Java 频谱图的频率范围

我能够使用musicg库从中可视化光谱图，但我发现了一些奇怪的事情，我并不真正理解。 我尝试使用采样率为22050的wav文件，并使用blackmann窗口使用1024个采样和50%重叠执行fft。 计算结果为二维阵列（谱图[时间][频率]=强度）。 我的问题是，如果第二维度叫做频率，为什么它的大小只有256？它与频率宽度有关吗？那么我如何确定频率？ 当我尝试使用512个样本时，大小减少到一半（128）

那么我们应该使光谱图正常化吗

这是我从musicg得到的代码

short[] amplitudes=wave.getSampleAmplitudes();

    int numSamples = amplitudes.length;
    int pointer=0;
    // overlapping
    if (overlapFactor>1){

        int numOverlappedSamples=numSamples*overlapFactor;
        int backSamples=fftSampleSize*(overlapFactor-1)/overlapFactor;
        int fftSampleSize_1=fftSampleSize-1;
        short[] overlapAmp= new short[numOverlappedSamples];
        pointer=0;
        for (int i=0; i<amplitudes.length; i++){
            overlapAmp[pointer++]=amplitudes[i];
            if (pointer%fftSampleSize==fftSampleSize_1){
                // overlap
                i-=backSamples;
            }
        }
        numSamples=numOverlappedSamples;
        amplitudes=overlapAmp;
    }
    // end overlapping

    numFrames=numSamples/fftSampleSize;
    framesPerSecond=(int)(numFrames/wave.length()); 

    // set signals for fft (windowing)
    WindowFunction window = new WindowFunction();
    window.setWindowType("BLACKMAN");
    double[] win=window.generate(fftSampleSize);

    double[][] signals=new double[numFrames][];
    for(int f=0; f<numFrames; f++) {
        signals[f]=new double[fftSampleSize];

        int startSample=f*fftSampleSize;
        for (int n=0; n<fftSampleSize; n++){

            signals[f][n]=amplitudes[startSample+n]*win[n];                         
        }
    }
    // end set signals for fft

    absoluteSpectrogram=new double[numFrames][];
    // for each frame in signals, do fft on it
    FastFourierTransform fft = new FastFourierTransform();
    for (int i=0; i<numFrames; i++){            
        absoluteSpectrogram[i]=fft.getMagnitudes(signals[i]);
    }

    if (absoluteSpectrogram.length>0){

        numFrequencyUnit=absoluteSpectrogram[0].length;
        unitFrequency=(double)wave.getWaveHeader().getSampleRate()/2/numFrequencyUnit;  // frequency could be caught within the half of nSamples according to Nyquist theory

        // normalization of absoluteSpectrogram
        spectrogram=new double[numFrames][numFrequencyUnit];

        // set max and min amplitudes
        double maxAmp=Double.MIN_VALUE;
        double minAmp=Double.MAX_VALUE; 
        for (int i=0; i<numFrames; i++){
            for (int j=0; j<numFrequencyUnit; j++){
                if (absoluteSpectrogram[i][j]>maxAmp){
                    maxAmp=absoluteSpectrogram[i][j];
                }
                else if(absoluteSpectrogram[i][j]<minAmp){
                    minAmp=absoluteSpectrogram[i][j];
                }
            }
        }

short[]振幅=wave.getSample振幅（）；
int numSamples=振幅.length；
int指针=0；
//重叠
如果（重叠系数>1）{
int numOverlappedSamples=numSamples*重叠因子；
int backSamples=fftSampleSize*（重叠因子-1）/重叠因子；
int-fftSampleSize_1=fftSampleSize-1；
short[]overlappamp=新的short[numOverlappedSamples]；
指针=0；
对于（int i=0；i每个FFT结果单元之间的间隔是采样率除以FFT长度。对于以22050 sps的速率采样并馈送到1024 FFT长度的数据，产生的频率单元间隔约为21.5 Hz。如果将FFT长度减少到512，则较大的单元间隔会导致频谱图v中的总单元数减少在达到不超过一半采样率之前的垂直轴。使用Blackman窗口（实际上是任何窗口），每个存储单元的带宽将有一些重叠。
每个FFT结果存储单元之间的间隔是采样率除以FFT长度。对于以22050 SP的速率采样并馈送到1024 FFT长度的数据，产生的频率存储单元间隔将约为21.5 Hz。如果将FFT长度减少到512，则会产生更大的存储单元间隔在达到不超过一半的采样率之前，它在频谱图垂直轴上的总存储单元较少。使用Blackman窗口（实际上是任何窗口），每个存储单元的带宽都会有一些重叠。
第二维度是频率系数。粗略地说，FFT会告诉某些特定频率的功率，您可以“猜测”它们之间的幂是什么。为了在频率维度上获得更好的分辨率，你应该使用更大的FFT窗口（更多的样本）。然后，我们如何确定频谱图上存在的最低频率和最高频率？第二个维度是频率系数。粗略地说，FFT告诉某些特定频率的幂，你可以“猜猜”它们之间的幂是什么。为了在频率维度上获得更好的分辨率，你应该使用更大的FFT窗口（更多样本）。那么，我们如何确定频谱图上存在的最低频率和最高频率？