Выбор того, следует ли рассчитывать одно БПФ по всему набору данных (в случае ОП - 44100 выборок, представляющих 1-секундную часть данных), или делать серию БПФ по более мелким подмножествам полного набора данных, зависит по данным и по назначению БПФ.
Если данные относительно статичны спектрально по всему набору данных, то, вероятно, достаточно одного БПФ на весь набор данных.
Однако, если данные являются спектрально-динамическими по набору данных, то несколько скользящих БПФ по небольшим подмножествам данных создают более точное частотно-временное представление данных.
На графике ниже показан спектр мощности акустической гитары, играющей ноту А4. Аудиосигнал был дискретизирован с частотой 44,1 кГц, а набор данных содержит 131072 выборки, почти 3 секунды данных. Этот набор данных был предварительно умножен на оконную функцию Ханна.
График ниже показывает спектр мощности подмножества 16384 сэмплов (от 0 до 16383), взятых из полного набора данных для акустической гитары ноты A4. Это подмножество также было предварительно умножено на оконную функцию Ханна.
Обратите внимание, что спектральное распределение энергии подмножества значительно отличается от спектрального распределения энергии полного набора данных.
Если бы мы извлекли подмножества из полного набора данных, используя скользящий примерный кадр 16384, и вычислили спектр мощности каждого кадра, мы бы создали точную частотно-временную картину полного набора данных.
Ссылки:
Реальные данные аудиосигнала, оконная функция Ханна, графики, БПФ и спектральный анализ были выполнены здесь:
Быстрое преобразование Фурье, спектральный анализ, оконная функция Ханна, аудиоданные