fftwの.wavデータの解釈

Question

私は.wavファイルを読み込み、信号の最も優勢な周波数を探しています。 this topicを使用してファイルを読み込んだ後、関数bytesToFloatを使用して結果をfloatに変換しました。

最後に、配列をfftw_complexにコピーした後、FFTWの計画を実行し、モジュラス（sqrt(real*real + im*im)）を見つけて最高値を見つけますが、結果は信号の周波数と一致せず、出力は通常数値ではありません。

私が使用している.wavファイルは、110Hz（A2）の周波数found on Wikipediaです。

私の質問は次のとおりです。

浮動変換が正しく行われていますか？

fftの後に出力ベクトルがNaNを返すのはなぜですか？

fftwを使用できるように.wavファイルを読むにはどうすればよいですか？

お手数をおかけしていただきありがとうございます。

フルコード：

#include <math.h> 
#include <fftw3.h> 
#include "Reader.h" 
#include <iostream> 
#include <string> 
#include <fstream> 
#include <cstdint> 

using namespace std; 

typedef struct WAV_HEADER 
{ 
    /* RIFF Chunk Descriptor */ 
    uint8_t   RIFF[4];  // RIFF Header Magic header 
    uint32_t  ChunkSize;  // RIFF Chunk Size 
    uint8_t   WAVE[4];  // WAVE Header 
            /* "fmt" sub-chunk */ 
    uint8_t   fmt[4];   // FMT header 
    uint32_t  Subchunk1Size; // Size of the fmt chunk 
    uint16_t  AudioFormat; // Audio format 1=PCM,6=mulaw,7=alaw,  257=IBM Mu-Law, 258=IBM A-Law, 259=ADPCM 
    uint16_t  NumOfChan;  // Number of channels 1=Mono 2=Sterio 
    uint32_t  SamplesPerSec; // Sampling Frequency in Hz 
    uint32_t  bytesPerSec; // bytes per second 
    uint16_t  blockAlign;  // 2=16-bit mono, 4=16-bit stereo 
    uint16_t  bitsPerSample; // Number of bits per sample 
            /* "data" sub-chunk */ 
    uint8_t   Subchunk2ID[4]; // "data" string 
    uint32_t  Subchunk2Size; // Sampled data length 
} wav_hdr; 

int getFileSize(FILE* inFile); 
float bytesToFloat(int8_t b0, int8_t b1, int8_t b2, int8_t b3); 
void WavRead(string fileName, int& samples, float* floatBuffer); 

using namespace std; 

int main(void) { 
    fftw_complex *in, *out; 
    fftw_plan p; 

    int numSamples=0; 

    float* floatBuffer; 
    float* dest; 

    floatBuffer = (float*)malloc(sizeof(float)); 

    WavRead("110.wav", numSamples, floatBuffer); 

    in = (fftw_complex*)fftw_malloc(numSamples*sizeof(fftw_complex)); 
    out = (fftw_complex*)fftw_malloc(numSamples*sizeof(fftw_complex)); 

    for (int i = 0; i < numSamples; i++) 
    { 
     in[i][0] = floatBuffer[i]; 
     in[i][1] = (float)0; 
    } 

    p = fftw_plan_dft_1d(numSamples, in, out, FFTW_FORWARD, FFTW_ESTIMATE); 

    fftw_execute(p); 

    dest = (float*)malloc(sizeof(float)*numSamples); 

    for (int i = 0; i < numSamples; i++) { 
     dest[i] = std::sqrt(out[i][0] * out[i][0] + out[i][1] * out[i][1]); 
    } 

    double max = 0; 
    int index=0; 
    for (int i = 0; i < numSamples; i++) { 
     if (dest[i] > max) { 
      max = dest[i]; 
      index = i; 
     } 
    } 

    cout << endl << index << endl << max << endl; 

    fftw_destroy_plan(p); 
    fftw_cleanup(); 

    system("pause"); 

    return 0; 

} 

void WavRead(string fileName, int& samples, float* floatBuffer) 
{ 
    wav_hdr wavHeader; 
    int headerSize = sizeof(wav_hdr), filelength = 0; 

    const char* filePath; 

    filePath = fileName.c_str(); 

