简介

Waveform Audio File Format（WAVE，又或者是因为扩展名而被大众所知的 wav），是微软与 IBM公司所开发在个人电脑存储音频流的编码格式。
由于项目需要从 wav 文件中读取音频数据，现有许多框架的 API 文档参差不齐，学习成本过高且复用性不高，所以我们准备抛弃已有的API，利用java基础io包构建自己的API。

wav文件格式

为了利用java 原生 io包中的字节流读取文件数据实现睡眠音频的操作，最终在 IOS 平台复现的目的，我们首先要了解 wav 文件内容格式，充分理解wav文件管理音频的原理。
wav文件遵守资源交换文件格式之规则，在文件的前 44(或 46)字节放置头部(header)，使播放器或编辑器能够简单掌握文件的基本信息，其内容以区块(chunk)为最小单位，每一区块长度为 4 字节，而区块之上则由子区块包裹，每一子区块长度不拘，但须在前头先宣告标签及长度(字节)。头部的前 3 个区块记录文件格式及长度；接着第一个子区块包含 8 个区块，记录声道数量、采样率等信息；接着第二个子区块才是真正的音频资料，长度则视音频长度而定。内容如下图所示。

须注意的是，每个区块的端序不尽相同，而音频内容本身则是采用小端序。

wav文件的读取(java)

目前已经实现数据的读取，可以获取音频中的采样点信息，以及音频文件的相关描述信息。结果示例如下所示：

下一步工作

规范代码格式，并尝试阅读重采样原理，使用java源码实现重采样。

睡眠音频分割及识别问题(十)--Java读取wav文件相关推荐

睡眠音频分割及识别问题(十二)--基于IOS的YAMNet音频识别（总结）
1 结构体此部分定义了两个结构体用于存储音频信息: AudioFragment:用于存储单个音频片段(0.975s, 16000Hz)的标签评分信息: AudioInfo:用于存储整个音频信息,包含 ...
睡眠音频分割及识别问题(六)--输入输出及方案讨论
简介 2021年7月13日,我和我的三个研究生一起拜访了玉米树,和王总等一起针对睡眠音频分割及识别问题进行了深入的讨论,达成了如下共识. 输入由于保存整个晚上的睡眠音频所需要的存储空间过大,目前拟采 ...
睡眠音频分割及识别问题(十一)--基于Android的YAMNet音频识别（总结）
WAV文件格式介绍 WAV文件遵守资源交换文件格式之规则,在文件的前44(或46)字节放置标头(header),使播放器或编辑器能够简单掌握文件的基本信息,其内容以区块(chunk)为最小单位,每一区 ...
睡眠音频分割及识别问题(一)
问题描述通过手机App的录音功能,获得用户一整夜的睡眠音频,对睡眠音频进行分割,并对睡眠阶段进行判定. (1)假设条件一:用户在相对安静的环境下进行睡眠,背景音可能会出现风声.雨声.汽车噪音.空调声 ...
睡眠音频分割及识别问题(八)--数据采集
问题在采用PANN或者YAMNet框架进行学习的时候,没有梦话.磨牙等睡眠音频数据,在一些公开数据集上也没有找到(如果有哪位读者知道,麻烦给我在评论区留言,万分感谢). 公开数据集包括: (1)ht ...
睡眠音频分割及识别问题(七)--接口输入输出讨论
简介关于接口输入输出的讨论. 输入 1.音频文件路径,类型为:字符串: 2.预测多标签类型的排名,前n名,类型为:整型. 处理 1.将输入的音频分割为多个以1s为时间单位的音频片段: 2.利用PAN ...
睡眠音频分割及识别问题(二)
输入通过手机麦克风录制的任意长度睡眠声音. 输出睡眠阶段曲线,该曲线可以反映出深度睡眠,浅度睡眠.REM睡眠.清醒各个阶段. 研究的核心问题 1.录制策略 (1)每隔10分钟录制一段睡眠音: 2. ...
睡眠音频分割及识别问题(九)--Android下的YAMNet
部署PANNs模型面临的问题加载模型出错在使用PANNs模型时,在PC端可以较好的运行,可是在Android端运行的时候,编译过程提示缺少libpytorch_jni.so文件,导致无法加载模型, ...
睡眠音频分割及识别问题(四)--YAMNet简介
简介 YAMNet模型是在 AudioSet 数据集(一个大型音频.视频数据集)上训练的音频事件分类器. 模型输入该模型接收包含任意长度波形的float32一维张量或 NumPy数组,且满足范围[- ...

睡眠音频分割及识别问题(十)--Java读取wav文件

简介

wav文件格式

wav文件的读取(java)

下一步工作

睡眠音频分割及识别问题(十)--Java读取wav文件相关推荐

最新文章

热门文章