Hochauflösender Echtzeit-Audiospektrum-Analyzer

Ein FFT-Spektrum-Analyzer hat zwei voneinander unabhängige Frequenzachsen und dazu eine dritte Achse in der Zeit. Sie werden leicht verwechselt, dabei leisten sie ganz Unterschiedliches.

Frequenzauflösung (Bin-Breite) gibt an, wie fein der Analyzer zwei nah beieinanderliegende Frequenzen unterscheiden kann. Sie entspricht der Abtastrate geteilt durch die FFT-Größe. Auf dieser Achse zahlt sich die Bin-Anzahl aus: Mehr Bins bei gleicher Abtastrate bedeuten einen schmaleren Bin, der Teiltöne trennt, die sonst zu einer einzigen Spitze verschmelzen würden. Die Bin-Anzahl allein ist aber nicht die Auflösung. Die Auflösung hängt immer auch von der Abtastrate ab.

Frequenzbereich (höchste messbare Frequenz) ist die höchste Frequenz, die der Analyzer überhaupt darstellen kann. Er entspricht der Nyquist-Grenze, also der halben Abtastrate. Ihn bestimmt allein die Abtastrate, und die Bin-Anzahl hat damit nichts zu tun. In der Praxis wird dieser Bereich noch einmal durch das Mikrofon begrenzt, das meist die eigentliche Grenze darstellt (siehe unten).

Zeitauflösung ist die dritte Achse: wie oft das Spektrum aktualisiert wird und wie lang das Zeitfenster ist, das die FFT analysiert. Frequenzauflösung und Zeitauflösung stehen in einem Zielkonflikt (schmalere Bins brauchen ein längeres Zeitfenster), deshalb bietet VoceVista beide als unabhängige Einstellungen an, damit Du die Balance wählen kannst, die zur Aufgabe passt.

Zusammengefasst: Bin-Anzahl und Abtastrate bestimmen die Auflösung, die Abtastrate allein bestimmt den Frequenzbereich, und das Analyse-Zeitfenster legt fest, wie diese Auflösung gegen die Zeit abgewogen wird. Beim Maximum der Pro-Edition von rund einer Million Bins ergeben sich bei gängigen Abtastraten folgende Werte für Auflösung und Frequenzbereich:

Bei einer konstanten Abtastrate von 44,1 kHz (der gängigen Rate für die Stimmanalyse und für Audio in CD-Qualität) ergibt sich für jede verfügbare FFT-Größe die folgende Bin-Breite. Größen bis 8.192 Punkte (8 k Punkte, 2¹³) stehen in allen Editionen zur Verfügung, während Größen von 16.384 Punkten (16 k Punkte, 2¹⁴) bis 1.048.576 Punkten (1 M Punkte, 2²⁰) erfordern die Pro-Edition.

Ein Hinweis zum Frequenzbereich. Das Mikrofon, nicht der Analyzer, setzt in der Praxis die obere Grenze. Gewöhnliche Mikrofone fallen bei etwa 20 kHz ab, was eine Abtastrate von 44,1 oder 48 kHz gut abdeckt. Professionelle Messmikrofone reichen bis etwa 30 oder 50 kHz. Alles darüber erfordert Messtechnik in Laborqualität oder Ultraschallwandler. Die Software läuft also zwar problemlos mit 192 kHz an der richtigen Audio-Schnittstelle, doch die Grenze, an die Du meist zuerst stößt, ist das Mikrofon. Konkrete Empfehlungen für jede Preisklasse findest Du in unseren Mikrofonempfehlungen.

Ein Hinweis zur Auflösung. Zum Vergleich: Die Standardeinstellung für die Gesangsanalyse ist 8.192 Punkte (8 k Punkte, 2¹³) bei 44,1 kHz, zugleich das Maximum in VoceVista Basic und VoceVista Video. Das ergibt etwa 5,4 Hz pro Bin, reichlich für die Gesangspädagogik, wo Harmonische 100 Hz oder mehr auseinanderliegen, aber nicht genug, um die dicht beieinanderliegenden inharmonischen Teiltöne von Klangschalen und Gongs in ihrem tiefen Register zu trennen. Bei derselben Abtastrate liefert die Pro-Edition mit 1.048.576 Punkten (1 M Punkte, 2²⁰) etwa 0,042 Hz pro Bin: 128-mal feiner.

Der Dynamikumfang, also der Abstand zwischen den lautesten und den leisesten Signalen, die der Analyzer unterscheiden kann, hat mehrere Aspekte, die sich entlang der Audiokette aneinanderreihen. VoceVista nimmt intern mit bis zu 32 Bit Gleitkomma auf, was so viel Spielraum bietet, dass die Aufnahmestufe selbst keine praktische Grenze setzt, und importierte FLAC-Dateien werden mit 24 Bit und 32 Bit unterstützt (nominell 144 dB und mehr). Auf der Analyseseite hat die FFT selbst in der Praxis einen nutzbaren Dynamikumfang von etwa 100 dB, bestimmt durch die Nebenkeulendämpfung der Fensterfunktion. Die 12 wählbaren Fensterfunktionen aus der Tabelle der technischen Daten wägen diesen Dynamikumfang gegen die Breite der Hauptkeule ab. Bei Live-Signalen ist die Grenze meist schon lange vorher erreicht: Eine gute Audio-Schnittstelle bietet 100 bis 120 dB Dynamikumfang, und Mikrofon und Raumgeräusche kosten typischerweise noch einmal 20 dB. Der gesamte Dynamikumfang, den Du siehst, ist also das Minimum dieser Stufen, und in der Praxis setzt die Hardware die Obergrenze, nicht der Analyzer.