Audio 8位音频采样到16位

这是我的“周末”爱好问题

我有一些深受喜爱的单周期波形，来自经典合成器的ROM

这些是8位样本（256个可能值）

因为它们只有8位，所以噪声层相当高。这是由于量化误差造成的。量化误差很奇怪。它把所有的频率都弄乱了一点

我想把这些循环，并使“干净”的16位版本。（是的，我知道人们喜欢脏版，所以我会让用户在脏版和干净版之间插入他们喜欢的内容。）

这听起来不可能，对吧，因为我已经永远失去了低8位，对吗？但这件事在我脑海里已经有一段时间了，我很确定我能做到

请记住，这些是单周期波形，只是为了回放而不断重复，所以这是一个特例。（当然，合成器会做各种各样的事情来让声音变得有趣，包括封套、调制、滤波器交叉衰落等。）

对于每个单独的字节样本，我真正知道的是它是16位版本中256个值中的一个。（想象一下相反的过程，16位值被截断或四舍五入为8位。）

我的评估函数是试图得到最小的噪声地板。我应该能够判断一个或多个FFT

详尽的测试可能会花费很长时间，所以我可以在第一次通过时采用较低的分辨率。或者我只是随机推送随机选择的值（在保持相同8位版本的已知值范围内），然后进行计算并保持更干净的版本？或者我能做些更快的事吗？当搜索空间中的其他地方可能有更好的最小值时，我是否有陷入局部最小值的危险？我在其他类似的情况下也遇到过这种情况

我是否可以通过查看相邻的值进行初步猜测

---

---

编辑：一些人指出，如果我取消新波形采样到原始波形的要求，问题会更容易解决。没错。事实上，如果我只是在寻找更清晰的声音，那么解决方案很简单。

您可以将现有的8位样本放入新16位样本的高阶字节中，然后使用低阶字节在每个原始8位样本之间创建一些新的16位数据点

这将使用几个新样本在每个原始8位样本之间连接一条16位直线。这听起来比你现在听到的要安静得多，这是两个原始样本之间突然的8位跳跃

---

你也可以尝试应用一些。

按照你问题中的方法，我建议研究爬山算法等

有更多关于它的信息，侧框有到其他可能更合适的算法的链接

---

人工智能就像炼金术——我们从未达到最终目标，但一路上涌现出了很多好东西。

好吧，我希望一些FIR滤波（IIR，如果你真的需要处理周期，但FIR可以提供更好的结果而不失稳）来清除噪声。你必须用它来获得你想要的效果，但基本的问题是平滑通过8位分辨率采样产生的音频中的锐利边缘。我会对音频的中心频率做一个大范围的调整，然后做一个低通滤波器，然后听录音，确保我选择的滤波器不会让它听起来“平坦”

虽然这很难，但你能做的只有这么多，低8位丢失了，你能做的最好的就是近似它

几乎不可能消除看起来像你的信号的噪音。如果你开始在你的频带上使用tweeking，它会去除你感兴趣的信号

对于上采样，因为您已经在使用FFT，所以可以将零添加到频域信号的末尾，然后执行逆FFT。这完全保留了原始信号的频率和相位信息，尽管它将相同的能量传播到更多样本上。如果您先将其8位转换为16位采样，这不会是一个太大的问题。但是在进行转换之前，我通常通过一个整数增益因子来提升它

皮特

编辑： 评论有点长了，所以我会转移一些到答案上来

FFT输出中的峰值是量化引起的谐波尖峰。我倾向于以不同于噪音地板的方式来看待它们。你可以像某人提到的那样抖动，消除谐波尖峰的振幅，使噪声层变平，但是你会在噪声层平坦的部分失去所有的信号到噪声。就FFT而言。使用该方法进行插值时，它会保留相同的能量并分布在更多的采样上，这会降低振幅。因此，在进行反向运算之前，通过乘以增益因子，为信号提供更多能量

信号是简单/复杂的正弦波，还是有硬边？i、 三角形，方波，等等。我假设它们从一个周期到另一个周期是连续的，这有效吗？如果是这样，您还可以通过增加馈送到FFT的波形周期数来提高FFT分辨率，以更精确地定位频率。如果您能够准确地识别所使用的频率，假设它们有些离散，那么您可能能够完全重新创建预期的信号

16位到8位通孔截断要求将产生与原始源不匹配的结果。（从而使找到最佳答案变得更加困难。）通常，您会通过尝试“获得最接近的匹配”（即舍入到最接近的数字）来生成定点波形（中继是一种地板操作）。这很可能是它们最初产生的方式。添加0.5（在本例中，0.5是128）然后中继输出将允许您生成更精确的结果。如果不担心的话，那好吧