ios - 如何解释 AudioBuffer 并获得权力？

Question

我正在尝试为我的应用程序制作一个音量计，它将在录制视频时显示。我发现很多对 iOS 仪表的支持，但主要是为 AVAudioPlayer ，这对我来说是没有选择的。我正在使用 AVCaptureSession进行记录，然后以如下所示的委托(delegate)方法结束:

- (void)captureOutput:(AVCaptureOutput *)captureOutput didOutputSampleBuffer:(CMSampleBufferRef)sampleBuffer fromConnection:(AVCaptureConnection *)connection
{
    CMFormatDescriptionRef formatDescription = CMSampleBufferGetFormatDescription(sampleBuffer);

    CFRetain(sampleBuffer);
    CFRetain(formatDescription);

    if(connection == audioConnection)
    {
        CMBlockBufferRef blockBuffer;
        AudioBufferList audioBufferList;

        CMSampleBufferGetAudioBufferListWithRetainedBlockBuffer(sampleBuffer, 
            NULL, &audioBufferList, sizeof(AudioBufferList), NULL, NULL,
            kCMSampleBufferFlag_AudioBufferList_Assure16ByteAlignment,
            &blockBuffer);

        SInt16 *data = audioBufferList.mBuffers[0].mData;
    }
    //Releases etc..
}

(只显示相关代码)

据我了解，我收到一个“样本缓冲区”，其中包含音频或视频。一旦我确认连接确实是音频，然后我从缓冲区中“提取”audioBufferList，我就坐在左边，列出一个(或多个？)audioBuffers。据我了解，实际数据表示为 SInt16 ，或“16 位有符号整数”，据我所知，其范围为 -32,768至 32,767 .但是，如果我只是打印出这个收到的值，我会得到很多弹跳数字。当处于“沉默”状态时，我得到的值在 -200 之间快速反弹。和 200 ，当有噪音时，我会从 -4,000 获取值至 13,000 ，完全不正常。
正如我从阅读中了解到的，值 0将代表沉默。但是，我不明白负值和正值之间的区别，也不知道它们是否能够一直向上/向下到达 +-32,768 .

我相信我需要一定比例的“响亮”，但一直找不到任何东西。

我已经阅读了一些关于此事的教程和引用资料，但对我来说没有任何意义。我遵循了一个指南(附加到上面的代码，在 if 内):

float accumulator = 0;
for(int i = 0; i < audioBufferList.mBuffers[0].mDataByteSize; i++)
    accumulator += data[i] * data[i];
float power = accumulator / audioBufferList.mBuffers[0].mDataByteSize;
float decibels = log10f(power);
NSLog(@"%f", decibels);

显然，这段代码应该与 -1 对齐。至 +1 ，但这并没有发生。我现在得到的值大约是 6.194681当沉默时， 7.773492对于一些噪音。这感觉像是正确的“范围”，但在“错误的地方”。我不能简单地从数字中减去 7 并假设我介于 -1 之间。和 +1 .这应该如何工作背后应该有一些逻辑和科学，但我对数字音频的工作原理知之甚少。

有谁知道这背后的逻辑？在 -32,768 时始终为 0和 32,767噪音很大吗？然后我可以简单地将所有负值乘以 -1总是得到正值，然后找出它们的百分比(0到32767之间)？不知何故，我不相信这会起作用，因为我猜负值是有原因的。我不完全确定要尝试什么。

Answer 1

您问题中的代码在几个方面是错误的。此代码试图从下面的文章中复制它，但您没有正确处理它从文章中的基于浮点数的代码转换为 16 位整数数学。您还循环了错误数量的值(最大 i)，最终会拉入垃圾数据。所以这是各种各样的错误。

https://www.mikeash.com/pyblog/friday-qa-2012-10-12-obtaining-and-interpreting-audio-data.html

文章中的代码是正确的。这就是它的内容，扩展了一点。这只是查看 32 位浮点缓冲区列表中的第一个缓冲区。

float accumulator = 0;
AudioBuffer buffer = bufferList->mBuffers[0];
float * data = (float *)buffer.mData;
UInt32 numSamples = buffer.mDataByteSize / sizeof(float);

for (UInt32 i = 0; i < numSamples; i++) {
    accumulator += data[i] * data[i];
}
float power = accumulator / (float)numSamples;
float decibels = 10 * log10f(power);

正如文章所说，这里的结果是分贝使用 0dB 引用。例如，0.0 是最大值。例如，这与 AVAudioPlayer 的 averagePowerForChannel 返回的内容相同。

要在 16 位整数上下文中使用它，您需要 a) 适本地循环遍历每个 16 位样本，b) 将 data[i] 值从 16 位整数转换为 [ -1.0, 1.0] 在平方和添加到累加器之前的范围。