我正在做一个涉及音频处理的项目。
我从一个文件中提取一段音频，然后想对它进行一些处理。问题是我以字节数组的形式获取音频数据，而我的处理是在双数组上进行的(后来也在复数组上进行...).
我的问题是，如何正确地将接收到的字节数组转换为双数组才能继续？
这是我的输入代码：
AudioFormat format = new AudioFormat(8000, 16, 1, true, true);
AudioInputStream in = AudioSystem.getAudioInputStream(WAVfile);
AudioInputStream din = null;
AudioFormat decodedFormat = new AudioFormat(AudioFormat.Encoding.PCM_SIGNED,
8000,
16,
1,
2,
8000,
true);
din = AudioSystem.getAudioInputStream(decodedFormat, in);
TargetDataLine fileLine = AudioSystem.getTargetDataLine(decodedFormat);
fileLine .open(format);
fileLine .start();
int numBytesRead;
byte[] targetData = new byte[256]; // (samplingRate / 1000) * 32ms
while (true) {
numBytesRead = din.read(targetData, 0, targetData.length);
if (numBytesRead == -1) {
break;
}
double[] convertedData;
// Conversion code goes here...
processAudio(convertedData);
}
到目前为止，我已经研究了这个网站和其他网站的不同问题的不同答案。我尝试过使用ByteBuffer和bit conversion，但是它们都没有给我正确的结果(我的them中的另一个成员在Python中对同一个文件做了同样的事情，所以我有一个参考结果应该是什么样的...
我错过了什么？如何正确地将字节转换为双字节？如果我只想在targetData中捕获32毫秒的文件，那么targerData的长度应该是多少？那么convertedData的长度是多少？
提前谢谢。
使用NIO缓冲区的转换应该不会太难。你所要做的就是应用一个因子，从16位范围归一化到< code>[-1.0…1.0]范围。
好吧，这并不容易，但对于大多数实际目的，决定一个因素就足够了：
AudioFormat decodedFormat = new AudioFormat(AudioFormat.Encoding.PCM_SIGNED,
8000, 16, 1, 2, 8000, true);
try(AudioInputStream in = AudioSystem.getAudioInputStream(WAVfile);
AudioInputStream din = AudioSystem.getAudioInputStream(decodedFormat, in);
ReadableByteChannel inCh = Channels.newChannel(din)) {
ByteBuffer inBuf=ByteBuffer.allocate(256);
final double factor=2.0/(1<<16);
while(inCh.read(inBuf) != -1) {
inBuf.flip();
double[] convertedData=new double[inBuf.remaining()/2];
DoubleBuffer outBuf=DoubleBuffer.wrap(convertedData);
while(inBuf.remaining()>=2) {
outBuf.put(inBuf.getShort()*factor);
}
assert !outBuf.hasRemaining();
inBuf.compact();
processAudio(convertedData);
}
}
上述解决方案有效地使用了…/（double）0x8000变量。由于我不知道processAudio对提供的缓冲区做了什么，例如它是否保持对它的引用，所以循环在每次迭代中都会分配一个新的缓冲区，但应该很容易将其更改为可重用的缓冲区。使用预先分配的缓冲区时，您只需注意实际的读/转换双精度数。
首先，阅读示例AudioFormat.Encoding.PCM_SIGNED和BigEndian使用的格式，然后阅读javaint（此数字的格式）。然后使用二进制移位运算符正确移动字节
我会把代码贴在这里，但我现在没有。这是我遵循的指示。
例如，我使用以下方法成功获取立体声音频数据：
AudioFormat format = new AudioFormat(8000, 16, 2, true, false);
然后通过以下方式转换它们：
int l = (short) ((readedData[i*4+1]<<8)|readedData[i*4+0]);
int r = (short) ((readedData[i*4+3]<<8)|readedData[i*4+2]);
所以你的比例应该是:
double scaledL = l/32768d;
double scaledR = r/32768d;
