Math 用于人耳的FFT数据归一化

音频的典型FFT看起来与此非常相似，大部分动作发生在最左侧

他将其乘以部分正弦波，使其达到底部，但这篇文章对这一部分没有太具体。它似乎也是对数据集的“足够好”的修改，而不是基于某些属性的修改。我知道人类的听觉更适合于更高的频率，因此，大多数音乐都会放大低音和衰减高音，这样对我们来说，这两种声音的强度相对相等

我的问题是需要对FFT做什么修改来补偿这种标准衰减

for(i = 0; i < fft.length; i++){
     fft[i] = fft[i] * Math.log(i + 1); // does, eh, ok but the high
                                        // end is still not really "loud"
                                        // enough
}

for（i=0；i

编辑：：

---

我看到了这篇文章，我认为这可能是一个前进的方向，但FFT的某些特性仍然需要抵消。

那么你是想提高高端频率的水平？听起来像是一个带有最小乘法器的高通滤波器可以工作，这样你就不会对低频信号衰减太多。拿起一本关于滤波器设计的好书，也许在第一个采样器的旧时代，这是在MOTU Boost人之前：）它不是FFT，而是简单的（Fairlight或Roland，我认为它首先）对原始或产生的时域信号进行归一化（如果你在做节拍切片，循环式）；你不能那样做吗？或者只在补偿后进行FFT以抵消它

似乎是一个两阶段的过程，否则，我个人会让FFT保持原样来完成任务。

我认为这正是正确的方向。 但是，其形状取决于绝对压力水平。 换句话说，我们听觉的灵敏度曲线随声压而变化

如果没有关于绝对级别的信息，就没有“正确的规范化”。 这是否是一个问题取决于您想对数据做什么

响度轮廓在ISO 226中是标准化的，但本文件不能免费下载。它应该在一个像样的大学图书馆里。

---

这是

首先，您确定要执行此操作吗？对某些事情进行补偿是有意义的，比如麦克风的响应不是平坦的，但不是人类的感知。人们习惯于听到真实世界中声音的频谱内容，而不是沿着感知的等响度曲线。如果你用你建议的方式播放你修改过的声音，听起来会很奇怪。也许有些人喜欢增强低频的音乐，但这是一个品味的问题，而不是心理物理学

或者，您可能是出于其他原因进行补偿，例如，考虑到对较低频率的敏感性较差，可能会增强压缩算法。是这样吗

---

如果您确实希望通过等响度曲线进行规范化，那么应该注意，大多数曲线和方程都是以声压级（SPL）为单位的。SPL是波形振幅平方的对数，因此当您使用FFT时，可能最容易使用其平方（功率specta）。（当然，你也可以通过其他方式进行补偿，比如说，在上面的等式中乘以sqrt（log（i+1））——假设对数是反向等响度曲线的近似值。）

人类听力的大部分动作发生在<20kHz，因此根据FFT的大小，你可能会在最左侧看到主要的“动作”。记住，FFT被反射到FFT大小的1/2左右。音频信号是44100hz，得到的FFT被限制在22500hz。我刚刚拼接了数据的后半部分。不能截断数据的后半部分！它是用来从频域转换到时域的（也就是让声音再次听得见）。哈哈，就是这样！但是这仅仅是为了可视化和节拍检测。好吧，我唯一真正做过的DSP是在Matlab中，因为它是做这类事情的一个很棒的工具。然而，你可能正在寻找的只是通过高通滤波器运行数据，然后进行乘法放大。这可能最终会发生-但这里应该有一些原理在起作用。我不确定你的确切意思-但我正在尝试补偿拍强度的差异，低音的节拍比高帽子的节拍大两到三倍。对于FFT的每个子带，我可以有一个不同的阈值——但如果有一个基本原理，解释为什么高电平比低电平弱，那么我可以将它应用到FFT，得到的拍频幅度就会得到校正。嗯。。我自己也不确定我会做什么，结果又尝试了什么，这听起来并不容易。我相信Audacity已经尝试过了，并因一些类似的问题而停止；资源和维基都在那里，所以可能会有所帮助。我只看到你在归一化和FFT过程的数量上这样做，每一个切片或一组，这是循环似乎总是花费相当长的时间。另一个昂贵/耗时的途径是“逆转”其他软件包的做法。。虽然有很多新的东西，但我很落后，但上次我检查的时候，NI的家伙们在游戏中处于领先地位。或者给我一个机会看看它是否成功：我只是在转换音频文件，有什么我们可以假设的绝对水平知道这一点吗？恐怕没有。麦克风的灵敏度，放大水平，记录软件中的缩放等。在记录过程中，一切都是一个倍增的因素。如果你真的需要考虑这个效果，那就要看你想解决的问题了。首先，你可以使用wik的蓝色曲线