從mp3格式中提取10段均衡信息的方法

Question

我想爲我的mp3播放器製作16段圖形均衡器。

但是，我不知道從哪裏開始，因爲我對音頻處理沒有經驗。

所以，我真的不知道從哪裏開始從mp3格式中提取頻帶（？）。

有人請建議我一個簡單的解決方案來做到這一點？

啊，還有，是否有任何開源的MP3播放器，很容易修改和建立爲Windows應用程序？

Answer 1

我認爲你要找的是一個頻譜分析儀。它顯示了音頻頻譜各個頻率範圍的瞬時能量水平。對於大多數人來說，它基本上是眼睛的糖果。它不會修改信號。

另一方面，圖形均衡器可讓您在各個頻段增強或衰減音頻的能量。它絕對會修改信號。大多數人使用圖形均衡器來提升部分頻譜效果，例如提升低音效果。

發燒友通常使用連接到麥克風（不是放大器）的頻譜分析儀來監視房間的響應，在該房間中，通過圖形均衡器播放白噪聲。然後他們調整均衡器以平坦化頻率響應，從而補償房間的聲學效果，讓您對錄製的音頻有更純粹的聽覺。這些人通常會非常沮喪，如果你再弄亂均衡器設置。 :)

你可以看看流行的Linux的MP3播放器，如RhythmBox，Banshee，VLC，甚至Audacity。如果你想寫自己的，這裏有一些說明。假設你知道如何編寫GUI程序在Windows，只是想和你一個不錯的頻譜分析儀，你真的需要做的是以下幾點：

1. 點擊到解碼階段後的信號路徑。

2. 將音頻縮混爲單聲道，通常意味着只需將左右樣本添加到一起。注意要麼爲音頻使用浮點數（應將其縮放爲+/- 1），要麼在添加之前將（假定爲16位）樣本轉換爲32位整數，以避免在添加短路時發生溢出。

3. 測量一些樣本數量（稱爲窗口），通常爲512,1024或2048（總是選擇2的冪）。在分辨率（較大窗口具有較高分辨率），成本（更多樣品需要更多時間處理）和響應（較大窗口需要更多時間積累，降低分析儀的幀速率）之間存在折衷。

4. 通過快速傅立葉變換（FFT）運行這些樣本。請參考您使用的FFT庫的文檔（FFTW是一個很好的文檔），但輸出通常是一組複數，關於中間對稱。

5. 如果輸出是對稱的，只使用前半部分。如果它不是對稱的，那麼使用整個事情。從開始到結束（或中間）的每個複數都以正弦曲線的頻率從0Hz到音頻採樣率的一半進行編碼。如果音頻爲44.1 kHz，並且您在FFT中選擇了1024個採樣，則每個數字代表22050 Hz/512 = 43 Hz。

6. 取每個複數並對其實部和虛部進行平方並添加這些數字。您將以每個垃圾箱中的能量（即能量平方）結束，這是一個真正的正數。

7. 通過將FFT頻段相加，將FFT頻段分組爲頻段。例如，如果您在上面的示例中使用了512個垃圾箱，並將它們分組爲51，那麼您將擁有10個2196 Hz的頻段。這在低頻率下提供的分辨率太低，因此人們通常使用對數間隔的頻帶：0（0-43Hz），1（43-86Hz），2-3（86-172Hz），4-7（172- 344 Hz），8-15（344-688 Hz）等。

8. 您現在可以直接顯示功率和，或者計算每個頻段的平均值，然後取平均值（RMS能量）並繪製該圖。要以分貝顯示數值，請計算RMS能量，然後繪製如下圖：20 * log10(RMS/32768)。 16位音頻的值從0 dB（滿量程）到-90 dB（無聲）。

9. 不斷重複步驟2-8，每次更新顯示。

10. 去打動你的朋友。

祝你好運。如果你看不到16千赫以上的能量，請不要驚慌。 mp3編碼算法可以濾除16 kHz以上的數據，以幫助進行壓縮。

p.s.如果你真的很好，並且有解碼器的來源，那麼你可以在解碼器中仍然處於頻域時訪問音頻，並將其用於頻譜分析儀。您必須根據窗口大小採取解碼器提供的內容，但計算成本幾乎爲零。並且要注意，mp3使用離散餘弦變換而不是傅立葉變換來將音頻移入和移出頻域，因此您的能量值將不同於正確的FFT。