我在Android手机上记录了一个来自麦克风的数据数组[1024]，并通过真实数据的1D转发DFT传递（将1024位进一步设置为0）。我将数组保存到文本文件中，并重复了8次。
我得到了16384个结果。我在Excel中打开文本文件并制作了一个图表以查看它的外观（x=数组索引，y=返回的数字大小）。在110，232左右的震级上有一些巨大的峰值（正的和负的），小的峰值以这种方式持续到1817年和1941年左右，其中峰值再次变大，然后再次下降。
我的问题是，无论我在哪里寻求有关该主题的帮助，它都提到了实数和虚数，我只有一个1D数组，我从Piotr Wendykier的类中使用的方法中得到了它：
DoubleFFT_1D.realForwardFull(audioDataArray); // from the library JTransforms.
我的问题是：我需要对这些数据做些什么才能返回频率？录制的声音是我在吉他的底部弦（第5个音符）上演奏“A”（大约440Hz）。
复数数据是交错的，实分量在偶数指数处，虚分量在奇数指数处，即实分量在索引处，虚分量在索引处。2*i2*i+1
要获得索引 i 处的频谱大小，您需要：
re = fft[2*i];
im = fft[2*i+1];
magnitude[i] = sqrt(re*re+im*im);
然后，您可以绘制i = 0到N / 2的幅度[i]以获得功率谱。根据音频输入的性质，您应该会在频谱中看到一个或多个峰值。
要获得任何给定峰值的近似频率，您可以按如下方式转换峰值的索引：
freq = i * Fs / N;
哪里：
freq = frequency in Hz
i = index of peak
Fs = sample rate in Hz (e.g. 44100 Hz, or whatever you are using)
N = size of FFT (e.g. 1024 in your case)
注意：如果您以前没有对时域输入数据应用合适的窗口函数，那么您将获得一定量的频谱泄漏，并且功率谱看起来相当“模糊”。
为了进一步扩展这一点，这里有一个完整的示例的伪代码，我们获取音频数据并识别最大峰值的频率：
N = 1024 // size of FFT and sample window
Fs = 44100 // sample rate = 44.1 kHz
data[N] // input PCM data buffer
fft[N * 2] // FFT complex buffer (interleaved real/imag)
magnitude[N / 2] // power spectrum
// capture audio in data[] buffer
// ...
// apply window function to data[]
// ...
// copy real input data to complex FFT buffer
for i = 0 to N - 1
fft[2*i] = data[i]
fft[2*i+1] = 0
// perform in-place complex-to-complex FFT on fft[] buffer
// ...
// calculate power spectrum (magnitude) values from fft[]
for i = 0 to N / 2 - 1
re = fft[2*i]
im = fft[2*i+1]
magnitude[i] = sqrt(re*re+im*im)
// find largest peak in power spectrum
max_magnitude = -INF
max_index = -1
for i = 0 to N / 2 - 1
if magnitude[i] > max_magnitude
max_magnitude = magnitude[i]
max_index = i
// convert index of largest peak to frequency
freq = max_index * Fs / N
