从AVAudioPCMBuffer中提取声压级

Question

我对信号处理几乎一无所知，目前我正试图在Swift中实现一个函数，在声压级增加时触发事件(例如，当人尖叫时)。

我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)")
    }
}

在把它变成浮子阵列之后，我试着通过计算平均值得到声压水平的粗略估计。

但这给了我的价值观波动很大，即使当iPad只是坐在一个相当大的房间：

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，这个值确实会显著增加。

因此，我可以在准备阶段首先计算这些卷的平均值，并比较事件触发阶段的差异是否显著增加：

 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
         }
      }
 }

在从准备阶段到触发事件阶段的过渡过程中计算averageVolume：meanVolume = volumeSum / Float(volumeCount)

……

然而，如果我播放除麦克风之外的响亮的音乐，似乎没有明显的增加。在罕见的情况下，即使环境中的体积没有明显的增加(人类耳朵也能听到)，volume也比meanVolume大。

那么，从AVAudioPCMBuffer中提取声压级的正确方法是什么呢？

维基百科给出了这样的公式

​

​

P为均方根声压，p0为参考声压。

但我不知道AVAudioPCMBuffer.floatChannelData中的浮动值代表什么。苹果页只说

缓冲区的音频样本作为浮点值。

我该怎么和他们合作？

Answer 1

我认为第一步是获得声音的封套。您可以使用简单的平均值来计算一个信封，但是您需要添加一个校正步骤(通常意味着使用abs()或square()来使所有样本都为正)。

更常见的是使用一个简单的iir滤波器，而不是平均，具有不同的攻击和衰减常数，这里是一个实验室。请注意，这些常数取决于采样频率，可以使用此公式计算常量：

1 - exp(-timePerSample*2/smoothingTime)

第二步

当你有了信封，你可以用一个额外的过滤器来平滑它，然后比较这两个信封，找出比基准面更响亮的声音，这是一个更多的完整实验室。

请注意，检测音频“事件”可能是相当棘手的，而且很难预测，请确保您有大量的窃听辅助！

Answer 2

感谢@teadrinker的回复，我终于找到了解决这个问题的方法。我共享我的Swift代码，它输出AVAudioPCMBuffer输入的卷：

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
    }
}