规范化音频，如何将float数组转换为字节数组？

Question

大家好，我正在播放音频文件。 我把它读作byte[]然后我需要通过将值放入[-1,1]的范围来规范化音频。 我想将每个浮点值放入byte[i]数组中，然后将该byte[]放回播放音频播放器。

我试过这个：

byte[] data = ar.ReadData();
byte[] temp=new byte[data.Length];
float biggest= 0; ;
for (int i = 0; i < data.Length; i++)
{
    if (data[i] > biggest)
    {
        biggest= data[i];
    }
}

这段代码应该举例如0.43 int byte []如果可能的话我试过这个但是它不起作用：

for (int i = 0; i < data.Length; i++)
{
    temp = BitConverter.GetBytes(data[i] * (1 / biggest));
}

Answer 1

在评论中，你说“ 我正在播放音频文件...我把它读作byte []然后我需要通过将值放入[-1,1]的范围来规范化音频然后我需要把那个字节[ ]回到播放音频播放器 “

我在这里做了一个很大的假设，但我猜你从ar.ReadData()收到的数据是一个2通道16位/ 44.1kHz PCM数据的字节数组。 （旁注：您使用的是Alvas.Audio库吗？）如果是这种情况，请按照以下步骤操作。

背景

首先，一点背景。 2通道，16位PCM数据流如下所示：

   byte | 01 02 | 03 04 | 05 06 | 07 08 | 09 10 | 11 12 | ...
channel |  Left | Right | Left  | Right | Left |  Right | ...
  frame |     First     |    Second     |     Third     | ...
 sample | 1st L | 1st R | 2nd L | 2nd R | 3rd L | 3rd R | ... etc.

在这里注意一些事情很重要：

1. 由于音频数据是16位，因此来自单个通道的单个样本是short （2个字节），而不是int （4个字节），其值在-32768到32767范围内。
2. 此数据采用little-endian表示，除非您的体系结构也是little-endian，否则不能使用.NET BitConverter类进行转换。
3. 我们不必将数据拆分为每个通道流，因为我们基于来自任一通道的单个最高值来规范化两个通道。
4. 将浮点值转换为整数值将导致量化错误，因此您可能希望使用某种抖动 （这本身就是一个完整的主题）。

助手功能

在我们进入实际规范化之前，让我们通过编写几个辅助函数来从byte[]得到一个short的方法让我们自己更容易，反之亦然：

short GetShortFromLittleEndianBytes(byte[] data, int startIndex)
{
    return (short)((data[startIndex + 1] << 8)
         | data[startIndex]);
}

byte[] GetLittleEndianBytesFromShort(short data)
{
    byte[] b = new byte[2];
    b[0] = (byte)data;
    b[1] = (byte)(data >> 8 & 0xFF);
    return b;
}

正常化

一个重要的区别应该在这里提出： 音频正常化是不一样的统计正常化 。 在这里，我们将对音频数据执行峰值归一化，将信号放大一定量，使其峰值处于上限。 要对音频数据进行峰值归一化，我们首先找到最大值，从上限中减去它（对于16位PCM数据，这是32767）以获得偏移量，然后通过该偏移量增加每个值。

因此，要标准化我们的音频数据，首先扫描它以找到峰值幅度：

byte[] input = ar.ReadData();  // the function you used above
float biggest = -32768F;
float sample;
for (int i = 0; i < input.Length; i += 2)
{
    sample = (float)GetShortFromLittleEndianBytes(input, i);
    if (sample > biggest) biggest = sample;
}

在这一点上， biggest包含我们的音频数据的最大值。 现在来执行实际的正常化，我们减去biggest从32767得到相当于从我们的音频数据最响亮的样品的峰偏移值。 接下来，我们将此偏移添加到每个音频样本，有效地增加每个样本的音量，直到我们最大的样本处于峰值。

float offset = 32767 - biggest;

float[] data = new float[input.length / 2];
for (int i = 0; i < input.Length; i += 2)
{
    data[i / 2] = (float)GetShortFromLittleEndianBytes(input, i) + offset;
}

最后一步是将样本从浮点值转换为整数值，并将它们存储为little-endian short s。

byte[] output = new byte[input.Length];
for (int i = 0; i < output.Length; i += 2)
{
    byte[] tmp = GetLittleEndianBytesFromShort(Convert.ToInt16(data[i / 2]));
    output[i] = tmp[0];
    output[i + 1] = tmp[1];
}

我们完成了！ 现在，您可以将包含规范化PCM数据的output字节数组发送到音频播放器。

最后要注意的是，请记住，此代码不是最有效的; 您可以组合其中几个循环，并且可以使用Buffer.BlockCopy()进行数组复制，以及修改short to byte[]辅助函数以将字节数组作为参数并将值直接复制到阵列。 我没有做任何这样的事情，以便更容易看到发生了什么。

正如我之前提到的，你应该完全阅读抖动，因为它将极大地提高音频输出的质量。

我自己一直在做一个音频项目，所以我通过一些反复试验来解决这个问题。 我希望它可以帮助某个人。

Answer 2

这有效：

float number = 0.43f;
byte[] array = BitConverter.GetBytes(number);

什么对你不起作用？

Answer 3

if (Math.Abs(sample) > biggest) biggest = sample;

我会改为：

if (Math.Abs(sample) > biggest) biggest = Math.Abs(sample);

因为如果最大值为负值，则将所有值乘以负数。

Answer 4

您可以像这样使用Buffer.BlockCopy ：

float[] floats = new float[] { 0.43f, 0.45f, 0.47f };
byte[] result = new byte[sizeof(float) * floats.Length];
Buffer.BlockCopy(floats, 0, result, 0, result.Length);

Answer 5

您可以将temp更改为字节数组列表，以避免一直覆盖它。

    byte[] data = new byte[] { 1, 3, 5, 7, 9 };  // sample data
    IList<byte[]> temp = new List<byte[]>(data.Length);
    float biggest = 0; ;

    for (int i = 0; i < data.Length; i++)
    {
        if (data[i] > biggest)
            biggest = data[i];
    }

    for (int i = 0; i < data.Length; i++)
    {
        temp.Add(BitConverter.GetBytes(data[i] * (1 / biggest)));
    }