将 PCM 字节数组转换为环绕声通道

Question

据我了解，我使用的音频字节数组（PCM 立体声 16 位）每个样本 4 个字节。我注意到，当您反转字节值（即 -128 到 128 和 128 到 -128）时，它不会将声音放入环绕声道中。听起来是一样的（前置音频）。我尝试反转每隔一个字节（每 2 个字节）而不是所有字节，并得到类似环绕声的效果，但它非常肮脏且不稳定。我到底如何操作常规 PCM 16 位立体声 WAV 文件（字节数组形式）以便将音频放置在环绕声道中？

我的代码：

public byte[] putInSurround(byte[] audio) {
        for (int i = 0; i < audio.length; i += 4) {
            int i0 = audio[i + 0];
            int i1 = audio[i + 1];
            int i2 = audio[i + 2];
            int i3 = audio[i + 3];
            if (0 > audio[i + 0]) {
                i0 = Math.abs(audio[i + 0]);
            }
            if (0 < audio[i + 0]) {
                i0 = 0 - audio[i + 0];
            }
            if (0 > audio[i + 1]) {
                i1 = Math.abs(audio[i + 1]);
            }
            if (0 < audio[i + 1]) {
                i1 = 0 - audio[i + 1];
            }
            if (0 > audio[i + 2]) {
                i2 = Math.abs(audio[i + 2]);
            }
            if (0 < audio[i + 2]) {
                i2 = 0 - audio[i + 2];
            }
            if (0 > audio[i + 3]) {
                i3 = Math.abs(audio[i + 3]);
            }
            if (0 < audio[i + 3]) {
                i3 = 0 - audio[i + 3];
            }
            audio[i + 0] = (byte) i0;
            //audio[i + 1] = (byte) i1; <-- Commented Out For Every Other Byte.
            //audio[i + 2] = (byte) i2; <-- Commented Out For Every Other Byte.
            audio[i + 3] = (byte) i3;
        }
        return audio;
    }

Answer 1

我在任何方面都不是 DSP 方面的专家，但我有一些可能会有所帮助的观察结果：

• 您以 4 字节的增量解析数组，这正确对应于单个 16 位立体声示例：2 个通道 * 16 位 = 32 位 = 4 个字节。

  现在，我可能不明白您想要做什么，但在现代环绕音频中，环绕声道通常相互独立。这意味着每个环绕音频样本需要超过 4 个字节。例如，如果您有 5 个通道，则需要 10 个字节/样本，这可能意味着您的代码中需要单独的输入和输出数组。

  有诸如杜比环绕和杜比定向逻辑，其中环绕声道被矩阵编码为两个立体声声道，但所涉及的 DSP 数学比您所拥有的复杂得多在你的代码中。更不用说需要特殊的解码器以及此类方法所隐含的质量损失。

• 反转 2 字节 样本中的每个字节是没有意义的：样本值 1000d 将变为 -744d。像这样的按位运算在 DSP 中很少使用（如果有的话）。

• 通常音频样本存储为带符号的 2 的补码二进制数。这使得按字节处理它们变得相当复杂，尤其是在没有无符号数字和指针转换的语言（例如 Java）中。您最好将字节数组转换为 short 或 int 数组 - 或者使用不同的编程语言，例如 C++。

• 反转 -128 产生 +128，它不能存储在 Java 使用的有符号字节中。

• 当“反转彼此字节”时，您存储 i + 0 和 i + 3 的逆，而不是 i + 0和 i + 2 或 i + 1 和 i + 3。

• 相互反转字节的结果虽然仍然没有任何意义，但会产生不同的效果，具体取决于您的音频表示是否为 小端或大端。 RIFF WAV 文件 使用小端字节顺序。

  反转字节 0 和 2 会更改样本的 LSB，这只会在音频剪辑的动态范围有限时增加高振幅噪声和彻底失真。

  反转字节 1 和 3 近似于以高幅度反转整个样本，并在动态范围有限的剪辑中添加大量失真。

• 反转整个样本，而不是单个字节，是近似 180 度相移。不过，我不确定你可以在哪里使用它...

如果你需要比这更多的帮助，你需要告诉我们你到底想做什么。您至少应该提及您的预期输出是什么以及您正在使用哪些 DSP 算法。