[音频处理]傅里叶变换去噪

写在前面
不是科研狗，基础理论薄弱，写的比较匆忙，有理解有误的地方还请理解和指正。
网上大佬们写的傅里叶公式推导，证明已经很多了（瑟瑟发抖），我这里主要是讲傅里叶的应用，不涉及公式证明，而是直接拿起公式使用。
由于自己获取知识也是看大佬们博文理解学习得来的，所以图片中多少有一些是别人的图，不过我附上了别人的链接。
看完这篇你能收获到：
1 傅里叶变换的原理
2 傅里叶变换在音频的应用
3 离散傅里叶变换处理音频的C语言代码及讲解

背景
最近接触音视频处理比较多，就遇到了采集的音频数据有噪音的情况。可不可以用傅里叶变换去除音频噪音呢？在此之前，我对傅里叶变换的概念只有一句话，“时域转频域的一个玩意儿”。我将音频时域转为频域，再去除噪音的频段，不就达到去噪的效果吗？嗯，试试就逝世。
嗯，经过几天的折腾，效果（上图为原始音频信号，下图为在频域去掉高频正交基后的音频信号）
结论：
1，有点效果，但噪音只是变小了，没有去除。使用的是DFT，还有待改进。
2，琢磨了一段时间，还有诸多地方没有理解到，傅里叶变换是需要长期研究和推敲的学问。把自己理解到的知识点做下笔记，以后要走图像处理什么的路子，再来细细研究吧。

一什么是傅里叶变换（分析）？
可以参考这篇
在回答这个问题的时候，我们需要先知道什么是变换?为什么要变换？

（1）什么是变换？
举个大家常用的例子,两个向量，a，b在坐标系中表示，可以变换为一组坐标。

（2）为什么变换？
比如想求c点坐标，在图中是不好处理的问题，但是变换后,c=a+b=(2+1,1+2)=(3,3) ，在数上就很好处理了。总之，一个问题不好处理的时候，换个思路（变换），就能迎刃而解。嗯嗯，有点像线性代数的味道。
傅里叶变换的思路就是时域和频域的相互变换。

二时域和频域
时域和频域一一对应，通过频域可以变换为时域

傅里叶变换类型
傅里叶变换有许多类型，通常不加前缀说的是连续傅里叶变换，离散傅里叶变换常用在计算机处理上，在此之上进行算法改进，降低时间复杂度，叫快速傅里叶变换。

对于时域是周期性连续的函数进行变换叫傅里叶级数
对于时域是非周期连续的函数进行变换叫傅里叶变换

三傅里叶级数（Fourier Series）
所以啊，傅里叶就提出了这句话：任何周期函数都由多个不同的正弦波（sin和cos）叠加构成（满足狄里赫利条件情况下）
如图，频域由若干个正弦波构成，时域的矩形波可以由多个正弦波叠加构成（当正弦波个数趋向无穷大，逼近为矩形波，有点极限的赶脚）

周期函数其实说的就是时域信号，多个不同的正弦波说的是频域的信号。

当然，如上图所示，一个正弦波的确定，需要知道他的相位，振幅和角频率，所以时域转频域得到的是一系列的初相，振幅和角频率。
傅里叶说的这句话写成公式就是

又或者可以这样写

这个公式该这么理解呢？这就需要知道正弦波的正交性。

（1）正弦波的正交性
正弦波自己给自己内积为1，自己和别人内积为0，也就是sin（nwt），cos（nwt）都是标准正交基，再加上常量1，任何的周期函数都可以用着三个表示。所以呢，只需要将时域的f(t)分别和各种标准正交基做内积，等于0代表没有该正弦波，否则存在该分量。

什么是标准正交基
线性代数：在空间中找到一组向量，他们的内积为0，自身的模为1时，称这组向量为标准正交基，空间中的任意向量都可以由这些标准正交基构成。

什么是内积？
嗯，你需要学习到晚上2点[手动滑稽]

三傅里叶变换公式

（1）欧拉公式
但上图的f(t)没有和各种正弦波做内积啊，而是和e^-iwt 做内积。其实这是欧拉公式将正弦波与指数之间进行了变换，本质上上图公式就是和各种正弦波做内积。现在就说说欧拉公式。

数系
回顾下初中知识
自然数：1，2，3，4。。。
整数：-1，1，-2，2.。。。
有理数：-1，2，2/3，4/5.。。
无理数：根号2等
这些一起就构成了实数，如图实数轴。
但遇到x^2=-1这样的解，用实数就无法解决了，引入虚数。虚数+实数=复数，如图为复平面，任意点可以用a+bi 来表示

