Audio 信号处理与音频节拍检测

我正试图通过遵循中的指南，对基本的节拍检测（在C和/或Java中）进行一些工作。我理解算法实现背后的逻辑，但我对如何获得歌曲左右声道（即mp3或wav）的“声幅”数据感到困惑

例如，他从以下假设开始：

在该模型中，我们将通过计算信号的平均声能并将其与瞬时声能进行比较来检测声能变化。假设我们在立体声模式下工作，有两个值列表：（an）和（bn）。（an）包含左声道每Te秒捕获的声幅值列表，（bn）右声道每Te秒捕获的声幅值列表

---

然后，他继续使用以下算法操作

an

和

bn

。我想知道人们将如何进行必要的信号处理，以便每

Te

秒为两个频道获取

an

和

bn

，这样我就可以开始按照他的指导，在歌曲中进行一些简单的节拍检测。

一个未压缩的音频文件（例如.wav或.aiff）在很大程度上是一长串样本。每个样本由给定时间点的振幅组成。录制音乐时，每秒都会采集许多振幅样本。 对于立体声（2通道）音频文件，阵列中的采样通常交替通道：[左采样1，右采样1，左采样2，右采样2，等等]

大多数音频解析库已经有一种方法可以分别返回每个通道的样本

---

一旦为每个通道设置了采样阵列，只要知道采样率或每秒采样数，就很容易找到特定秒的采样。例如，如果文件的采样率为每秒44100个样本，并且您希望在第n秒捕获样本，则可以使用向量中介于（n*44100）和（（n+1）*44100）之间的部分。

未压缩的音频文件（例如.wav或.aiff）在很大程度上是一个长样本数组。每个样本由给定时间点的振幅组成。录制音乐时，每秒都会采集许多振幅样本。 对于立体声（2通道）音频文件，阵列中的采样通常交替通道：[左采样1，右采样1，左采样2，右采样2，等等]

大多数音频解析库已经有一种方法可以分别返回每个通道的样本

一旦为每个通道设置了采样阵列，只要知道采样率或每秒采样数，就很容易找到特定秒的采样。例如，如果文件的采样率为每秒44100个样本，并且您希望在第n秒捕获样本，则将使用向量中介于（n*44100）和（（n+1）*44100）之间的部分