我使用 kinect 提取音频并对其特征进行分类，但我有一个问题。在http://msdn.microsoft.com/en-us/library/hh855698.aspx上，它说 audio.start 方法打开音频数据流（16 位 PCM 格式，以 16 kHz 采样）并开始捕获流式传输的音频数据出一个传感器。问题是我不知道 pcm 数据是如何表示的，也不知道该方法是否返回 pcm 真值。因为使用 sdk 示例，我得到了 200、56、17 之类的值，我认为音频值更像 -3*10^-5 。那么有谁知道我如何获得真正的 PCM 值？还是我做错了什么？
谢谢
我不会期望任何特定的值。16 位 PCM 表示它是一系列 16 位整数，因此 -3*10 -5 (-0.00003) 无法表示。
我猜它是用 16 位有符号整数（如 WAV 文件）编码的，范围为 -32768 到 32767。如果你非常安静，值可能会接近 0。如果你发出很多噪音你也会看到一些更高的值。
查看这张图（来自维基百科关于 PCM 的文章），它显示了使用 4 位无符号整数编码为 PCM 的正弦波，其范围为 0 到 15。
看看那个 4 位正弦波是如何在 7 附近振荡的？这就是均衡。如果它是一个有符号的 4 位整数（范围为 -8 到 7），它将具有相同的形状，但其平衡将为 0 - 值将移动 -8，因此它将在 0 附近振荡。
您可以测量从平衡点到正弦波最高点或最低点的距离，以获得它的幅值，或者更广泛地说，它的体积（这就是为什么如果你很安静，你会在有符号的 16 位中看到接近 0 的值的原因数据）。这可能是您可以做的最简单的特征检测。你可以在网上找到很多关于这个的很好的解释，例如http://scienceaid.co.uk/physics/waves/sound.html。
如果不确定，您可以将其保存到文件中并使用Audacity之类的内容进行播放。摆弄输入设置，您很快就会弄清楚格式。
