Pro和i7处理器使用Intel的本机LINPACK基准测试得到大约30千兆流。如果有人感兴趣，我能够成功在我的Android手机上运行每秒100次的FFT，我使用java FFT实现，考虑到还有其他的基本频率估计方法，其他的FFTI认为OP实际上不是在基音识别（即找到主频）的意义上使用“基频”这一短语。，因为这通常不是用于语音识别的东西。