从Float32到SInt16的位移音频样本会导致严重削波

Question

我是iOS及其C基础的新手,但不是一般的编程.我的困境是这样的.我正在基于AudioUnits的复杂应用程序中实现回声效果.该应用程序需要混响,回声和压缩等功能.但是,当我在我的应用程序中生成的音频样本使用特定的AudioStreamBasicDescription格式时,回声才有效.但是,此格式不适用于其他AudioUnits.虽然还有其他方法可以解决这个问题,但修复回声算法中的位错可能是最直接的方法.

与echo一起使用的*AudioStreamBasicDescription*具有mFormatFlag: kAudioFormatFlagsAudioUnitCanonical ; 具体是:

AudioUnit Stream Format (ECHO works, NO AUDIO UNITS)
Sample Rate:              44100
Format ID:                 lpcm
Format Flags:              3116 = kAudioFormatFlagsAudioUnitCanonical
Bytes per Packet:             4
Frames per Packet:            1
Bytes per Frame:              4
Channels per Frame:           2
Bits per Channel:            32
Set ASBD on input
Set ASBD on  output
au SampleRate rate: 0.000000, 2 channels, 12 formatflags, 1819304813 mFormatID, 16 bits per channel

除了mFormatFlag之外,与AudioUnit一起使用的流格式是相同的:kAudioFormatFlagIsFloat | kAudioFormatFlagsNativeEndian | kAudioFormatFlagIsPacked | kAudioFormatFlagIsNonInterleaved - 具体如下:

AudioUnit Stream Format (NO ECHO, AUDIO UNITS WORK)
Sample Rate:              44100
Format ID:                 lpcm
Format Flags:                41 
Bytes per Packet:             4
Frames per Packet:            1
Bytes per Frame:              4
Channels per Frame:           2
Bits per Channel:            32
Set ASBD on input
Set ASBD on  output
au SampleRate rate: 44100.000000, 2 channels, 41 formatflags, 1819304813 mFormatID, 32 bits per channel

为了创建回声效果,我使用两个函数将样本数据按位移位到SInt16空间,然后返回.正如我所说,这适用于kAudioFormatFlagsAudioUnitCanonical格式,但不适用于其他格式.当它失败时,声音被剪裁和扭曲,但它们在那里.我认为这表明这两种格式之间的区别在于如何在Float32中排列数据.

// convert sample vector from fixed point 8.24 to SInt16
void fixedPointToSInt16( SInt32 * source, SInt16 * target, int length ) {
    int i;
    for(i = 0;i < length; i++ ) {
        target[i] =  (SInt16) (source[i] >> 9);
        //target[i] *= 0.003;

    }
}

*正如你所看到的,我试图修改样本的幅度以摆脱剪辑 - 显然这是行不通的.

// convert sample vector from SInt16 to fixed point 8.24 
void SInt16ToFixedPoint( SInt16 * source, SInt32 * target, int length ) {
    int i;
    for(i = 0;i < length; i++ ) {
        target[i] =  (SInt32) (source[i] << 9);
        if(source[i] < 0) { 
            target[i] |= 0xFF000000;
        }
        else {
            target[i] &= 0x00FFFFFF;
        }
    }
}

如果我可以确定kAudioFormatFlagIsFloat |之间的区别 kAudioFormatFlagsNativeEndian | kAudioFormatFlagIsPacked | kAudioFormatFlagIsNonInterleaved,然后我可以相应地修改上面的方法.但我不知道如何解决这个问题.CoreAudio中的文档是神秘的,但是从我在那里读到的,并从CoreAudioTypes.h文件中收集到的,两个mFormatFlag都引用了相同的Fixed Point 8.24格式.显然有些不同,但我无法弄清楚是什么.

感谢您阅读这个长期的问题,并提前感谢您提供的任何见解.

Answer 1

kAudioFormatFlagIsFloat表示缓冲区包含浮点值.如果mBitsPerChannel是32那么你正在处理float数据(也称为Float32),如果是64则处理double数据.

kAudioFormatFlagsNativeEndian 指的是缓冲区中的数据与处理器的字节顺序相匹配,因此您不必担心字节交换.

kAudioFormatFlagIsPacked意味着数据中的每个位都是重要的.例如,如果以32位存储24位音频数据,则不会设置此标志.

kAudioFormatFlagIsNonInterleaved表示每个缓冲区由一个数据通道组成.音频数据交错是常见的,样本在L和R通道之间交替:LRLRLRLR.对于DSP应用,通常更容易对数据进行解交织并一次在一个通道上工作.

我认为在您的情况下,错误是您将浮点数据视为固定点.浮点数据通常缩放到区间[-1,+ 1).要转换float为SInt16您需要将每个样本乘以最大16位值(1u << 15,32768),然后剪切到间隔[-32768,32767].