Audio 规范化音频波形代码实现（峰值、RMS） 我有一些音频数据（浮动数组），我用它来绘制一个简单的 波形 绘制时，波形不会在边缘达到最大值 没问题-数据只需要标准化。我迭代一次以找到最大值，然后再迭代一次，将每个值除以最大值。再次绘制，一切看起来都很棒 但是，如果视频中有一个响亮的介绍，或者是巨大的爆炸声，则会导致波形的其余部分仍然很小 经过一些研究，我发现RMS应该解决这个问题。我遍历样本并计算RMS，然后再将每个样本除以RMS值。这将导致相当大的“剪辑”：

• 解决这个问题的最佳方法是什么
• 直觉上，我可能需要根据一个移动窗口（而不是整个集合）计算一个局部最大值或平均值，但我不能完全确定。帮忙
• 注意：波形仅用于视觉目的（音频不会播放给用户）

您可以将其转置（有效地使y轴非线性，或者您可以将其视为一种形式）

假设信号在范围[-1,1]内

一个流行的快速简单的解决方案是简单地应用（tanh）。这将通过更大程度地惩罚更高的值，将值限制在[-1，1]。如果在应用tanh之前放大信号，效果会更明显

另一种选择是对数变换。当信号改变时，必须进行一些预处理

如果

r

是一系列样本值，那么一种方法可以是这样的：

r.log1p <- log2(1.1 * (abs(r) + 1)) * sign(r)

---

r.log1p这太棒了，工作得非常完美。关于如何为给定的数据集确定一个合适的放大“常数”有什么想法吗？我不太确定我该怎么做来确定它。一种方法可能是使用您已经获得的RMS值，或滚动RMS的最小值。假设信号已标准化，如果RMS值较高，则需要较低的预增益常数。我不知道这种功能关系到底会是什么样子，最好的办法可能是尝试一些东西。