sphinx4的Microphone

public class Microphone extends BaseDataProcessor

本类的作用是，捕捉原始的语音信号，并对语音信号进行数字化处理，以便转换成数字信号。是front-end的第一输入可选输入信号处理单元之一。会把所有得到的数据放入列队缓存中。数据是以在前面为开始信号中间为doubledata数据后为结束信号的形式存储的。即此形式为一基本单元，可有多个单元。本类其实对数据进行了分块，这是通过依次读取多少秒的数据来完成的。

注释翻译：本类从系统的音频输入系统中捕捉音频数据。把这些音频数据转换成Data类对象。通过调用startRecording方法，一个新的线程被创建用来捕捉音频数据。调用stopRecording方法，将会停止捕捉音频数据。调用getData方法，将会以Date对象的形式返回捕捉的音频数据。Microphone会尽量获得在配置中设置的格式的音频设备，但是如果此格式的音频设备不能被获得，那么它会获得一个采样率更高的音频设备，此设备的其它格式参数（通道，字节顺序，sample size, sign）会保持一样。如果在不能获得此设备的话，Microphone会标记一个错误，并且startRecording返回为false。

本类的属性：

1， 用来通过annotation获得默认设置的字符串属性：

@S4Integer(defaultValue = 16000)

public static final String PROP_SAMPLE_RATE = "sampleRate";采样速率默认为16000。即每毫秒16个采样点。

@S4Boolean(defaultValue = true)

 public final static String PROP_CLOSE_BETWEEN_UTTERANCES = "closeBetweenUtterances";用来确定在两utterances之间，Microphone是否会释放音频设备。在linux系统中由于关闭和重新启动音频不能能够很好的工作，因此其默认值为false，其它系统一般为true。

@S4Integer(defaultValue = 10)

public final static String PROP_MSEC_PER_READ = "msecPerRead";用来确定每次从Java Sound audio device读取多少毫秒的音频数据。默认为10毫秒

@S4Integer(defaultValue = 16)

public static final String PROP_BITS_PER_SAMPLE = "bitsPerSample";用来确定每个采样点用多少位来表示。默认为16位。

@S4Integer(defaultValue = 1)

public static final String PROP_CHANNELS = "channels";用来确定多少个通道，默认为一个。

@S4Boolean(defaultValue = true)

public static final String PROP_BIG_ENDIAN = "bigEndian";用来确定系统的的字节顺序。默认为大字节顺序。

@S4Boolean(defaultValue = true)

public static final String PROP_SIGNED = "signed";用来确定采样量化后得到的是有符号数，还是无符号数。默认为每个采样点用有符号数表示。

@S4Boolean(defaultValue = false)

public final static StringPROP_KEEP_LAST_AUDIO = "keepLastAudio";用来确定是否保存（持）一个utterance的音频数据直到下一utterance被记录为止。

@S4String(defaultValue = "average", range = {"average","selectChannel"})

public final static String PROP_STEREO_TO_MONO = "stereoToMono";用来确定怎样从立体声（通道）转到单声道（通道）。可能的值为“average”，即对来自每个通道的采样的平均值，若为“selectChannel”即仅从你选择的那个通道选取音频，这需确定selectChannel属性来确定你选择的通道。

 

S4Integer(defaultValue = 0)

public final static String PROP_SELECT_CHANNEL = "selectChannel";即选择通道，如果音频为立体声你需确定要使用的通道。默认为0值。

@S4String(defaultValue = "default")

public final static String PROP_SELECT_MIXER = "selectMixer";用来确定混频器。可以为default即让AudioSystem（音频系统）决定。为“last”即选择AudioSystem支持的最后的那个混频器。

@S4Integer(defaultValue = 6400)

public final static String PROP_BUFFER_SIZE = "bufferSize";用来确定用于存储记录的音频采样数据的缓存的长度。默认为200ms。如果解码线程对结果（result）能够很快的处理，则小的值能够减少帧的丢失。为字节的大小，默认为6400个字节，

2，  其余属性：

private AudioFormat finalFormat;private AudioInputStream audioStream;private TargetDataLine audioLine;privateBlockingQueue<Data> audioList（列队用于存储本类所捕捉的所有音频数据包括信号和非信号数据）; private Utterance currentUtterance;private boolean doConversion;private volatile boolean recording; private volatile boolean utteranceEndReached = true;private RecordingThread recorder;

以下为Configuration data，配置属性：

private AudioFormat desiredFormat;private boolean closeBetweenUtterances;private boolean keepDataReference;private boolean signed; private boolean bigEndian;private int frameSizeInBytes;private int msecPerRead;

private int selectedChannel;private String selectedMixerIndex;private String stereoToMono;private int sampleRate;private int audioBufferSize;

本类的构造方法：

public Microphone()：空的构造方法什么也不做。

public Microphone(int sampleRate, int bitsPerSample, int channels,

boolean bigEndian, boolean signed, boolean closeBetweenUtterances, int msecPerRead, boolean keepLastAudio,StringstereoToMono, int selectedChannel, String selectedMixerIndex, int audioBufferSize) ：非空构造方法，对类及其的属性进行了必要的初始化。

