音频检测指标的信噪比及分离度都是基于1KHZ的比较么？ 4.音频测试项目简介 4.1.FFT 首先介绍一个最重要的概念：FFT，即快速傅立叶变换，上述软件的许多测试项目都是基于快速傅立叶变换分析的结果。这是现代电子学频谱分析的常规手段，特别是引入计算机技术后，更是方便快捷而且直观精确的不二选择。简单讲，一般信号波形的记录都是以时间-幅度相关的形式直观表现出来的，称为时域分析；而快速傅立叶变换就是分析计算信号波形中的频谱成分强度，将其能量从时间积分，从而得出频率-能量相关的形式，称为频域分析。注意这里讲的是频率-能量相关，而非一般认为的频率-幅度相关，因为傅立叶变换实际上已经无法确认信号不同频率间的幅度关系，而只能计算出其能量关系。理解这一点对理解快速傅立叶变换分析的结果很重要，据笔者所知大部分教科书或工具辞书都没有讲明这一点，软件的帮助文件也常常做出频率-幅度相关的错误解释，所以提请读者注意。对于完全随机分布的信号，例如白噪声、粉红噪声，其每一频段能量平均分布在所有时段，因此与振幅是完全成正比的，故而FFT分析的结果称为频率-幅度关系也是可以的；但对于那些各频段能量分布随时间变化的信号，例如对数扫频信号、一般的语音、音乐，就不能这样理解了，事实上它们的高频部分。
噪声信号怎么处理及进行频谱分析？ 最好进行频谱分析确定噪声频谱范围，然后制作相应的滤波器，滤波器可以在采集前加一级低通滤波器，把高频噪声去掉，不过对于粉红噪声的频谱范围很宽，几乎整个频域。这个只能优化不能彻底去除，数字化后还可以加数字滤波器把噪声弃掉。具体为采集的数据选择一定的长度也就是点数加汉宁窗后进行FFT，如果不加汉宁窗则默认为加了矩形窗，不过这样会造成部分频谱泄露，当然汉宁窗也会泄露，但泄露会大大降低。FFT后得到这帧信号的数字频谱，然后根据你信号的频率范围把其他的频率下的幅值统统清零，然后在把这帧数据IFFT（傅里叶反变换），得到时域波形数据，这样就去除了相关噪声信号。注意在频域你的频率分辨率 f=采样频率F/采样点数N，采样频率固定时，提高采样点数则频率分辨率越高，但是相应的时间分辨率就降低了。这样在保证时间分辨率的前提下如果想提高频率分辨率可以这样实现，采样点数减少，减少的那一部分用零补齐。好了，就说这些吧，哪里不会继续留言吧。
如何把FFT用于频谱分析？ 如何把FFT用于频谱分析，此示例说明了使用FFT函数进行频谱分析的情况。FFT的常见用途是查找掩埋在有噪声的时域信号中的信号的频率分量。
