c# - Kinect 音频 PCM 值

Question

我正在使用 kinect 提取音频并对其特征进行分类，但我有一个问题。在 http://msdn.microsoft.com/en-us/library/hh855698.aspx它说 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 pcm 数据是如何表示的，我不知道该方法是否返回 pcm 真实值。因为使用 sdk 示例，我得到了 200、56、17 之类的值，而且我认为音频值更像是 -3*10^-5 。那么有谁知道我如何获得真正的 PCM 值？还是我做错了什么？

谢谢

Answer 1

我不希望有任何特定的值。 16 位 PCM 表示它是一系列 16 位整数，因此 -3*10^-5 (-0.00003) 不可表示。

我猜它是用范围为 -32768 到 32767 的 16 位有符号整数(如 WAV 文件)编码的。如果你非常安静，值可能接近 0。如果你做很多噪音你也会看到一些更高的值。

查看 this diagram (来自维基百科的 article on PCM )显示使用 4 位无符号整数编码为 PCM 的正弦波，范围为 0 到 15。

看到 4 位正弦波如何在 7 附近振荡了吗？这就是平衡。如果它是一个带符号的 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，因此它会在 0 附近振荡。

您可以测量从平衡点到正弦波最高点或最低点的距离，以获得其振幅，或者更广泛地说，就是音量(这就是为什么如果您很安静，您通常会在有符号的 16 位数据中查看接近 0 的值)。这可能是您可以进行的最简单的特征检测。你可以在网上找到很多关于这个的很好的解释，例如 http://scienceaid.co.uk/physics/waves/sound.html .

你可以将它保存到一个文件中，然后用 Audacity 之类的东西播放它如果你不确定。摆弄输入设置，您很快就会弄清楚格式。