Question

我正在使用FMOD库从MP3中提取PCM。我得到了整个2通道--16位的东西，我还得到44100hz的采样率是1秒钟内的“声音”的44,100个样本。我没有得到的是，16位值究竟代表什么。我知道如何在xy轴上绘制坐标，但是我在绘制什么？ y轴代表时间，x轴代表什么？声级？这与幅度相同吗？如何确定组成此值的不同声音。我的意思是，如何从16位数字中获取频谱。

这可能是一个单独的问题，但实际上我真正需要回答的问题是：如何在每25毫秒获得振幅？我是否取4400个值，除以40（40 * 0.025秒= 1秒）？得到1102.5个样本;那么我会将1102个值输入一个黑盒子，这个黑盒子能给我那个时刻的振幅吗？

编辑原始帖子添加我计划很快测试的代码:(注意，我将帧速率从25毫秒更改为40毫秒）

// 44100 / 25 frames = 1764 samples per frame -> 1764 * 2 channels * 2 bytes [16 bit sample] = 7056 bytes
private const int CHUNKSIZE = 7056;
uint    bytesread = 0;
var squares = new double[CHUNKSIZE / 4];
const double scale = 1.0d / 32768.0d;

do
{
    result = sound.readData(data, CHUNKSIZE, ref read);

    Marshal.Copy(data, buffer, 0, CHUNKSIZE);

    //PCM samples are 16 bit little endian
    Array.Reverse(buffer);

    for (var i = 0; i < buffer.Length; i += 4)
    {
        var avg = scale * (Math.Abs((double)BitConverter.ToInt16(buffer, i)) + Math.Abs((double)BitConverter.ToInt16(buffer, i + 2))) / 2.0d;
        squares[i >> 2] = avg * avg;
    }

    var rmsAmplitude = ((int)(Math.Floor(Math.Sqrt(squares.Average()) * 32768.0d))).ToString("X2");

    fs.Write(buffer, 0, (int) read);

    bytesread += read;

    statusBar.Text = "writing " + bytesread + " bytes of " + length + " to output.raw";
} while (result == FMOD.RESULT.OK && read == CHUNKSIZE);

加载mp3后，似乎我的rmsAmplitude在3C00到4900的范围内。我做错了吗？我期待更广泛的传播。

Answer 1

是的，样本代表幅度（在那个时间点）。

要获取频谱，通常会将其从时域转换为频域。

最后一个问题：使用了多种方法 - 您可能需要RMS。

Answer 2

通常，x轴是时间值，y轴是幅度。要获得频率，您需要对数据进行傅里叶变换（最有可能使用快速傅立叶变换[fft]算法）。

要使用最简单的“声音”之一，我们假设你有一个频率为f的单一频率噪声。这表示（在幅度/时间域中）为y = sin（2 * pi * x / f）。如果将其转换为频域，则最终只能使用Frequency = f。

Answer 3

每个样本代表给定时间模拟信号的电压。

44100样品的样品率到底是多少？

3 个答案: