进步

我是一名产品开发人员，对 DSP 的内部工作非常了解。我已经捕获了一个音频信号 - 一次 1024 个样本。我想知道的是波的幅度，以 dB 和 dBA 为单位。

D b

对于 dB，我创建了一个 10 深的循环缓冲区，每 100 毫秒记录一次数据，并平均过去 10 次读数的最大读数。因此，我的输出看起来不那么跳跃，并且更具人类可读性。为了获得幅度，我只需记录信号的最大值和最小值并取其差。

Q1：这是从样本中获取 dB 幅度的正确方法（或有效方法）吗？另一种方法是计算出运行平均值，然后进行平均 RMS 以获取信号中的能量。但我不认为这真的对应于最大音频声级？

分贝

对于 dBA，我使用平顶窗口对 512 个捕获的样本进行了窗口化，并对数据进行了 FFT。到目前为止一切看起来都很好。（我的资源有限，只能将 512 个样本放入我的 FFT）。

以 44.1 kHz 采样标准音频，有 512 个样本，我最终得到 256 个 86 Hz、172 Hz 等的可用频率区间……最高 22 kHz。到目前为止，任何更正，请跳入。

Q2：我如何解释这个 bin？代表从 0 Hz 到 80 Hz 的频带？还是 80 赫兹？由于下一步是将 A 加权应用于频率测量，因此我需要知道要使用的频率。

A 加权：我根据 bin 的值在代码中生成了一个 A 加权表。在这种情况下，86、172 的 256 个值 ... 最高 22 kHz。显然，重点是增加权重以补偿人类的频率响应——将 PSL 转换为 phons。

令我困惑的是，我看到一些公式表明，dBA 测量是通过从合适的低频（即 33.25 Hz）开始对每个八度音阶仅进行一次测量来完成的。然后，您创建一个包含 10 个条目的表，最高频率为 16 kHz，并将 A-Weighting 应用于这些条目。你基本上做一个反对数，平均，对数 10 个值，鲍勃是你的叔叔。

Q3：我有 256 个 bin，我想充分利用它们以提高准确性。上述方法表明，每个整个八度音程都包含等量的能量用于平均过程。在此基础上，如果我要对所有 256 个 bin 进行平均，结果将被严重（并且错误地）加权到我的采样集中的最高八度音阶，因为它包含一半的 bin！哪种方法是正确的？尽管我们喜欢以对数尺度查看频率，但能量不是线性分布在频域中是否有某种神奇的原因。

接受的答案和其他详细信息

我接受了@ZR Han 的回答，因为它简洁地提供了解决所述问题所需的信息，巧妙地回避了我最初在问题中做出的错误假设中的误导。

使用提供的公式，时域方法可以完美运行，以 dB 为单位得出答案。我想补充一点，二阶 IIR 级联 3 次，系数取自 jenshee.dk/signalprocessing/aweighting.pdf 也可以完美运行。我已经使用不同频率的信号发生器（我知道的老派）对此进行了测试，并且该比率在 1 kHz 时恰好为 1，正如 A 加权所预期的那样。问题解决了。