查看: 10|回复: 2

[项目] 【Arduino 动手做】ESP32显示FFT波以识别音素、音符、节奏

布线
ESP32C3
Oled GND Vcc 5v 引脚 7 SDA 和引脚 6 SCL。
声音传感器 GND Vcc 3.3v 引脚 2

傅里叶分析、相位跟踪、滤波和高级信号处理
音频处理：FFT 用于识别音素、音符、和弦和节奏机器状态监测：FFT 用于监测机器和系统的状况故障分析：FFT 用于分析机器和系统中的故障质量控制：FFT 用于对带有 LCD 或 OLED 声音传感器的机器和系统进行质量控制 esp32 在这种情况下，我将它们用于声音。

硬件设置
• 声音传感器：捕获音频信号并将其转换为模拟电压电平。
• ESP32：读取来自声音传感器的模拟信号，对其进行处理，并驱动 OLED 显示屏。
• OLED 显示屏：可视化频谱或其他结果。
________________________________________
2. 采样音频
• 声音传感器连接到 ESP32 上的模拟引脚。
• ESP32 以固定的采样率（例如 8 kHz）读取模拟信号。
• 采样数据存储在两个数组中：
o vReal：存储信号的实部（实际采样值）。
o vImag：存储虚部（初始化为 0）。
________________________________________
3. 快速傅里叶变换（FFT）
• FFT 算法将时域信号（幅度与时间）转换为频域（幅度与频率）。
• fft（）函数执行以下步骤：
1. Bit-Reversal：重新排列输入数据，为 FFT 计算做准备。
2. 蝶形运算：以计算频率分量的方式组合数据。
3. Complex to Magnitude：将复数 FFT 输出转换为幅度值，该值表示每个频率分量的强度。
________________________________________
4. 显示结果
• 每个频率区间的幅值使用以下公式计算：
• 幅度 = sqrt（vReal * vReal + vImag * vImag）;
• 量级值映射到条形高度，并以条形图的形式显示在 OLED 屏幕上。
• x 轴表示频率区间，y 轴表示每个频率的幅度。
________________________________________
5. 应用
• 音频处理：识别特定频率（例如，音素、音符）。
• 机器监控：检测指示故障或磨损的异常频率。
• 质量控制：确保机器在指定的频率范围内运行。
________________________________________
要点
• FFT 将信号从时域转换为频域。
• OLED 显示屏实时可视化频谱。
• ESP32 处理采样、FFT 计算和显示更新。
________________________________________
这是使用 ESP32 和 OLED 显示屏分析音频信号或振动的一种简单有效的方法！

使用道具举报

精彩评论(2)

驴友花雕 中级技神
楼主|

发表于昨天 20:03

【Arduino 动手做】ESP32显示FFT波以识别音素、音符、节奏

项目代码

#include <Adafruit_SSD1306.h>
#include <Adafruit_GFX.h>
#include <Wire.h>
#include <algorithm> // Include this for std::swap

// OLED setup
#define SCREEN_WIDTH 128
#define SCREEN_HEIGHT 64
#define OLED_RESET    -1
Adafruit_SSD1306 display(SCREEN_WIDTH, SCREEN_HEIGHT, &Wire, OLED_RESET);

// Sound sensor setup
#define SOUND_SENSOR_PIN 2
#define SAMPLES 128              // Number of samples for FFT
#define SAMPLING_FREQ 8000       // Sampling frequency (8 kHz)

// FFT variables
float vReal[SAMPLES];
float vImag[SAMPLES];

void setup() {
  Serial.begin(115200);
  Wire.begin(7, 6);
  // Initialize OLED
  if (!display.begin(SSD1306_SWITCHCAPVCC, 0x3C)) {
    Serial.println(F("SSD1306 allocation failed"));
    for (;;);
  }
  display.clearDisplay();
  display.setTextSize(1);
  display.setTextColor(SSD1306_WHITE);
  display.setCursor(0, 0);
  display.println("FFT Audio Processing");
  display.display();
  delay(2000);
}

void loop() {
  // Capture audio samples
  for (int i = 0; i < SAMPLES; i++) {
    vReal[i] = analogRead(SOUND_SENSOR_PIN);
    vImag[i] = 0;
    delayMicroseconds(1000000 / SAMPLING_FREQ);
  }

  // Perform FFT
  fft(vReal, vImag, SAMPLES);

  // Display FFT results on OLED
  display.clearDisplay();
  display.setCursor(0, 0);
  display.println("Frequency Spectrum:");
  for (int i = 0; i < SAMPLES / 2; i++) {
    int magnitude = sqrt(vReal[i] * vReal[i] + vImag[i] * vImag[i]);
    int barHeight = map(magnitude, 0, 500, 0, SCREEN_HEIGHT - 10);
    display.drawLine(i * 2, SCREEN_HEIGHT, i * 2, SCREEN_HEIGHT - barHeight, SSD1306_WHITE);
  }
  display.display();
}

// Basic FFT implementation
void fft(float* vReal, float* vImag, int n) {
  int j = 0;
  for (int i = 0; i < n; i++) {
    if (j > i) {
      std::swap(vReal[i], vReal[j]); // Use std::swap
      std::swap(vImag[i], vImag[j]); // Use std::swap
    }
    int m = n >> 1;
    while (j >= m && m > 0) {
      j -= m;
      m >>= 1;
    }
    j += m;
  }

  int mmax = 1;
  while (n > mmax) {
    int istep = mmax << 1;
    float theta = -PI / mmax;
    float wtemp = sin(0.5 * theta);
    float wpr = -2.0 * wtemp * wtemp;
    float wpi = sin(theta);
    float wr = 1.0;
    float wi = 0.0;
    for (int m = 0; m < mmax; m++) {
      for (int i = m; i < n; i += istep) {
        j = i + mmax;
        float tempr = wr * vReal[j] - wi * vImag[j];
        float tempi = wr * vImag[j] + wi * vReal[j];
        vReal[j] = vReal[i] - tempr;
        vImag[j] = vImag[i] - tempi;
        vReal[i] += tempr;
        vImag[i] += tempi;
      }
      wtemp = wr;
      wr += wr * wpr - wi * wpi;
      wi += wi * wpr + wtemp * wpi;
    }
    mmax = istep;
  }
}
复制代码