精准网站seo诊断报告,免费网站空间哪个好,网站建设的现状与趋势论文,wordpress背景图片尺寸如果你想先看看最终效果再决定看不看文章 - bilibili示例代码下载 第二篇#xff1a;一步一步教你实现iOS音频频谱动画#xff08;二#xff09; 基于篇幅考虑#xff0c;本次教程分为两篇文章#xff0c;本篇文章主要讲述音频播放和频谱数据的获取#xff0c;下篇将… 如果你想先看看最终效果再决定看不看文章 - bilibili示例代码下载 第二篇一步一步教你实现iOS音频频谱动画二 基于篇幅考虑本次教程分为两篇文章本篇文章主要讲述音频播放和频谱数据的获取下篇将讲述数据处理和动画绘制。 前言 很久以前在电脑上听音乐的时候经常会调出播放器的一个小工具里面的柱状图会随着音乐节奏而跳动就感觉自己好专业尽管后来才知道这个是音频信号在频域下的表现。 热身知识 动手写代码之前让我们先了解几个基础概念吧 音频数字化 采样 总所周知声音是一种压力波是连续的然而在计算机中无法表示连续的数据所以只能通过间隔采样的方式进行离散化其中采集的频率称为采样率。根据奈奎斯特采样定理 当采样率大于信号最高频率的2倍时信号频率不会失真。人类能听到的声音频率范围是20hz到20khz所以CD等采用了44.1khz采样率能满足大部分需要。 量化 每次采样的信号强度也会有精度的损失如果用16位的Int(位深度)来表示它的范围是[-32768,32767]因此位深度越高可表示的范围就越大音频质量越好。 声道数 为了更好的效果声音一般采集左右双声道的信号如何编排呢一种是采用交错排列(Interleaved) LRLRLRLR 另一种采用各自排列(non-Interleaved): LLL RRR。 以上将模拟信号数字化的方法称为脉冲编码调制PCM而本文中我们就需要对这类数据进行加工处理。 傅里叶变换 现在我们的音频数据是时域的也就是说横轴是时间纵轴是信号的强度而动画展现要求的横轴是频率。将信号从时域转换成频域可以使用傅里叶变换实现信号经过傅里叶变换分解成了不同频率的正弦波这些信号的频率和振幅就是我们需要实现动画的数据。 图1 (from nti-audio) 傅里叶变换将信号从时域转换成频域 实际上计算机中处理的都是离散傅里叶变换(DFT)而快速傅里叶变换(FFT)是快速计算离散傅里叶变换DFT或其逆变换的方法它将DFT的复杂度从O(n²)降低到O(nlogn)。 如果你刚才点开前面链接看过其中介绍的FFT算法那么可能会觉得这FFT代码该怎么写不用担心苹果为此提供了Accelerate框架其中vDSP部分提供了数字信号处理的函数实现包含FFT。有了vDSP我们只需几个步骤即可实现FFT简单便捷而且性能高效。 iOS中的音频框架 现在开始让我们看一下iOS系统中的音频框架 AudioToolbox功能强大不过提供的API都是基于C语言的其大多数功能已经可以通过AVFoundation实现它利用Objective-C/Swift对于底层接口进行了封装。我们本次需求比较简单只需要播放音频文件并进行实时处理所以AVFoundation中的AVAudioEngine就能满足本次音频播放和处理的需要。 图2 (from WWDC16) iOS/MAC OS X 音频技术栈 AVAudioEngine AVAudioEngine 从iOS8加入到AVFoundation框架它提供了以前需要深入到底层AudioToolbox才实现的功能比如实时音频处理。它把音频处理的各环节抽象成AVAudioNode并通过AVAudioEngine进行管理最后将它们连接构成完整的节点图。以下就是本次教程的AVAudioEngine与其节点的连接方式。 图3 AVAudioEngine和AVAudioNode连接图 mainMixerNode和outputNode都是在被访问的时候默认由AVAudioEngine对象创建并连接的单例对象也就是说我们只需要手动创建engine和player节点并将他们连接就可以了最后在mainMixerNode的输出总线上安装分接头将定量输出的AVAudioPCMBuffer数据进行转换和FFT。 代码实现 了解了以上相关知识后我们就可以开始编写代码了。打开项目AudioSpectrum01-starter首先要实现的是音频播放功能。 如果你只是想浏览实现代码打开项目AudioSpectrum01-final即可已经完成本篇文章的所有代码 音频播放 在AudioSpectrumPlayer类中创建AVAudioEngine和AVAudioPlayerNode两个实例变量 private let engine AVAudioEngine() private let player AVAudioPlayerNode() 复制代码 接下来在init()方法中添加如下代码 //1 engine.attach(player) engine.connect(player, to: engine.mainMixerNode, format: nil) //2 engine.prepare() try! engine.start() 复制代码 //1这里将player挂载到engine上再把player与engine的mainMixerNode连接起来就完成了AVAudioEngine的整个节点图创建详见图3。