【伯樂在線導讀】：這個問題來自 Quora，下面是來自?Tanooj Luthra 的回復。

讓我們來演奏一架想象中的鋼琴。

鋼琴的每個琴鍵都對應一個特定頻率的聲音。例如，一個比較有名的頻率是國際標準音A（440赫茲）。當有琴鍵按下時，你聽到的聲音是一個完美的正弦波，振蕩在440赫茲。同樣，中央C對應的頻率約為261赫茲聲波。

不過，每次只演奏一個音符太單調(diào)了，我們來嘗試幾個音符同時演奏。有趣的是，兩個各不相關的聲音結(jié)合起來，就創(chuàng)造一個全新的獨特聲音。它不再只是單一的頻率，這是兩個頻率的結(jié)合。如果琴鍵一起按下我們會發(fā)現(xiàn)，對應的頻率也疊加在了一起。

三個音符組合形成的最終聲音信號！

快速傅立葉變換（FFT）可以讓我們將這個新的聲音解構為原始的頻率，從本質(zhì)上得到這個和弦是由哪些琴鍵組成的。現(xiàn)在我們退一步，只演奏一個音符，看看這個原始信號及其FFT的示例圖。

這幅圖中的數(shù)字沒有曲線形狀所代表的意義那么重要。上面圖中藍色表示聲音的波形，表示了其幅值相對于時間的關系。它是一個單一的頻率，表示只演奏了音符A。FFT變換后，我們得到了一個很有趣的圖形，幅值相對于頻率的關系。此圖中單個波峰表示原始信號中的單一頻率，而大部分的頻率不存在。前進一點點，在我們的和弦例子中有兩個音符C和A，我們的FFT將有兩個波峰！一個會出現(xiàn)在相同的位置，而另一個將出現(xiàn)在較低的頻率。總體來說，一個信號的FFT將每個“純”頻率相加得到最終的輸出結(jié)果。

我們給鋼琴加一個歌手伴奏。

人的聲音頻率范圍很寬，多種多樣的頻率組成了多種多樣的聲音（詞語）。正如下面的圖片，音頻信號可能會非常非常復雜。相應的FFT在一定比例上有成千上萬的非零頻率（圖上的紅色曲線將有成千上萬不同高度的峰值）。舉個例子，即使是一個歌手想發(fā)出F音，最終也會產(chǎn)生許多不同的頻率，因為人聲不是一個理想的樂器。

說出不同詞語時的音頻信號。顯然不像上面的標準音A那樣光滑波動！

現(xiàn)在，我們已經(jīng)有點明白FFT了，現(xiàn)在來看看MIT的稀疏FFT。當我們?yōu)殇撉偌恿烁枋职樽嗪?#xff0c;我們有一個C和A的和弦以及一個歌手努力維持唱出的F音，然后得到了一個參差不齊的音頻信號及其FFT。原本的FFT將計算出每個頻率的幅度，但我們也許可以利用這樣一個事實，即大部分的頻率將集中在C、A和F周圍！因此，如果我們只計算組成最終音頻信號的三個頻率，可以復制出一個足夠接近于原音樂樂譜的聲音。這就是稀疏FFT在做什么。

這篇論文注意到一個事實，在視頻信號中有89％的頻率不是必須存在的。只計算11％的頻率的稀疏FFT，信號質(zhì)量不會惡化太多。雖然視頻的頻率和信號的相關概念更偏向技術性，但是理論同樣適用于鋼琴和歌手。

總結(jié)

以上是生活随笔為你收集整理的如何向非技术人员解释“稀疏傅里叶变换”算法？的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。