如何优化需要多个带通滤波器的基于 matlab 的音频可视化工具？

Question

问题

我接到一项任务，要在 matlab 中使用 FFT 设计一个音频可视化工具。我已经完成了大部分我想用音频可视化工具做的事情，但我运行正在顺利地解决运行程序的问题，因为它被我的处理器限制了。我想用我的可视化工具做更多的事情，但我不想再实现任何功能，然后才能很好地掌握运行的基础知识。

背景

该程序实际上分为两部分。第一部分是音频播放器和运行一个名为 CLICK_ME.m 的 matlab 脚本。第二个是currentfft()。它从歌曲中获取信息，在我厌倦它之前，它绘制了（频率，功率）。然而，这是最基本的可视化工具，我的教授希望我们创建一个独特的音频可视化工具。

我的想法是绘制其中一个统计五边形，其中五个点中每个点的半径是在五个频段之间过滤的功率。

自然地，我实现了 matlab 的 bandpass() 函数，这实现了它的设计目的。然而，它需要的处理能力比我预期的要多得多，随后它遇到了瓶颈，看起来真的很不稳定。

我尝试通过使用 for 循环每隔一个或每隔三个值来减少必须执行计算的点数。我已经这样做了，直到商数减少了 10 为止，但没有取得明显的成功。如果我删除超过十分之一的点，我会从 matlab 中得到错误，它不能对少于六个样本进行 bandpass()。

我的教授建议使用 gaussmf() 或 rectangularPulse() 来模拟接近带通滤波器的东西，但我不确定如何实现它们或者它们是否会更快。

function currentfft ( player, Y, FS )

sampleNumber = get( player, 'CurrentSample' );
timerVal = get( player, 'TimerPeriod' );

%Get channel one values for our window around the current sample number
s1 = Y(floor(sampleNumber-((timerVal*FS)/2)):floor(sampleNumber+((timerVal*FS)/2)),1);

n = length(s1);
p = fft(s1); % take the fourier transform

nUniquePts = ceil((n+1)/2);
p = p(1:nUniquePts);    % select just the first half since the second half
                        % is a mirror image of the first

p = abs(p);             % take the absolute value, or the magnitude

p = p/n;                % scale by the number of points so that
                        % the magnitude does not depend on the length
                        % of the signal or on its sampling frequency

p = p.^2;               % square it to get the power

% multiply by two
if rem(n, 2) % odd nfft excludes Nyquist point
    p(2:end) = p(2:end)*2;
else
    p(2:end -1) = p(2:end -1)*2;
end


% reduce the number of points actually being filtered
q = 1;
s = 1;
d = int16( length(p) );

pNew = zeros( [ d/10, 1 ] );

while q < d
    pNew(s) = p(q);
    q = q + 10;
    s = s + 1;
end

% try gaussian or rect functions instead of bandpass?

% radius of each section of the pentagon
p0 = abs( bandpass(pNew, [ 1 60 ], FS) );
p1 = abs( bandpass(pNew, [ 60 250 ], FS) );
p2 = abs( bandpass(pNew, [ 250 2e3 ], FS) );
p3 = abs( bandpass(pNew, [ 2e3 8e3 ], FS) );
p4 = abs( bandpass(pNew, [ 8e3 20e3 ], FS) );

% length( p0 )
% length( p1 )
% length( p2 )
% length( p3 )
% length( p4 )

pArr = [ p0, p1, p2, p3, p4 ];

%freqArray = (0:nUniquePts-1) * (FS / n); % create the frequency array

thetaArr = [ pi/2, 4.5*pi/5, 6.5*pi/5, 8.5*pi/5, 10.5*pi/5 ];


% calculating x and y from the radii 
x = cos(thetaArr) ./ pArr; 
y = sin(thetaArr) ./ pArr;

plot(x, y)
xlabel('Frequency (Hz)')
ylabel('Power (watts)')
title('Frequency vs. Power')
grid on;
axis([-20e9 20e9 -20e9 20e9]);

我希望这段代码能够运行顺利地运行，而不会让我的处理器陷入困境。但是，它运行并不顺利，并且在我的计算机上用完了两个线程。

Answer 1

bandpass 函数直接过滤提供的输入样本，从而在同一域中生成 'smoothed' 版本。在你的情况下，输入已经是频域表示，所以你会得到一个平滑的频域表示，这不是你想要实现的（这将是平滑时域表示的力量).

相反，由于您已经有了频域表示，您可以简单地 select 正确的频率仓（这基本上就是在频域中应用矩形 window 所做的） .

p0 = sum(pNew((floor(1*n/FS)+1):(floor(60*n/FS)+1)));
p1 = sum(pNew((floor(60*n/FS)+1):(floor(250*n/FS)+1)));
p2 = sum(pNew((floor(250*n/FS)+1):(floor(2e3*n/FS)+1)));
p3 = sum(pNew((floor(2e3*n/FS)+1):(floor(8e3*n/FS)+1)));
p4 = sum(pNew((floor(8e3*n/FS)+1):(floor(20e3*n/FS)+1)));

如果您仍要对 FFT 进行下采样，您可能希望等效地（但更有效地）对较小的 FFT 求和：

% pad to a size that is a multiple of the block size
D = 10;
L = ceil(n/D);
M = L*D;
s2 = zeros(1,M);
s2(1:length(s1)) = s1;
% compute the downsampled FFT by summing smaller FFTs
p = zeros(1,L);
for i = 0:(D-1)
    p = p + fft(s2((1+i*L):(1+L+i*L)));
end

如何优化需要多个带通滤波器的基于 matlab 的音频可视化工具？

How can I optimize a matlab based audio visualizer that requires multiple bandpass filters?

matlab

signal-processing

fft