书接上回
既然有目标了 我们就开始写测试代码吧~~
1)使用超声波17500, 17700, 17900, 18100, 18300, 18500, 18700 分别表示0-6(为什么是0-6呢 嘿嘿 本人比较懒,SinVoice使用了6段频率,我也懒得修改代码了,就使用了同样的六段频率)其中0表示开始 6表示结束。真正的数据段就只有个1-5
2)修改SinVoice的正弦波生成类生成类
short out = (short) ((Math.sin(dl) *Math.sin(d))*mBits) ;
这一段就是我们使用的调制算法
下面是我的修改结果 没有什么变化吧
public void gen(int genRate, int duration) { if (STATE_START == mState) { mGenRate = genRate; mDuration = duration; if (null != mListener) { mListener.onStartGen(); } int n = mBits/2; //int totalCount = (mDuration * mSampleRate) / 1000; double perl = ( 2 * Math.PI * (double)50 / (double) mSampleRate) ; double per = ( 2 * Math.PI * (double)mGenRate / (double) mSampleRate) ; double dl = 0; double d =0; LogHelper.d(TAG, "genRate:" + genRate); if (null != mCallback) { mFilledSize = 0; BufferData buffer = mCallback.getGenBuffer(); if (null != buffer) { for (int i = 0; i < 440; ++i) {//每个数据用440个采样表示,也就是大约10ms if (STATE_START == mState) { short out = (short) ((Math.sin(dl) *Math.sin(d))*mBits) ; if (mFilledSize >= mBufferSize - 1) { // free buffer buffer.setFilledSize(mFilledSize); mCallback.freeGenBuffer(buffer); mFilledSize = 0; buffer = mCallback.getGenBuffer(); if (null == buffer) { LogHelper.d(TAG, "get null buffer"); break; } } buffer.mData[mFilledSize++] = (byte) (out & 0xff); if (BITS_16 == mBits) { buffer.mData[mFilledSize++] = (byte) ((out >> 8) & 0xff); } dl += perl; d +=per; } else { LogHelper.d(TAG, "sin gen force stop"); break; } } } else { LogHelper.d(TAG, "get null buffer"); } if (null != buffer) { buffer.setFilledSize(mFilledSize); mCallback.freeGenBuffer(buffer); } mFilledSize = 0; if (null != mListener) { mListener.onStopGen(); } } } }
这张图就是最后的录音结果。
后面准写识别程序。
我在识别程序中使用了https://code.google.com/p/tspl/中的快速傅里叶处理库。C++的 很容易移植到iOS 中。。。
处理流程
1)循环使用44个采样 进行傅里叶编码,来判断是否有超声波存在。
2)检查到超声波存在后 就开始使用440个采样来判断数据。
3)超声波消失后,就转到1)。继续检查超声波。
运行结果
支付宝中当面付的通过音频传输数据的研究-实现部分(2)
时间: 2024-11-09 04:41:57