音频开发 / 系统课时
用 FFT 高效计算音频频谱
用 FFT 高效计算音频频谱
本节把一段采样音频转换成可读的单边幅度频谱,完成 FFT、幅值归一化和频率轴映射,并说明 FFT 与 DFT 的关系。做完后,你能从频谱峰值直接定位主要频率,同时避免把“FFT 点数更多”误解成“真实频率分辨率一定更高”。
学习目标
- 理解 FFT 是计算 DFT 的高效算法,而不是另一种频域变换。
- 正确生成实信号的单边幅度谱,并处理 DC 与 Nyquist 端点。
- 根据采样率和 FFT 点数把频谱下标映射为真实频率。
FFT 与 DFT 的关系
对长度为 的离散信号,DFT 会计算 个离散频率点。直接按定义计算通常需要约 次运算,而 FFT 利用对称性与分治把复杂度降到约 。因此两者得到的是同一组 DFT 结果,区别主要在计算方法和效率。
对长音频块而言,这个差异非常重要。例如把块长从几百点提高到几万点后,直接 DFT 很快会变得昂贵,而 FFT 仍适合实时或准实时分析。

从采样块得到单边幅度谱
下面使用 8 kHz 采样率生成 1 秒、440 Hz 的正弦信号。由于输入是实数,可以用 np.fft.rfft 只保留从 0 Hz 到 Nyquist 频率的非负频率部分。
import numpy as np
fs = 8000
N = 8000
t = np.arange(N) / fs
x = np.sin(2 * np.pi * 440 * t)
# rfft 对实信号只返回非负频率,长度为 N/2 + 1。
X = np.fft.rfft(x)
freq = np.fft.rfftfreq(N, d=1 / fs)
# 双边谱折叠成单边谱时,普通正频率幅值需要乘 2。
amp = np.abs(X) * 2 / N
amp[0] /= 2
if N % 2 == 0:
amp[-1] /= 2
peak_index = int(np.argmax(amp))
print(f"bins={len(X)}")
print(f"peak={freq[peak_index]:.1f} Hz")
print(f"amplitude={amp[peak_index]:.3f}")
print(f"last_frequency={freq[-1]:.1f} Hz")预期输出:
bins=4001
peak=440.0 Hz
amplitude=1.000
last_frequency=4000.0 Hz这里的 2 / N 同时完成了长度归一化和单边谱能量折叠。DC 分量没有负频率镜像,偶数点 FFT 的 Nyquist 点也没有成对镜像,所以这两个端点不能保持乘 2 后的结果,需要再除以 2。
频率轴如何映射
第 个频点对应的频率是 ,相邻频点间隔为 。本例中采样率为 8000 Hz、FFT 点数为 8000,所以频点间隔正好是 1 Hz,440 Hz 正好落在第 440 个频点上。
rfftfreq 已经按同样规则生成频率轴,因此实际工程里应让它与 rfft 配套使用,避免手工构造频率数组时出现长度或 Nyquist 端点错误。
什么时候会看见“摊开的峰”
本例恰好在 1 秒内包含整数个 440 Hz 周期,因此能量集中在单个频点附近。如果分析块截断在非整数周期位置,块首尾会出现不连续,频域能量会扩散到邻近频点,这就是频谱泄漏。
因此 FFT 本身只负责高效计算 DFT。要得到可信的幅度和频率观察结果,还必须同时考虑采样率、块长、幅值归一化以及是否需要窗函数。