Question

原谅/纠正下面的任何错误术语（我希望它有意义！）：

我想检测给定样本中最大的动态音频变化（即声波“增长”/“加速”最多的时刻）。

例如，如果音频在采样期间的某些点变得安静，我想知道音乐何时回来，并按相对动态范围（音量？）增加（从最大到最小）的顺序对这些数据点进行排序

我的音频样本是float32[]和采样率的缓冲区，我希望得到一个对象数组，每个对象都包含：

开始帧索引
开始时间（秒...... frameIndex/sampleRate？）
结束帧索引
结束时间（秒）
动态变化值

我的天真方法线性迭代并检测值开始上升的点，直到它不再上升，然后计算这些点之间每个子区间的上升超过...但这不会产生正确的结果。 / p>

执行此操作的任何想法或现有算法？

对语言不挑剔，但任何语法如C＃，Java，JavaScript都是首选！

Answer 1

我有点不确定你有多少音频DSP背景，如果踩过旧区域，请道歉。

基本上这是试图在任何给定点找到信号包络的问题。由于音频信号将在-1和1之间波动，因此任何单个样本的值都不会产生太大的影响有关响度或动态范围的信息。

最好找到的是某些音频数据帧的root mean square信号

以伪代码编写，假设您已经拥有音频数据，获取有效值数据的功能和方法可能是：

   function rms(frame[], frameSize)
   {
       var rmsValue = 0;

       for(int i = 0; i < frameSize; i++)
       {
           rmsValue += frame[i] * frame[i]; // square the sample and sum over frame
       }

       rmsValue = sqrt(rmsValue / frameSize);

       return rmsValue;
   }




// Main

   var frameNum = floor(numberOfAudioSample / frameSize) // for analysis just floor to a whole number of frames, if thi is real-time, you will need to deal with a partial frame at the end

   var frame = []   // an array or buffer to temporarily store audio data
   var rmsData = [] // an array or buffer to store RMS data  

   for (var i = 0; i < frameNum; i++)
   {
       for (var j = 0; j < frameSize; j++)
       {
           sampleIndex = j + (i * frameSize)
           frame[j] = audioData[sampleIndex]
       }
       rmsData[i] = rms(frame, frameSize)
   }

然后，您可以比较RMS数据的元素，以查找动态变化的时间和数量。对于数字音频，RMS将被限制在0和1之间。要获得dBFS，您需要做的只是20 * log10(rmsData)

找到动态范围变化的确切样本将是棘手的。帧索引应足够准确，框架尺寸足够小。然而，帧越小，RMS值就越不稳定。以秒为单位查找时间只是sampleIndex / samplingRate

对于较小的帧大小，您可能还希望对rms数据进行低通滤波。这取决于这是用于实时应用还是用于非实时分析。

为了简单起见，我会先在Octave或MATLAB中对原型进行原型设计

检测音频样本

1 个答案: