我是否只需采样一秒钟（音频[0]-音频[44099]，音频[44099]-音频[88199]等。）并计算这些值的均方根值？因此，例如，我会这样做：
$$ RMS = \ sqrt {\ frac {\ text {audio} [0] ^ 2 + \ text {audio} [1] ^ 2 + \ text {audio} [2] ^ 2 ..... \ text {audio} [44099] ^ 2} {44100}} $$
每秒？
#1 楼
另一件事是，RMS值与感知的响度不是很好地相关。您可能需要考虑将其称为音量或音量。有一种叫做等响度的轮廓，它可以量化耳朵对一种特定频率与另一种频率相比的敏感程度，请参阅Wikipedia文章。这些曲线取决于电平。
例如，此耳朵显示，耳朵对1kHz的声音与100Hz的声音相比非常敏感，如该图所示（横轴为频率，单位为Hz）：
您可以做的相对简单的事情之一就是用相等的响度曲线倒置来过滤PCM数据。或者，您可以应用标准的A加权，请参阅Wikipedia加权过滤器文章。然后，您可以计算等响度加权滤波器输出的RMS值。
评论
$ \ begingroup $
我尚不清楚如何从quesitoner的代码转到此。问题的示例是对音频样本的平方求和。答案是要对频率应用滤波器，因此似乎“用倒置的等响度曲线滤波PCM数据”是不够的。您首先必须具有每个频率的值，然后您才能弄清楚如何正确应用曲线？但这是一个重大的步骤。
$ \ endgroup $
– gman
19-2-25在13:14
$ \ begingroup $
@gman的想法是使用滤波器对音频进行预处理，然后使用问题中的结果（RMS计算）。我不确定100％的意思。您不确定如何进行滤波或滤波器设计吗？
$ \ endgroup $
– niaren
19年2月27日在12:44
评论
上面的表达式中有一个缺少的括号-我自己添加了它，但显然编辑至少需要6个字符...@PaulR-您可以添加<！-html注释->来解决字符限制，在极少数情况下，否则本来不错的帖子会有一个很小但非常重要的错误。这种需求很少发生：通常需要进行6个以上的改进。例如，当缺少括号时，通常最好在TeX中使用\ sqrt {}和\ frac {} {}结构。
@Kevin：感谢您的提示-以后我会使用您的HTML注释建议。
@PaulR-之前已经讨论过：限制是有意的，旨在防止不完整或毫无意义的编辑（请参阅此处的防御），但有反对者（请参阅此处的讨论）。
请注意，仅RMS并不能告诉您响度。极低或极高的声音的音量低于相同RMS值的3 kHz。 A加权滤波器将为您提供更准确的估计。 gist.github.com/148112