//2在调用engine的strat()方法开始启动engine之前需要通过prepare()方法提前分配相关资源 继续完善play(withFileName fileName: String)和stop()方法 //1 func play(withFileName fileName: String) { guard let audioFileURL Bundle.main.url(forResource: fileName, withExtension: nil), let audioFile try? AVAudioFile(forReading: audioFileURL) else { return } player.stop() player.scheduleFile(audioFile, at: nil, completionHandler: nil) player.play() } //2 func stop() { player.stop() } 复制代码 //1首先需要确保文件名为fileName的音频文件能正常加载然后通过stop()方法停止之前的播放再调用scheduleFile(_:at:completionHandler:)方法编排新的文件最后通过play()方法开始播放。//2停止播放调用player的stop()方法即可。 音频播放功能已经完成运行项目试试点击音乐右侧的Play按钮进行音频播放吧。 音频数据获取 前面提到我们可以在mainMixerNode上安装分接头定量获取AVAudioPCMBuffer数据现在打开AudioSpectrumPlayer文件先定义一个属性: fftSize它是每次获取到的buffer的frame数量。 private var fftSize: Int 2048 复制代码 将光标定位至init()方法中的engine.connect()语句下方调用mainMixerNode的installTap方法开始安装分接头 engine.mainMixerNode.installTap(onBus: 0, bufferSize: AVAudioFrameCount(fftSize), format: nil, block: { [weak self](buffer, when) in guard let strongSelf self else { return } if !strongSelf.player.isPlaying { return } buffer.frameLength AVAudioFrameCount(strongSelf.fftSize) //这句的作用是确保每次回调中buffer的frameLength是fftSize大小详见https://stackoverflow.com/a/27343266/6192288 let amplitudes strongSelf.fft(buffer) if strongSelf.delegate ! nil { strongSelf.delegate?.player(strongSelf, didGenerateSpectrum: amplitudes) } }) 复制代码 在分接头的回调 block 中将拿到的 2048 个 frame 的 buffer 交由fft函数进行计算最后将计算的结果通过delegate进行传递。 按照 44100hz 采样率和 1 Frame 1 Packet 来计算可以参考这里关于channel、sample、frame、packet的概念与关系那么block将会在一秒中调用44100/2048≈21.5次左右另外需要注意的是block有可能不在主线程调用。 FFT实现 终于到实现FFT的时候了根据vDSP文档首先需要定义一个FFT的权重数组(fftSetup)它可以在多次FFT中重复使用和提升FFT性能: private lazy var fftSetup vDSP_create_fftsetup(vDSP_Length(Int(round(log2(Double(fftSize))))), FFTRadix(kFFTRadix2)) 复制代码 不需要时在析构函数反初始化函数中销毁 deinit {vDSP_destroy_fftsetup(fftSetup) } 复制代码 最后新建fft函数实现代码如下 private func fft(_ buffer: AVAudioPCMBuffer) - [[Float]] { var amplitudes [[Float]]() guard let floatChannelData buffer.floatChannelData else { return amplitudes } //1抽取buffer中的样本数据 var channels: UnsafePointerUnsafeMutablePointerFloat floatChannelData let channelCount Int(buffer.format.channelCount) let isInterleaved buffer.format.isInterleaved if isInterleaved { // deinterleave let interleavedData UnsafeBufferPointer(start: floatChannelData[0], count: self.fftSize * channelCount) var channelsTemp : [UnsafeMutablePointerFloat] [] for i in 0..channelCount { var channelData stride(from: i, to: interleavedData.count, by: channelCount).map{ interleavedData[$0]} channelsTemp.append(UnsafeMutablePointer(channelData)) } channels UnsafePointer(channelsTemp) } for i in 0..channelCount { let channel channels[i] //2: 加汉宁窗 var window [Float](repeating: 0, count: