java - 傅立叶变换字节数组

Question

我对Java不是很精通，所以请保持简单。不过，我会尝试理解您发布的所有内容。这是我的问题。

我编写了代码来从外部麦克风录制音频并将其存储在 .wav 中。存储此文件与存档目的相关。我需要做的是对存储的音频进行 FFT。

我的方法是将 wav 文件加载为字节数组并将其转换，问题是 1. 我需要摆脱的方式中有一个 header ，但我应该能够做到这一点和 2.我得到了一个字节数组，但我在网上找到的大多数(如果不是全部)FFT 算法都试图修补到我的项目中，使用复杂的/两个 double 组。

我尝试解决这两个问题并最终能够将我的 FFT 数组绘制成图表，但我发现它只是返回“0”。 .wav 文件很好，我可以毫无问题地播放它。我认为可能将字节转换为 double 对我来说是个问题，所以这是我的方法(我知道这不太好)

byte ByteArray[] = Files.readAllBytes(wav_path);
String s = new String(ByteArray);
double[] DoubleArray = toDouble(ByteArray);
// build 2^n array, fill up with zeroes
boolean exp = false;
int i = 0;
int pow = 0;
while (!exp) {
    pow = (int) Math.pow(2, i);
    if (pow > ByteArray.length) {
        exp = true;
    } else {
        i++;
    }
}
System.out.println(pow);
double[] Filledup = new double[pow];
for (int j = 0; j < DoubleArray.length; j++) {
    Filledup[j] = DoubleArray[j];
    System.out.println(DoubleArray[j]);
}
for (int k = DoubleArray.length; k < Filledup.length; k++) {
    Filledup[k] = 0;
}

这是我用来将字节数组转换为 double 组的函数:

public static double[] toDouble(byte[] byteArray) {
    ByteBuffer byteBuffer = ByteBuffer.wrap(byteArray);
    double[] doubles = new double[byteArray.length / 8];
    for (int i = 0; i < doubles.length; i++) {
        doubles[i] = byteBuffer.getDouble(i * 8);
    }
    return doubles;
}

标题仍然在那里，我知道，但这应该是目前最小的问题。我将我的字节数组转换为 double 组，然后用零将该数组填充为 2 的下一个幂，以便 FFT 可以实际工作(它需要一个 2^n 值的数组)。我使用的 FFT 算法获取两个双数组作为输入，一个是实部，另一个是虚部。我读到，为了使它起作用，我必须将虚构数组保持为空(但它的长度与实际数组相同)。

值得一提:我正在使用 44100 kHz、16 位和单声道进行录音。

如有必要，我会发布我正在使用的 FFT。

如果我尝试打印 double 组的值，我会得到一些奇怪的结果:

...
-2.0311904060823147E236
-1.3309975624948503E241
1.630738286366793E-260
1.0682002560745842E-255
-5.961832069690704E197
-1.1476447092561027E164
-1.1008407401197794E217
-8.109566204271759E298
-1.6104556241572942E265
-2.2081172620352248E130
NaN
3.643749694745671E-217
-3.9085815506127892E202
-4.0747557114875874E149
...

我知道问题出在某个地方，我忽略了一些我应该注意的非常简单的事情，但我似乎找不到问题所在。我最后的问题是:我怎样才能让它发挥作用？

Answer 1

There's a header in the way I need to get rid of […]

您需要使用 javax.sound.sampled.AudioInputStream如果您想“跳过”标题，请阅读文件。无论如何，这对学习很有用，因为如果您事先不知道确切的格式，您将需要 header 中的数据来解释字节。

I'm recording with 44100 kHz, 16 bit and mono.

因此，这几乎可以肯定意味着文件中的数据被编码为 16 位整数(Java 术语中的short)。

现在，您的 ByteBuffer 代码假设它已经是 64 位 float ，这就是您得到奇怪结果的原因。换句话说，您正在重新解释二进制short 数据，就好像它是double。

您需要做的是读取short 数据，然后将其转换为double。

例如，这是您尝试执行的基本例程(支持 8、16、32 和 64 位带符号整数 PCM):

import javax.sound.sampled.*;
import javax.sound.sampled.AudioFormat.Encoding;
import java.io.*;
import java.nio.*;

static double[] readFully(File file)
throws UnsupportedAudioFileException, IOException {
    AudioInputStream in = AudioSystem.getAudioInputStream(file);
    AudioFormat     fmt = in.getFormat();

    byte[] bytes;
    try {
        if(fmt.getEncoding() != Encoding.PCM_SIGNED) {
            throw new UnsupportedAudioFileException();
        }

        // read the data fully
        bytes = new byte[in.available()];
        in.read(bytes);
    } finally {
        in.close();
    }

    int   bits = fmt.getSampleSizeInBits();
    double max = Math.pow(2, bits - 1);

    ByteBuffer bb = ByteBuffer.wrap(bytes);
    bb.order(fmt.isBigEndian() ?
        ByteOrder.BIG_ENDIAN : ByteOrder.LITTLE_ENDIAN);

    double[] samples = new double[bytes.length * 8 / bits];
    // convert sample-by-sample to a scale of
    // -1.0 <= samples[i] < 1.0
    for(int i = 0; i < samples.length; ++i) {
        switch(bits) {
            case 8:  samples[i] = ( bb.get()      / max );
                     break;
            case 16: samples[i] = ( bb.getShort() / max );
                     break;
            case 32: samples[i] = ( bb.getInt()   / max );
                     break;
            case 64: samples[i] = ( bb.getLong()  / max );
                     break;
            default: throw new UnsupportedAudioFileException();
        }
    }

    return samples;
}

The FFT algorithm I'm using gets two double arrays as input, one being the real, the other being the imaginary part. I read, that for this to work, I'd have to keep the imaginary array empty (but its length being the same as the real array).

没错。 real 部分是文件中的音频样本数组，imaginary 部分是一个等长的数组，用 0 填充，例如:

double[] realPart = mySamples;
double[] imagPart = new double[realPart.length];
myFft(realPart, imagPart);

---

更多信息... "How do I use audio sample data from Java Sound?"