音频FFT计算及校准至等效实测声压级(SPL)方案咨询

校准实现步骤 #

1 先修正现有FFT计算的疏漏 #

你当前的代码没有补汉宁窗带来的能量损失，会导致计算的幅值偏小，需要先做窗校正：
汉宁窗的幅值校正系数为2，能量校正系数为√(8/3) ≈ 1.633，你做RMS平均属于能量计算，所以要在幅值计算环节乘上这个校正系数。

2 计算校准偏移量 #

你现在的FFT输出的是相对于满量程1的dB值，音频采样本身幅值远小于1，所以输出全是负值，只需要算出校准偏移量统一加到所有窄带结果上即可。
两种偏移量计算方式可选：

方式1：用校准音数据计算（精度最高）

你之前用1kHz 94dB的信号做过设备校准，如果保存了当时的1kHz校准音录音，直接对校准音跑你的FFT流程，得到1kHz频点的dB值dB_cal，校准偏移量为：

offset = 94 - dB_cal

方式2：用同步测量的总声压级计算（无校准音时用）

先把你当前得到的0-2000Hz所有窄带的线性RMS值做能量求和，换算成总dB值，和SLM同步测得的0-2000Hz等效总声压级做差，得到全局偏移量：

# 先把当前的dB值转成线性压强
linear_vals = 10 ** (dfSTFT_narrow['narrow'] / 20)
# 能量求和后转成总dB值
total_dB_current = 20 * np.log10(np.sqrt(np.sum(linear_vals ** 2)))
# SLM实测的0-2000Hz总等效声压级，替换成你自己的实测值
total_dB_slm = 72.5 
# 计算偏移量
offset = total_dB_slm - total_dB_current

如果有1/3倍频程的实测数据，还可以做分带校准：把每个1/3倍频程带内的窄带能量求和，和对应带的实测声压级做差，每个带单独加对应偏移量，精度比全局校准更高。

3 输出校准后的SPL值 #

把偏移量加到所有窄带的dB值上即可：

dfSTFT_narrow['calibrated_spl'] = dfSTFT_narrow['narrow'] + offset

需修改的代码片段对应位置 #

你原来的FFT幅值计算部分修改为：

# 汉宁窗能量校正系数
window_correction = np.sqrt(8/3)
# 修正幅值计算，加窗校正
FFT_data_real = 2/N * abs(dfSTFT) * window_correction
rms_averaged = np.sqrt(np.mean(FFT_data_real**2, axis=1))
dfSTFT_narrow = pd.DataFrame({"narrow": rms_averaged}, index = dfSTFT.index)
# 得到相对dB值
dfSTFT_narrow = 20*np.log10(dfSTFT_narrow)
# 加校准偏移量，offset按前面的方法计算得到
dfSTFT_narrow['calibrated_spl'] = dfSTFT_narrow['narrow'] + offset

内容的提问来源于stack exchange，提问作者JayBe