FIR FFT overlap-add method の実験

FIRフィルタを作る場合には必須の手法。サンプル数が長い、もしくは不明な入力信号と、サンプル数が分かっている(少ない)フィルタをFFTで畳み込んでみる。手法は overlap-add method を使う。これは入力信号を一定のサンプル数で切ってから、FFTにかけて変換し、複素数としてフィルタと演算後、iFFTで戻す。戻った細切れの信号はフィルタ分-1長くなるので、その部分をオーバーラップしながら足して、出力信号とするもの。

下図は、この記事のプログラムを図式化したもの。数字はサンプル数でプログラムと対応している。色の付いていないマスにはデータがないので値0を入れている。FilterのFFT処理はレイアウト上、矢印が引けなかったので、唐突に黄色く8サンプルで出てくるけど、上段のFilterの色がある3サンプルに値0の5サンプルを加えて8サンプルにし、FFTを通したもの。


Wikiにも原理の解説があったのでリンクしておきます。 http://ja.wikipedia.org/wiki/重畳加算法

入力信号のサンプル数の決定方法

下のプログラムではフィルタのサンプル数を元に計算している。
P=L+M-1
この式は、あるサンプル数の入力信号と、あるサンプル数のフィルタ信号を畳み込むと、必要なサンプル数が増えるので、そのサンプル数を求める式。
P: 出力の長さ(FFTに入れるサンプル数)
L: FFTにかける入力サンプル数(全体の長さではない)
M: フィルタのサンプル数
ここに分かっている数値を入れて、Lを導いてみる。
8=L+3-1
L=6
LはMよりも大きいという条件にしたが、自己流なので本来どのように計算するかは不明。いつものように少ない資料や式から、こじつけでプログラム化してます。今回は3サンプルなので、FFTは2^nなので、8サンプルもしくは、16サンプルが使えそうだ。ただ16サンプルだと無駄が多いので、この場合8サンプルが適当となる。ここまで決まったら、入力信号のサンプル数を計算する。
フィルタのサンプル数MとFFT用サンプル数Pが決まれば、上記計算式で入力信号は6サンプルで切ればよいことが分かる。FFTには8サンプル分入れて計算するので、残りの2サンプルには0を入れてしまう。同じようにフィルタもサンプル数が3なので、残りの5サンプルには0を入れてしまう。

窓関数について

入力信号から周波数スペクトルを計算するときは窓関数は必須だが、今回のoverlap-add methodでは、入力信号には窓関数などを掛ける必要はなく、そのままダイレクトに計算する。フィルタは係数を求めるときには窓関数は必要だが、今回はすでにそのような処理が終わったフィルタを入れていることを前提としている。

FFT overlap-add method 実験用ソースコード

やや見にくいソースになってしまった。フィルタのFFTは1回でよいので、はじめに計算している。入力信号は分割してからFFT、畳み込み、iFFTで出力まで行って出力用配列に入れている。下記のサンプルだと 18/6+1=4 で4回繰り返している。このサンプル数からすれば3回でよいのだけど、中途半端なサンプル数だと計算がこぼれてしまうので、1つ多めにしている。また入力信号やフィルタの数を多少変えても実行するようにしているけど、条件が合わないと、でたらめな出力をすると思われる。こんな感じのプログラムを実用的に改造することで、実際の音声ファイルを、そこそこ高速にFIR処理できるようになる。
/*
 * fft_overlap.c
 * overlap-add method
 * February 07, 2013
 */

#include <stdio.h>
#include <math.h>

/* FFT */
void fft(int *n, double *ar, double *ai) {
 int m, mh, i, j, k, irev;
 double wr, wi, xr, xi, t = 2 * M_PI / (*n);
 i = 0;
 for (j = 1; j < *n -1; j++) {
   for (k = *n >> 1; k > (i ^= k); k >>= 1) {}
     if (j < i) {
        xr = *(ar + j);
        xi = *(ai + j);
        *(ar + j) = *(ar + i);
        *(ai + j) = *(ai + i);
        *(ar + i) = xr;
        *(ai + i) = xi;
     }
  }  
  for (mh = 1; (m = mh << 1) <= *n; mh = m) {
    irev = 0;
    for (i = 0; i < *n; i += m) {
      wr = cos(t * irev);
      wi = sin(t * irev);
      for (k = *n >> 2; k > (irev ^= k); k >>= 1){}
        for (j = i; j < mh + i; j++) {
           k = j + mh;
           xr = *(ar + j) - *(ar + k);
           xi = *(ai + j) - *(ai + k);
          *(ar + j) += *(ar + k);
          *(ai + j) += *(ai + k);
          *(ar + k) = wr * xr - wi * xi;
          *(ai + k) = wr * xi + wi * xr;
        }
     }
  }
}

