了解音頻的幀/樣本

Question

我試圖理解這個名為“ The Amazing Audio Engine”的GitHub項目，該項目可簡化iOS上的音頻處理。

我正在從麥克風捕獲並使用此方法：

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

據我所知，庫以44100的采樣頻率采樣，當該塊運行時， frames為1024。如果我正確地理解了整個音頻內容，則每次運行此塊時，它都會提供諸如麥克風可以捕獲的所有頻率的快照之類的信息。 ，從最小到最大赫茲。 因此，如果在44100處對整個樣本進行采樣，則意味着整個頻譜將被切成44100個切片。

不是，但假設最小頻率為0Hz，最大頻率為22 KHz，切片0將代表0Hz的振幅，切片44099將代表22KHz，換句話說，數組audio[0] = 0Hz和audio[44099] = 22KHz對嗎？

然后，我測量了該塊運行的時間，並在0.023秒內調用了該塊一次。 為什么？ 這個數字不慢嗎？

這個數字對我來說沒有意義。 難道不應該以極快的速度調用該塊，這樣整個頻譜將以較短的間隔及時采樣嗎？

Answer 1

如果我正確理解了整個音頻，那么每次運行此模塊時，它都會發出類似麥克風可以捕獲的所有頻率（從最小到最大赫茲）的快照之類的信息。

沒有; 這是不正確的。 音頻數據通常在時域而不是頻域中表示。

簡而言之：將音頻視為波形。 每個樣本代表該波形在某個時間點的高度。 每秒有44100個這樣的樣本，樣本數組中的每個值代表其中一個。 每秒44100個樣本，一個1024個樣本的塊代表1024/44100 = 0.023秒的音頻。

此數據中沒有直接表示音頻的頻率。 可以使用傅立葉變換將時域樣本塊轉換為頻域表示形式，但是解釋這一點超出了我在單個答案中可以合理進行的范圍。