我如何解释 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。我在 iOS 上发现了很多对此类仪表的支持，但主要是支持AVAudioPlayer，这对我来说是没有选择的。我正在使用AVCaptureSession来记录，然后将得到如下所示的委托方法：

- (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）

据我所知，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“提取”audioBufferList，然后我坐在这儿留下一个（或多个？）audioBuffers 的列表。据我了解，实际数据表示为SInt16，或“16 位有符号整数”，据我了解，范围从-32,768到32,767。但是，如果我简单地打印出这个接收到的值，我会得到很多反弹的数字。当处于“沉默”状态时，我得到的值在-200和之间快速反弹200，当有噪音时，我得到的值从-4,000到13,000完全乱序。正如我从阅读中了解到的，价值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参考资料，但对我来说没有任何意义。我按照一个指南执行此操作（附加到上面的代码，在 中if）：

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，这段代码应该从-1to对齐+1，但这并没有发生。我现在6.194681在沉默和7.773492一些噪音时获得价值。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 并假设我在-1和之间+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？0总是沉默而-32,768和32,767有大声喧哗？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（在 0 和 32767 之间）吗？不知何故，我不相信这会起作用，因为我想负值是有原因的..我不完全确定要尝试什么。

Answer 1

您问题中的代码在多个方面都是错误的。此代码尝试复制下面文章中的代码，但您没有正确处理从文章中基于浮点的代码转换为 16 位整数数学的情况。您还会循环使用错误数量的值（max i），最终会提取垃圾数据。所以这是完全错误的。

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，稍微扩展了一下。这仅查看 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，这里的结果是使用 0dB 参考的分贝。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) 适当地循环每个 16 位样本，b) 将 data[i] 值从 16 位整数转换为 [ 中的浮点值-1.0, 1.0] 平方并添加到累加器之前的范围。