音频系统中傅里叶技术简介
音频系统中核心的傅里叶技术包括快速傅里叶变换 (FFT)、短时傅里叶变换 (STFT)、离散傅里叶变换 (DFT) 及其逆变换，以及针对稀疏信号的稀疏 FFT，分别用于频域分析、时频成像、基础数字化转换及高效计算 。
核心技术分类与功能
- 快速傅里叶变换 (FFT)：DFT 的高效算法实现（复杂度 O(NlogN)O(NlogN)），是实时音频频谱分析、音高检测、基础降噪的基石，广泛应用于移动端及嵌入式 DSP 处理 。
- 短时傅里叶变换 (STFT)：通过滑动窗口将非平稳音频信号分段进行 FFT，生成语谱图，解决频率随时间变化的分析问题，是语音识别、时频掩码分离、音频特效处理的标准工具 。
- 离散傅里叶变换 (DFT) 与逆变换 (IDFT/IFFT)：数字音频处理的数学基础，负责时域波形与频域系数的双向转换；IDFT 用于将滤波或修改后的频域数据还原为可播放的时域音频 。
- 稀疏快速傅里叶变换 (Sparse FFT)：针对频域能量集中（稀疏）的音频信号，以低于传统 FFT 的计算量提取主要频率成分，适用于低功耗设备或特定压缩场景 。
关键应用场景
- 音频降噪与增强：利用 FFT 将信号转至频域，通过谱减法、维纳滤波或阈值处理抑制噪声分量，再经 IFFT 还原纯净声音 。
- 特征提取与识别：基于 STFT 提取梅尔频率倒谱系数 (MFCC) 等特征，用于语音识别、声纹验证及音乐信息检索 。
- 滤波与音效处理：在频域设计低通、高通或带阻滤波器去除特定干扰（如工频噪声），或实现移调、混频等特效 。
- 实时频谱可视化：通过滚动 FFT 计算生成动态频谱图，用于音乐播放器显示、声学测量及故障诊断 。
技术选型与局限
- 稳态信号（如持续音调）：直接使用 FFT/DFT 效率最高。
- 非稳态信号（如语音、音乐）：必须使用 STFT 以捕捉时变特性，但需权衡窗长带来的“时间 - 频率分辨率”矛盾（海森堡不确定性原理）。
- 计算受限场景：若信号频域稀疏，可考虑 Sparse FFT；常规实时系统首选优化后的 FFT 库（如 FFTW）。