/* main */
int main(void) {
  int i, j, count = 0;

/* フィルタ データ 3 sample*/
  double filter[] = {0,0,1};
/* 入力信号 データ 18 sample*/
  double input[] = {
    0.1, 0.2, 0.3, 0.4, 0.5, 0.6,
    0.7, 0.8, 0.9, 1.0, 0.9, 0.8,
    0.7, 0.6, 0.5, 0.4, 0.3, 0.2
    };
  int M = sizeof(filter) / 8;  /* 3 sample */
  int inputN = sizeof(input) / 8;  /* 18 sample */
/* 出力信号 データ */
  double output[inputN + M - 1];
  for (i = 0; i < inputN + M - 1; i++) {
     output[i] = 0;
  }
/* FFT用サンプル数の決定
 * P: 出力の長さ(FFTに入れるサンプル数) 
 *  L: FFTにかける入力サンプル数(全体の長さではない) 
 *  M: フィルタのサンプル数
 */
  int P = 1, L = 1;
  for (i = 1; L < M; i++) {
     /* P = L + M -1  */
     P = pow(2,i);
     L = P - M + 1;
     printf("i=%d P=%d L=%d M=%d\n",i,P,L,M);
  }

/* FFT用入力信号 実部 虚部  */
  double sr[P];
  double si[P];
  for (i = 0; i < sizeof(sr) / 8; i++) {
     sr[i] = 0;
     si[i] = 0;
  }

/* フィルタ 実部 虚部 */
  double srF[P];
  double siF[P];
  double pF[P];
  /* フィルタ すべて0を入れておく */
  for (i = 0; i < sizeof(srF) / 8; i++) {
     srF[i] = 0;
     siF[i] = 0;
     pF[i] = 0;
  }
  /* フィルタ データを入れる */
  for (i = 0; i < sizeof(filter) / 8; i++) {
     srF[i] = filter[i];
  }

/* フーリエ変換後の数値を入れる配列を用意 */
  double yr[P];  /* 実部 */
  double yi[P];  /* 虚部 */

/* FFT filter */
 fft(&P, &srF[0], &siF[0]);
 printf("\nFilter FFT \nN:\tFFT Real\tFFT Imaginary\tFFT Power\n");
 for (i = 0; i < P; i++) {
     siF[i] *= -1;
     pF[i] = sqrt(srF[i] * srF[i] + siF[i] * siF[i]);
     printf("%d:\t%12.11f\t%12.11f\t%12.11f\n",
           i, srF[i], siF[i], pF[i]);
 }

/* Convolution 処理 4回繰り返す */
for (j = 0; j <= inputN / L; j++) {
   printf("\ninput:%d sample P= %dtap L=%dtap for FFT\n",j,P,L);

/* 入力信号配列から処理用配列にコピー */
   for (i = 0; i < P; i++) {
      if (i < L) {
          if ((i + count) > inputN) {
              sr[i] = 0;
              si[i] = 0;
          }
          else {
              sr[i] = input[i + count];
              si[i] = 0;
          }
      } 
      else {
         sr[i] = 0;
         si[i] = 0;
      }
      printf("%d:\t%f\t%f\n",i,sr[i],si[i]);
   }

/* FFT input */
   printf("\nFFT%d\tFFT input r\tFFT imput i\n",j);
   fft(&P, &sr[0], &si[0]);
   for(i = 0; i < P; i++){
     si[i] *= -1;
     printf("%d:\t%12.11f\t%12.11f\n", i, sr[i], si[i]);
   }

/* Convolution */
 printf("\n");
 for (i = 0; i < P; i++) {
   if (si[i] == 0) {
      if (sr[i] == 0) {
          yr[i] = 0;
          yi[i] = 0;
      }
      else {
          yr[i] = sr[i] * srF[i];
          yi[i] = siF[i];
       }
   }
   else {
       yr[i] = sr[i] * srF[i] + (si[i] * siF[i]) * -1;
       yi[i] = sr[i] * siF[i] + si[i] * srF[i];
   }
 } 
 printf("\ncomv:%d\tconvolution r\tconvolution i\n",j);
 for (i = 0; i < P; i++) {
     printf("%d:\t%12.11f\t%12.11f\n",i,yr[i],yi[i]);
 }

