Applied Speech and Audio Processing: With matlab examples

Absolute scaling considers the format that the audio was captured in, and scales
relative to that (so we would divide each element in the input vector by the biggest value
in that representation: 32 768 for 16-bit signed linear).
Relative scaling scales relative to the largest value in the sample vector. This is the
method we used when playing back audio earlier.

---

14
Basic audio processing
In general the choice of scaling method depends on whether the absolute amplitude of
the original sound is important; for example if you are handling many music recordings
for a performance, then you would want to preserve some pieces as being quieter than
others, so you would use absolute scaling. On the other hand, if you wanted to detect
the pitch in recorded speech, you might use relative scaling since it probably doesn’t
matter how loud the speech was originally as long as the pitch is evident.
Infobox 2.3 The endian problem
The two competing formats are big and little endian. Big endian means the most significant
byte is presented/stored first, and is used by computers such as Sun and HP workstations. Little
endian means that the least significant byte is presented/stored first, as used by the Intel and AMD
processors inside most desktop PCs and laptops. Some processors (such as the ARM7) allow for
switchable endianess.
Unfortunately, endianess is complicated by the variable access-width of modern computers.
When everything was byte-wide it was easier, but now there is an added dimension of difficulty.
Given an unknown system, it is probably easier to check if it is little endian, and if not classify it
as big endian rather than working the other way around.
Example
Given a 32-bit audio sample stored in a byte-wide file system (a very common scenario), with the
stored word being made up of least significant byte (LSB), second most significant byte (B1), third
most significant byte (B2) and most significant byte (MSB). Does the following diagram show a
little or big-endian representation?
4
3
MSB
2
B2
1
B1
0
LSB
7
0
In the diagram, the storage address (in bytes) is given on the left, and the bit position shown below.
In this case the bit positions are not really important.
Checking for little endian first, we identify the lowest byte-wide address, and count upwards,
looking at the order in which the stored bytes are arranged. In this case the lowest address is 0 and
the lowest byte starts at bit 0. The next byte up holds B1, and so on. So counting the contents from
lowest byte address upwards, we get {LSB, B1, B2, MSB}. Since this DOES follow least-to-most
it must be little endian. By contrast, the following diagram shows a big-endian representation of
a 16-bit sample:
2
1
LSB
0
MSB
7
0
These days, by using the wave file format, the endianess is taken care of. It is also irrelevant
with byte-wide formats such as 8-bit samples or A-law samples; however problems do arise when
handling raw PCM audio files that are sampled at 16-bit.

---