audition中的FFT大小到底啥意思
这个FFT的单位是什么呢，和日常的常用单位怎么换算呢？
比如在降噪器里面有设置FFT，4096，8192有什么区别呢？
谢谢！！
能否用些比喻,这些术语我看不懂. 展开
FFT是离散傅氏变换的快速算法，它是根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。它对傅氏变换的理论并没有新的发现，但是对于在计算机系统或者说数字系统中应用离散傅立叶变换。
此后，在这思想基础上又开发了高基和分裂基等快速算法，随着数字技术的高速发展，1976年出现建立在数论和多项式理论基础上的维诺格勒傅里叶变换算法(WFTA）和素因子傅里叶变换算法。它们的共同特点是，当N是素数时，可以将DFT算转化为求循环卷积，从而更进一步减少乘法次数，提高速度。
扩展资料：
在这些算法中，基2算法用得最普遍。通常按序列在时域或在频域分解过程的不同，又可分为两种：一种是时间抽取FFT算法（DIT），将N点DFT输入序列x(n)、在时域分解成2个N/2点序列而x1(n)和x2(n)。前者是从原序列中按偶数序号抽取而成，而后者则按奇数序号抽取而成。DIT就是这样有规律地按奇、偶次序逐次进行分解所构成的一种快速算法。
分裂基算法(RSFFT) 1984年由P．杜哈美尔和H．赫尔曼等导出的一种比库利图基算法更加有效的改进算法，其基本思想是在变换式的偶部采用基2算法，在变换式的奇部采用基4算法。优点是具有相对简单的结构，非常适用于实对称数据，对长度N=2能获得最少的运算量(乘法和加法），所以是选用固定基算法中的一种最佳折衷算法。
FFT是一种快速的离散傅立叶变换算法。它基于离散傅里叶变换的奇、偶、虚、实特性，改进了离散傅里叶变换的算法。它在傅里叶变换理论上没有新的发现，但可以应用于计算机系统或数字系统。
从那时起，基于这一思想发展了高基、分裂基等快速算法。随着数字技术的飞速发展，1976年出现了基于数论和多项式理论的维诺格勒傅里叶变换算法（WFTA）和素因子傅里叶变换算法。
它们的共同特点是当n是质数时，DFT可以转换成循环卷积，从而进一步减少乘法次数，提高运算速度。
扩展资料：
在这些算法中，最常用的是base－2算法。一般来说，根据序列在时域或频域的分解过程不同，可以分为两类：
一类是时间提取FFT算法（DIT），它将n点DFT的输入序列x（n）分解为两个n／2点序列，而x1（n）和x2（n）。前者用偶数序列号从原始序列中提取，后者用奇数序列号提取。DIT是一种由奇偶分解构成的快速算法。
分裂基算法（rsfft）是1984年由P.Duhamel和h.Herman提出的一种更有效的改进算法。其基本思想是在变换的偶数部分使用基2算法，奇数部分使用基4算法。
其优点是结构相对简单，非常适合于真实的对称数据。对于长度n=2，它可以获得最小的计算量（乘法和加法），因此它是固定基算法中的最佳折中算法。
快速傅立叶变换就是分析计算信号波形中的频谱成分强度，将其能量从时间积分，从而得出频率-能量相关的形式，称为频域分析。注意这里讲的是频率-能量相关，而非一般认为的频率-幅度相关，因为傅立叶变换实际上已经无法确认信号不同频率间的幅度关系，而只能计算出其能量关系。
fft可以设定的数值代表了你要查看的频谱分析精度。这个精度的大小要视个人处理的需要。
建议FFT大小控制数值在8192~24000均可，而且在这个傅立叶变换阈值里我们的听觉很难分辨出具体的差别，建议设为16384。
醉了，这么多答非所问的，我来答。
这个需要有一定的信号处理知识才能理解。
FFT是Fast Fourier Transform，快速傅里叶变换的意思，是一种将时域信号（AU里绿色的波形）转换为频域（AU里紫黄色的谱）的算法。在执行傅里叶变换的时候，需要将声音切成很多片，以片为单位执行傅里叶变换，FFT大小就是每一片的长度（采样点数量）。比如FFT大小是512，那么每一片包含512个采样点。
FFT大小有什么影响呢？傅里叶变换天生存在一种频谱-时间不确定性。FFT大小越大，计算得到的频谱越准确，但是代价就是频谱在时间上分辨率（类似帧数）就降低了 。FFT大小越小，频谱在时间上分辨率（类似帧数）越高，但是代价就是频谱计算会有误差。非通信、电子专业出身的要理解这一点比较费力。为了帮助理解，我打个比喻，一个音符如果只持续非常短的时间比如1ms，我打赌，就算贝多芬来了都绝对分不出音高是多少，误差会非常大，这就是FFT大小设小了。所以必须得等音符持续一定长度后（增大FFT大小），才能逐渐分辨出它的音高，但是代价就是你分辨每个音符的耗时变长了。
那么如何设置FFT大小呢？官方推荐的值在1024-8096可适用于大多数情况。根据我们之前的分析，如果音频节奏快，起伏多，变化剧烈，应适当减小FFT大小；如果音频舒缓，变化慢，可以适当调大FFT大小。
另一个问题，为什么FFT大小是二的整数次幂呢，也就是256，512，1024这样的。简单理解，FFT算法实现细节决定了计算长度是2的整数次幂时，算法效率最高，对计算机最友好。
