我正在编写一个 XNA 脚本，我想在其中每隔几帧从麦克风读取数据并估计它的音高。我几乎完全根据这个页面（http://msdn.microsoft.com/en-us/library/ff827802.aspx）接受了输入。
现在我有一个缓冲区满字节。它代表什么？我重置所有内容，每 10 帧查看一次缓冲区，所以它看起来是一个巨大的数组，在不同的时间点有 9 个 1764 字节的实例（整个东西有 15876 字节大）。我假设它是声压的时域，因为我找不到有关麦克风输入格式的任何信息。有人知道这是如何工作的吗？我有一个朋友已经启动并运行了 FFT，但我们正在尝试尽可能多地了解我正在收集的数据，然后再尝试将其插入。