使用FFTW进行实时脉冲响应卷积——结果听起来好像IR是对称的 为了研究目的，我在C++中用FFTW（和PotoTudio用于声音传递）建立一个实时混响卷积引擎，用重叠叠加法进行卷积。它大部分都在工作，但出现了一种非常奇特的效果。虽然我不明白为什么，但听起来很像脉冲响应变得对称：原来的h[n]变成了h[n]+h[-n]。有人知道我在下面描述的方式执行FFT是否会产生这种效果吗

基本上，我的过程如下：

事先知道：

• h

  ，脉冲响应

  m

  采样长度

• x

  ，一个声音

  n

  样本很长

• FFT\u SIZE

  ，分区大小/窗口大小

n>m

增加了3倍，但

FFT\u大小

要小得多（目前为1024）

音频启动前在脱机阶段完成的工作： 我将

x

分割成

FFT\u大小

长度的部分。因为我将用

h

卷积每个窗口，所以我将每个窗口复制到长度为

n+m-1

样本的0填充缓冲区中，并执行前向FFT，保存生成的复杂数组。（我有

n/FFT\u SIZE

complex数组。）现在我使用的是没有重叠的矩形窗口，如果我解决了这个问题，它能改善情况，我将实现Hamming

此外，在0-padding到长度

n+m-1

之后，我执行

h

的单个前向FFT，并存储与其他数组大小相同的单个复杂数组

在实时阶段 与大多数音频引擎一样，PortAudio会调用回调函数，定期用声音数据填充缓冲区

out

。在我的回调中（通过设计请求

FFT\u SIZE

音频样本，我每次都选择表示下一个窗口的复杂数组（因为一个回调调用与FFT的一个窗口对应相同的声音长度）

我将这个数组与我通过FFT ing

h

生成的数组进行逐点乘法，并执行IFFT。得到的声音缓冲区长度为

n+m-1

远大于

FFT\u SIZE

，因此我只将开始部分复制到

out

缓冲区，并将其余部分添加到重叠/进位缓冲区将进位缓冲区的开始移动到

out

（因此

out

现在包含一个窗口的新IFFT数据，添加到先前计算的一个窗口的衰减尾中）后（每次回调调用时累积混响尾音）

现在的担忧 就像我之前提到的，它听起来像是脉冲响应没有被正确地FFT，并且导致了它的行为，好像它是对称的——反转，然后添加到它本身。我不确定我做错了什么，但我不知道我的携带问题怎么会产生这种效果——尽管如果我是，我很高兴有了它还有虫子

我最好的猜测是，不知何故，我也应该执行

h

的窗口设置。然而，根据我所阅读的文献，您只需将

x

的每个窗口与整个

h

进行卷积并进行进位。这可能是错误的吗

---

感谢您的帮助！

当逐点乘以2个FFT向量时，您的算术似乎是错误的。复向量乘法必须考虑实部和虚部之间的叉积。例如re=re1*re2-im1*im2；im=re1*im2+re2*im1，等等。

当逐点乘以2个FFT向量时，您的算术向量似乎是错误的。复向量乘法必须考虑实部和虚部之间的叉积。例如re=re1*re2-im1*im2；im=re1*im2+re2*im1等。

记住，你也可以在傅里叶域中分析你的问题。如果脉冲响应似乎是

h[n]+h[-n]

在时域中，它是

H（f）+H（-f）

在频域中也是如此。加窗不会表现出类似的行为，也不会修复它。你将pad h归零到匹配的长度；现在，h是实值的，如果我理解正确的话；因此，你可能正在使用FFTW的real2complex变换之一？你确定你使用的是完整的对称DFT，而不是仅仅一半吗？你在做p吗使用复数运算的点式乘法？大家好，谢谢提问。顺序：@MSalters我的意思是说，我听到的声音是对称的

h

所期望的声音；在调查包含

h

的实际浮点数组后，它不是，看起来correct@Quintana，顺便说一句，你可以用这个作为参考nce实现：，其中感兴趣的部分由FFTW计划完成。但是，请查看如何使用匹配的r2c逆变换。请记住，您也可以在傅里叶域中分析您的问题。如果脉冲响应在时域中看起来是

h[n]+h[-n]

，则它是

h（f）+h（-f）

在频域中也是如此。加窗不会表现出类似的行为，也不会修复它。你将pad h归零到匹配的长度；现在，h是实值的，如果我理解正确的话；因此，你可能正在使用FFTW的real2complex变换之一？你确定你使用的是完整的对称DFT，而不是仅仅一半吗？你在做p吗使用复数运算的点式乘法？大家好，谢谢提问。顺序：@MSalters我的意思是说，我听到的声音是对称的

h

所期望的声音；在调查包含

h

的实际浮点数组后，它不是，看起来correct@Quintana，顺便说一句，你可以用这个作为参考nce实现：，其中有趣的部分是由FFTW计划完成的。但是，看看如何使用匹配的r2c逆变换。我们开始了，问题解决了。我正在搜索我的算法逻辑，而不是我的乘法函数！请注意，

std:：complex

有一个