关于从 AVAudioPCMBuffer 中提取声压级

Posted 2023-02-15

技术标签:

【中文标题】关于从 AVAudioPCMBuffer 中提取声压级【英文标题】：On extracting the sound pressure level from AVAudioPCMBuffer 【发布时间】：2017-02-23 05:04:32 【问题描述】：

我几乎没有信号处理方面的知识，目前我正在尝试在 Swift 中实现一个函数，当sound pressure level 增加时（例如，当一个人尖叫时）触发一个事件。

我正在使用这样的回调进入 AVAudioEngine 的输入节点：

let recordingFormat = inputNode.outputFormat(forBus: 0)
inputNode.installTap(onBus: 0, bufferSize: 1024, format: recordingFormat)
 (buffer : AVAudioPCMBuffer?, when : AVAudioTime) in 
    let arraySize = Int(buffer.frameLength)
    let samples = Array(UnsafeBufferPointer(start: buffer.floatChannelData![0], count:arraySize))

   //do something with samples
    let volume = 20 * log10(floatArray.reduce(0) $0 + $1 / Float(arraySize))
    if(!volume.isNaN)
       print("this is the current volume: \(volume)")

将其转换为浮点数组后，我尝试通过计算平均值来粗略估计声压级。

但这给了我很多波动的价值，即使 iPad 只是坐在一个安静的房间里：

this is the current volume: -123.971
this is the current volume: -119.698
this is the current volume: -147.053
this is the current volume: -119.749
this is the current volume: -118.815
this is the current volume: -123.26
this is the current volume: -118.953
this is the current volume: -117.273
this is the current volume: -116.869
this is the current volume: -110.633
this is the current volume: -130.988
this is the current volume: -119.475
this is the current volume: -116.422
this is the current volume: -158.268
this is the current volume: -118.933

如果我在麦克风附近拍手，这个值确实会显着增加。

所以我可以先在准备阶段计算这些体积的平均值，然后比较在事件触发阶段差异是否显着增加：

 if(!volume.isNaN)
    if(isInThePreparingPhase)
        print("this is the current volume: \(volume)")
        volumeSum += volume
        volumeCount += 1
     else if(isInTheEventTriggeringPhase)
         if(volume > meanVolume)
             //triggers an event

averageVolume 是在从准备阶段到触发事件阶段的过渡期间计算的：meanVolume = volumeSum / Float(volumeCount)

....

但是，如果我在麦克风之外播放响亮的音乐，似乎没有显着增加。并且在极少数情况下，volume 大于 meanVolume，即使环境的音量没有显着增加（人耳可以听到）。

那么从 AVAudioPCMBuffer 中提取声压级的正确方法是什么？

***给出了这样的公式

其中 p 是均方根声压，p0 是参考声压。

但我不知道AVAudioPCMBuffer.floatChannelData 中的浮点值代表什么。 The apple page 只说

缓冲区的音频样本为浮点值。

我应该如何与他们合作？

【问题讨论】：

嗨，arch，我想您已经找到了这个问题的答案？你有什么可以提供的代码吗？什么是floatArray？这里...let volume = 20 * log10(floatArray.reduce(0) $0 + $1 / Float(arraySize)) .... 【参考方案1】：

感谢@teadrinker 的回复，我终于找到了解决这个问题的方法。我分享了输出AVAudioPCMBuffer 输入音量的 Swift 代码：

private func getVolume(from buffer: AVAudioPCMBuffer, bufferSize: Int) -> Float 
    guard let channelData = buffer.floatChannelData?[0] else 
        return 0
    

    let channelDataArray = Array(UnsafeBufferPointer(start:channelData, count: bufferSize))

    var outEnvelope = [Float]()
    var envelopeState:Float = 0
    let envConstantAtk:Float = 0.16
    let envConstantDec:Float = 0.003

    for sample in channelDataArray 
        let rectified = abs(sample)

        if envelopeState < rectified 
            envelopeState += envConstantAtk * (rectified - envelopeState)
         else 
            envelopeState += envConstantDec * (rectified - envelopeState)
        
        outEnvelope.append(envelopeState)
    

    // 0.007 is the low pass filter to prevent
    // getting the noise entering from the microphone
    if let maxVolume = outEnvelope.max(),
        maxVolume > Float(0.015) 
        return maxVolume
     else 
        return 0.0

【讨论】：

【参考方案2】：

我认为第一步是获取声音的envelope。您可以使用简单的平均来计算包络，但您需要添加一个校正步骤（通常意味着使用 abs() 或 square() 使所有样本为正）

更常见的是使用简单的 iir 滤波器而不是平均，具有不同的攻击和衰减常数，这里是 lab。请注意，这些常数取决于采样频率，您可以使用以下公式来计算常数：