Int(fftSize)) vDSP_hann_window(window, vDSP_Length(fftSize), Int32(vDSP_HANN_NORM)) vDSP_vmul(channel, 1, window, 1, channel, 1, vDSP_Length(fftSize)) //3: 将实数包装成FFT要求的复数fftInOut既是输入也是输出 var realp [Float](repeating: 0.0, count: Int(fftSize / 2)) var imagp [Float](repeating: 0.0, count: Int(fftSize / 2)) var fftInOut DSPSplitComplex(realp: realp, imagp: imagp) channel.withMemoryRebound(to: DSPComplex.self, capacity: fftSize) { (typeConvertedTransferBuffer) - Void in vDSP_ctoz(typeConvertedTransferBuffer, 2, fftInOut, 1, vDSP_Length(fftSize / 2)) } //4执行FFT vDSP_fft_zrip(fftSetup!, fftInOut, 1, vDSP_Length(round(log2(Double(fftSize)))), FFTDirection(FFT_FORWARD)); //5调整FFT结果计算振幅 fftInOut.imagp[0] 0 let fftNormFactor Float(1.0 / (Float(fftSize))) vDSP_vsmul(fftInOut.realp, 1, [fftNormFactor], fftInOut.realp, 1, vDSP_Length(fftSize / 2)); vDSP_vsmul(fftInOut.imagp, 1, [fftNormFactor], fftInOut.imagp, 1, vDSP_Length(fftSize / 2)); var channelAmplitudes [Float](repeating: 0.0, count: Int(fftSize / 2)) vDSP_zvabs(fftInOut, 1, channelAmplitudes, 1, vDSP_Length(fftSize / 2)); channelAmplitudes[0] channelAmplitudes[0] / 2 //直流分量的振幅需要再除以2 amplitudes.append(channelAmplitudes) } return amplitudes } 复制代码 通过代码中的注释应该能了解如何从buffer获取音频样本数据并进行FFT计算了不过以下两点是我在完成这一部分内容过程中比较难理解的部分 通过buffer对象的方法floatChannelData获取样本数据如果是多声道并且是interleaved我们就需要对它进行deinterleave, 通过下图就能比较清楚的知道deinterleave前后的结构不过在我试验了许多音频文件之后发现都是non-interleaved的也就是无需进行转换。┑(Д )┍ 图4 interleaved的样本数据需要进行deinterleavevDSP在进行实数FFT计算时利用一种独特的数据格式化方式以达到节省内存的目的它在FFT计算的前后通过两次转换将FFT的输入和输出的数据结构进行统一成DSPSplitComplex。第一次转换是通过vDSP_ctoz函数将样本数据的实数数组转换成DSPSplitComplex。第二次则是将FFT结果转换成DSPSplitComplex这个转换的过程是在FFT计算函数vDSP_fft_zrip中自动完成的。 第二次转换过程如下n位样本数据n/2位复数进行fft计算会得到n/21位复数结果{[DC,0],C[2],...,C[n/2],[NY,0]} (其中DC是直流分量NY是奈奎斯特频率的值,C是复数数组)其中[DC,0]和[NY,0]的虚部都是0所以可以将NY放到DC中的虚部中其结果变成{[DC,NY],C[2],C[3],...,C[n/2]}与输入位数一致。 图5 第一次转换时vDSP_ctoz函数将实数数组转换成DSPSplitComplex结构 再次运行项目现在除了听到音乐之外还可以在控制台中看到打印输出的频谱数据。 图6 将结果通过Google Sheets绘制出来的频谱图 好了本篇文章内容到这里就结束了下一篇文章将对计算好的频谱数据进行处理和动画绘制。 资料参考 [1] wikipedia脉冲编码调制 zh.wikipedia.org/wiki/%E8%84… [2] Mike Ash音频数据获取与解析, www.mikeash.com/pyblog/frid… [3] 韩 昊, 傅里叶分析之掐死教程, blog.jobbole.com/70549/ [4] raywenderlich, AVAudioEngine编程入门www.raywenderlich.com/5154-avaudi… [5] Apple, vDSP编程指南, developer.apple.com/library/arc… [6] Apple, aurioTouch案例代码developer.apple.com/library/arc… 作者potato04链接https://juejin.im/post/5c1bbec66fb9a049cb18b64c来源掘金著作权归作者所有。商业转载请联系作者获得授权非商业转载请注明出处。 转载于:https://www.cnblogs.com/Free-Thinker/p/10880118.html