ios录音


- (AVAudioRecorder*)audioRecorder {
if (!audioRecorder) {
NSString *path = [NSHomeDirectory() stringByAppendingString:@"/tmp"];
NSTimeInterval timeInterval = [[NSDate date] timeIntervalSince1970];
NSString *fullName = [path stringByAppendingFormat:@"/%.0f.aif", timeInterval];

NSMutableDictionary *settings = [NSMutableDictionary dictionary];

//[settings setValue:[NSNumber numberWithInt: kAudioFormatMPEGLayer3] forKey:AVFormatIDKey];
[settings setValue:[NSNumber numberWithInt: kAudioFormatLinearPCM] forKey:AVFormatIDKey];
[settings setValue: [NSNumber numberWithFloat:8000] forKey:AVSampleRateKey];
[settings setValue: [NSNumber numberWithInt: 1] forKey:AVNumberOfChannelsKey]; // mono
//Linear PCM Format Settings
[settings setValue:[NSNumber numberWithInt: 8] forKey:AVLinearPCMBitDepthKey];
[settings setValue:[NSNumber numberWithBool:NO] forKey:AVLinearPCMIsBigEndianKey];
[settings setValue:[NSNumber numberWithBool:NO] forKey:AVLinearPCMIsFloatKey];

//Encoder Settings
[settings setValue:[NSNumber numberWithInt:AVAudioQualityMax] forKey:AVEncoderAudioQualityKey]; //AVAudioQualityMin
[settings setValue:[NSNumber numberWithInt:96] forKey:AVEncoderBitRateKey];
[settings setValue:[NSNumber numberWithInt:8] forKey:AVEncoderBitDepthHintKey];

NSError *error = [NSError new];
@try {
audioRecorder = [[AVAudioRecorder alloc] initWithURL:[NSURL fileURLWithPath:fullName] settings:settings error:&error];
}
@catch (NSException *exception) {
[[[[UIAlertView alloc] initWithTitle:[NSString stringWithFormat:@"错误:%@", error.description] message:nil delegate:nil cancelButtonTitle:nil otherButtonTitles:@"OK", nil] autorelease] show];
}
@finally {
[error release];
}


audioRecorder.delegate = self;
}

return audioRecorder;
}


以上方法在真机上,可能会出现调用

[self.audioRecorder record];

时,延迟几秒

加入

[[AVAudioSession sharedInstance] setCategory:AVAudioSessionCategoryPlayAndRecord error: nil];


即可
【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值