使用FFT解码摩尔斯电码遇问题：恒定音调下频桶幅度波动

兄弟，我之前做摩尔斯电码音频解码项目的时候，一模一样的问题差点把我搞疯！恒定音调下FFT的目标Bin绝对值忽高忽低，根本没法靠阈值区分点划和停顿。结合我踩过的坑，给你几个最实用的解决方向：

1. 先给信号加个窗口函数，解决频谱泄漏 #

默认的FFT用的是矩形窗，如果你的音频帧长度刚好不是目标音调周期的整数倍，就会出现严重的频谱泄漏——简单说就是能量会“跑”到相邻的Bin里，导致目标Bin的数值波动。

解决办法很简单，在做FFT之前给每帧信号加一个平滑的窗口，比如汉明窗（Hamming）或者汉宁窗（Hanning）：

# 假设用numpy处理信号
import numpy as np
window = np.hamming(len(audio_frame))
windowed_frame = audio_frame * window

加窗后，频谱泄漏会大幅减少，目标Bin的数值会稳定很多。

2. 用帧重叠+滑动平均，平滑微小波动 #

即使加了窗，采样过程中的微小噪声、硬件的细微波动还是会让Bin值有小幅度跳动。这时候可以：

• 让连续的音频帧之间重叠50%（比如前一帧取0-1024，后一帧取512-1536），这样每一段信号都会被多次分析
• 对连续3-5帧的目标Bin值做滑动平均，比如取最近3帧的平均值作为判断依据，能有效过滤掉突发的小波动

3. 调整FFT长度，提升频率分辨率 #

如果你的目标音调刚好落在两个频率Bin的中间，那每次FFT的结果都会因为帧的起始位置不同而波动。这时候可以增大FFT的长度（尽量用2的幂次，比如1024→2048→4096），让每个Bin的宽度变窄，让目标音调尽可能贴近某个Bin的中心频率。

举个例子：如果采样率是44100Hz，FFT长度用2048的话，每个Bin的宽度是44100/2048≈21.5Hz；如果用4096，宽度就变成≈10.7Hz，分辨率提升一倍，目标音调的定位会更准确。

4. 不要只看单个Bin，看附近Bin的能量总和 #

有时候单Bin的数值波动还是存在，你可以换个思路：计算目标频率附近3-5个Bin的绝对值平方和（也就是能量），用这个总和来判断是否有音调。因为即使单个Bin波动，附近Bin的总能量会保持稳定，这样阈值判断就可靠多了。

我当时就是先加了汉明窗，再用50%帧重叠+3帧滑动平均，波动立刻就被压下去了，阈值判断一下子就好用了！你可以先从加窗这个最简单的步骤开始试，应该能看到明显效果。

内容的提问来源于stack exchange，提问作者Robbie Robertson