жаба-то причём тут? Если не знаешь что представляет из себя массив с результатом быстрого преобразования фурье то надо почитать теорию. Вот тут например
http://websound.ru/

в общем случае БПФ тебе в анализе голоса не очень поможет.

etnos1024,

ок, спасибо за ссылку, почитаю что там есть.

Если для анализа голоса БПФ мне не поможет, то что лучше использовать ?

не знаю. Зависит от задачи.

РеалистShSergeetnos,

Имхо, преобразование Фурье Вы правильно выбрали. Правильной дорогой идёте.
БПФ позволяет анализировать только одну из характеристик голоса - частотную.
Но у голоса есть и амплитудные параметры, которые с помощью преобразования Фурье анализировать в принципе невозможно, так как они "размываются" во времени. И время "размытия" тем больше, чем точнее будет анализироваться частотные характеристики голоса (чем больше будет окно преобразования).

Поэтому для анализа голоса нужно использовать два типа преобразований - Фурье для анализа частотного спектра и Вейвлет для анализа амплитудно-временных характеристик. Если использовать только БПФ, то из анализа выпадут таки звуки, как К,Ч,Т,П и т.д. То есть те, в которых присутствует "взрывная" составляющая.

а зачем? Цель-то какая? Ну будет получен спектр слова "Жопа" произнесённого бухгалтером Марией Петровной. А дальше что? Зависит от конечной цели.

etnosЦель проекта в том, чтобы сравнивать голос человека через оприделенное время, к примеру, через 5 мин, и потом на основе характеристик голоса сделать вывод как на человека повлияло то, что он делал в течении этих 5мин.

а в течении этих 5 мин пользователю будет показывать видео, в котором будет много эмоциональных моментов.

вот суть в том, чтобы оприделить какие именно эмоции влияют больше всего на данного человека.

к примеру 5-6 различных видео с различными эмоциями и нужно выявить которое из эмоций наибольше всего повлияло на человека

к жаве это точно отношения не имеет. Да и к программированию наверна тоже - тут же надо сначала выяснить какие характеристики являются значимыми. Вобщем не сюда.

etnos1024к жаве это точно отношения не имеет. Да и к программированию наверна тоже - тут же надо сначала выяснить какие характеристики являются значимыми. Вобщем не сюда.

может действительно не сюда, но проект пишется на Java. Нужные характеристики тоже известны, это:
1. амплитуда,
2. частота,
3. Duration in seconds
4. Mean pitch
5. Std dev pitch
6. Min pitch
7. Max pitch
8. Nr of pulses
9. Nr of period
10. Mean for one period
11. Std dev for one period
12. Fraction of unvoice frames
13. Nr of voice break
14. Procent of voice break

я ресечил в гугле и ничего кроме FFT по анализу звука не нашел, вот по этому меня и интересует может есть библиотеки или алгоритмы или открытые проекты или статьи в которых описывается как из записанного с микрофона голоса можно найти нужные параметры?

у тебя есть набор байтов с микрофона. Что есть амплитуда? Ну найди в массиве самое большое число. Чисто статистически это максимальная амплитуда. Что это тебе даст? Да ничего.

или 7. Max pitch - это максимальная частота из спектра, насколько я понимаю - разложил БПФ слова "Жопа", нашёл её (причём приблизительно, точных частот он тебе не найдёт). Что дальше?

Так же и по остальным пунктам.

По-моему это сложный проект, не знаю ни одного качественного решения. Есть например такое
http://www.shazam.com/

- на сервере хранятся "слепки" (soundprint) музыки т.е. примерно как у тебя - характеристики частот, пауз, скачков громкости и пр. Можно мобилу к радио поднести, сервис с микрофона считает песню в плохом качестве но сможет в своей базе найти по слепку.

Кратко о технологии http://en.wikipedia.org/wiki/Acoustic_fingerprint

Чтонить из этой области надо смотреть. Но это к жабе отношения не имеет.

etnosпо этому описанию en.wikipedia.org/wiki/Pitch_(music) pitch рассчитывается с помощью частоты. по этому в списке нужных характеристик присутствует частота.

