基於傅里葉變換的音頻重採樣算法 (附完整c代碼)

前面有提到音頻採樣算法：

WebRTC 音頻採樣算法 附完整C++示例代碼

簡潔明瞭的插值音頻重採樣算法例子 (附完整C代碼)

近段時間有很多朋友給我寫過郵件，說了一些他們使用的狀況和問題。

坦白講，我精力有限，但通常都會抽空回覆一下。

大多數狀況，閱讀一下代碼就能解決的問題，

也是要嘗試一下的。

沒準，你就解決了呢？

WebRtc的採樣算法自己就考慮到它的自身應用場景，

因此它會有一些侷限性，例如不支持任意採樣率等等。

而簡潔插值的這個算法，

我我的也一直在使用，由於簡潔明瞭，簡單粗暴。

我天然也就沒有進一步去細究採樣算法，

固然網上還有很多開源的採樣算法也是極其不錯的。

一直也想抽時間再作一個兼顧簡潔和質量的算法出來，不了了之。

最近一直在死磕傅里葉變換，網上的資源看了一籮筐。

徘徊到最後，毫無疑問FFTW3必須是你的首選，

從歲數性能以及使用的機率來講，當之無愧的王者。

固然也順帶整理一下，其餘的一些FFT實現，各有優劣。

用於學習，做爲參考資料也是不二之選。

有興趣的小夥伴，能夠參閱之.

https://github.com/cpuimage/StockhamFFT

https://github.com/cpuimage/uFFT

https://github.com/cpuimage/BluesteinCrz

https://github.com/cpuimage/fftw3

固然最佳的參考資料，仍是fftw3,

個人這個git作了如下工做：

1.梳理調整目錄結構

2.移除一些影響閱讀調試，讓人頭大的宏定義

3.合併代碼至fftw_api.c，移除一些不經常使用的代碼

注意:未通過嚴格測試驗證

也許這個git存在的意義在於方便衆人閱讀學習fftw的算法思路，

以及調試,扣代碼等等諸如此類的行爲。

因此有須要的同窗能夠，參考之。

 

回到本次的主題，

在之前作圖像算法的時候，就一直在想一個問題，

是否能夠利用傅里葉變換的特性進行圖像的重採樣呢？

這個一直是我心中的一個小石頭，一直沒放下。

從理論上來講，可行的，只是估計最終質量並不能保證。

最佳的嘗試莫過於音頻重採樣，在不少時候，

咱們常常須要對一個音頻進行傅里葉變換，而後進行上採樣或下采樣的操做。

那是否是能夠直接就在頻域進行重採樣呢？

這樣的作法是否是質量就能有所保障呢？

事實證實，這是可行的。

通過簡單試驗，基於傅里葉變換的音頻重採樣算法就這樣出爐了。

目前示例採用hsfft 這個開源傅里葉變換進行驗證，

沒有采用fftw3的緣由也很簡單，由於fftw3編譯器來有點麻煩。

而hsfft的函數風格與fftw3相似，只是速度性能上不及fftw3而已。

這樣也符合個人要求，真正應用的時候再使用fftw3替換之便可，

在驗證思路的時候，不必動用fftw3，

這也是我爲何使用簡潔重採樣的緣由之一。

每一個步驟都要有策略和方法，沒必要太過較真。

若是特定狀況下須要，我也能夠上matlab,python,delphi,c#,c++等等。

語言只是工具，關鍵仍是思路和思想。

貼上主要代碼：

#ifndef MIN
#define MIN(a, b) ((a) < (b) ? (a) : (b))
#endif 

void FFTResample(float *input, float *output, int sizeIn, int sizeOut) {
    fft_t *fftin = (fft_t *) calloc(sizeof(fft_t), sizeIn);
    fft_t *fftout = (fft_t *) calloc(sizeof(fft_t), sizeOut);
    if (fftin == NULL || fftout == NULL) {
        if (fftout)
            free(fftout);
        if (fftin)
            free(fftin);
        return;
    }
    fft_real_object fftPlan = fft_real_init(sizeIn, 1);
    fft_r2c_exec(fftPlan, input, fftin);
    free_real_fft(fftPlan);
    int halfIn = (sizeIn / 2) + 1;
    int halfOut = (sizeOut / 2) + 1;
    for (int i = 0; i < MIN(halfIn, halfOut); ++i) {
        fftout[i].re = fftin[i].re;
        fftout[i].im = fftin[i].im;
    }
    fft_real_object ifftPlan = fft_real_init(sizeOut, -1);
    fft_c2r_exec(ifftPlan, fftout, output);
    free_real_fft(ifftPlan);
    float norm = 1.f / sizeIn;
    for (int i = 0; i < sizeOut; ++i) {
        output[i] = (output[i] * norm);
    }
    free(fftout);
    free(fftin);
}

算法很是簡單，用一句時髦的語言來描述這個算法，就是「多退少補「。

須要補課FFT的能夠移步:

從多項式乘法到快速傅里葉變換

項目地址:

https://github.com/cpuimage/fftResample

採用Cmake編譯便可，示例代碼也很簡潔。

很少作解釋了~

以上，權當拋磚引玉。

如有其餘相關問題或者需求也能夠郵件聯繫俺探討。

郵箱地址是: gaozhihan@vip.qq.com