在复平面上画圆，由三角公式，可以求得a点为cosx+i *sinx。
复平面上乘法的意义：
乘-1，逆时针旋转180度。乘-i ，逆时针旋转90度，复数乘法如图

现在就可以拿出欧拉公式了

公式推导就是使用的泰勒公式，e，sin，cos都是十大必背泰勒展开式，两边展开是相等的。
到这里就打住吧，总之我们到这里能知道傅里叶变换公式e^iwt其实就是与各个sin，cos做内积。具体欧拉公式讲解可以看这篇
欧拉公式讲解
欧拉恒等式
也就是角度到达180度时候，又回到实数轴

离散傅里叶变换（DFT）
离散傅里叶变换可以参考这篇
离散傅里叶变换讲解
离散和连续的区别在于，连续是积分而离散是求和

原理，如下图，a,b图是待检测信号，c，d是3个周期的正弦信号，很显然a图含有正弦波，e=ac，将e图的各点相加，很显然值是正的，这就说明a图含频率为3的正弦波，f=bd，显然将f图中各点相加结果约等于0了，说明b图不含有周期为3的正弦波

在计算机中用这个公式更好处理一点

n和N是在一个正弦周期内采样N个点，采样间隔为2pi\N,n用来步进，一次步进2pi\N,最后进行累加求和，就得出了X(k)

最后离散傅里叶变换完整代码
1，从文件读取8000个音频数据，由于现实中的音频没有虚部，所以只设置实部。
2，离散傅里叶变换关键处
temp的re就是对应上图公式的cos，同理im就是对应上图的sin，每个X[k]进行累加求和

for (int k = 0; k < N; k++)
   {
       X[k].re = 0;
       X[k].im = 0;
       for (int n = 0; n < N; n++)
       {
           temp.re = (float)cos(2 * pi*k*n / N);
           temp.im = -(float)sin(2 * pi*k*n / N);
           X[k] = complexadd(X[k], complexMult(x[n], temp));
       }
   }

3，离散傅里叶逆变换就是X（k）乘上e^(j2tkn/N),也就是实部虚部都为正

temp.re = (float)cos(2 * pi*k*n / N);
temp.im = (float)sin(2 * pi*k*n / N);
x[k] = complexadd(x[k], complexMult(X[n], temp));
1
2
3
4，下图公式求幅度

在代码中表示

printf("%d ", int(2.0/N*sqrt(X[k].re*X[k].re + X[k].im*X[k].im)));
//打印的为幅度
1
2
完整代码

#include <stdio.h>
#include <math.h>

#define pi 3.1415926
struct complex
{
float re;
float im;
};

complex complexadd(complex a, complex b) { //复数加
   complex rt;
   rt.re = a.re + b.re;
   rt.im = a.im + b.im;
   return rt;
}

complex complexMult(complex a, complex b) { //复数乘
   complex rt;
   rt.re = a.re*b.re - a.im*b.im;
   rt.im = a.im*b.re + a.re*b.im;
   return rt;
}
complex complexSet(complex *a, short *b, int N)//复数设置
{
   for (int i = 0; i < N; i++)
   {
       a[i].re = b[i];
       a[i].im = 0;
   }
}

//离散傅里叶变换
//X[]标识变换后频域，x[]为时域采样信号
void dft(complex X[], complex x[], int N)
{
   complex temp;
   int k, n;
   for (int k = 0; k < N; k++)
   {
       X[k].re = 0;
       X[k].im = 0;
       for (int n = 0; n < N; n++)
       {
           temp.re = (float)cos(2 * pi*k*n / N);
           temp.im = -(float)sin(2 * pi*k*n / N);
           X[k] = complexadd(X[k], complexMult(x[n], temp));
       }
       printf("%d ", int(2.0/N*sqrt(X[k].re*X[k].re + X[k].im*X[k].im)));
//打印的为幅度
       if (k >= 6000)//去除高频信号
       {
           X[k].re = 0.0;
           X[k].im = 0.0;
       }
   }
}
//离散傅里叶逆变换
//X[]标识变换后频域，x[]为时域采样信号
void idft(complex X[], complex x[], int N) {
   complex temp;
   //int k, n;
   for (int k = 0; k < N; k++)
   {
       x[k].re = 0;
       x[k].im = 0;
       for (int n = 0; n < N; n++)
       {
           temp.re = (float)cos(2 * pi*k*n / N);
           temp.im = (float)sin(2 * pi*k*n / N);
           x[k] = complexadd(x[k], complexMult(X[n], temp));
       }
       x[k].re /= N;
       x[k].im /= N;
   }
}

