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