时域和频域的转换
一个图表或信号的“域(domain)”,指的是其自变量，通常显示在图表的横轴上。例如，音频波就是一种时域信号，其信号电压或数字振幅随时间而变化。这里的时间就是自变量，因此它通常在波形图的X轴（横轴）上，振幅则在Y轴（纵轴）上。在频域图上，X轴则为频率(Frequency),Y轴为幅度(Magnitude)。除了这两种还有一个例外就是能摄录频谱的摄谱图，它有两个自变量，所以在已知情况下我们围绕任意一个方向讨论都是有意义的。
在录音应用中，时域图上的音频信号显示成波形，它是声音剪辑师的关键视图。然而在音响系统工程和房间声学中，时域（脉冲响应）图上的系统响应可以显示系统本身的传输延时、反射等，但混响会比较棘手。
信号频域的分析提供了频谱视图，在分析声音的音频成分或寻找啸叫点时，这显然是一组非常有用的信息。系统响应的频域视图（传递函数或频率响应)跟用频率分析时间/相位响应一样，提供了一个很容易观察的系统音频响应图像。
l 时域监控信号随时间变化的幅度。
l 频域按频率监控信号幅值
这实际上就是傅里叶变换，其命名于十九世纪法国数学家和物理学家让·巴普蒂斯·约瑟夫•傅里叶。它的概念是：复合信号（如语音或音乐）可以分解为不同振幅和相位关系的正弦波，也可以把它们组合起来。傅里叶变换被广泛应用于音频分析，以发现时域信号的频谱内容。傅里叶逆变换(IFT)是从频谱数据重构时域信号。
快速傅里叶（FFT）就是傅里叶（IFT）的一种有效计算方法，为分析信号块长度是2的N次幂，如16384（16K，2的14次）。
用记录时域信号的采样率除以「T的采样大小，就可以计算出FFT的时间常数（以秒为单位）。
例如，频谱测量的默认FFT大小为16K(16384)个采样点。以48000样本/秒记录的16KFFT的时间常数为0.341秒(16384/48000)或341毫秒。
𝐹𝑟𝑒𝑞𝑢𝑒𝑛𝑐𝑦 𝑅𝑒𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 = 𝑆𝑎𝑚𝑝𝑙𝑒 𝑅𝑎𝑡𝑒/ 𝐹𝐹𝑇 𝑆𝑖𝑧𝑒 = 1/ 𝑇𝑖𝑚𝑒 𝐶𝑜𝑛𝑠𝑡𝑎𝑛
由于低频的周期比高频的周期长，这正是它们频率低的原因。因此，要用更长的周期时间去来分析低频。事实上，一个FFT(或任何其他类型的DFT)的最低频率就可“看作"”是1/T,在这里T代表以秒为单位的FFT时间常数。比如48k采样率的16K FFT,这个时候频率分辨率为2.93Hz(1/0.341)。
评论区