/* iFFT */
 fft(&P,&yr[0],&yi[0]);
 printf("\nyi:%d:\tiFFT Real\tiFFT Imaginary\n",j);
 for (i = 0; i < P; i++) {
     yi[i] *= -1;
     yi[i] /= P;
     yr[i] /= P;
     output[i + count] += yr[i];
     printf("%d:\t%12.11f\t%12.11f\n",i,yr[i],yi[i]);
 }
 for (i = 0; i < P; i++) {
     yr[i]=0;
     yi[i]=0;
     sr[i]=0;
     si[i]=0;
 }
 count += L;
}

/* output */
 printf("\n");
 for (i = 0; i < inputN + M - 1; i++) {
     printf("output %d:\t%12.11f\n",i,output[i]);
  }
 return 0;
}
コンパイルして実行すると以下のような結果が表示される。2サンプル遅れているのが確認できる。
i=1 P=2 L=0 M=3
i=2 P=4 L=2 M=3
i=3 P=8 L=6 M=3

Filter FFT
N:      FFT Real        FFT Imaginary   FFT Power
0:      1.00000000000   0.00000000000   1.00000000000
1:      0.00000000000   -1.00000000000  1.00000000000
2:      -1.00000000000  0.00000000000   1.00000000000
3:      -0.00000000000  1.00000000000   1.00000000000
4:      1.00000000000   0.00000000000   1.00000000000
5:      0.00000000000   -1.00000000000  1.00000000000
6:      -1.00000000000  0.00000000000   1.00000000000
7:      -0.00000000000  1.00000000000   1.00000000000

input:0 sample P= 8tap L=6tap for FFT
0:      0.100000        0.000000
1:      0.200000        0.000000
2:      0.300000        0.000000
3:      0.400000        0.000000
4:      0.500000        0.000000
5:      0.600000        0.000000
6:      0.000000        0.000000
7:      0.000000        0.000000

FFT0    FFT input r     FFT imput i
0:      2.10000000000   0.00000000000
1:      -0.96568542495  -0.30000000000
2:      0.30000000000   -0.40000000000
3:      0.16568542495   0.30000000000
4:      -0.30000000000  0.00000000000
5:      0.16568542495   -0.30000000000
6:      0.30000000000   0.40000000000
7:      -0.96568542495  0.30000000000


comv:0  convolution r   convolution i
0:      2.10000000000   0.00000000000
1:      -0.30000000000  0.96568542495
2:      -0.30000000000  0.40000000000
3:      -0.30000000000  0.16568542495
4:      -0.30000000000  0.00000000000
5:      -0.30000000000  -0.16568542495
6:      -0.30000000000  -0.40000000000
7:      -0.30000000000  -0.96568542495

yi:0:   iFFT Real       iFFT Imaginary
0:      -0.00000000000  0.00000000000
1:      0.00000000000   0.00000000000
2:      0.10000000000   0.00000000000
3:      0.20000000000   0.00000000000
4:      0.30000000000   0.00000000000
5:      0.40000000000   -0.00000000000
6:      0.50000000000   -0.00000000000
7:      0.60000000000   -0.00000000000

input:1 sample P= 8tap L=6tap for FFT
0:      0.700000        0.000000
1:      0.800000        0.000000
2:      0.900000        0.000000
3:      1.000000        0.000000
4:      0.900000        0.000000
5:      0.800000        0.000000
6:      0.000000        0.000000
7:      0.000000        0.000000

