混合音频通道

Question

我正在实现一个音频通道混合器并使用Viktor T. Toth's algorithm。试图混合两个音频通道流。

在代码中，quantization_ 是通道位深度的字节表示。我的mix 函数采用指向目标和源 uint8_t 缓冲区的指针，混合两个通道并写入目标缓冲区。因为我在 uint8_t 缓冲区中获取数据，执行加法、除法和乘法运算以获取实际的 8、16 或 24 位样本并将它们再次转换为 8 位。

通常，它会给出预期的输出样本值。但是，有些样本的值接近 0，因为当我在 Audacity 中查看输出时它们不应该是这样。在屏幕截图中，底部 2 个信号是两个单声道，顶部是混合通道。可以看出有一些非常低的值，尤其是中间。

下面是我的mix函数；

void audio_mixer::mix(uint8_t* dest, const uint8_t* source)
{
    uint64_t mixed_sample = 0;
    uint64_t dest_sample = 0;
    uint64_t source_sample = 0;
    uint64_t factor = 0;

    for (int i = 0; i < channel_size_; ++i)
    {
        dest_sample = 0;
        source_sample = 0;
        factor = 1;

        for (int j = 0; j < quantization_; ++j)
        {
            dest_sample += factor * static_cast<uint64_t>(*dest++);
            source_sample += factor * static_cast<uint64_t>(*source++);
            factor = factor * 256;
        }

        mixed_sample = (dest_sample + source_sample) - (dest_sample * source_sample / factor);

        dest -= quantization_;

        for (int k = 0; k < quantization_; ++k)
        {
            *dest++ = static_cast<uint8_t>(mixed_sample % 256);
            mixed_sample = mixed_sample / 256;
        }
    }
}

Answer 1

您似乎没有正确处理签名的音频样本。水平线应该是音频信号的零电压。

如果您查看正电压音频样本，它们会正确地遵循您的方程式（中心的峰值除外）。负值被压缩，这让我觉得它们被视为小的正电压而不是负电压。

换句话说，也许那些无符号整数应该是有符号整数，因此最高位指示电压极性，并且您可以在 +127 到 -128 范围内获得音频样本。

中心的那些峰值似乎围绕模 255 进行环绕，这将是音频无符号字节表示的峰值。我不确定这会如何发生，但它似乎与无符号与有符号信号有关。

也许你应该试试 Viktor 在他的文档中提供的另一个公式：

Z = 2(A+B) - (AB/128) - 256