我使用kinect提取音频并对其功能进行分类，但我有一个问题。在http://msdn.microsoft.com/en-us/library/hh855698.aspx上，它表示audio.start方法打开音频数据流（16位PCM格式，以16 kHz采样）并开始捕获从传感器流出的音频数据。问题是我不知道如何表示pcm数据，我不知道该方法是否返回pcm真值。因为使用sdk示例我获得了像200,56,17这样的值，我认为音频值更像是-3 * 10 ^ -5。 那么有谁知道如何获得真正的PCM值？或者我做错了什么？
由于
答案 0 :(得分：1)
我不指望任何特定的价值观。 16位PCM意味着它是一系列16位整数，因此-3 * 10 -5 （ - 0.00003）无法表示。
我猜它是用16位有符号整数（如WAV文件）编码的，其范围为-32768到32767.如果你非常安静，那么值可能接近于0.如果你做了一个很多噪音你也会看到更高的价值。
查看this diagram（来自维基百科的article on PCM），其中显示使用4位无符号整数编码为PCM的正弦波，其范围为0到15.
看看这个4位正弦波如何在7左右振荡？这就是均衡。如果它是带符号的4位整数（范围为-8到7），它将具有相同的形状，但其平衡将为0 - 值将移动-8，因此它将在0附近振荡。 / p>
您可以测量从平衡到正弦波的最高点或最低点的距离，以获得其幅度，或者广义上，它的音量（这就是为什么如果你很安静，你将主要在签名的16位数据中查看接近0的值）。这可能是您可以执行的最简单的功能检测。您可以在网上找到大量有关此问题的好解释，例如http://scienceaid.co.uk/physics/waves/sound.html。
如果您不确定，可以将其保存到文件中并使用Audacity之类的内容进行播放。摆弄输入设置，你很快就会找出格式。
