sphinx4的Microphone

public class Microphoneextends 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 AudioFormatfinalFormat;private AudioInputStreamaudioStream;private TargetDataLineaudioLine;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;privatevolatile booleanrecording; privatevolatile booleanutteranceEndReached = true;private RecordingThreadrecorder;

以下为Configuration data，配置属性：

private AudioFormatdesiredFormat;privateboolean closeBetweenUtterances;privateboolean keepDataReference;privateboolean signed;private booleanbigEndian;privateint frameSizeInBytes;privateint msecPerRead;

private int selectedChannel;private StringselectedMixerIndex;private StringstereoToMono;privateint sampleRate;privateint 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，  booleanisRecording()：microphone正在记录返回为真，否则为false。

9，  synchronizedboolean 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 RecordingThreadextends 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：booleandone; volatile boolean started;   longtotalSamplesRead;，longtotalSamplesRead;

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，privatedouble[]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，publicboolean 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。

 

 

转自:http://blog.csdn.net/taiyb/article/details/39588281