C#中基于NAudio获取麦克风音频频率的波动问题咨询

核心问题：数据类型误解 #

你当前的GetFrequency函数完全搞错了输入数据的类型：NAudio的WaveInEventArgs.Buffer存储的是PCM音频采样数据（16位单声道下，每两个字节对应一个int16采样值），但你的代码却把它当成了FFT运算后的复数结果（实部+虚部），这直接导致频率计算逻辑完全错误，数值波动大是必然结果。

正确实现思路 #

要准确检测音频音高，正确流程是：

1. 将字节缓冲区转换为标准PCM采样数组（如int16或float）
2. 对采样数据执行FFT变换，得到频域数据
3. 从频域数据中定位主频率峰值
4. 可选：对连续输出的频率结果做平滑滤波，减少波动

修正后的代码示例 #

首先确保已通过NuGet安装NAudio（包含FFT工具类），然后实现正确的频率检测逻辑：

using NAudio.Dsp;

int SampleRate = 44100;
int BufferMS = 200; // 缩短缓冲区，平衡延迟与检测精度

NAudio.Wave.WaveInEvent Wave = new()
{
    DeviceNumber = 0,
    WaveFormat = new NAudio.Wave.WaveFormat(SampleRate, 16, 1), // 明确指定16位单声道格式
    BufferMilliseconds = BufferMS
};

Wave.DataAvailable += OnWaveInData;
Wave.StartRecording();

// 滑动窗口存储最近频率值，用于平滑处理
List<double> recentFrequencies = new List<double>();
const int SmoothWindowSize = 5;

void OnWaveInData(object? sender, NAudio.Wave.WaveInEventArgs e)
{
    // 把字节缓冲区转换为16位PCM采样数组
    short[] samples = new short[e.BytesRecorded / 2];
    Buffer.BlockCopy(e.Buffer, 0, samples, 0, e.BytesRecorded);
    
    // 转换为FFT要求的复数格式数组（实部+虚部）
    float[] fftBuffer = new float[samples.Length * 2];
    for (int i = 0; i < samples.Length; i++)
    {
        fftBuffer[i * 2] = samples[i] / 32768f; // 归一化到-1~1范围
        fftBuffer[i * 2 + 1] = 0; // 初始虚部为0
    }
    
    // 执行FFT变换
    Complex[] complexBuffer = new Complex[fftBuffer.Length / 2];
    for (int i = 0; i < complexBuffer.Length; i++)
    {
        complexBuffer[i].X = fftBuffer[i * 2];
        complexBuffer[i].Y = fftBuffer[i * 2 + 1];
    }
    FastFourierTransform.FFT(true, (int)Math.Log(complexBuffer.Length, 2), complexBuffer);
    
    // 遍历频域数据，找到幅度最大的峰值位置
    double maxMagnitude = 0;
    int peakIndex = 0;
    // 只遍历正频率区间（前半段数据）
    for (int i = 1; i < complexBuffer.Length / 2; i++)
    {
        double magnitude = Math.Sqrt(complexBuffer[i].X * complexBuffer[i].X + complexBuffer[i].Y * complexBuffer[i].Y);
        if (magnitude > maxMagnitude)
        {
            maxMagnitude = magnitude;
            peakIndex = i;
        }
    }
    
    // 计算实际频率值
    double frequency = peakIndex * (double)SampleRate / complexBuffer.Length;
    
    // 滑动窗口平均平滑处理
    recentFrequencies.Add(frequency);
    if (recentFrequencies.Count > SmoothWindowSize)
    {
        recentFrequencies.RemoveAt(0);
    }
    double smoothedFrequency = recentFrequencies.Average();
    
    Console.WriteLine($"\r{Math.Round(smoothedFrequency, 1)} Hz");
}

额外优化建议 #

• 缓冲区调整：用200ms左右的缓冲区，避免1000ms大缓冲区带来的响应延迟和频率跳变
• 峰值精度优化：可以在峰值位置用二次插值法修正，进一步提升频率检测精度
• 噪声过滤：先对PCM数据做低通滤波，过滤高频噪声，或只保留幅度超过阈值的峰值
• 算法选择：如果检测人声、乐器等带泛音的音高，FFT的基频检测效果有限，可改用自相关法或YIN算法，这类算法更适合基频提取

内容的提问来源于stack exchange，提问作者SprintKeyz