Kotlin音频文件降噪功能异常：输出音频仍含噪声或损坏

你的代码存在几个核心问题，直接导致输出音频损坏或降噪无效：

1. 字节序处理错误 #

你用Short.reverseBytes反转了每个音频样本的字节，但标准WAV文件的PCM数据是小端字节序，Android中ByteBuffer默认是大端序，正确做法是直接设置ByteBuffer为小端序，而非反转字节：

val sbuf = ByteBuffer.wrap(readFileAsByteArray(File(inputFilePath)))
    .order(ByteOrder.LITTLE_ENDIAN) // 匹配WAV的小端格式
    .asShortBuffer()
val audioShorts = ShortArray(sbuf.capacity())
sbuf.get(audioShorts)

反转字节会直接打乱原始音频样本值，导致音频损坏。

2. 降噪逻辑完全缺失 #

你的代码只计算了音频块的RMS（均方根）和分贝值，但从未对原始音频样本做任何降噪处理，甚至打算把分贝值写入文件——分贝是音量的对数表示，不是PCM音频数据，写入后必然是损坏的音频。

3. 样本处理逻辑混乱 #

• 归一化时用/0x8000是正确的（Short范围是-32768_{32767，这样能把样本映射到-1.0}1.0），但后续计算分贝的代码属于无用逻辑，和降噪无关。
• 你需要基于RMS判断噪声底噪，再对原始样本进行针对性处理，比如门限降噪：当样本音量低于底噪门限时，对其进行衰减或静音。

修正后的降噪代码示例（门限降噪实现） #

以下是可运行的门限降噪代码，核心是先识别噪声底噪，再对低于门限的样本进行衰减：

import java.io.File
import java.nio.ByteBuffer
import java.nio.ByteOrder
import kotlin.math.sqrt

private fun noiseRemoval(inputFilePath: String, outputFilePath: String) {
    // 1. 正确读取WAV PCM数据（小端序）
    val rawBytes = readFileAsByteArray(File(inputFilePath))
    val sbuf = ByteBuffer.wrap(rawBytes)
        .order(ByteOrder.LITTLE_ENDIAN)
        .asShortBuffer()
    val audioShorts = ShortArray(sbuf.capacity())
    sbuf.get(audioShorts)

    // 2. 转换为-1.0~1.0的double样本
    val audioDoubles = DoubleArray(audioShorts.size) { i ->
        audioShorts[i].toDouble() / 0x8000 // 正确归一化
    }

    // 3. 计算噪声底噪的RMS（假设前1秒是纯噪声，可根据实际调整）
    val noiseSampleCount = 44100 // 采样率44100的情况下，前1秒的样本数
    val noiseSum = audioDoubles.take(noiseSampleCount).sumOf { it * it }
    val noiseRms = sqrt(noiseSum / noiseSampleCount)
    val threshold = noiseRms * 1.5 // 门限设为底噪的1.5倍，可按需调整

    // 4. 执行门限降噪：低于门限的样本衰减80%，高于门限的保留
    val processedDoubles = audioDoubles.map { sample ->
        if (kotlin.math.abs(sample) < threshold) {
            sample * 0.2 // 衰减噪声
        } else {
            sample // 保留有效音频
        }
    }.toDoubleArray()

    // 5. 转换回Short样本
    val processedShorts = ShortArray(processedDoubles.size) { i ->
        (processedDoubles[i] * 0x8000).toShort()
    }

    // 6. 写入处理后的音频文件
    writeAudioFile(processedShorts, outputFilePath)
}

// 辅助方法：读取文件字节数组
private fun readFileAsByteArray(file: File): ByteArray {
    return file.inputStream().use { it.readBytes() }
}

// 实现WAV文件写入（支持16位单声道44100采样率，可根据实际音频参数调整）
private fun writeAudioFile(pcmShorts: ShortArray, outputPath: String) {
    val file = File(outputPath)
    file.outputStream().use { out ->
        val sampleRate = 44100
        val bitsPerSample = 16
        val channels = 1
        val byteRate = sampleRate * channels * bitsPerSample / 8
        val blockAlign = channels * bitsPerSample / 8
        val dataSize = pcmShorts.size * 2

        // 写入RIFF chunk
        out.write("RIFF".toByteArray())
        out.write(intToByteArray(36 + dataSize))
        out.write("WAVE".toByteArray())

        // 写入fmt chunk
        out.write("fmt ".toByteArray())
        out.write(intToByteArray(16))
        out.write(shortToByteArray(1.toShort())) // PCM格式
        out.write(shortToByteArray(channels.toShort()))
        out.write(intToByteArray(sampleRate))
        out.write(intToByteArray(byteRate))
        out.write(shortToByteArray(blockAlign.toShort()))
        out.write(shortToByteArray(bitsPerSample.toShort()))

        // 写入data chunk
        out.write("data".toByteArray())
        out.write(intToByteArray(dataSize))
        val buffer = ByteBuffer.allocate(pcmShorts.size * 2)
            .order(ByteOrder.LITTLE_ENDIAN)
        buffer.asShortBuffer().put(pcmShorts)
        out.write(buffer.array())
    }
}

// 辅助方法：int转小端字节数组
private fun intToByteArray(value: Int): ByteArray {
    return byteArrayOf(
        (value and 0xFF).toByte(),
        (value shr 8 and 0xFF).toByte(),
        (value shr 16 and 0xFF).toByte(),
        (value shr 24 and 0xFF).toByte()
    )
}

// 辅助方法：short转小端字节数组
private fun shortToByteArray(value: Short): ByteArray {
    return byteArrayOf(
        (value and 0xFF).toByte(),
        (value shr 8 and 0xFF).toByte()
    )
}

关键说明 #

• 门限降噪适合环境噪声稳定的场景；如果需要更优效果，可以考虑FFT频域降噪，但实现复杂度更高。
• 你需要根据输入音频的实际采样率、声道数调整writeAudioFile中的参数，最好从输入WAV头中解析这些参数，避免硬编码。
• 原代码中的chunked(1792)可以保留用来分块计算RMS，但最终要对每个原始样本进行处理，而非只计算RMS值。

内容的提问来源于stack exchange，提问作者Maulik patel