java - 将 WAVE PCM 字节数组传递给 FFT 以进行音调检测

Question

我完成了从音频文件中查找 PCM 数据的代码。我应该如何将这些数据应用于快速傅里叶变换算法？在将字节数组应用于 FFT 算法之前是否还有更多需要考虑的事情。

public static void main(String[] args) throws FileNotFoundException, IOException {
    ByteArrayOutputStream out = new ByteArrayOutputStream();
    BufferedInputStream in = new BufferedInputStream(new FileInputStream("adios.wav"));

    int read;
    byte[] buff = new byte[1024];
        while ((read = in.read(buff)) > 0)
        {
            out.write(buff, 0, read);
        }
        out.flush();
        byte[] audioBytes = out.toByteArray();

        for(int i=0; i<audioBytes.length;i++){
            System.out.println(audioBytes[i]);
        }
}

Answer 1

您需要跳过 wav header 并将 PCM 样本转换为 -1 和 1 之间的浮点值。例如，对于每个样本 16 位和小端字节序的 PCM wav 字节数组，需要以下转换(来自 com.sun.media.sound.AudioFloatConverter):

public float[] toFloatArray(byte[] in_buff, int in_offset,
  float[] out_buff, int out_offset, int out_len) {
        int ix = in_offset;
        int len = out_offset + out_len;
        for (int ox = out_offset; ox < len; ox++) {
            out_buff[ox] = ((short) ((in_buff[ix++] & 0xFF) | 
                       (in_buff[ix++] << 8))) * (1.0f / 32767.0f);
        }
        return out_buff;
    }

在此调用之后，您将得到一个可用于 FFT 分析的 float[]。

为了使这更容易，JVM 包括 AudioSystem 和 AudioInputStream 类。

TarsosDSP的源代码，一个 Java 音频处理库，里面有很多例子。 TarosDSP manual解释 PCM 数据与可工作样本之间的关系。