#define N 8000//采样率为8000
int main() {
   complex samples[N], X[N], x[N]; //原始数据，变换后的频域数据，逆变换后的时域数据
   FILE *fp;
   FILE *fp2;
   short buf[N];
   int re=0;
   fp=fopen("./ttt.pcm", "rb");
   fp2 = fopen("./trans.pcm", "wb");
   if (!fp ||!fp2) {
       printf("I could not open file.\n");
       return 1;
   }
   else
   {
       while (fread(buf, sizeof(short)*N,1 , fp) > 0)//末尾数据忽略
       {
           complexSet(samples, buf, N);
           dft(X, samples, N);
           idft(X, x, N);
           for (int i = 0; i < N; i++)
           {
               buf[i] = x[i].re;
           }
           fwrite(buf, sizeof(short)*N,1 , fp2);
       }
   }
   fclose(fp);
   fclose(fp2);
   return 0;
}
————————————————
版权声明：本文为CSDN博主「工农村贴膜小哥」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_35651984/article/details/106455170

[音频处理]傅里叶变换去噪相关推荐

matlab傅里叶变换去噪代码,小波的分析在心电信号去噪中应用(内附Matlab去噪源代码).ppt...
求职应注意的礼仪求职时最礼貌的修饰是淡妆面试时最关键的神情是郑重无论站还是坐,不能摇动和抖动对话时目光不能游弋不定要控制小动作不要为掩饰紧张情绪而散淡最优雅的礼仪修养是体现自然以一种修 ...
音频小波去噪（sym8和db）后语谱图对比标注
单轨道音频信号 Sym Lev=7 Dblev4 Db lev=3 语谱图: 原音频(多音道) 单轨道 Db lev=4
matlab傅里叶变换去噪代码,[转载]MATLAB小波去噪
MATLAB中用wnoise函数测试去噪算法 sqrt_snr=3; init=231434; [x,xn]=wnoise(3,11,sqrt_snr,init); % WNOISE generate ...
音频降噪算法 java_音频处理之去噪算法---基于pcm和g711的音频16000hz、8bit去噪声算法...
(1)应用背景 (2)主要降噪算法原理 (3)算法流程 (4)算法实现 (5) ------------author:pkf -------------------time:2-6 --------- ...
基于傅里叶变换的音频重采样算法 (附完整c代码)
前面有提到音频采样算法: WebRTC 音频采样算法附完整C++示例代码简洁明了的插值音频重采样算法例子 (附完整C代码) 近段时间有不少朋友给我写过邮件,说了一些他们使用的情况和问题. 坦白讲, ...
基于MATLAB的数字滤波器语音信号去噪
文章目录一.滤波器的种类及简介二.设计流程三.滤波器设计实现与结果仿真参考文献基于MATLAB的FPR滤波器设计源代码本课程设计通过分析FIR滤波器的基本原理,在MATLAB环境下利用窗函 ...
python计算无穷级数求和常用公式_傅里叶变换（二）从傅里叶级数到傅里叶变换...
在上一部分当中,得到了利用三角函数表示周期函数的方法,但是对于非周期函数就...凉了.所以有什么办法吗?没办法(划掉).这时候我们就需要拿出来我们的黑科技--傅里叶变换. 一.傅里叶级数的推广当然这 ...
短时傅里叶变换（STFT）实例
记录学习音频短时傅里叶变换的过程,注意,这里并不会讲述傅里叶变换的原理想了解原理可以自行搜索或查看文中的参考文章运行使用Pycharm,环境为python3.10 1.导入软件包,设置快速傅里叶变 ...
图卷积神经网络的数学原理——谱图理论和傅里叶变换初探
Math of GCN 一.warmup 1.Graph vs Image ①Graph是相比于Image更加广义的一种拓扑结构. ②Image是Grape在欧式空间的一种特例. 2.符号含义 ①A: ...
librosa 音频处理
目录序言一.libsora安装 pypi conda source 二.librosa常用功能核心音频处理函数音频处理频谱表示幅度转换时频转换特征提取绘图显示三.常用功能代码实现 ...

[音频处理]傅里叶变换去噪

[音频处理]傅里叶变换去噪相关推荐

最新文章

热门文章