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:
其中, 和 是两路输入样本, 和 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。

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。
#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:
gcc mix.c -o mix -lm
./mix预期输出:
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 。