将音频信号从内存流分别拆分为帧。字节数组 [C#]

Question

我正在尝试在 c# 中实现 VAD（语音活动检测）算法，因为我没有找到任何适合此目的的库。 我不使用波形文件，而只使用内存流，就像这样：

        NAudio.Wave.WaveFileWriter waveWriter;

        Stream s1 = new MemoryStream();
        WaveInEvent waveSource = new WaveInEvent();
        waveSource.WaveFormat = new NAudio.Wave.WaveFormat(16000, 16, 1);

        waveSource.DataAvailable += new EventHandler<WaveInEventArgs>(waveSource_DataAvailable);
        waveWriter = new NAudio.Wave.WaveFileWriter(s1, waveSource.WaveFormat);

        waveSource.StartRecording();
        Console.ReadLine();
        waveSource.StopRecording();
        s1.Position = 0;
        var bytes = streamToArray(s1);

我将按照tutorial 进行操作，第一步是将输入信号拆分为 10 毫秒帧。我知道如何从文件输入中执行此操作，但是如何使用字节数组执行类似的操作？ 谢谢你的回答！

更新：

我测试了这些方法：

1.

short[] sdata = new short[(int)Math.Ceiling(bytes.Length / 2.0)]; 
Buffer.BlockCopy(bytes, 0, sdata, 0, bytes.Length);

2.

 for (var i = 0; i < bytes.Length; i += 2)
            {
                var b1 = (short)bytes[i];
                var b2 = (short)bytes[i + 1];
                sListData.Add((short)(b1 | b2 << 8));
            }

当我将输出数组与使用 Big Endian 的方法进行比较时，它们都是相等的。 所以BlockCopy做这项工作，但只有当 BE 合适时。

Answer 1

不是 100% 确定这是否是您的意思，但是： 假设音频流参数为 16kbp，每个样本 16 位，单通道，如果 16000 个样本是一秒，那么 10ms 是 16000/100 = 160 个样本，这是一个非常快速的计算。现在 16 位是 2 个字节，这给了我们 160 * 2 = 320 个字节。 所以每 320 个字节是 10ms。 您可以使用 Array.Copy - https://msdn.microsoft.com/en-us/library/z50k9bft(v=vs.110).aspx 将块 od 数据复制到单独的数组。

下面是一小段代码：

var int8Array = new byte[] { 0x04, 0x02, 0x08, 0xA1 };

var int16ArrayLE = new List<short>();
var int16ArrayBE = new List<short>();

for(var i=0;i<int8Array.Length;i+=2) 
{
    var b1 = (short)int8Array[i];
    var b2 = (short)int8Array[i+1];
    int16ArrayLE.Add((short)((b1 << 8) + b2));
    int16ArrayBE.Add((short)(b1 + (b2 << 8)));
}

.net 中短类型是 16 位整数，字节是 8 位整数。为了可读性，代码有点明确。我展示了 2 种可能的转换 - Little Endian 和 Big Endian。前者的第一个字节在后者的第二个字节中更重要。字节顺序取决于流格式，两者都可以。