в зависимости от силы воздействия эмоции (насколько человек может прочувствовать эмоцию) mean pitch изменяется в приделах 2% - 7% система которую я пишу как раз и должна улавливать это изменение или отсутствие изменений, что также важно.



private float[] spectrumAnalyz(float[] spectr) {
float Re;
float Im;
float[] spectruData = spectr;
float[] mySpectrum = new float[(spectruData.length / 2) - 1];
for (int i = 1, j = 0; i < spectruData.length / 2; i++, j++) {
Re = spectruData[2 * i];
Im = spectruData[2 * i + 1];
mySpectrum[j] = (float) Math.sqrt(Re * Re + Im * Im);
}
return mySpectrum;
}

собственно этот метод принимает на вход массив который вернул алгоритм FFT. хочу спросить у тех, кто работал раньше с FFT, это правильная формула для нахождения спектра частот ? ведь если у меня будут частоты, то я смогу найти хотя бы pitch

Это не нахождение спектра частот. Это преобразование массива комплексных чисел в массив обычных. БПФ вычисляется по мнимым (комплексным числам) и некоторые реализации алгоритма их в комплексном виде возвращают.

Само БПФ не даёт расклада по частотам. Оно даёт приблизительный ответ на вопросы типа "сколько частот в оцифрованном куске примерно равных 100Гц +-10Гц". Даже для волн одинаковой частоты но разных по форме (квадратные и синусоидальные) БПФ вернёт разный массив данных.

Описанная тобой задача сложна, без теории заниматься ей нет смысла. Прочитай по ссылкам выше. Ближе всего к задача тема AcousticFingerPrint (SoundPrint).

это именно преоразование комплексных чисел в обычные.

БПФ не даёт точное распределение по частотам, как я говорил, даже для волн одинаковой частоты но разных по форме (квадратные и синусоидальные) БПФ вернёт разный массив данных. Пользуются им от того что ничего лучше пока не придумано.

Речь это не один сигнал, это набор частот. Восстановить набор частот по конечно сумме частот невозможно (типа по цифре 100 догадаться что она является суммой 50+50 или 60+30+10). Это, условно, можно решить перебором и статистическим анализом.

Книжек много разных но сама поставленная задача сложна. Не знаю ни одной качественной реализации подобного.

recvezitorпосмотри внимательно чувак. Что есть преобразование коплексных чисел в обычные? Да там разделяются массив состоящий из реальных и мнимых частей на реальный массив и мнимый, потмоу что в яве нет встроенного комплексного типа, но на следующую формулу посмотри. Это спектр либо мощности либо амплитуды (сейчас не могу точно сказать).

если не можешь точно сказать то зачем лезешь спорить. Чувак.

recvezitorчувак потому что там разница в наличии и отсутвтвия корня и нормировки, я не помню просто уже. Но факт на лицо что там спектр, а не тот бред авторэто именно преоразование комплексных чисел в обычные, я с этим работал, правда пол года назад уже, так что я шарю поверь мне.
авторБПФ вычисляется по мнимым это вообще лол

думаю что не шаришь. В противном случае ты бы смог подсказать топикстартеру что делать в его случае.

ты ж написал

авторЦель проекта в том, чтобы сравнивать голос человека через оприделенное время, к примеру, через 5 мин, и потом на основе характеристик голоса сделать вывод как на человека повлияло то, что он делал в течении этих 5мин.

взять характеристики голоса можно. Тот же спектр построить или среднюю громкость получить. Вопрос в том что с ними дальше делать.

Элементарно сказать "черничный пирог" можно как "чирничый пирок" или "черничный пирох".

Если ты считаешь что коллектив по твоей ссылке этот вопрос решил - напиши им письмо и спроси.

etnosна данный момент я получаю массив байтов с микрофона. Каждую секунду записи я получаю 8000 байт.
но я не знаю, что мне с ними делать. гугл все время выдает ссылки на FFT.
порывшись в различных проектах которые использовали FFT, я нашел эту формулу

private float[] spectrumAnalyz(float[] spectr) {
float Re;
float Im;
float[] spectruData = spectr;
float[] mySpectrum = new float[(spectruData.length / 2) - 1];
for (int i = 1, j = 0; i < spectruData.length / 2; i++, j++) {
Re = spectruData[2 * i];
Im = spectruData[2 * i + 1];
mySpectrum[j] = (float) Math.sqrt(Re * Re + Im * Im);
}
return mySpectrum;
}

я не знаю насколько она правильна, потому что достоверной информации так и не нашел, но в различных проектах используют именно ее.


это абсолютно правильный кусок. Но не бпф. Ты о нём уже спрашивал. Я тебе уже по нему ответил - это преобразование массива комплексных чисел в массив обычных. Это не вычисление бпф.

Ты написал что используешь JTransform. Там уже есть реализация дискретного преобразованиея фурье в пакете edu.emory.mathcs.jtransforms.fft. В исходниках его можешь посмотреть алгоритм если он тебе зачем-то понадобится. Ничего писать не надо, реализация в этой библиотеке уже есть (не знаю уж насколько этим можно пользоваться но есть). Надо понять зачем оно тебе.

Ты спрашиваешь по второму разу.