来自字节数组的卷答案

【问题标题】：Volume from byte array来自字节数组的卷
【发布时间】：2010-12-06 03:17:48
【问题描述】：

我是音频分析的新手，但需要执行一项（看似）简单的任务。我有一个包含 16 位录音（单通道）和 44100 采样率的字节数组。如何执行快速分析以在任何给定时刻获取音量？我需要计算一个阈值，所以如果它高于某个幅度（音量）则返回 true，否则返回 false。我以为我可以遍历字节数组并检查它的值，其中 255 是最响亮的，但这似乎不起作用，因为即使我不记录任何东西，背景噪音进入并且一些数组充满了255. 任何建议都会很棒。谢谢

【问题讨论】：

如果是16位数据，需要检查字节对。
我尝试将其转换为一系列短裤。我开始得到负值和大于 255 的值。这正常吗？如果是这样，负值在单个通道中代表什么，最大音量值是多少？谢谢

标签： c# .net audio volume audio-analysis

【解决方案1】：

由于您有 16 位数据，您应该期望信号在 -32768 和 +32767 之间变化。要计算音量，您可以间隔 1000 个样本，然后计算它们的 RMS 值。将平方样本值相加除以 1000 并取平方根。根据您的阈值检查此数字。

【讨论】：

【解决方案2】：

通常使用root mean square 测量波的能量。

如果您想在感知上更准确，您可以通过discrete fourier transform 将时域信号转换为频域信号，并使用一些加权函数对幅度进行积分（因为低频波在感知上比相同能量的高频波）。

但我也不懂音频，所以我只是在编造一些东西。 ☺

【讨论】：

谢谢。 RMS 很有趣。我不需要准确，只是一个粗略的近似。我基本上只需要在用户说话超过某个阈值时调用一个事件。因此，最快的方法就是我所需要的。

【解决方案3】：

我可能会尝试应用标准差滑动窗口。 OTOH，我不会假设 255 = 最大声。可能是，但我想知道正在使用什么编码。如果存在任何压缩，那么我怀疑 255 是“最响亮的”。

【讨论】：

我正在使用 MSDN 中的麦克风类 - msdn.microsoft.com/en-us/library/… 说它需要 PCM 波形数据。