Das Spektogramm wird mit FFT erstellt. Dafür werden immer 1024 Sampels benutzt. In der Abbildung war es noch so, dass dann immer um ein paar Sampels verschoben wurde. Das Audiosampel selbst hat 44100 Sampels pro Sekunde. Genauere Angaben kann ich leider nicht machen, weil da einfach die Mathematische kompetenz fehlt.
Habe zum Test jetzt aber 1024 Sampels für die FFT benutzt und wandel die wieder zu 1024 Sampels im Ortsraum um. Wenn ich das über Inverse FFT mache, klappt das auch perfekt. FFT und IFFT sind auch nicht von mir... außerdem hatte ich die Unit schonmal mit einer anderen ausgetauscht, weil ich dachte, sie wäre falsch, aber die andere hatte dann genau das gleiche Spektralbild erzeugt, also bin ich mir sehr sicher, das da alles richtig ist.
Die Grundfrequenz, soweit sollte bei 44100 Sampels und 1024 Sampels für die FFT dann eigentlich bei etwa 43 Hz liegen. Bei dem Versuch, mehrere Sinuswellen einfach übereinanderzulegen erhalte ich folgende ergebnisse:
Hier wurden nun Sinuslinien mit 43 Hz, 86 Hz, 129 Hz usw. überlagert, also immer ein Vielfaches von der Grundfrequenz... insgesamt 32 Sinuswellen. Da erhalte ich dann das gleiche seltsame Muster... dieses auf und ab ist auch im Geräusch zu hören, also liegt es auf keinen Fall nur an der Spektrogrammdarstellung.
Hier habe ich die Sinuslinien einfach mal um etwa 5000 KHz nach oben geschoben und bei jeder Sinusline eine zufällig Startphase eingefügt. Man erkennt, dass das Fehlerhafte Muster immer noch existiert, nur ebend in jeder Zeile verschoben ist.
Hier hab ich dann die Phase wieder entfernt und nur den untersten und obersten Sinus addiert... dadurch entstehen im Spektrogramm zwei Linien, die diese Sinusartefakte nicht aufweisen. So sollte das auch aussehen.
Hier nochmal das gleiche wie ebend, nur das 8 der 32 Sinuslinien addiert wurden... auch hier sind noch die Linien Artefaktfrei. Nach etwas rumprobieren bin ich noch zu dem Ergebnis gekommen, dass bei dem Abstand von 43 Hz die Artefakte extrem sind, wenn man 86 Hz nimmt, dann sind die Artefakte kaum vorhanden, und bei 172 Hz nicht mehr existent.
Es ist mir allerdings schleierhaft, wie überlagerte Sinuslinien derlei Artefakte hervorbringen können...
@hagbard
hagbard hat geschrieben:ich nehme einfach mal an dass jede Spalte ein Leistungsdichtespektrum für ein bestimmtes Zeitfenster darstellt?
Wenn du den Code nicht gerade selber geschrieben hast wirst du dieses ja erhalten in dem du irgendeine Bibliothek benutzt welche deine zeitlichen Segmente mittels FFT in den Frequenzraum transformiert und dann dass Betragsquadrat berechnet.
Deine Annahmen sind alle zutreffend :D
Bei der IFFT hab ich das Problem, dass ich zu jedem Wert dann noch ne Phase habe und mir bis jetzt nicht klar ist, wie die dann berechnet würde.
Ziel ist, wie du schon gesagt hast, Filterungen im Frequenzbereich vorzunehmen, aber auch Manipulationen. Außerdem möchte ich Sounds synthetisch erzeugen und vielleicht sogar TTS realisieren. Hinterher kann man es ja auch für STT oder so einsetzen. Naja, aber im Moment scheitere ich schon am ersten Level... dabei dachte ich, gerade aus den Frequenzbändern wieder ein Ausgabesignal zu machen, wäre einfach... :(
