需用TargetDataLine按固定采样率配置AudioFormat，设合理缓冲区（2048/4096字节），读取时检查返回值并避免阻塞，原始byte[]须按小端序成对转short[]并归一化，计算应交由独立线程处理。
Java如何用TargetDataLine捕获麦克风实时音频流
Java标准库不提供开箱即用的“实时音频流处理”抽象，必须手动管理TargetDataLine的缓冲区读取节奏。关键不是“能不能”，而是“怎么控速不丢帧、不卡顿”。
常见错误是直接在while(line.isOpen())里无节制read()，导致JVM线程调度滞后、音频缓冲区溢出（表现为爆音或静音），或因阻塞过久错过后续采样点。
- 必须用固定采样率（如
44100）、16位、单声道配置AudioFormat，避免系统自动重采样引入延迟 -
TargetDataLine的缓冲区大小建议设为2048或4096字节（对应约23ms或46ms音频），太小易频繁唤醒，太大则增加端到端延迟 - 读取时务必检查返回值：
int bytesRead = line.read(buffer, 0, buffer.length)；若bytesRead == 0，说明底层驱动暂无新数据，应短暂Thread.sleep(1)而非死等 - 不要在读取线程里做FFT计算——必须把原始
byte[]尽快转成short[]并投递给独立处理线程
如何把byte[]音频样本转成short[]并归一化
Java从TargetDataLine读出的是小端序、有符号16位PCM数据，每两个字节组成一个采样点。跳过字节序转换或符号处理，FFT结果会完全失真。
错误写法：short s = (short)(buffer[i] & 0xFF)（只取低字节，丢高字节）；正确做法必须成对读取并组合：
立即学习“Java免费学习笔记（深入）”；
short[] samples = new short[buffer.length / 2];
for (int i = 0; i < buffer.length; i += 2) {
// 小端：低字节在前，高字节在后
int low = buffer[i] & 0xFF;
int high = buffer[i + 1] & 0xFF;
samples[i / 2] = (short)(low | (high << 8));
}
// 归一化到 [-1.0, 1.0] 范围，供FFT库输入（如Apache Commons Math）
double[] normalized = new double[samples.length];
for (int i = 0; i < samples.length; i++) {
normalized[i] = samples[i] / 32768.0;
}注意：32768.0是16位有符号整数的绝对最大值（Short.MAX_VALUE + 1），不是32767.0，否则正向峰值会被截断。
用Apache Commons Math做实时FFT要注意什么
FastFourierTransformer本身不支持“流式FFT”，它每次运算都要求完整输入数组。所谓“实时”，本质是滑动窗口+重叠保存（overlap-save）策略，不是调一次API就完事。
- 窗口大小必须是2的幂（如
1024、2048），且要与采样率匹配：对44100Hz，1024点对应约23ms，适合做频谱动画；4096点对应93ms，更适合基频检测 - 不能每读一次
buffer就FFT一次——原始buffer长度（如4096字节=2048个short）通常小于窗口，需累积多个buffer或用环形缓冲区（CircularBuffer）维护最近N个样本 - 调用
transform()前必须确保输入是实数数组（double[]），传入复数数组会抛MathIllegalArgumentException - 输出是复数数组（
Complex[]），模长abs()才是幅值谱；直接打印toString()看不出能量分布
为什么频谱总在抖动、峰值不稳、基频识别失败
这不是FFT实现问题，而是信号预处理缺失。原始麦克风输入含直流偏移、高频噪声、非平稳特性，直接FFT必然失准。
- 必须加汉宁窗（
Hanning window）：对窗口内每个样本乘以0.5 - 0.5 * cos(2*PI*i/(N-1))，否则频谱泄露严重，单个频率会展开成多个旁瓣 - 需高通滤波（如1阶IIR，截止频率
50Hz）消除呼吸/空调底噪引起的直流漂移；否则bin 0（DC分量）永远最大，掩盖真实基频 - 不做重叠（如50% overlap）会导致帧间信息断裂——人声/乐器瞬态容易被切在两帧中间，造成峰值跳跃
- 幅值谱需转为分贝：
20 * log10(|X[k]| + 1e-10)，否则视觉上无法分辨微弱但关键的谐波
真正卡住多数人的，从来不是FFT公式，而是忘了麦克风信号不是理想的数学正弦波——它脏、它飘、它带直流，得先当“信号清洁工”，再当“频谱翻译官”。
