Wav Reader and processor in java 以及进行声音识别的基本 wav 问题
Wav Reader and processor in java and basic wav questions to make sound recognition
我正在尝试制作一个音乐识别系统。恐怕我可能没有像预期的那样读取 wav 样本，而且我可能应用了错误的 window 尺寸来制作 FFT 和其他。
如果你能帮助我，那就太好了。
首先，我有一些关于 Wavs 音频处理的问题。
1) Wav 有一个 header 对吧？那么下面的代码能正确读取wav文件吗？
private static byte[] getAudioBytes(String path_to_audio) throws IOException, UnsupportedAudioFileException{
File audio_file = new File(path_to_audio);
//
AudioInputStream audio_input_stream = AudioSystem
.getAudioInputStream(audio_file);
byte audio[] = new byte[(int) audio_file.length()];
audio_input_stream.read(audio);
return audio;
}
1.1) 如果有一个header，我该如何读取它，它们的字段是什么？ （我对在网上看到的不同 header 感到困惑）
2) 另外一个问题，我猜，wav文件的录音有一个默认的Frame Size。我说得对吗？
2.1) 我必须将每一帧发送到 FFT。如果我使用不同的帧大小将样本发送到 FFT，这将检索错误的结果，对吗？
2.2) 如果不同的帧大小检索到错误的结果，我怎样才能使用更大的帧，以获得更好的频率精度？ （例如，假设原始文件有 1024 个样本帧，我想使用 4096 个样本帧大小）
3) 在我的示例 wav 文件和我的原始文件中使用相同的位深度会很好，对吗？
4) 如果它是 16 位深度，我必须在 java 中使用 short 对吗？
在我的代码中，我正在读取其中包含 4096 个样本的帧，而不考虑记录帧的大小。我看到了一些歌曲识别的例子，但他们并没有解释太多细节，只是说他们使用 4096 作为帧大小。我试图搜索此类信息，但发现的信息很少，所以我在这里寻求帮助。
提前致谢
Wav has a header. Right?
是的。在 the WAVE format specifications 中可以找到关于原始 bit-level 处 wav 文件结构的很好参考。
So will the following code read correctly the wav file?
它将正确读取支持的 wav 文件的 wav header（准备处理 UnsupportedAudioFileException 不常见的扩展），并以原始编码形式提取音频数据（即你仍然有自己解码原始数据以获得有意义的样本）。但是请注意，由于 audio_file.length() 包括 header 大小，此代码分配的缓冲区大小超过了所需的缓冲区大小，而读取的数据缓冲区则没有（即数据缓冲区仅填充了编码样本）。
If there is a header, how can I read it, and what are their fields? (I'm confused about the different headers that I saw online)
the WAVE format specifications 中指示的 header 字段已被 AudioInputStream 读取，然后分配相关字段（例如 encoding、channels 等。 ) AudioFormat。请注意，它不是精确的 one-to-one 映射，因为 AudioFormat 是与其他音频文件类型共享的通用表示，但它通常是您真正需要关心的。这个 AudioFormat 可以用 audio_input_stream.getFormat() 访问。如果你想专门查看文件的位结构header（或者只是想折磨自己）你也可以直接使用FileInputStream
The recording of the wav file has a default Frame Size. Am I correct?
不完全是。在 wav 文件的情况下，AudioInputStream 使用的 "Frame" 对应于包含与通道数量一样多的样本的单个时间点（例如，对于单声道文件，帧将是单个样本，并且立体声文件的 2 个样本）。这种帧的大小总是从 wav header 中的各个字段（例如通道数、每个样本的字节数等）中隐含，并适用于整个流。此外，数据被打包为连续的通道交错样本块，因此无需额外分离成更大的样本块。
I have to send every frame into FFT. If I use a different frame size to send the samples to the FFT, this will retrieve wrong results, correct?
如果您将 multi-channel（例如立体声）wav 文件的所有通道发送到单个 FFT，那么您可能会得到与您的预期不符的结果。但是，一旦您分离了通道，您就可以自由选择任意长度的 FFT（并且仍然会得到合理的结果）。
If different frame sizes retrieve wrong results, how can I use bigger frames, in order to get better frequency accuracy ? (for example, lets say the original file has 1024 sample frames and I want to use a 4096 sample frame size)
因为一旦你对通道进行去交织后每个通道实际上只有一个数据块，你不能直接使用与可用数据大小相同大小的 FFT 大小的唯一情况是你的原始文件有更少的数据样本比您希望使用的 FFT 长度。但是，您仍然可以通过 zero-padding 文件样本执行更大的 FFT。
It would be good to use both on my sample wav file and in my original file the same bit depth, right?
这取决于您的具体应用要求。输入文件的位深度通常是给你的，你几乎无能为力。您通常会控制输出文件的位深度。请记住，截断样本以使用较小的位深度是一种有损操作。因此，在整个处理过程中保留尽可能多的位通常是个好主意，在最后截断。因此，例如，如果输出是较长处理链中的中间结果，您可以选择使用比输入更大的位深度来输出相同的输出。
If it's a 16 bit depth I have to use short in java. Right?
