java - Java-将16位带符号的pcm音频数据数组转换为 double 数组

我正在从事一个涉及音频处理的项目。

我正在从文件中提取一段音频，然后想要对其进行一些处理。问题是我将音频数据作为字节数组获取，而我的处理是在 double 数组上(后来也在复杂数组上...)。

我的问题是如何正确地将接收到的字节数组转换为 double 数组？

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，我已经针对该站点和其他站点对不同问题的不同答案进行了研究。我尝试使用ByteBuffer和位转换，但是它们都没有给我看似正确的结果(我中的另一个成员对Python中的同一文件执行了相同的操作，因此我可以引用结果应为大概是...

我想念什么？如何正确将字节转换为 double ？如果我只想在targetData中捕获文件的32ms，那么targerData的长度应该是多少？那么，convertedData的长度将是多少？

提前致谢。

最佳答案

使用NIO缓冲区进行的转换不应该那么难。您所要做的就是应用一个因数从16位范围到[-1.0…1.0]范围进行规范化。

好吧，it isn’t so easy，但是出于大多数实际目的，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);
    }
}

上面的解决方案有效地使用了…/(double)0x8000变体。由于我不知道processAudio对提供的缓冲区有什么作用，例如无论是否保留对它的引用，循环都会在每次迭代中分配一个新的缓冲区，但是将其更改为可重用的缓冲区应该很容易。使用预分配的缓冲区时，您只需要注意读/转换后的double的实际数量即可。