    FILE* wavFile = fopen(filePath, "r"); 
    if (wavFile == nullptr) 
    { 
     fprintf(stderr, "Unable to open wave file: %s\n", filePath); 
     system("pause"); 
    } 

    //Read the header 
    size_t bytesRead = fread(&wavHeader, 1, headerSize, wavFile); 
    if (bytesRead > 0) 
    { 
     //Read the data 
     uint16_t bytesPerSample = wavHeader.bitsPerSample/8;  //Number  of bytes per sample 
     uint64_t numSamples = wavHeader.ChunkSize/bytesPerSample; //How many samples are in the wav file? 
     samples = numSamples; 
     static const uint16_t BUFFER_SIZE = numSamples*sizeof(float); 
     int8_t* buffer = new int8_t[BUFFER_SIZE]; 

     floatBuffer = (float*)malloc(sizeof(float)*numSamples); 

     while ((bytesRead = fread(buffer, sizeof buffer[0], BUFFER_SIZE/(sizeof buffer[0]), wavFile)) > 0) 
     { 
     } 

     for (int i = 0; i < numSamples * 4; i += 4) 
     { 
      floatBuffer[i/4] = bytesToFloat(i, i + 1, i + 2, i + 3); 
     } 

     delete[] buffer; 
     buffer = nullptr; 
    } 
    fclose(wavFile); 
} 

// find the file size 
int getFileSize(FILE* inFile) 
{ 
    int fileSize = 0; 
    fseek(inFile, 0, SEEK_END); 

    fileSize = ftell(inFile); 

    fseek(inFile, 0, SEEK_SET); 
    return fileSize; 
} 

float bytesToFloat(int8_t b0, int8_t b1, int8_t b2, int8_t b3) 
{ 
    int8_t byte_array[] = { b3, b2, b1, b0 }; 
    float result; 
    std::copy(reinterpret_cast<const char*>(&byte_array[0]), 
     reinterpret_cast<const char*>(&byte_array[4]), 
     reinterpret_cast<char*>(&result)); 
    return result; 
} 

Answer 1

WAVがコンテナフォーマット（RIFF容器のタイプ）です。コンテナとして、記録装置上のコーデックに登録されたあらゆる種類のコーデック/フォーマットをエンコードすることができます。各コーデックはFOURCCです。 PCM（Pulse Code Modulated - サンプルがそのままの形で記録されます）フォーマットのフロート変換が正しくても、エンコードされたオーディオストリームがPCMではないと失敗します。したがって、あなたのコードでAudioFormatが1（PCM）であることを確認する必要があります。 RAWエンコーディングと呼ばれることもあります。

mu-lawとADPCMのコーデックはあまり複雑ではありませんが、RAWの形式を必要とする方が良いでしょう。そうでなければ、デコードライブラリをプロジェクトに統合する必要があります。それを行う方法は、あなたがどのプラットフォーム（Linux、Windows、Mac）にいるかによって大きく異なります。あなたのコードでは、Windowsライブラリのヒントは表示されないので、もしあなたがLinux上にある場合は、のいくつかを読んで、lameとlame-devのパッケージをインストールする必要があります。

復号化は、実際のライブラリのAPIに依存するが、通常は：

1. が、それはステレオだ場合は（コンテナヘッダから読み取るいくつかのメタデータをデコードライブラリを設定する - それはあなたの側のためにあまりにもちょっと重要です、サンプリング周波数、16または24ビット、またはサンプリング解像度など）
2. は、オーディオストリームをコンテナから抽出します。これは、RAWバッファであり、浮動変換はありません。データはかなり圧縮されている可能性があります。
3. コーデックに沿って渡して、それを仕事にしましょう。

その後、コーデックライブラリからRAW PCMデータが返されます。そして、あなたはそのデータを処理することができます。

私はこれのためのテストベッドをセットアップするか、それをデバッグする時間がありませんでした。これらは一般的な指示であり、あなたが世話をしなければならないものです。