我开始使用我的 Android 智能手机进行录音。
我已成功将录音保存到 PCM 文件。当我解析数据并打印出带符号的 16 位值时，我可以创建如下图所示的图表。 但是，我不了解沿 y 轴的幅度值。
幅度值的具体单位是什么？这些值是 16 位有符号的，因此它们的范围必须在 -32K 到 +32K 之间。但是这些值代表什么？分贝？
如果我使用 8 位值，则值的范围必须在 -128 到 +128 之间。这将如何映射到 16 位值的音量/“响度”？你会只使用 16 比 1 的量化映射吗？
为什么会有负值？我认为完全沉默会导致值为 0。
如果有人可以将我指向一个包含有关记录内容的信息的网站，我将不胜感激。我在 PCM 文件格式上找到了webpages，但没有找到数据值。
【问题讨论】：
标签： iphone android audio audio-recording pcm
16 位数字是来自麦克风的 A/D 转换器值（您知道这一点）。还要知道麦克风和 A/D 转换器之间的放大器具有自动增益控制 (AGC)。 AGC 将主动改变麦克风信号的放大率，以防止过多的电压冲击 A/D 转换器（通常
因此，当麦克风没有声音时，AGC 放大器向 A/D 转换器发送扁平线 1.0 伏直流信号。当声波撞击麦克风时，它会产生相应的交流电压波。 AGC 放大器接收交流电压波，以 1.0 Vdc 为中心，并将其发送到 A/D 转换器。 A/D 采样（以每秒 44,000 次/秒的速度测量直流电压），并输出电压的 +/-16 位值。所以 -65,536 = 0.0 Vdc 和 +65,536 = 2.0 Vdc。 +100 = 1.00001529 Vdc 和 -100 = 0.99998474 Vdc 到达 A/D 转换器。
+值高于 1.0 Vdc，-值低于 1.0 Vdc。
请注意，大多数音频系统使用对数公式以对数方式弯曲音频波，因此人耳可以更好地听到它。在数字音频系统（带有 ADC）中，数字信号处理将这条曲线放在信号上。 DSP 芯片是一项大生意，TI 已将它们用于各种应用，而不仅仅是音频处理。 DSP 可以将非常复杂的数学运算处理成会阻塞 iPhone 的 ARM7 处理器的实时数据流。假设您正在向由 256 个超声波传感器/接收器组成的阵列发送 2MHz 脉冲 - 您明白了。
【讨论】：
Why are there negative values? I would think that complete silence将导致值为 0
麦克风上的振膜会双向振动 结果产生正电压和负电压。值为 0 表示静音 因为它表明隔膜没有移动。看看麦克风如何 工作
小说明：正在记录横膈膜的位置。当没有振动，没有位置变化时，就会出现沉默。因此，您所看到的振动是推动空气并随着时间的推移产生气压变化的原因。空气不再被推到任何振动的顶部和底部峰值处，因此峰值出现在静音发生时。信号中最响亮的部分是位置变化最快的时候，也就是峰值中间的某个地方。隔膜从一个峰值移动到另一个峰值的速度决定了隔膜产生的压力量。当顶部和底部峰值减少到零（或它们共享的其他数字）时，就没有振动，也没有声音了。此外，随着隔膜变慢，峰值之间的时间间隔更大，产生或记录的声压也更少。
我推荐Yamaha Sound Reinforcement Handbook 以获得更深入的阅读。理解微积分的概念也有助于理解音频和振动。
【讨论】：
这里有很多很好的答案，但它们并没有以一种易于阅读的方式直接解决您的问题。
幅度值的具体单位是什么？值是 带符号的 16 位，因此它们的范围必须从 -32K 至 +32K。但是这些值代表什么？分贝？
这些值没有单位。它们只是表示来自模数转换器的数字。来自 A/D 转换器的数字是麦克风和前置放大器特性的函数。
如果我使用 8 位值，那么值 范围必须在 -128 到 +128 之间。如何 会被映射到 16 位的音量/“响度” 价值观？你会用16比1吗 量化映射？
我不明白这个问题。如果您正在录制 8 位音频，则您的值将是 8 位。您是在将 8 位音频转换为 16 位吗？
为什么会有负值？我会 认为完全的沉默会 结果为 0
麦克风上的振膜会双向振动，因此会产生正电压和负电压。值 0 表示静音，因为它表示隔膜没有移动。见how microphones work
有关如何以数字方式表示声音的更多详细信息，请参阅here。
【讨论】：
原始数字是用于将模拟音频信号转换为数字信号的量化过程的产物。将音频信号视为 0 附近的振动更有意义，延伸至 +1 和 -1 以实现信号的最大偏移。除此之外，你会得到削波，这会扭曲谐波并且听起来很糟糕。
但是，计算机在分数方面的工作并不是那么好，因此使用从 0 到 65536 的离散整数来映射该范围。在大多数此类应用中，+32767 被认为是麦克风或扬声器振膜的最大正偏移。采样点和声压级之间没有相关性，除非您开始考虑录音（或回放）电路的特性。
（顺便说一句，16 位音频非常标准且被广泛使用。它在信噪比和动态范围之间取得了很好的平衡。除非您进行一些时髦的非标准缩放，否则 8 位是嘈杂的。）
【讨论】：
想想麦克风的表面。当它静默时，表面在零位置处是静止的。当你说话时，这会导致你嘴周围的空气振动。振动类似于弹簧，并且在两个方向上都有运动，如前后、上下或进出。空气中的振动也会导致麦克风表面振动，就像上下移动一样。当它向下移动时，可能会测量或采样一个正值。当它向上移动时，可能会被采样为负值。 （或者可能相反。）当你停止说话时，表面会回到零位。
您从 PCM 录音数据中获得的数字取决于系统的增益。对于常见的 16 位样本，范围是从 -32768 到 32767，以获得最大可能的振动偏移，可以在不失真、削波或溢出的情况下记录。通常增益设置得低一点，这样最大值就不会在失真的边缘。
添加：
8 位 PCM 音频通常是无符号数据类型，范围为 0..255，值为 128 表示“静音”。因此，您必须添加/减去此偏差，并缩放大约 256 以在 8 位和 16 位音频 PCM 波形之间进行转换。
【讨论】：