c++ - 解释fftw的.wav数据

Question

我正在尝试读取.wav文件，并找到信号的最主要频率。
我使用this topic读取文件，然后使用bytesToFloat函数将结果转换为float。

最后，将阵列复制到fftw_complex后，我运行FFTW的计划，找到模数(sqrt(real*real + im*im))并找到最大值，但是结果与信号的频率不匹配，并且输出通常不是数字。

我正在使用的.wav文件是110 Hz(A2)频率found on Wikipedia。

我的问题是:

浮点转换正确完成了吗？

为什么输出 vector 在fft之后返回NaN？

如何读取.wav文件，以便可以使用fftw？

感谢您阅读任何帮助，不胜感激。

完整代码:

#include <math.h>
#include <fftw3.h>
#include "Reader.h"
#include <iostream>
#include <string>
#include <fstream>
#include <cstdint>

using namespace std;

typedef struct  WAV_HEADER
{
    /* RIFF Chunk Descriptor */
    uint8_t         RIFF[4];        // RIFF Header Magic header
    uint32_t        ChunkSize;      // RIFF Chunk Size
    uint8_t         WAVE[4];        // WAVE Header
                                    /* "fmt" sub-chunk */
    uint8_t         fmt[4];         // FMT header
    uint32_t        Subchunk1Size;  // Size of the fmt chunk
    uint16_t        AudioFormat;    // Audio format 1=PCM,6=mulaw,7=alaw,     257=IBM Mu-Law, 258=IBM A-Law, 259=ADPCM
    uint16_t        NumOfChan;      // Number of channels 1=Mono 2=Sterio
    uint32_t        SamplesPerSec;  // Sampling Frequency in Hz
    uint32_t        bytesPerSec;    // bytes per second
    uint16_t        blockAlign;     // 2=16-bit mono, 4=16-bit stereo
    uint16_t        bitsPerSample;  // Number of bits per sample
                                    /* "data" sub-chunk */
    uint8_t         Subchunk2ID[4]; // "data"  string
    uint32_t        Subchunk2Size;  // Sampled data length
} wav_hdr;

int getFileSize(FILE* inFile);
float bytesToFloat(int8_t b0, int8_t b1, int8_t b2, int8_t b3);
void WavRead(string fileName, int& samples, float* floatBuffer);

using namespace std;

int main(void) {
    fftw_complex *in, *out;
    fftw_plan p;

    int numSamples=0;

    float* floatBuffer;
    float* dest;

    floatBuffer = (float*)malloc(sizeof(float));

    WavRead("110.wav", numSamples, floatBuffer);

    in = (fftw_complex*)fftw_malloc(numSamples*sizeof(fftw_complex));
    out = (fftw_complex*)fftw_malloc(numSamples*sizeof(fftw_complex));

    for (int i = 0; i < numSamples; i++)
    {
        in[i][0] = floatBuffer[i];
        in[i][1] = (float)0;
    }

    p = fftw_plan_dft_1d(numSamples, in, out, FFTW_FORWARD, FFTW_ESTIMATE);

    fftw_execute(p);

    dest = (float*)malloc(sizeof(float)*numSamples);

    for (int i = 0; i < numSamples; i++) {
        dest[i] = std::sqrt(out[i][0] * out[i][0] + out[i][1] * out[i][1]);
    }

    double max = 0;
    int index=0;
    for (int i = 0; i < numSamples; i++) {
        if (dest[i] > max) {
            max = dest[i];
            index = i;
        }
    }

    cout << endl << index << endl << max << endl;

    fftw_destroy_plan(p);
    fftw_cleanup();

    system("pause");

    return 0;

}

void WavRead(string fileName, int& samples, float* floatBuffer)
{
    wav_hdr wavHeader;
    int headerSize = sizeof(wav_hdr), filelength = 0;

    const char* filePath;

    filePath = fileName.c_str();

    FILE* wavFile = fopen(filePath, "r");
    if (wavFile == nullptr)
    {
        fprintf(stderr, "Unable to open wave file: %s\n", filePath);
        system("pause");
    }

    //Read the header
    size_t bytesRead = fread(&wavHeader, 1, headerSize, wavFile);
    if (bytesRead > 0)
    {
        //Read the data
        uint16_t bytesPerSample = wavHeader.bitsPerSample / 8;      //Number     of bytes per sample
        uint64_t numSamples = wavHeader.ChunkSize / bytesPerSample; //How many samples are in the wav file?
        samples = numSamples;
        static const uint16_t BUFFER_SIZE = numSamples*sizeof(float);
        int8_t* buffer = new int8_t[BUFFER_SIZE];

        floatBuffer = (float*)malloc(sizeof(float)*numSamples);

        while ((bytesRead = fread(buffer, sizeof buffer[0], BUFFER_SIZE / (sizeof buffer[0]), wavFile)) > 0)
        {
        }

        for (int i = 0; i < numSamples * 4; i += 4)
        {
            floatBuffer[i / 4] = bytesToFloat(i, i + 1, i + 2, i + 3);
        }

        delete[] buffer;
        buffer = nullptr;
    }
    fclose(wavFile);
}

// find the file size
int getFileSize(FILE* inFile)
{
    int fileSize = 0;
    fseek(inFile, 0, SEEK_END);

    fileSize = ftell(inFile);

    fseek(inFile, 0, SEEK_SET);
    return fileSize;
}

float bytesToFloat(int8_t b0, int8_t b1, int8_t b2, int8_t b3)
{
    int8_t byte_array[] = { b3, b2, b1, b0 };
    float result;
    std::copy(reinterpret_cast<const char*>(&byte_array[0]),
        reinterpret_cast<const char*>(&byte_array[4]),
        reinterpret_cast<char*>(&result));
    return result;
}

Answer 1

WAV是容器格式(RIFF容器的类型)。作为容器，它可以对在记录机上向编解码器注册的任何类型的编解码器/格式进行编码。每个编解码器都有一个FOURCC。即使您的float转换对于PCM(调制脉冲编码-表示样本按其原样记录)格式是正确的，但如果编码的音频流不是PCM，也会失败。因此，您必须在代码中确保AudioFormat为1(PCM)。有时这称为RAW编码。

如果不是原始格式，则mu-law和ADPCM编解码器也不会太复杂，但是最好还是需要RAW格式。如果没有，您需要将解码库集成到您的项目中。这样做的方式很大程度上取决于您所使用的平台(Linux，Windows，Mac)。在您的代码中，我看不到Windows库的任何提示，因此，如果您使用的是Linux，则需要安装lame和lame-dev软件包(这取决于您使用的发行版)，以了解有关API的一些信息。

解码取决于实际库的API，但通常:

使用从容器 header 读取的一些元数据来配置解码库(如果是立体声，这对于您的一侧，采样频率，16或24位或采样分辨率等也很重要)

从容器中提取音频流-这是RAW缓冲区，没有任何 float 转换，因为您不知道数据的格式，因此很有可能压缩了

将其沿编解码器传递，并使其完成工作。

之后，编解码器库将向您提供RAW PCM数据。您可以处理这些数据。

我没有时间为此设置测试床或调试它。这些是一般方向和您必须注意的事项。