FMOD 频率分析/归一化

Question

我正在使用 FMOD 库将 FFT 应用于音频流，从而为我提供不断更新的固定数量的频率区间。每个 bin 表示一个相等的频率范围，其值介于 0 和 1 之间，表示处理后的音频中该范围的强度。 FMOD 文档指出这些值可以用分贝表示，其中 val 是介于 0 和 1 之间的值：

Decibels = 10.0f * (float)log10(val) * 2.0f

我正在尝试制作一个类似频闪的自动节拍检测可视化。到目前为止，我以恒定的时间间隔进行测试，以查看特定频率箱的强度值是否超过指定的边界 - 如果是这种情况，则闪光灯会闪烁。虽然这是一种非常粗略的方法，但它对我的要求相当有效。

但是，此指定边界仅在系统/音乐播放器的音量最大时才有效。当我降低任一音量时，频闪灵敏度会降低，变得非常不准确或完全停止闪烁。我假设我需要以某种方式对数据进行归一化，以便独立于体积执行分析，尽管通过按1/value of largest bin 缩放数据，最大值总是最大化。这会永久超出指定的边界，导致闪光灯无限闪烁。我想不出还有什么办法可以做到这一点，并且已经精神障碍好几天了 - 任何帮助或正确方向的观点将不胜感激！

Answer 1

在更长的范围内标准化。您将需要具有较长发布时间的信封追随者之类的东西。

如果您搜索“压缩器”源代码或自动增益控制，肯定会出现一些问题。

但广泛使用伪 C++，并处理传入的音频（FFT 之前的时域信号）：

auto instant_level = std::abs(signal);
peak_level *= 0.99f;
peak_level = peak_level > instant_level ? peak_level : instant_level;

现在 peak_level 会随着时间缓慢衰减。您可以使用它来计算增益因子以标准化您的传入音频。根据需要调整 0.99f 以获得合理的衰减时间和正确的采样率。

还有一个信号处理堆栈交换站点，您可以在其中更快地获得这类问题的答案（尽管偶尔会附上几乎难以理解的代数：)）