问非log 2的快速傅里叶变换

EN

您通常在整个文件的滑动窗口上生成一个STFT。选择窗口的大小是为了给出一个合理的时间周期，在此时间段内，声音的特性不会发生很大的变化。通常，一个窗口可能在10 ms左右，所以如果您的采样率是44.1kHz，那么您可以使用一个窗口大小N= 512，这样您就可以得到所需的持续时间和2的幂。然后，通过文件获取大小为N的连续块样本，并为每个N个点块生成FFT。(注意:在大多数情况下，您实际上需要FFT输出的大小，以便得到功率谱的估计。)为了提高分辨率，块可以重叠，例如50%，但这当然会增加处理负荷。最终的结果是一系列的短期光谱，因此实际上你有一个三维矩阵(振幅v，频率v，时间)，它描述了声音在频域的内容。

通常，你所做的就是用零来填充数据，使其成为2的幂。