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。 我发现 iOS 上有很多对此类仪表的支持，但主要是AVAudioPlayer ，这对我来说是没有选择的。 我正在使用AVCaptureSession进行录制，然后会以如下所示的委托方法结束：

- (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”，据我所知，其范围从-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200之间快速反弹，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，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/向下达到+-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-1到+1对齐，但这并没有发生。 现在我得到的值围绕6.194681时沉默， 7.773492一些噪音。 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 并假设我在-1和+1之间。 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是大声的噪音吗？ 然后我可以简单地将所有负值乘以-1以始终得到正值，然后找出它们的百分比（0 到 32767 之间）吗？ 不知何故，我不相信这会奏效，因为我想负值是有原因的..我不完全确定要尝试什么。

Answer 1

您问题中的代码在几个方面是错误的。 这段代码试图从下面的文章中复制它，但是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。 您还会循环错误数量的值（最大 i），最终会引入垃圾数据。 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。 这是它的内容，稍微扩展一下。 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 参考。 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] 在平方并添加到累加器之前的范围。