介绍一种Resampler的重采样技术ARDFTSRC（自适应实数离散傅里叶变换重采样）

ianzou

ARDFTSRC（Adaptive Real Discrete Fourier Transform Sample Rate Conversion，自适应实数离散傅里叶变换重采样）是一种基于频域分析的高精度音频重采样技术，核心思想是通过离散傅里叶变换（DFT）将信号转换到频域进行处理，再通过逆变换恢复到时域，从而实现采样率转换。该技术最早在 Librempeg 项目中实现，并被集成到 FFmpeg 等工具链中，尤其适合对音质要求极高的专业音频处理场景。
频域重采样的核心逻辑ARDFTSRC 的核心流程包括：
DFT 变换：将输入音频信号转换为频域表示，提取其频谱成分。
频谱缩放：根据目标采样率调整频谱的频率分布。例如，升采样时通过插值扩展频谱，降采样时通过滤波截断高频成分。
逆 DFT 变换：将调整后的频谱转换回时域，生成新采样率的音频信号。
自适应滤波与抗混叠设计为减少混叠和频谱泄漏，ARDFTSRC 采用以下优化：
动态窗函数：根据输入信号特性自动选择 Blackman-Harris 等窗函数，抑制旁瓣干扰。
多阶段滤波：结合低通滤波和带通滤波，确保在频谱缩放时严格遵循奈奎斯特定理，例如降采样前将信号带宽限制在目标采样率的一半以内。
参数化质量控制通过quality参数调节计算精度与延迟的平衡：
低质量模式（如quality=128）：使用较短的 FFT 窗口，处理速度快但可能引入轻微高频振铃。
高质量模式（如quality=4096）：采用更长的窗口和更复杂的插值算法，显著降低混叠，但延迟增加（可能超过 100ms）。
ARDFTSRC 的核心优势源于其频域处理机制，相比传统时域重采样技术（如多相 FIR、CIC）或其他频域方案（如简单 DFT 重采样），在频谱精度、相位一致性和复杂场景适配性上表现更优。
1. 频谱处理更精准，抗混叠与失真控制更强
ARDFTSRC 直接在频域对信号进行缩放，能从根源上减少传统时域滤波的固有缺陷。
精准截断 / 插值：降采样时可严格按照奈奎斯特频率截断高频成分，避免多相 FIR 滤波器因 “过渡带” 存在导致的高频滚降；升采样时通过频域插值生成新频率点，相比时域线性插值能更自然地还原信号频谱结构。
抑制旁瓣干扰：通过动态选择 Blackman-Harris 等高性能窗函数，ARDFTSRC 的频谱旁瓣衰减比传统矩形窗 DFT 低 20-40dB，尤其在处理古典音乐、电影原声等含复杂泛音的信号时，能更好保留高频细节（如小提琴泛音、打击乐泛音）。
对比举例：用多相 FIR 将 48kHz 信号降为 44.1kHz 时，20kHz 以上高频可能因过渡带设计不足产生轻微混叠；而 ARDFTSRC 可直接在频域移除 22.05kHz 以上成分，混叠失真降低 90% 以上。
2. 相位线性度优异，避免多通道声像偏移
传统时域重采样技术（如 FIR、IIR）常存在 “群延迟” 问题，导致不同频率成分的相位偏移不一致，而 ARDFTSRC 从原理上解决了这一痛点。
零额外相位失真：频域处理中，信号的相位信息随频谱一同缩放，不存在时域滤波的相位非线性。这对多通道音频（如 5.1 环绕声、立体声）至关重要，能确保左 / 右声道或环绕声道的信号在时间轴上精确对齐，避免声像偏移（如电影中 “子弹飞过” 的声效不会因相位差出现定位偏差）。
对比传统技术：多相 FIR 滤波器的群延迟通常为窗口长度的一半（如 1024 点窗口对应 512 个采样点延迟），且不同频率的延迟存在差异；ARDFTSRC 的延迟仅由 FFT 窗口长度决定，且所有频率成分延迟一致。
3. 自适应调节能力强，兼顾质量与效率
ARDFTSRC 支持动态参数配置，能根据信号类型和场景需求灵活平衡音质与计算成本，这是固定结构的重采样技术（如 CIC、简单 DFT）无法实现的。
动态窗函数选择：可根据输入信号的频谱特性自动切换窗函数（如语音信号用汉宁窗，音乐信号用 Blackman-Harris 窗），避免单一窗函数在不同场景下的性能短板（如汉宁窗旁瓣高但主瓣窄，适合语音；Blackman-Harris 旁瓣低但主瓣宽，适合音乐）。
可调节的 quality 参数：低质量模式（如quality=128）适合实时流处理（如直播音频），计算速度接近 libsoxr；高质量模式（如quality=4096）可用于母带制作，音质远超传统多相 FIR，且参数调节无需重新设计滤波器结构。
对比举例：CIC 滤波器虽速度快，但仅适合整数倍重采样（如 2 倍、4 倍），且会引入 “积分噪声”；ARDFTSRC 不仅支持任意倍速转换（如 48kHz 转 44.1kHz 的 0.91875 倍），还能通过 quality 参数在噪声控制与速度间精准权衡。
4. 复杂场景适配性更高，尤其适合高采样率与多通道
在高解析音频处理、多声道对齐等复杂场景中，ARDFTSRC 的优势更明显。
高采样率处理稳定：处理 96kHz、192kHz 等高解析音频时，传统时域滤波的计算量会随采样率提升呈线性增长，且易出现数值精度问题；ARDFTSRC 基于 FFT 的频域处理，计算复杂度为 O (N log N)，在高采样率下效率优势更突出，同时能更好保留高频细节（如 192kHz 音频中的超高频泛音）。
多通道一致性好：在影视后期制作中，需为不同帧率（如 24fps 电影、30fps 电视）的多声道轨匹配采样率，ARDFTSRC 的相位一致性确保所有声道的时间偏移相同，避免因声道间延迟差导致的 “声像分裂”；而传统技术需为每个声道单独校准延迟，操作复杂且易出错。

ianzou

这看起来是一个非常有前途的重采样器，foobar2000_v2.26_preview_2025-10-29版本里用 ARDFTSRC 替换了内置的 SSRC 重采样器。因此，可方便的体会这个重采样器的效果。

592657820

数字信号处理的基础不就是傅里叶变换，你这和传统数字滤波有啥区别？

capa

ARDFTSRC（Adaptive Real Discrete Fourier Transform Sample Rate Conversion，自适应实数离散傅里叶变换重采样）
这么烂的翻译，楼主也不读一读就发出来

zhy_035

多谢分享！马上尝鲜

cqxl

一直坚持使用原始数据NOS解码

63513531

处理速度快但可能引入轻微高频振铃。

63513531

Transform Sample Rate Conversion，

63513531

显著降低混叠，但延迟增加（可能超过 100ms）。

63513531

（Adaptive Real Discrete Fourier

63513531

对比传统技术：多相

63513531

（如 48kHz 转 44.1kHz 的 0.91875 倍）

63513531

“过渡带” 存在导致的高频滚降；