ios - 了解音频的帧/样本

Question

我正在尝试理解这个名为“The Amazing Audio Engine”的 GitHub 项目，它简化了在 iOS 上处理音频的过程。

我从麦克风捕捉并使用这种方法:

id<AEAudioReceiver> receiver = [AEBlockAudioReceiver audioReceiverWithBlock: ^(void *source, const AudioTimeStamp *time, UInt32 frames, AudioBufferList *audio) {
 // Do something with 'audio'
}];

据我所见，库样本的采样频率为 44100，当 block 运行时， frames是 1024。如果我正确理解了整个音频内容，则每次运行此 block 时，它都会提供麦克风可以捕获的所有频率的快照，从最小到最大赫兹。因此，如果在 44100 处对整个事物进行采样，则意味着整个频谱将被分成 44100 个切片。

不是，但假设最小频率为 0Hz，最大频率为 22KHz，切片 0 表示 0Hz 的幅度，切片 44099 表示 22KHz，即数组 audio[0] = 0Hz和 audio[44099] = 22KHz ， 对？

然后我测量了 block 运行的时间， block 在 0.023 秒内被调用一次。为什么？这个数字是不是很慢？

这个数字对我来说没有意义。不应该以极快的速度调用该 block ，以便在短时间内对整个频谱进行采样吗？

Answer 1

If I understood the whole audio thing correctly, every time this block runs it will deliver something like a snapshot of all frequencies the microphone can capture, from the minimum to the maximum hertz.

不;这是不正确的。音频数据通常在时域中表示，而不是在频域中。

简而言之:将音频视为波形。每个样本代表该波形在某个时间点的高度。每秒有 44100 个这样的样本，样本数组中的每个值代表其中一个。每秒 44100 个样本，1024 个样本的 block 代表 1024/44100 = 0.023 秒的音频。



此数据中没有音频频率的直接表示。可以使用 Fourier transform 将时域样本 block 转换为频域表示。 ，但解释这一点超出了我在一个答案中可以合理地做的范围。