了解音频的帧/样本

Question

我试图理解这个名为“ The Amazing Audio Engine”的GitHub项目，该项目可简化iOS上的音频处理。

我正在从麦克风捕获并使用此方法：

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

据我所知，库以44100的采样频率采样，当该块运行时， frames为1024。如果我正确地理解了整个音频内容，则每次运行此块时，它都会提供诸如麦克风可以捕获的所有频率的快照之类的信息。 ，从最小到最大赫兹。 因此，如果在44100处对整个样本进行采样，则意味着整个频谱将被切成44100个切片。

不是，但假设最小频率为0Hz，最大频率为22 KHz，切片0将代表0Hz的振幅，切片44099将代表22KHz，换句话说，数组audio[0] = 0Hz和audio[44099] = 22KHz对吗？

然后，我测量了该块运行的时间，并在0.023秒内调用了该块一次。 为什么？ 这个数字不慢吗？

这个数字对我来说没有意义。 难道不应该以极快的速度调用该块，这样整个频谱将以较短的间隔及时采样吗？

Answer 1

如果我正确理解了整个音频，那么每次运行此模块时，它都会发出类似麦克风可以捕获的所有频率（从最小到最大赫兹）的快照之类的信息。

没有; 这是不正确的。 音频数据通常在时域而不是频域中表示。

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，一个1024个样本的块代表1024/44100 = 0.023秒的音频。

此数据中没有直接表示音频的频率。 可以使用傅立叶变换将时域样本块转换为频域表示形式，但是解释这一点超出了我在单个答案中可以合理进行的范围。