Question

我使用WaveAPI进行录制，我希望在完成录制数据后，如果缓冲区中有声音，或者没有录制任何内容（只是房间的空白）时进行检测。

我编写了一个函数来获取缓冲区绝对值的平均值，并且它可以正常工作，但是它有很多问题：

1）我已经检测到，当它无效时，平均值是~860，而当我说话时，它是~875，这几乎完全不同。怎么会这样？我录制1秒钟。

2）有时候，我看到平均值约为860，有时约为500，有些甚至约为400。为什么每次都在变化？我的意思是，承担它是一样的，因为它一直捕获虚空并且没有变化？

这是我写的函数：

bool isEmpty(short int *wave)
{
int avg = 0;

for (int i = 0 ; i < NUMPTS ; i++)
{
    if (wave[i] < 0)
        avg = avg + (wave[i]) * -1;

    else
        avg = avg + (wave[i]);
}

avg = avg / NUMPTS;

if (avg > avg_voice)
    return false;

return true;
}

这个功能不够好，因为它不是正确的，我必须不断地将avg_voice改为其他东西，有时候缓冲区就像声音中平均值更高的10点，而不是无效，很难察觉它是否有声音......

那我该怎么办？我怎样才能改进它？当我录制语音并填写所有WAVEFORMATEX和WAVEHDR设置时，也许这是一个选项？

谢谢！

编辑：wave是一个短的int数组，包含8000个单元格，并在内部存储语音，看起来像这样（例子）： wave[0] = -123; wave[1] = -205; wave[2] = -212'

等...

第二次编辑：我记录了这样的数据：

void StartRecord()
{
short int *waveIn = new short int[NUMPTS];

HWAVEIN hWaveIn;
WAVEHDR WaveInHdr;
MMRESULT result;
HWAVEOUT hWaveOut;

WAVEFORMATEX pFormat;
pFormat.wFormatTag = WAVE_FORMAT_PCM;
pFormat.nChannels = 1;
pFormat.nSamplesPerSec = sampleRate;
pFormat.nAvgBytesPerSec = 2 * sampleRate;
pFormat.nBlockAlign = 2;
pFormat.wBitsPerSample = 16;
pFormat.cbSize = 0;

result = waveInOpen(&hWaveIn, WAVE_MAPPER, &pFormat, 0, 0, WAVE_FORMAT_DIRECT);

if(result)
{
    char fault[256];
    waveInGetErrorTextA(result, fault, 256);
    MessageBoxA(NULL, fault, "Failed to open waveform input device.", MB_OK | MB_ICONEXCLAMATION);
    return;
}

WaveInHdr.lpData = (LPSTR)waveIn;
WaveInHdr.dwBufferLength = 2 * NUMPTS;
WaveInHdr.dwBytesRecorded = 0;
WaveInHdr.dwUser = 0;
WaveInHdr.dwFlags = 0;
WaveInHdr.dwLoops = 0;

while (true)
{
    waveInPrepareHeader(hWaveIn, &WaveInHdr, sizeof(WAVEHDR));
    result = waveInAddBuffer(hWaveIn, &WaveInHdr, sizeof(WAVEHDR));

    result = waveInStart(hWaveIn);
    if(result)
    {
        MessageBoxA(NULL, "Failed to start recording", NULL, MB_OK | MB_ICONEXCLAMATION);
        return;
    }

    // Wait until finished recording 
    Sleep(seconds * 1000); //Sleep for as long as there was recorded
    waveInUnprepareHeader(hWaveIn, &WaveInHdr, sizeof(WAVEHDR));

    if (isEmpty(waveIn)) // Checks here
                 .....
}
 }

Answer 1

首先，我预测缓冲区在分析时尚未填充。您应该轮询WaveInHdr.dwFlags以获取要设置的WHDR_DONE位，而不是简单的睡眠。

result = waveInStart(hWaveIn);
if(result)
{
    MessageBoxA(NULL, "Failed to start recording", NULL, MB_OK | MB_ICONEXCLAMATION);
    return;
}

// Wait until finished recording 
while ((WaveInHdr.dwFlags & WHDR_DONE) == 0)
    Sleep(100);

其次，我建议一种更好的测量响度的方法。 RMS也许：

double Rms(short int *wave, int length)
{
    double sumSquared = 0;
    double scaleShortToDouble = 1.0/0x8000;

    for (int i = 0 ; i < length; i++)
    {
         double s = wave[i] * scaleShortToDouble;
         sumSquared += s * s;
    }
    return sqrt(2) * sqrt(sumSquared/length);
}

我已经将短裤转换为-1.0到1.0范围内的双打，因为它更容易计算。额外的sqrt（2）将对结果进行缩放，这样如果您将正弦波放入A / D转换器以便出现满量程数字正弦（-32768,32767），则Rms结果将为1.0 。

完成后，您现在可以将Rms值转换为dB，并且您将拥有一个被称为dBFS的数字，并且在谈论数字水平时通常会使用。

转换为：dBFS = 20*log10(rms)且大致：

0 dBFS = 1.0`
-6 dBFS = 0.5
-12 dBFS = 0.25

输入电平的每个减半是另一个-6 dBFS下降。

还会发生输入信号的每次减半都需要少一位的A / D转换器。由于您有一个16位信号，因此理论噪底将达到-96 dBFS左右。但实际上，由于你有一个连接的麦克风，它会比这更高 - 这在很大程度上取决于你的设置质量。那就是你需要进行实验的地方。

Answer 2

必须使用RMS ，因为正弦曲线的平均值为0，因此如果取平均值，您将获得麦克风的电压偏移。这就是为什么你会得到不一致但值很低的原因，860/2 ^ 15约为动态范围的2％。

Answer 3

您已使用以下内容为waveIn分配内存：

short int *waveIn = new short int[NUMPTS];

但是，这不会初始化内容。将内容初始化为有意义的内容。然后，您将能够看到事情不起作用的地方。如果0是有意义的默认值，请使用：

for (int i = 0; i < NUMPTS; ++i )
{
   waveIn[i] = 0;
}

检测声音缓冲区是否填充了数据

3 个答案: