多人通话混音 + 3A 处理：写多路混音器 + 回声消除
内容提要
本文探讨多人通话中多路PCM混音的技术难点与解决方案，重点解决溢出、回声、音量不均和噪音问题。通过VAD检测、AGC增益、Soft Clipping混音及AEC回声消除等3A处理，并附C核心与Swift封装代码，实现稳定混音。文中还列出常见踩坑记录及质量对比，强调自适应阈值与平滑增益的重要性。
延伸解读
混音溢出的根源与解决思路
多人通话混音时，多路PCM直接相加容易超出Int16范围导致爆音。文章指出，简单除以路数N虽能避免溢出，但会使声音过小。采用Soft Clipping（如tanh）可在不牺牲音量的前提下自然限制幅度，同时配合VAD跳过静音路，减少无效叠加，是更优的工程实践。
AGC与VAD的联动调优
自动增益（AGC）和语音活动检测（VAD）是保证混音质量的关键。文章强调，VAD阈值需自适应环境噪声（如设为噪声底噪的3倍），避免误触发；AGC增益调整需用EMA平滑（如0.9/0.1系数），防止音量振荡。两者配合可有效拉平各路音量，提升听感。
回声消除的时序对齐陷阱
AEC（回声消除）依赖远端参考信号（farEnd）与近端信号（nearEnd）的严格同步。文章指出，若两者未对齐（如延迟未补偿），AEC反而会引入更明显的回声。因此，在实际集成中，必须计算扬声器到麦克风的延迟并进行PTS对齐，否则AEC效果会适得其反。
混音质量对比与路数限制
文章通过对比不同路数下的混音效果，指出简单加法在2路时偶尔爆音，4路频繁爆音，8路持续爆音；而Soft Clipping在8路时自然，16路时略有失真但可接受。这提示开发者，当路数过多时，可能需要降采样率或选通活跃路，以保证最终音质。
Q&A
多人通话混音时，直接相加多路PCM数据会导致什么问题？
直接相加多路PCM数据可能导致溢出，因为16bit PCM的范围是-32768到32767，多路信号叠加后可能超出该范围，产生爆音。
混音管线中VAD、AGC、Soft Clipping、ANS分别起什么作用？
VAD（语音活动检测）用于跳过静音路，减少计算量；AGC（自动增益）用于拉平各路音量；Soft Clipping（软削波）用于防止溢出爆音；ANS（降噪）用于去除背景噪声。
为什么混音时使用Soft Clipping而不是硬钳位？
硬钳位会制造方波，导致削波处产生谐波失真；而Soft Clipping使用tanh函数，削波更自然，失真较小。
在混音器中，AGC是如何工作的？
AGC根据当前峰值与目标电平的比值动态调整增益，并使用EMA平滑（newGain = oldGain * 0.9 + target * 0.1）避免增益振荡，同时限制增益范围在0.1到5.0之间。
回声消除（AEC）的基本原理是什么？
AEC使用远端参考信号（扬声器播放的音频）来估计回声路径，并从近端信号（麦克风采集的音频）中减去回声成分，从而消除回声。
在3A处理链中，AEC、ANS、AGC的顺序是怎样的？
顺序是：先进行AEC（回声消除），然后ANS（噪声抑制），最后AGC（自动增益控制）。
混音时如何避免多路信号叠加导致的溢出？
使用Soft Clipping（tanh软削波）和除以sqrt(N)的归一化方法，其中N是活跃通道数，可以有效减少溢出概率。
VAD阈值为什么需要自适应？
因为环境噪声水平多变，固定阈值在安静房间可能误触发，在嘈杂环境可能漏检，自适应阈值（如噪声底噪的3倍）能适应不同环境。