正确。
我正在尝试制作一个音乐识别系统。恐怕我可能没有像预期的那样读取 wav 样本，而且我可能应用了错误的 window 尺寸来制作 FFT 和其他。
如果你能帮助我，那就太好了。
首先，我有一些关于 Wavs 音频处理的问题。
1) Wav 有一个 header 对吧？那么下面的代码能正确读取wav文件吗？
private static byte[] getAudioBytes(String path_to_audio) throws IOException, UnsupportedAudioFileException{
File audio_file = new File(path_to_audio);
//
AudioInputStream audio_input_stream = AudioSystem
.getAudioInputStream(audio_file);
byte audio[] = new byte[(int) audio_file.length()];
audio_input_stream.read(audio);
return audio;
}
1.1) 如果有一个header，我该如何读取它，它们的字段是什么？ （我对在网上看到的不同 header 感到困惑）
2) 另外一个问题，我猜，wav文件的录音有一个默认的Frame Size。我说得对吗？
2.1) 我必须将每一帧发送到 FFT。如果我使用不同的帧大小将样本发送到 FFT，这将检索错误的结果，对吗？
2.2) 如果不同的帧大小检索到错误的结果，我怎样才能使用更大的帧，以获得更好的频率精度？ （例如，假设原始文件有 1024 个样本帧，我想使用 4096 个样本帧大小）
3) 在我的示例 wav 文件和我的原始文件中使用相同的位深度会很好，对吗？
4) 如果它是 16 位深度，我必须在 java 中使用 short 对吗？
在我的代码中，我正在读取其中包含 4096 个样本的帧，而不考虑记录帧的大小。我看到了一些歌曲识别的例子，但他们并没有解释太多细节，只是说他们使用 4096 作为帧大小。我试图搜索此类信息，但发现的信息很少，所以我在这里寻求帮助。
提前致谢
Wav has a header. Right?
是的。在 the WAVE format specifications 中可以找到关于原始 bit-level 处 wav 文件结构的很好参考。
So will the following code read correctly the wav file?
它将正确读取支持的 wav 文件的 wav header（准备处理 UnsupportedAudioFileException 不常见的扩展），并以原始编码形式提取音频数据（即你仍然有自己解码原始数据以获得有意义的样本）。但是请注意，由于 audio_file.length() 包括 header 大小，此代码分配的缓冲区大小超过了所需的缓冲区大小，而读取的数据缓冲区则没有（即数据缓冲区仅填充了编码样本）。
If there is a header, how can I read it, and what are their fields? (I'm confused about the different headers that I saw online)
the WAVE format specifications 中指示的 header 字段已被 AudioInputStream 读取，然后分配相关字段（例如 encoding、channels 等。 ) AudioFormat。请注意，它不是精确的 one-to-one 映射，因为 AudioFormat 是与其他音频文件类型共享的通用表示，但它通常是您真正需要关心的。这个 AudioFormat 可以用 audio_input_stream.getFormat() 访问。如果你想专门查看文件的位结构header（或者只是想折磨自己）你也可以直接使用FileInputStream
The recording of the wav file has a default Frame Size. Am I correct?
不完全是。在 wav 文件的情况下，AudioInputStream 使用的 "Frame" 对应于包含与通道数量一样多的样本的单个时间点（例如，对于单声道文件，帧将是单个样本，并且立体声文件的 2 个样本）。这种帧的大小总是从 wav header 中的各个字段（例如通道数、每个样本的字节数等）中隐含，并适用于整个流。此外，数据被打包为连续的通道交错样本块，因此无需额外分离成更大的样本块。
I have to send every frame into FFT. If I use a different frame size to send the samples to the FFT, this will retrieve wrong results, correct?
如果您将 multi-channel（例如立体声）wav 文件的所有通道发送到单个 FFT，那么您可能会得到与您的预期不符的结果。但是，一旦您分离了通道，您就可以自由选择任意长度的 FFT（并且仍然会得到合理的结果）。
If different frame sizes retrieve wrong results, how can I use bigger frames, in order to get better frequency accuracy ? (for example, lets say the original file has 1024 sample frames and I want to use a 4096 sample frame size)
因为一旦你对通道进行去交织后每个通道实际上只有一个数据块，你不能直接使用与可用数据大小相同大小的 FFT 大小的唯一情况是你的原始文件有更少的数据样本比您希望使用的 FFT 长度。但是，您仍然可以通过 zero-padding 文件样本执行更大的 FFT。
It would be good to use both on my sample wav file and in my original file the same bit depth, right?
这取决于您的具体应用要求。输入文件的位深度通常是给你的，你几乎无能为力。您通常会控制输出文件的位深度。请记住，截断样本以使用较小的位深度是一种有损操作。因此，在整个处理过程中保留尽可能多的位通常是个好主意，在最后截断。因此，例如，如果输出是较长处理链中的中间结果，您可以选择使用比输入更大的位深度来输出相同的输出。
If it's a 16 bit depth I have to use
shortin java. Right?
正确。