Question

我正在开展涉及音频处理的项目。

我正在从文件中获取一段音频，然后想对其进行一些处理。问题是我将音频数据作为字节数组，而我的处理是在双数组上（稍后在复杂数组上......）。

我的问题是，如何正确地将我收到的字节数组转换为双数组？

这是我的输入代码：

AudioFormat format = new AudioFormat(8000, 16, 1, true, true);
AudioInputStream in = AudioSystem.getAudioInputStream(WAVfile);
AudioInputStream din = null;
AudioFormat decodedFormat = new AudioFormat(AudioFormat.Encoding.PCM_SIGNED, 
                        8000,
                        16,
                        1,
                        2,
                        8000,
                        true);
din = AudioSystem.getAudioInputStream(decodedFormat, in);
TargetDataLine fileLine = AudioSystem.getTargetDataLine(decodedFormat);
fileLine .open(format);
fileLine .start();

int numBytesRead;
byte[] targetData = new byte[256]; // (samplingRate / 1000) * 32ms

while (true) {
    numBytesRead = din.read(targetData, 0, targetData.length);

    if (numBytesRead == -1) {
        break;
    }

    double[] convertedData;
    // Conversion code goes here...

    processAudio(convertedData);
}

到目前为止，我已经针对本网站和其他网站的不同问题研究了不同的答案。我试过使用ByteBuffer和位转换，但是他们两个都没有给我看起来正确的结果（我的另一个成员在Python中的同一个文件上做了同样的事情所以我有一个参考结果应该是什么差不多......

我错过了什么？如何正确地将字节转换为双精度？如果我想在targetData中只捕获32ms的文件，targerData的长度应该是多少？那么convertData的长度是多少？

提前致谢。

Answer 1

使用NIO缓冲区的转换不应该太难。您所要做的就是应用一个因子来从16位范围标准化到[-1.0…1.0]范围。

嗯，it isn’t so easy，但是出于大多数实际目的，决定一个因素就足够了：

AudioFormat decodedFormat = new AudioFormat(AudioFormat.Encoding.PCM_SIGNED, 
                                            8000, 16, 1, 2, 8000, true);
try(AudioInputStream in  = AudioSystem.getAudioInputStream(WAVfile);
    AudioInputStream din = AudioSystem.getAudioInputStream(decodedFormat, in);
    ReadableByteChannel inCh = Channels.newChannel(din)) {

    ByteBuffer inBuf=ByteBuffer.allocate(256);
    final double factor=2.0/(1<<16);
    while(inCh.read(inBuf) != -1) {
        inBuf.flip();
        double[] convertedData=new double[inBuf.remaining()/2];
        DoubleBuffer outBuf=DoubleBuffer.wrap(convertedData);
        while(inBuf.remaining()>=2) {
            outBuf.put(inBuf.getShort()*factor);
        }
        assert !outBuf.hasRemaining();
        inBuf.compact();
        processAudio(convertedData);
    }
}

上述解决方案有效地使用了…/(double)0x8000变体。因为我不知道processAudio对提供的缓冲区做了什么，例如它是否保留对它的引用，循环在每次迭代中分配一个新缓冲区，但应该很容易将其更改为可重用的缓冲区。使用预先分配的缓冲区时，您只需要注意读取/转换的双精度数。

Answer 2

首先，阅读有关样本AudioFormat.Encoding.PCM_SIGNED和BigEndian的格式，然后了解java int（此数字的格式）。然后使用二进制移位运算符>>和<<正确移动字节（将其中一个字节向左移8位 - 这样它将代表整数的高字节 - 需要的是如果这是Little或Big Endian，则Big Endian意味着包含更重要部分的字节位于字节数组数组的末尾 - 所以你应该将第二个字节从数组8位移到左边），然后对结果求和将+或|运算符放入一个int变量中，然后您需要将int除以得到double中所需的范围。假设您想要范围-1 ... + 1，那么您应该将整数除以等于32768的整数。

我会在这里发布代码，但我现在没有和它一起发布。这是我遵循的指示。

例如我使用以下方法成功获取立体声音频数据：

AudioFormat format = new AudioFormat(8000, 16, 2, true, false);

然后通过以下方式转换它们：

   int l = (short) ((readedData[i*4+1]<<8)|readedData[i*4+0]);
   int r = (short) ((readedData[i*4+3]<<8)|readedData[i*4+2]);

所以你的缩放应该是：

   double scaledL = l/32768d;
   double scaledR = r/32768d;

Java - 将16位带符号的pcm音频数据数组转换为双数组

2 个答案: