音频淡入淡出及音量调节算法
音频淡入淡出概述
淡入淡出（fade in & fade out）可以实现音频音量在开始播放时渐强，以及停止播放时渐弱，防止声音切换带来的音量突变。实现淡入淡出重点要解决的问题，在于如何调节 PCM 数据的音量大小。一开始我天真的认为，只要把每一个采样值加上或减去某个数就可以了，但事情可没这么简单，加上一个数虽然能让采样值增大，但却会造成声音波形失真，并不可行。
淡入淡出本质上是对音频音量作线性变换，可以通过对每个采样值乘上一个变换系数实现，并且这个系数应该是个随时间变化量，如最简单的线性函数 y = kx。但在实际应用中，处理范围内 y 需在 0~1 之间变化，对应音量从零到原始值，自变量 x 可看作某个音频位置（时间、采样序号等），假设需要在 x = 500 位置处音量渐变到最大，则算出 k = 1/500。
算法原理（以淡入为例）
对给定的 t1-t2 时间区间的单声道音频采样进行淡入操作（t1一般取0），先把时间统一换算为采样数，作为基本单位，然后计算已处理的采样数占待处理采样总数比例，得到出下一采样对应的变换系数，再与采样相乘，得到输出采样值。
举个栗子，要对 100 个采样从头开始、依次进行淡入处理，在第 0、50、70 个采样处的计算方式如下：
factor = 0 / 100;
out_sample[0] = out_sample[0] * factor;
factor = 50 / 100;
out_sample[50] = out_sample[50] * factor;
factor = 70 / 100;
out_sample[70] = out_sample[70] * factor;
值得注意的是，变换系数为 0~1 的小数，在实际 C 编程中，为了避免浮点运算，通常把上面两步计算通过一条表达式完成，先计算分子乘法再算分母除法：
out_sample[0] = (out_sample[0] * 0) / 100;
out_sample[50] = (out_sample[50] * 50) / 100;
out_sample[70] = (out_sample[70] * 70) / 100;
综上，对算法步骤进行整理，得到以下计算流程：
1. 通过采样率和声道数计算开始时刻、结束时刻、总处理时长对应的采样数 start_sample_pos、stop_sample_pos、fade_samples_count=stop_sample_pos-start_sample_pos
2. 计算已处理采样数：done_sample_count = cur_sample_pos - start_sample_pos
3. 计算表达式分子乘法，得到中间变量：tmp = out_sample * done_sample_count
4. 计算表达式分母除法，得到输出采样值：out_sample = tmp / fade_samples_count
5. 更新当前采样位置：cur_sample_pos++
性能优化
对于分母除法， fade_samples_count 只需计算一次，后面不变，而分子需要每次动态计算乘法，比较悲催的是即使就这点计算量，也并不是所有硬件都能 hold 得住，在 cpu 资源紧张的硬件上运行乘除法，会消耗一定时间，甚至造成部分音频卡顿现象。
13758: 9802 ldr r0, [sp, #8] 1375a: 9903 ldr r1, [sp, #12] 1375c: 2300 movs r3, #0 1375e: 002a movs r2, r5 13760: f086 fe04 bl 9a36c <____aeabi_ldivmod_from_thumb> 13764: 2101 movs r1, #1 13766: 8030 strh r0, [r6, #0] 13768: 2018 movs r0, #24
从反汇编代码看出，我调试所用硬件架构没有除法指令，只能通过调用<____aeabi_ldivmod_from_thumb>实现计算除法。导致 cpu 占用过高，没办法所以要对算法进一步优化，主要是运算符的精简。
优化方案一 —— 移位替代分母除法
保持算法思路不变，将上述步骤 4 「计算表达式分母除法部分」中除法采用右移替换，但由于移位只适用乘除 2 的整数次幂，需要先把分母 fade_samples_count 向下取最接近的 2 次幂整数代替，如 96000 用 65536 替代，再进行右移操作:
tmp / 96000 => tmp / 65536 => tmp >> 16
相应的代码实现可以一步到位：计算除数对应二进制位数，再减一得到所需右移位数（96000 有 17 位二进制数，右移 16 位），代码实现：
int64_t tmp;
int bitcount = 0;
tmp = fade_samples_count;
while (tmp > 0)
{
tmp = tmp / 2;
bitcount++;
}
tmp = out_sample[i] * (int64_t)(f_info->cur_sample_pos-f_info->start_sample_pos);
out_sample[i] = tmp >> (bitcount-1);
因此本方案不适用于精确时间淡入淡出，只能算个大概，误差大小全看人品，但其实用于音乐播放影响不大。
优化方案二 —— 移位代替线性变化（用于提示音播放消 pop 声）
区分针对「听觉效果」与「硬件特性」的淡入淡出处理，可实现两套算法并根据具体情况调用 —— 播放音乐与播放提示音。短促的提示音甚至没必要通过动态计算线性变化系数处理，简陋的移位操作也许就能够起作用（效果待验证）。
前面所说的淡出淡入淡出效果，可适用于所有音频，能防止声音突然出现产生的突兀感，例如播放音乐时，人耳能明显感受到音量缓缓变化，暂且称为面向「听觉效果」的处理。而下面提到的第二种方案，适合对短促的提示音作淡入，可避免由于功放输入能量突变造成的 pop 音，处理目的更多的是面向「硬件特性」的优化，是另一种算法思路。
这实际上是对线性变换的一种简化，不再通过除法就计算变换系数，而是直接把采样值移位，达到近似的效果（或者看做固定几个变换系数的线性变换）。这时编程关注的重点在于移位操作本身 —— 从哪移到哪？在什么时机移？移多少位？
理论分析
考虑 16 位长度的采样值，在淡入处理时从最小音量到最大音量的过程中，每次移一位，需要经过最多 16 次左移操作，即移位总次数等于采样位宽，因此整个音频音量呈现出 16 级阶梯状变化，且每一级内采样点的音量是前一级的 2 倍，相比线性变换方式，音量增加存在锯齿状。
要保证 16 次移位后音量刚好达到最大，就要先计算每隔多久移位一次，可以通过总采样数 fade_samples_count 除以 16 得到（每一级内的采样数），每当达到一个移位间隔，执行一次移位。例如需要处理 1600 个采样，就是每 100 个采样移一位。
利用整除可以判断当前采样处于第几级，并通过右移递减的方式模拟左移递增，达到数据「一位一位冒出来」的效果，示意代码：
level = fade_samples_count / 16;
while (cur_sample_pos < stop_sample_pos)
{
tmp = cur_sample_pos / level;
out_sample[i] = out_sample[i] >> (16 - tmp);
}
同样，循环体中的除法必须干掉，同样使用移位代替整除，但你懂得，还是先要把除数近似到 2 次幂（计算二进制位数一步到位），并且由于截断误差原因，一部分采样数被舍弃掉，算出来的最大 level 或许达不到 16 级，音量级数变化范围改为 0 ~ bitcount，改写代码:
level = fade_samples_count / 16;
tmp = level;
while (tmp > 0)
{
tmp = tmp / 2;
bitcount++;
}
while (cur_sample_pos < stop_sample_pos)
{
tmp = cur_sample_pos >> bitcount;
out_sample[i] = out_sample[i] >> (bitcount - tmp);
}
PCM音频数据处理---音量增大或减小
原理分析
-
硬件音量控制：语音芯片的音量控制一般分为8级音量控制和16级音量控制。但是语音芯片的硬件音量控制是怎么控制两种音频输出的音量的呢？一般是采用
调整电流的方式来控制音量的输出。控制PWM电流就可以控制输出到喇叭上的电流强度，从而控制喇叭振幅的大小，从而控制我们人感知的音量大小。DAC音频输出方式，同样也是控制电流形式，因为语音芯片大多数一般都是电流型 DAC 只要控制 DAC 的电流就可以控制外部三极管的基极电流，从而控制喇叭上的电流强度达到音量调节的目的。 -
软件音量控制：由于软件调节音量不能直接控制PWM和 DAC上的电流，所以
软件音量控制一般是直接调整输送到音频合成器的数值，达到音量控制的目的。所以只要通过一定的数学运算，就可以对输送到音频合成器的数值进行调制。理论上软件音量控制可以任意级数。但是由于受到CPU运算能力的影响和实际应用的需求一般也是做16级音量控制。如果运算能力有限也可以做⒉级或者4级音量控制。
代码实现
通过编程实现调整PCM的音量，具体做法是乘上一个固定的数，但是要考虑数据的溢出问题。下面是一些数据进行参考。 经过测试： 1. 如果是通过pwm输出驱动喇叭，可能该方法不适用，因为你减小的是占空比，不是波形的幅值。所以应该只适用于DAC方式输出。 2. PWM方式可以在输出部分串一个可调电阻当做音量旋钮，用来改变pwm的幅值而不是占空比。我觉得可行，还没进行测试。
int frame_size_get(int inSampleRate, int ChannleNumber)
{
int size= -1;
switch(inSampleRate)
{
case 8000:
{
size= 320;
}
break;
case 16000:
{
size= 640;
}
break;
case 24000:
{
size= 960;
}
break;
case 32000:
{
size= 1280;
}
break;
case 48000:
{
size= 1920;
}
break;
case 44100:
{
size= 441*4;//为了保证8K输出有320,441->80,*4->320
}
break;
case 22050:
{
size= 441*2;
}
break;
case 11025:
{
size= 441;
}
break;
default:
break;
}
return ChannleNumber*size;
}
void RaiseVolume(char* buf, UINT32 size,UINT32 uRepeat,double vol)
{
if (!size )
{
return;
}
for (int i = 0; i < size;)
{
signed long minData = -0x8000; //如果是8bit编码这里变成-0x80
signed long maxData = 0x7FFF;//如果是8bit编码这里变成0xFF
signed short wData = buf[i+1];
wData = MAKEWORD(buf[i],buf[i+1]);
signed long dwData = wData;
for (int j = 0; j < uRepeat; j++)
{
dwData = dwData * vol;//1.25;
if (dwData < -0x8000)
{
dwData = -0x8000;
}
else if (dwData > 0x7FFF)
{
dwData = 0x7FFF;
}
}
wData = LOWORD(dwData);
buf[i] = LOBYTE(wData);
buf[i+1] = HIBYTE(wData);
i += 2;
}
}
//vol取0—10即可，为0时为静音，小于1声音减小，大于1声音增大，测试取大于10的数字效果不明显
int pcm_volume_control(char* foldname, char* fnewname, double vol)
{
HXD_WAVFLIEHEAD head;
int frame_size= 0;
char* frame_buffer;
FILE* fp_old= fopen(foldname,"rb+");
FILE* fp_new= fopen(fnewname,"wb+");
if((NULL== fp_old) || (NULL== fp_new))
{
return -1;
}
fread(&head,1,sizeof(head),fp_old);
fwrite(&head,1,sizeof(head),fp_new);
frame_size= frame_size_get( head.nSampleRate,head.nChannleNumber);
frame_buffer= (char*)malloc(frame_size);
while(frame_size== fread(frame_buffer,1,frame_size,fp_old))
{
RaiseVolume(frame_buffer,frame_size,1,vol);
fwrite(frame_buffer,1,frame_size,fp_new);
}
fclose(fp_old);
fclose(fp_new);
free(frame_buffer);
return 0;
}
void CAudioControlDlg::OnButtonAdd()
{
// TODO: Add your control notification handler code here
pcm_volume_control("old.wav","new.wav",5);
}
//16bits长度音量数据处理
// 音量控制
// output: para1 输出数据
// input : para2 输入数据
// para3 输入长度
// para4 音量控制参数,有效控制范围[0,100]
int volume_control(short* out_buf,short* in_buf,int in_len, float in_vol)
{
int i,tmp;
// in_vol[0,100]
float vol = in_vol - 98;
if(-98 < vol && vol <0 )
{
vol = 1/(vol*(-1));
}
else if(0 <= vol && vol <= 1)
{
vol = 1;
}
/*else if(1 < vol && vol <= 2)
{
vol = vol;
}*/
else if(vol <= -98)
{
vol = 0;
}
else if(2 <= vol)
{
vol = 2;
}
for(i=0; i<in_len/2; i++)
{
tmp = in_buf[i]*vol;
if(tmp > 32767)
{
tmp = 32767;
}
else if( tmp < -32768)
{
tmp = -32768;
}
out_buf[i] = tmp;
}
return 0;
}
// 16bit_to_8bit(注意输出数据是有符号的还是无符号的)
// output: para 1: 8bit的数据
// input: para 2: 16bit数据
// para 3: 要转换数据的次数，为原数据长度的一半，因为一次转换2个字节
int mono_16bit_to_8bit(unsigned char* lp8bits, short* lp16bits, int len)
{
int i=0;
for(i=0; i<len; i++) {
*lp8bits++ = ((*lp16bits++) >> 8) + 128;
}
return i>>1;
}
// 8bit_to_16bit(注意:输出数据是有符号的还是无符号的)
// output: para 1: 16bit的数据
// input: para 2: 8bit数据
// para 3: 要转换数据的次数，为原数据长度，
//注:因为一次转换1个字节变两个字节，所以转换后数据的总长度为8位数据的两倍
int mono_8bit_to_16bit(short* lp16bits, unsigned char* lp8bits, int len)
{
int i=0;
for(i=0; i<len; i++) {
*lp16bits++ = ((*lp8bits++) -128) << 8;
}
return i<<1;
}