---

33.5 音频数据处理¶

Octave 提供了一些用于处理音频数据的函数。音频"采样"是 A/D 转换器的单个输出值，即一个较小的整数（通常为 8 位或 16 位），而音频数据就是一系列这样的采样。它可以通过三个参数来表征：采样率（以每秒采样数或 Hz 为单位，例如 8000 或 44100）、每个采样的位数（例如 8 或 16）以及通道数（1 表示单声道，2 表示立体声，以此类推）。

表示此类数据的格式有很多种。目前，Octave 仅支持最流行的两种格式：线性编码和 μ律编码。Guido van Rossum 有一份关于音频格式的精彩 FAQ（常见问题解答），邮箱为 [email protected]，可在任何 FAQ FTP 站点找到，特别是在归档站点 rtfm.mit.edu 的 /pub/usenet/news.answers/audio-fmts 目录中。

Octave 简单地将音频数据视为采样的向量（目前尚不支持非单声道数据）。假设使用线性编码的音频文件具有 lin 或 raw 扩展名，而保存 μ 律编码数据的文件以 au、mu 或 snd 结尾。

 

y = lin2mu (x) ¶

y = lin2mu (x, n) ¶

将音频数据从线性编码转换为 μ 律编码。

如果 n 为 0（默认值），线性值使用范围为 -1 ≤ x ≤ 1 的浮点数值；如果 n 为 8 或 16，则使用 n 位有符号整数。μ 律值为 8 位无符号整数，范围为 0 ≤ y ≤ 255。

另请参阅： mu2lin。

 

y = mu2lin (x) ¶

y = mu2lin (x, n) ¶

将音频数据从 μ 律编码转换为线性编码。

μ 律值为 8 位无符号整数，范围为 0 ≤ y ≤ 255。当 n 为 0（默认值）时，线性值使用范围为 -linmax ≤ x ≤ linmax 的浮点数值，其中 linmax = 32124/32768 =~ 0.98。如果 n 为 8 或 16，则使用 n 位有符号整数。

编程说明：mu2lin 将最大 μ 律输入映射到略低于线性标度所能表示的最大值（[-0.98, +0.98]）的值。因此，mu2lin (lin2mu (x)) 可能无法还原原始输入。

另请参阅： lin2mu。

 

data = record (sec) ¶

data = record (sec, fs) ¶

从系统的默认音频输入录制 sec 秒的音频，采样率为每秒 8000 个采样。

如果给出了可选参数 fs，则指定录制的采样率。

要对音频录制进行更多控制，请使用 audiorecorder 类。

另请参阅： @audiorecorder/audiorecorder、sound、soundsc。

 

sound (y) ¶

sound (y, fs) ¶

sound (y, fs, nbits) ¶

以采样率 fs 将音频数据 y 播放到默认音频设备。

音频信号 y 可以是一个向量（表示单声道）或一个两列数组（表示立体声）。

如果未指定 fs，则使用默认采样率每秒 8000 个采样。

可选参数 nbits 指定播放到音频设备的位深度，默认为 8 位。

要对音频播放进行更多控制，请使用 audioplayer 类。

另请参阅： soundsc、@audioplayer/audioplayer、record。

 

soundsc (y) ¶

soundsc (y, fs) ¶

soundsc (y, fs, nbits) ¶

soundsc (…, [ymin, ymax]) ¶

缩放音频数据 y，并以采样率 fs 将其播放到默认音频设备。

音频信号 y 可以是一个向量（表示单声道）或一个两列数组（表示立体声）。

如果未指定 fs，则使用默认采样率每秒 8000 个采样。

可选参数 nbits 指定播放到音频设备的位深度，默认为 8 位。

默认情况下，y 会自动归一化到范围 [-1, 1]。如果给定了范围 [ymin, ymax]，则 y 中落在 ymin ≤ y ≤ ymax 范围内的元素将被缩放到范围 [-1, 1]。

要对音频播放进行更多控制，请使用 audioplayer 类。

另请参阅： sound、@audioplayer/audioplayer、record。