Octave GNU倍频程：实际FFT数据的1/N倍频程平滑（不是它的表示）

我想平滑脉冲响应音频文件。文件的FFT显示它非常尖峰。我想平滑的音频文件，而不仅仅是它的情节，所以我有一个更平滑的红外文件。 我发现这表明FFT图变得平滑了。如何将这种平滑应用于实际FFT数据，而不仅仅是其绘图

[y,Fs] = audioread('test\test IR.wav');

function x_oct = smoothSpectrum(X,f,Noct)
%SMOOTHSPECTRUM Apply 1/N-octave smoothing to a frequency spectrum
    %% Input checking
    assert(isvector(X), 'smoothSpectrum:invalidX', 'X must be a vector.');
    assert(isvector(f), 'smoothSpectrum:invalidF', 'F must be a vector.');
    assert(isscalar(Noct), 'smoothSpectrum:invalidNoct', 'NOCT must be a scalar.');
    assert(isreal(X), 'smoothSpectrum:invalidX', 'X must be real.');
    assert(all(f>=0), 'smoothSpectrum:invalidF', 'F must contain positive values.');
    assert(Noct>=0, 'smoothSpectrum:invalidNoct', 'NOCT must be greater than or equal to 0.');
    assert(isequal(size(X),size(f)), 'smoothSpectrum:invalidInput', 'X and F must be the same size.');

    %% Smoothing

    % calculates a Gaussian function for each frequency, deriving a
    % bandwidth for that frequency

    x_oct = X; % initial spectrum
    if Noct > 0 % don't bother if no smoothing
        for i = find(f>0,1,'first'):length(f)
            g = gauss_f(f,f(i),Noct);
            x_oct(i) = sum(g.*X); % calculate smoothed spectral coefficient
        end
        % remove undershoot when X is positive
        if all(X>=0)
            x_oct(x_oct<0) = 0;
        end
    end
endfunction

function g = gauss_f(f_x,F,Noct)
% GAUSS_F calculate frequency-domain Gaussian with unity gain
% 
%   G = GAUSS_F(F_X,F,NOCT) calculates a frequency-domain Gaussian function
%   for frequencies F_X, with centre frequency F and bandwidth F/NOCT.

    sigma = (F/Noct)/pi; % standard deviation
    g = exp(-(((f_x-F).^2)./(2.*(sigma^2)))); % Gaussian
    g = g./sum(g); % normalise magnitude

endfunction

% take fft
Y = fft(y);
% keep only meaningful frequencies
NFFT = length(y);
if mod(NFFT,2)==0
    Nout = (NFFT/2)+1;
else
    Nout = (NFFT+1)/2;
end
Y = Y(1:Nout);
f = ((0:Nout-1)'./NFFT).*Fs;
% put into dB
Y = 20*log10(abs(Y)./NFFT);
% smooth
Noct = 12;
Z = smoothSpectrum(Y,f,Noct);
% plot
semilogx(f,Y,'LineWidth',0.7,f,Z,'LineWidth',2.2);
xlim([20,20000])
grid on

[y，Fs]=audioread（'test\test IR.wav'）；
函数x_oct=平滑谱（x，f，Noct）
%SMOOTHSPECTRUM将1/N倍频程平滑应用于频谱
%%输入检查
断言（isvector（X），'smoothSpectrum:invalidX'，'X必须是向量'）；
断言（isvector（f），'smoothSpectrum:invalidF'，'f必须是向量'）；
断言（isscalar（Noct），'smoothSpectrum:invalidNoct'，'Noct必须是标量'）；
断言（isreal（X），'smoothSpectrum:invalidX'，'X必须是实的'）；
断言（all（f>=0），'smoothSpectrum:invalidF'，'f必须包含正值'）；
断言（Noct>=0，“smoothSpectrum:invalidNoct”，“Noct必须大于或等于0”）；
断言（isequal（大小（X），大小（f）），'smoothSpectrum:invalidInput'，'X和f必须大小相同'）；
%%平滑
%计算每个频率的高斯函数，导出
%该频率的带宽
x_oct=x；%初始光谱
如果Noct>0%，如果没有平滑，请不要麻烦
对于i=find（f>0,1，'first'）：长度（f）
g=高斯f（f，f（i），Noct）；
x_oct（i）=和（g.*x）；%计算平滑谱系数
结束
%当X为正时，消除下冲
如果全部（X>=0）
x_oct（x_oct我想我找到了。由于音频文件的FFT（实数）是对称的，两边的实部相同，但虚部相反，我想这样做：


