在不重新采样的情况下调整 PCM 数组的大小

Posted 2023-02-25

【中文标题】在不重新采样的情况下调整 PCM 数组的大小

【英文标题】：Resize PCM array without resample

【发布时间】：2015-07-03 10:25:40

【问题描述】：

我从网络收到采样率为 8 kHz、长度为 320 的 PCM 字节数组。

现在我想将数组的长度调整为 2ⁿ，即 256 或 512，同时将采样率保持在 8 kHz。

有人知道算法可以做到这一点吗？

【问题讨论】：

只切阵列。

当你调整大小时，你只是想添加静音，还是想以某种方式拉伸声音以适应？

@Phil Freihofner：我想适应新的尺寸，而不是添加静音。

采取的策略取决于您想要的结果。如果一个声音有 N 帧长并且你希望它是 N+M，并且没有额外的材料可以添加，那么可以通过保留音高来拉伸声音（更困难的是，将声音分解成“颗粒”重复并可能混合）或允许音调下降（通常使用线性插值从“隐含”音频波中获取更多样本）。如果您指明要采用哪种方法，我或其他人可以填写更多详细信息。

@Phil Freihofner：第二种方法似乎更容易和流行。你能给我一些提示或例子吗？谢谢。

【参考方案1】：

假设数据是一系列 PCM 值，范围从 -1 到 1。（对于 16 位编码，声音值实际上可能是 -32768 到 32767，或者是 Short 的范围。）

数组 A 有数据，数组 B 是目标。 如果 A.length = 320 和 B.length = 256，那么以下应该有效：

float incr = B.length / (float) A.length;
for (int i = 0; i < 256; i++) 
    B[i] = linearInterpolation(A, incr * i);

要进行线性插值，假设 incr * i [0.8 * 3] 计算为介于 n 和 n+1 之间的某个值，例如 2.4（介于 2 和 3 之间）。首先，得到小数部分（0.4）：

fract = i * incr - (int)(i * incr);

然后计算如下：

return ( (A[n] * (1 - fract)) + (A[n+1] * (fract)) ) / 2; 

您可能需要将字节编码/解码为 PCM。这是一个单独的问题，但在 *** 上已多次处理。

【讨论】：

对不起我的愚蠢。在这种情况下 incr = 0.8，如何从 n = 2 和 n = i 中获得值 2.75？谢谢。

很抱歉没有保持示例的一致性。我编辑了我的答案，以便 incr 将是从您的示例案例中得出的实际值。我希望这能让事情更清楚！