音频开发 / 系统课时

校准群延迟与相位偏移

校准群延迟与相位偏移

这一课解决多路音频“波形看起来一样却混不齐”的问题。你会区分相位响应、群延迟和纯时间偏移,用冲激测出重采样链路的实际延迟,再把测得的样本偏移用于双通道对齐验证。

学习目标

  • 区分线性相位、非线性相位与群延迟各自描述的现象
  • 用冲激响应和互相关测量处理链路的样本延迟
  • 对双通道做整数样本补偿并验证补偿后的对齐程度

相位偏移和群延迟不是同一个量

滤波器的相位响应描述不同频率分量经过系统后各自旋转了多少角度。若相位随频率近似一条直线,称为线性相位;此时各频率拥有相同的时间延迟,波形形状通常能保持,只是整体向后移动。

群延迟写成 τg(ω)=−dφ(ω)/dωτ_g(ω) = -dφ(ω)/dω,它描述相位曲线斜率对应的时间延迟。线性相位 FIR 在通带内通常具有近似常数群延迟;非线性相位系统的群延迟会随频率变化,这意味着不同频率到达时间不同,单纯整体移动若干样本无法完全复原波形。

线性相位、非线性相位与双通道时间对齐

先测整条链路而不是只看公式

长度为 NhN_h 的奇数阶对称 FIR,其群延迟是 (Nh−1)/2(N_h-1)/2 个该滤波器所在采样率的样本。若 FIR 工作在升采样后的中间采样率,之后又按 MM 抽取,那么换算成输出采样点大约要再除以 MM。

例如 2/3 重采样使用 61 taps 对称 FIR,中间域延迟为 30 个样本,输出域理论延迟为 10 个样本。但真实工程里还可能叠加 block 缓冲、FFT 分帧、设备 I/O 和插件内部 look-ahead,所以最终应对整条处理链注入冲激或已知测试信号直接测量。

用冲激和互相关完成一次校准

下面先测 48 kHz 到 32 kHz 的原始多相重采样器延迟,再构造一个额外晚 8 个输出样本的第二通道,用互相关估计偏移并补偿。第二通道的人为延迟代表实际项目中另一条滤波、插件或传输路径测得的额外延迟。

python
import numpy as np
from scipy.signal import correlate, correlation_lags, firwin, upfirdn

L, M = 2, 3
h = firwin(61, 1 / max(L, M), window="hann") * L

# 用冲激定位重采样器主峰,得到端到端的整数样本延迟。
impulse = np.zeros(256)
impulse[0] = 1.0
y_impulse = upfirdn(h, impulse, up=L, down=M)
resampler_delay = int(np.argmax(np.abs(y_impulse)))

def estimate_lag(delayed: np.ndarray, reference: np.ndarray) -> int:
    corr = correlate(delayed, reference, mode="full")
    lags = correlation_lags(len(delayed), len(reference), mode="full")
    return int(lags[np.argmax(corr)])

rng = np.random.default_rng(7)
x = rng.standard_normal(4096)
channel_a = upfirdn(h, x, up=L, down=M)

# 模拟另一条路径额外晚 8 个输出采样;真实值应来自实测。
extra_delay = 8
channel_b = np.concatenate([np.zeros(extra_delay), channel_a])
lag_before = estimate_lag(channel_b, channel_a)

# 已知 B 更晚,因此从 B 头部裁掉测得的延迟,并截成与 A 相同长度。
channel_b_aligned = channel_b[lag_before:lag_before + len(channel_a)]
lag_after = estimate_lag(channel_b_aligned, channel_a)
max_error = np.max(np.abs(channel_b_aligned - channel_a))

print("resampler_delay_samples:", resampler_delay)
print("relative_delay_before:", lag_before)
print("relative_delay_after:", lag_after)
print("max_alignment_error < 1e-12:", max_error < 1e-12)

预期输出

text
resampler_delay_samples: 10
relative_delay_before: 8
relative_delay_after: 0
max_alignment_error < 1e-12: True

这里的 10 个样本是重采样 FIR 在输出采样率下的主峰位置,8 个样本则是两条路径之间的相对差。混音时真正需要补偿的是相对延迟:如果两路都共同晚 10 个样本,但彼此对齐,就不会因为这 10 个公共延迟产生梳状滤波。

整数补偿、分数补偿和非线性相位要分开处理

如果互相关峰值落在整数采样位置,给较早通道增加等量延迟,或裁掉较晚通道开头的对应样本即可。实时系统通常选择给较早路径加延迟,因为直接裁剪会改变起始内容,并且可能破坏各流的时间戳关系。

当理论延迟不是整数输出样本,或者相关峰位于两个采样之间时,需要分数延迟滤波器,例如短阶 Farrow 结构或专门的 fractional-delay FIR。它解决的是“整体晚 2.4 个样本”这种问题。

若系统属于明显非线性相位,群延迟在频率上变化很大,则不存在一个统一的样本位移能让所有频率同时对齐。此时应优先改用线性相位处理、做相位均衡,或至少在目标频带内评估可接受的群延迟起伏,而不是继续堆整数延迟。

校准结果如何用于真实链路

实际部署时应在最终工作采样率记录每条路径的端到端延迟,并统一换算成同一种单位,例如输出采样点。只要链路结构、滤波器长度、block 大小或设备模式发生变化,就重新测量,因为这些参数都可能改变固定延迟。

多路混合前先补偿路径间的固定差值,再用互相关或瞬态峰值复核;若补偿后仍出现频率相关的相消,就继续检查群延迟曲线,而不是把问题简单归因于“还差几个采样点”。

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

校准群延迟与相位偏移

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