取FFT，保留其一半，并应用平滑函数，而不将幅值转换为dB
然后复制一个平滑的FFT，然后只反转虚部
将这两部分结合起来，这样我就得到了与开始时相同的对称FFT，但现在它被平滑了
对其应用逆FFT，取实部并将其写入文件

代码如下：

[y,Fs] = audioread('test IR.wav');

function x_oct = smoothSpectrum(X,f,Noct)
    x_oct = X; % initial spectrum
    if Noct > 0 % don't bother if no smoothing
        for i = find(f>0,1,'first'):length(f)
            g = gauss_f(f,f(i),Noct);
            x_oct(i) = sum(g.*X); % calculate smoothed spectral coefficient
        end
        % remove undershoot when X is positive
        if all(X>=0)
            x_oct(x_oct<0) = 0;
        end
    end
endfunction

function g = gauss_f(f_x,F,Noct)
    sigma = (F/Noct)/pi; % standard deviation
    g = exp(-(((f_x-F).^2)./(2.*(sigma^2)))); % Gaussian
    g = g./sum(g); % normalise magnitude
endfunction

% take fft
Y = fft(y);

% keep only meaningful frequencies
NFFT = length(y);
if mod(NFFT,2)==0
    Nout = (NFFT/2)+1;
else
    Nout = (NFFT+1)/2;
end
Y = Y(1:Nout);
f = ((0:Nout-1)'./NFFT).*Fs;

% smooth
Noct = 12;
Z = smoothSpectrum(Y,f,Noct);

% plot
semilogx(f,Y,'LineWidth',0.7,f,Z,'LineWidth',2.2);
xlim([20,20000])
grid on

#Apply the smoothing to the actual data
Zreal = real(Z); # real part
Zimag_neg = Zreal - Z; # opposite of imaginary part
Zneg = Zreal + Zimag_neg; # will be used for the symmetric Z
# Z + its symmetry with same real part but opposite imaginary part
reconstructed = [Z ; Zneg(end-1:-1:2)];
# Take the real part of the inverse FFT
reconstructed = real(ifft(reconstructed));

#Write to file
audiowrite ('smoothIR.wav', reconstructed, Fs, 'BitsPerSample', 24);

[y，Fs]=audioread（'test IR.wav'）；
函数x_oct=平滑谱（x，f，Noct）
x_oct=x；%初始光谱
如果Noct>0%，如果没有平滑，请不要麻烦
对于i=find（f>0,1，'first'）：长度（f）
g=高斯f（f，f（i），Noct）；
x_oct（i）=和（g.*x）；%计算平滑光谱系数
结束
%当X为正时，消除下冲
如果全部（X>=0）
十月十日（x_oct这个问题你不太可能得到好的答案，因为这个问题本身有点含糊不清，它需要缺少数据才能在本地进行试验，并且不清楚你想要什么结果。还有，你缺少哪些matlab函数？你确定你检查了octave forge吗？谢谢你的回答Taso！好的，让我进一步解释一下：我有（test IR.wav）本质上是一个过滤文件，如果与另一个音频文件进行卷积，将导致该IR的过滤器应用于另一个音频文件。我对IR进行了FFT，正如您所看到的，在高频中有很多尖峰，我想对其进行平滑。我发现了一个函数，可以绘制平滑的图（红色）。但这是用于绘图的。如何在IR的实际数据上实现相同的效果？这是加载在VST插件中的相同IR文件，您可以看到平滑的效果。我想要这种效果，但要保留每个倍频程的相同信息量（例如，1/n，对于半音，n=12）。在图片中，这不会发生。但我找到的函数可以做到。但它是为了表示数据而不是数据本身，这样我就可以导出平滑的IR。我希望它现在有意义了！：）是的；但是仍然缺少数据：p你能提供一份
test IR.wav
？还有，你缺少哪些特定的matlab函数？你确定你检查了octave forge吗？这是IR:。我不确定我是否遗漏了特定的matlab函数，因为我不知道我需要什么。：p | |||