编码与格式 / 系统课时

音量调整与混音

音量调整与混音

本课实现一个可运行的双路 PCM 混音器:分别控制两路音量,在更高精度中完成累加,并把结果安全限制到 16 位有符号整数范围,避免溢出后出现爆音。

学习目标

  • 使用增益系数调整单路音量
  • 正确累加多路 PCM 样本并处理削波
  • 区分硬限幅、归一化和限制器的适用场景

混音的核心计算

对同一时刻的多路音频,混音就是先分别乘以增益,再把样本相加。双路混音可表示为:

y[n]=clamp⁡(g1x1[n]+g2x2[n])y[n]=\operatorname{clamp}(g_1x_1[n]+g_2x_2[n])

其中,x1[n]x_1[n] 和 x2[n]x_2[n] 是两路输入样本,g1g_1 和 g2g_2 是线性增益,clamp 用于把结果限制到目标样本格式的合法范围。

双路音频混音与削波处理

增益通常使用线性倍率。1.0 表示保持原音量,0.5 表示样本振幅减半,0.0 表示静音。多路信号即使各自没有超范围,相加后也可能超过目标格式上限,因此削波处理必须放在求和之后。

实现安全的 S16 混音

int16_t 的有效范围是 -32768 到 32767。如果直接在 int16_t 中相加,结果可能先发生整数溢出,再得到完全错误的波形。正确做法是在 float 或 int32_t 中累加,最后只转换一次。

c
#include <math.h>
#include <stddef.h>
#include <stdint.h>
#include <stdio.h>

static int16_t clamp_s16(float value) {
    if (value > 32767.0f) {
        return 32767;
    }
    if (value < -32768.0f) {
        return -32768;
    }
    return (int16_t)lrintf(value);
}

static void mix_s16(
    const int16_t *input_a,
    const int16_t *input_b,
    int16_t *output,
    size_t sample_count,
    float gain_a,
    float gain_b
) {
    for (size_t i = 0; i < sample_count; ++i) {
        // 先在浮点域应用增益并累加,避免 16 位整数提前溢出。
        float mixed =
            input_a[i] * gain_a +
            input_b[i] * gain_b;

        // 只在写回目标格式时执行一次限幅和取整。
        output[i] = clamp_s16(mixed);
    }
}

int main(void) {
    const int16_t input_a[] = {12000, 20000, -25000, 30000};
    const int16_t input_b[] = {8000, 18000, -15000, 10000};
    int16_t output[4] = {0};

    mix_s16(input_a, input_b, output, 4, 1.0f, 0.8f);

    for (size_t i = 0; i < 4; ++i) {
        printf("%d%s", output[i], i == 3 ? "\n" : " ");
    }
    return 0;
}

编译并运行:

bash
gcc mix.c -o mix -lm
./mix

预期输出:

text
18400 32767 -32768 32767

第一个样本处于安全范围;后三个样本中有两个超过正上限、一个低于负下限,因此被限制到 S16 边界。这样不会发生整数回绕,但峰值会形成硬削波。

选择削波处理策略

硬限幅实现简单、延迟极低,适合教学、告警音和对音质要求不高的实时链路,但连续超过上限时会产生明显失真。归一化会先扫描一段音频的峰值,再统一缩放,适合离线处理,却需要额外缓存且无法立即输出。

实时音乐或直播混音通常使用限制器。限制器会在峰值接近上限时平滑降低增益,听感优于直接截断,但需要包络跟踪、攻击时间和释放时间等参数,也会引入少量延迟。

为了给多路信号预留余量,可以在混音前降低各路增益。例如两路相似音频都使用 0.5,理论上可减少同时到达满幅时的削波风险;实际项目仍应监测峰值,因为输入之间可能相关,且声道数量会动态变化。

验收与常见错误

验证混音器时,应至少检查静音、单路满幅、两路同相满幅和正负峰值四种情况。输出必须始终位于目标格式范围内,静音输入应保持零值,调整某一路增益不应改变另一条输入数据。

常见错误包括在 int16_t 中直接相加、每加入一路就立即截断、左右声道索引错位,以及把分贝值直接当作线性倍率。分贝转换为线性增益时,应使用 g=10dB/20g=10^{dB/20}。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

音量调整与混音

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通