本类的方法：

1， voidnewProperties(PropertySheet ps)：当需要对属性重新（设置）配置时调用。

2，  void initialize()：进行java声音采集的相关准备工作的处理。如：AudioFormat，DataLine.Info，audioList = newLinkedBlockingQueue<Data>()（用来存储Data数据），AudioSystem。

3，  Mixer getSelectedMixer():从系统获得想要的混频器（即设定的）。

4， TargetDataLine getAudioLine()：从系统或的想要TargetDataLine，并为其设置监听。

5，  boolean open()：本方法设置了目标线路的格式，缓存大小（默认为6400字节即200ms），得到了目标线路的音频输入流，得到了每次读取多少秒（默认为10ms）的音频数据，得到了帧的大小以字节为单位，默认为320个字节。

6，  AudioFormat getAudioFormat()：获得最终的microphone记录的音频格式，可能与在配置的格式不相同（即采样率可能变大）。

7，  Utterance getUtterance()：或当前的Utterance。什么是Utterance？

8，  boolean isRecording()：microphone正在记录返回为真，否则为false。

9，  synchronized boolean startRecording()：本方法起作用需：目标线路是开启的，

microphone没有在记录语音。utteranceEndReached设置为false，新建了一个用来记录语音的recorder线程，并调用了线程的start方法开始记录输入语音。并设置标志recording为true。本方法是线程安全的。

10，synchronized void stopRecording()：通过调用recorder的stopRecording来停止记录音频，然后把recorder设置为null，recording标志设置了false  。

11，class RecordingThread extends Thread  ：定义了一个内部线程类，此类用来记录音频   。此类有四个属性为：boolean done; volatile boolean started;   long totalSamplesRead;，long totalSamplesRead;

此类的构造方法：           

RecordingThread(String name)    ：给本新线程类命名，为name。

此类的方法：

 void start();本方法设置started标志位false。然后调用了Thread的start方法，在调用了waitForStart的方法。将会真正的启动一个线程。即会运行run方法。

 void stopRecording();停止线程，本方法停止记录，并且当所有的数据在音频线路中都被读取本方法才会返回。本方法首先调用audioLine.stop();，后lock.wait();会一直等待直到线程锁lock的被通知才会返回。

  public void run()；本法会记录输入的自然语音音频，并放入缓存中。开始总的赌气的采样数为0，根据是否保存一个utterance的音频数据，直到下一个utterance的被记录为止，如果要的话，会创建一个当前的utterance对象。在线路start（）开始前，往microphone的缓存列队中audioList存入来一个DataStartSignal的信号。在线路的start()开始后，会连续的从线路中读取数据，以DoubleData对象的形式存入microphone的缓存列队之中，直到从线路中没有可读取的音频数据为止。读取完后，会往microphone的缓存列队中存入一个DataEndSignal信号。也会调用了线路的flush（），方法把线路刷新缓存的中的内容，其内容全部丢弃。如果closeBetweenUtterances为真，则会显示关闭线路输出流和线路。

private synchronized void waitForStart()：如started为假（即还没有从线路输出流中读取数据），则waitForStart方法会一直等待，直到其为真。

                                                                                                                      

12, void clear():清除microphone缓存列队中的所有音频数据即audioList.clear()。

13，Data getData()：本方法会打印获得Data的所需时间，本方法获得的Data为一个utterance。本方法从列队中读取其头部，如果列队为空的话会一直等待下去直到有可用的为止，并且如果utteranceEndReached为假，它会一直从列队中读取一个Data，放入output中，最后读取的data为DataEndSignal，放入Date中。本方法会打印出获得最后data所需的时间。

14，private DatareadData(Utterance utterance)：从utterance中读取数据。如keepDataReference为真，会把10ms采样音频数据放入一个utterance中。不管怎样，本方法会一次把一帧的采样数据放入一个DoubleData中，即一个DoubleData会存储了一般为10ms的采样后的语音信号，即为一帧短时平稳的语音信号。实际的存储的数量可以小于一帧的数量，但是其必须能过被一帧的数量所整除。在本法中会设置started为true，如果需要会进行音频数据会进行适当的格式变换，如： 在(bigEndian)情况下，在通道数大于1的情况下，在。。。。。 

15，private double[]convertStereoToMono(double[] samples, int channels)：本方法，本方法把立体声转换为单声道声。要确保samples的长度是channels的整数倍n。当stereoToMono.equals("average")：返回的数据的长度了n，即为samples于channes的整除数，当average时，返回数组中的第一个数位为在sample中第一个channel个长度的值的和来除以channels，返回数组的第二个数以此类推即可的，直到第n个为止。对于stereoToMono.equals("selectChannel")；当selectChannel时，找到samples第一个n中的所选的Channel。把此所选的Channel的对应值，放入输出数组中的第一个数的位置，把selectChannel中的所选的第个Channel的位置加n后，把对应的值放入输出的第二个数的位置。以此类推直到n为止。

16，public boolean hasMoreData()：返回为!(utteranceEndReached && audioList.isEmpty());。达到一个utterance没有结束，并且microphone的缓存列表中有数据则返回为true。