在给定时间查找.wav的“音量”

Question

我正在为我的第四年项目（处理功能反应式编程）开发一个小型示例应用程序。我们的想法是创建一个简单的程序，可以播放.wav文件，然后显示播放歌曲当前音量的“弹跳”动画（如音频录制软件）。我在Scala中构建它，因此主要是查看Java库和现有解决方案。

目前，我已经设法轻松播放.wav文件，但我似乎无法实现第二个目标。基本上有一种方法我可以解码.wav文件，所以我可以有一些访问 在任何给定的时间'体积'？按体积我认为我的意思是它的幅度，但我可能错了 - 高等物理学是不久前的......

显然，我根本不了解这一点，所以如果有人能指出我正确的方向会很棒！

Answer 1

在wav文件中，流中给定点的数据是体积（移动动态范围的一半）。换句话说，如果你知道什么类型的wav文件（例如8位，单声道），每个字节代表一个样本。如果您知道采样率（比如44100 HZ），那么将时间乘以44100，这就是您要查看的字节。

字节的值是体积（距离中间的距离... 0和255是峰值，127是零）。这假设编码不是mu-law编码。我找到了一些关于如何区分这些格式的好信息，或者更好的是，在这里转换这些格式：

http://www.gnu.org/software/octave/doc/interpreter/Audio-Processing.html

您可能希望通过一些固定数量的样本窗口来平均这些样本。

Answer 2

在数字音频处理中，您通常会参考信号的瞬时峰值幅度（这也称为PPM -- peak programme metering）。根据您想要的准确程度，或者您是否希望对某些标准化计量进行建模，您可以

• 只使用样本框架的滑动窗口（找到每个窗口的最大绝对值）
• 实现某种峰值保持机制，该机制在给定的持续时间内保留最后一个峰值，然后开始将值“下降”给定的每秒分贝数。

另一种测量模式是RMS，它是通过在某个时间窗上积分计算的（加上平方样本值，除以窗口长度，取平方根，即均方根RMS）。这样可以更好地了解信号的“能量”，比峰值测量更平滑，但不能捕获观察到的最大值。此模式有时也称为VU meter。您可以通过一种滞后（低通）滤波器对此进行近似，例如： y[i] = y[i-1]*a + |x[i]|*(a-1)，有些值0 < a < 1

您通常以对数方式显示值，即在decibels中，因为这与我们对信号强度的感知更好地对应，并且对于大多数信号也会更频繁地覆盖屏幕空间。

我参与的三个项目可能对您有所帮助：

• ScalaAudioFile，您可以使用它来读取AIFF或WAVE文件中的示例帧
• ScalaAudioWidgets这是一个仍然年轻且不完整的项目，在scala-swing之上提供一些音频应用程序小部件，包括PPM视图 - 只需使用滑动窗口并设置窗口的当前峰值（以及可选的RMS）定期间隔，视图将处理峰值保持和下降时间
• （ScalaCollider，SuperCollider声音合成系统的客户端，您可以使用它来回放声音文件并实时测量峰值和RMS振幅。后者可能对您的项目而言太过分了如果您从未听说过SuperCollider，那么会涉及一些严肃的学习曲线。优点是您无需担心将声音播放与仪表显示同步。