Swift中vDSP.DCT输出的音频频率在iPhone与iPad上存在差异

问题背景 #

参考官方音频频谱可视化示例实现麦克风声音频率振幅采集：将麦克风采样存入环形缓冲区，通过ForwardDCT转换得到频域数据，再计算对应频率。相关代码如下：

频域处理代码 #

func processData(values: [Int16]) {
    vDSP.convertElements(of: values,
                         to: &timeDomainBuffer)
    
    vDSP.multiply(timeDomainBuffer,
                  hanningWindow,
                  result: &timeDomainBuffer)
    
    forwardDCT.transform(timeDomainBuffer,
                         result: &frequencyDomainBuffer)
    
    vDSP.absolute(frequencyDomainBuffer,
                  result: &frequencyDomainBuffer)
    
    vDSP.convert(amplitude: frequencyDomainBuffer,
                 toDecibels: &frequencyDomainBuffer,
                 zeroReference: Float(Microphone.sampleCount))
    
    if frequencyDomainValues.count > Microphone.sampleCount {
        frequencyDomainValues.removeFirst(Microphone.sampleCount)
    }
    
    frequencyDomainValues.append(contentsOf: frequencyDomainBuffer)
}

频率计算代码 #

for index in frequencyDomainBuffer{
    let frequency = index * (AVAudioSession().sampleRate/Double(Microphone.sampleCount)/2)
}

当前问题：iPad上计算结果正确，但iPhone上频率值偏高约10%，希望避免设备判断，明确问题原因及跨设备正确性保障方案。

问题原因 #

1. 采样率取值错误：AVAudioSession().sampleRate是音频会话的标称采样率，并非麦克风实际采集的采样率。不同设备的麦克风硬件支持的采样率存在差异，系统会根据硬件最优配置选择实际采样率（比如部分iPhone机型麦克风默认使用48kHz采样率，而部分iPad可能使用44.1kHz）。如果会话标称采样率和实际采样率不符，就会导致频率计算出现比例偏差（48kHz/44.1kHz≈1.088，接近你观察到的10%偏差）。

2. 频率计算循环逻辑错误：当前循环遍历的是frequencyDomainBuffer的元素值而非数组索引，这会导致频率计算完全错误。需要遍历数组索引来对应频域点的位置，而非元素本身。

解决方案 #

1. 获取实际采样率 #

不要依赖AVAudioSession().sampleRate，直接从音频输入节点的格式中获取实际采样率：

// 在初始化音频引擎时，获取输入节点的实际采样率
guard let inputNode = audioEngine.inputNode else { return }
let inputFormat = inputNode.inputFormat(forBus: 0)
let actualSampleRate = inputFormat.sampleRate

后续频率计算统一使用actualSampleRate，确保和麦克风实际采集的采样率一致。

2. 修正频率计算的循环逻辑 #

遍历数组索引而非元素，正确映射频域点的位置：

for (index, _) in frequencyDomainBuffer.enumerated() {
    // DCT的频率分辨率为：采样率 / (2 * 采样点数)
    let frequencyStep = actualSampleRate / (2 * Double(Microphone.sampleCount))
    let frequency = Double(index) * frequencyStep
}

跨设备正确性保障 #

只要遵循以下原则，就能保证方案在所有iOS设备上的正确性：

• 始终从音频输入节点的实际格式获取采样率，而非依赖会话标称值或硬编码采样率。
• 确保DCT的输入采样点数（sampleCount）和实际采集的帧长一致，避免帧长不匹配导致的频率分辨率偏差。
• 窗口函数（如Hanning窗）的长度需和sampleCount一致，保证时域信号处理的正确性。

内容的提问来源于stack exchange，提问作者dpr