FFT1    FFT input r     FFT imput i
0:      5.10000000000   0.00000000000
1:      -0.90710678119  -1.60710678119
2:      0.70000000000   -0.60000000000
3:      0.50710678119   0.19289321881
4:      -0.10000000000  0.00000000000
5:      0.50710678119   -0.19289321881
6:      0.70000000000   0.60000000000
7:      -0.90710678119  1.60710678119


comv:1  convolution r   convolution i
0:      5.10000000000   0.00000000000
1:      -1.60710678119  0.90710678119
2:      -0.70000000000  0.60000000000
3:      -0.19289321881  0.50710678119
4:      -0.10000000000  0.00000000000
5:      -0.19289321881  -0.50710678119
6:      -0.70000000000  -0.60000000000
7:      -1.60710678119  -0.90710678119

yi:1:   iFFT Real       iFFT Imaginary
0:      -0.00000000000  0.00000000000
1:      -0.00000000000  0.00000000000
2:      0.70000000000   -0.00000000000
3:      0.80000000000   0.00000000000
4:      0.90000000000   -0.00000000000
5:      1.00000000000   -0.00000000000
6:      0.90000000000   0.00000000000
7:      0.80000000000   0.00000000000

input:2 sample P= 8tap L=6tap for FFT
0:      0.700000        0.000000
1:      0.600000        0.000000
2:      0.500000        0.000000
3:      0.400000        0.000000
4:      0.300000        0.000000
5:      0.200000        0.000000
6:      0.000000        0.000000
7:      0.000000        0.000000

FFT2    FFT input r     FFT imput i
0:      2.70000000000   0.00000000000
1:      0.40000000000   -1.06568542495
2:      0.50000000000   -0.40000000000
3:      0.40000000000   -0.06568542495
4:      0.30000000000   0.00000000000
5:      0.40000000000   0.06568542495
6:      0.50000000000   0.40000000000
7:      0.40000000000   1.06568542495


comv:2  convolution r   convolution i
0:      2.70000000000   0.00000000000
1:      -1.06568542495  -0.40000000000
2:      -0.50000000000  0.40000000000
3:      0.06568542495   0.40000000000
4:      0.30000000000   0.00000000000
5:      0.06568542495   -0.40000000000
6:      -0.50000000000  -0.40000000000
7:      -1.06568542495  0.40000000000

yi:2:   iFFT Real       iFFT Imaginary
0:      0.00000000000   0.00000000000
1:      0.00000000000   0.00000000000
2:      0.70000000000   0.00000000000
3:      0.60000000000   0.00000000000
4:      0.50000000000   -0.00000000000
5:      0.40000000000   -0.00000000000
6:      0.30000000000   -0.00000000000
7:      0.20000000000   0.00000000000

input:3 sample P= 8tap L=6tap for FFT
0:      0.000000        0.000000
1:      0.000000        0.000000
2:      0.000000        0.000000
3:      0.000000        0.000000
4:      0.000000        0.000000
5:      0.000000        0.000000
6:      0.000000        0.000000
7:      0.000000        0.000000

FFT3    FFT input r     FFT imput i
0:      0.00000000000   0.00000000000
1:      0.00000000000   0.00000000000
2:      0.00000000000   0.00000000000
3:      0.00000000000   0.00000000000
4:      0.00000000000   0.00000000000
5:      0.00000000000   0.00000000000
6:      0.00000000000   0.00000000000
7:      0.00000000000   0.00000000000


comv:3  convolution r   convolution i
0:      0.00000000000   0.00000000000
1:      0.00000000000   0.00000000000
2:      0.00000000000   0.00000000000
3:      0.00000000000   0.00000000000
4:      0.00000000000   0.00000000000
5:      0.00000000000   0.00000000000
6:      0.00000000000   0.00000000000
7:      0.00000000000   0.00000000000

yi:3:   iFFT Real       iFFT Imaginary
0:      0.00000000000   0.00000000000
1:      0.00000000000   0.00000000000
2:      0.00000000000   0.00000000000
3:      0.00000000000   0.00000000000
4:      0.00000000000   0.00000000000
5:      0.00000000000   0.00000000000
6:      0.00000000000   0.00000000000
7:      0.00000000000   0.00000000000

output 0:       -0.00000000000
output 1:       0.00000000000
output 2:       0.10000000000
output 3:       0.20000000000
output 4:       0.30000000000
output 5:       0.40000000000
output 6:       0.50000000000
output 7:       0.60000000000
output 8:       0.70000000000
output 9:       0.80000000000
output 10:      0.90000000000
output 11:      1.00000000000
output 12:      0.90000000000
output 13:      0.80000000000
output 14:      0.70000000000
output 15:      0.60000000000
output 16:      0.50000000000
output 17:      0.40000000000
output 18:      0.30000000000
output 19:      0.20000000000


sound programming 目次はこちら