Cómo representar los datos de audio estéreo para FFT

Question

¿Cómo deben representarse los datos de audio estéreo (2 canales) para FFT? ¿Se

A. tomar el promedio de los dos canales y la asigna a la parte real de un número y dejar el componente imaginario 0.

B. Asignar un canal al componente real y el otro canal a el componente imag.

¿Hay alguna razón para hacer una u otra? Busqué en la web pero no pude encontrar ninguna respuesta definitiva sobre esto.

Estoy haciendo un análisis de espectro simple y, sin saber nada mejor, utilicé la opción A). Esto me dio un resultado inesperado, mientras que la opción B) fue como se esperaba. Aquí hay más detalles:

Tengo un archivo WAV de un piano "medio-C". Por definición, el medio-C es 260Hz, por lo que yo esperaría que la frecuencia máxima esté a 260Hz y picos más pequeños en armónicos. Lo confirmé al ver el espectro a través de un software de edición de audio (Sound Forge). Pero cuando tomé FFT yo mismo, con la opción A), el pico estaba a 520Hz. Con la opción B), el pico estaba a 260Hz.

¿Echo de menos algo? La explicación que se me ocurrió hasta ahora es que la representación de datos estéreo usando un componente real e imag implica que los dos canales son independientes, lo cual, supongo que no es así, y por lo tanto el desorden.

Answer 1

Opción B no tiene sentido. La opción A, que equivale a convertir la señal en mono, está bien (si está interesado en un espectro global). Su problema (doble frecuencia) seguramente está relacionado con algún malentendido en el uso de sus rutinas de FFT.

Answer 2

No creo que esté tomando la media correctamente. :-)

C. Proceso de cada canal por separado, la asignación de la amplitud de la componente real y dejando la componente imaginaria como 0.

Answer 3

Una vez que toma la FFT, necesita obtener la Magnitud del espectro de frecuencia complejo. Para obtener la magnitud, toma el valor absoluto del espectro complejo | X (w) |. Si desea ver el espectro de potencia, cuadra el espectro de magnitud, | X (w) |^2.

En términos de su cambio de frecuencia, creo que tiene que ver con el ajuste de las partes imaginarias a cero. Si imagina el complejo espectro de frecuencia como una serie de vectores complejos o vectores de posición en un espacio cartesiano. Si tomara un bin de frecuencia discreta X (w), habría un componente real que representaría su dirección en el eje real (x -dirección), y un componente imaginario en el en el eje imaginario (dirección y). Hay cuatro valores importantes sobre esta frecuencia discreta, 1. valor real, 2. valor imaginario, 3. Magnitud y, 4. fase. Si solo toma el valor real y establece el valor imaginario en 0, está configurando Magnitude = real y phase = 0deg o 90deg. De aquí en adelante ha modificado el espectro resultante y ha aplicado un sesgo a cada bin de frecuencia. Eche un vistazo a la wiki en Magnitude of a vector, también llamada la norma euclidiana de un vector para mejorar su comprensión. Leonbloy tenía razón, pero espero que sea más informativo.

Answer 4

Considere la FFT como una forma de obtener información de una sola señal. Lo que estás preguntando es cuál es la mejor manera de mostrar datos de dos señales. Mi respuesta sería tratar a cada uno de forma independiente y mostrar una FFT para cada uno.

Si desea una FFT de transmisión realmente rápida, puede leer acerca de un algoritmo que escribí aquí: www.depthcharged.us/?p = 176