我不确定问这个问题的最好方式,但这里有。
我创建了自己的方法来做一种傅立叶变换,我想看看这是否比标准的FFT方法提供了更好的压缩效果。目前,我正在读取一个wav文件,使用我的方法进行傅立叶变换(它不是FFT或离散的),并再现wav数据。然后,我使用ffmep
命令行工具将wav文件转换为mp3。
我的问题是,这个过程会让我的傅立叶变换变得多余吗?
如果是这样的话,在给定傅立叶级数的情况下,如何生成mp3文件?
我想要实现的是:我有一个傅立叶变换算法,我认为它在压缩和标准FFT方面更好,我想在声音压缩上测试这个假设。做这件事最好的方法是什么?
发布于 2018-07-22 07:54:15
我会忘记mp3 ..。你的压缩技术取代了mp3 ...相反,我将在这里重点介绍PCM格式的原始音频
他们的过程
PCM -> conversion to mp3 -> mp3 file -> decoding to PCM -> PCM
您的流程
PCM -> your compression trick -> SpentDeath file -> decoding to PCM -> PCM
只需使用相同的原始音频PCM作为上述两个流程的输入...一种比较是mp3的文件大小与压缩文件的大小比较...第二个比较是输出最终PCM的质量
我听到你说它不是FFT,但是要记住,如果它是FFT,你有更大的频率粒度的程度(每个频率之间的差异和它的大小)需要更多的音频样本……这意味着频率空间中更高的频率测量精度需要更长的时域音频采样窗口。这对于非周期性信号是很好的(当音频只是一个恒定的音调而不是一首歌) ...然而,对于不断变化的音频,例如在非周期性的歌曲中,不存在音频采样的有意义的宽窗口,因为随着采样窗口的加宽,您将包括来自不断变化的音频信号的更多不同的曲线,因此,所得到的频率幅度将从整个采样窗口中遇到的所有频率的平均中得出,因此,一旦FFT使用逆傅立叶变换将音频信号返回PCM,您所付出的代价就是时域精度的损失
https://stackoverflow.com/questions/51459825
复制相似问题