Skip to content

软件音量算法

Jump to bottom
chenk edited this page Jun 7, 2018 · 3 revisions

软件音量算法

通过 ffmpeg 可以解码出原始的音频数据，在将音频数据送到设备播放之前，我们就可以利用软件算法对音量进行控制。

音频数据本质就是一个个的采样点，每个采样点一般情况就是一个 signed 16bit 整型数。要对其进行音量控制其实很简单，就是乘以一个缩放因子。当然音量放大的时候，乘以一个缩放因子还不够，因为运算可能会有溢出，就需要做一下饱和处理：

int16_t isample = 23456;
double  factor  = 4.0;
double  fsamnew;
int16_t isamnew;

fsamnew = isample * factor; // 乘以缩放因子

//++ 饱和处理
fsamnew = fsamnew < 0x7fff ? fsamnew : 0x7fff;
fsamnew = fsamnew >-0x7fff ? fsamnew :-0x7fff;
//-- 饱和处理

isamnew = (int16_t) fsamnew;

以上代码是对单个 sample 进行缩放运算，音频数据一般是存放在一个数组里的，只要把上面代码再套一个 for 循环，遍历数组处理完全部的采样点就可以了。

我们可以参考 fanplayer 中 adev_post 函数的代码：

void adev_post(void *ctxt, int64_t pts)
{
    if (!ctxt) return;
    ADEV_CONTEXT *c = (ADEV_CONTEXT*)ctxt;
    c->ppts[c->tail] = pts;

    //++ software volume scale
    int    multiplier = c->vol_scaler[c->vol_curvol];
    SHORT *buf        = (SHORT*)c->pWaveHdr[c->tail].lpData;
    int    n          = c->pWaveHdr[c->tail].dwBufferLength / sizeof(SHORT);
    if (multiplier > (1 << 14)) {
        int64_t v;
        while (n--) {
            v = ((int32_t)*buf * multiplier) >> 14;
            v = v < 0x7fff ? v : 0x7fff;
            v = v >-0x7fff ? v :-0x7fff;
            *buf++ = (SHORT)v;
        }
    } else if (multiplier < (1 << 14)) {
        while (n--) {
            *buf = ((int32_t)*buf * multiplier) >> 14; buf++;
        }
    }
    //-- software volume scale

    waveOutWrite(c->hWaveOut, &c->pWaveHdr[c->tail], sizeof(WAVEHDR));
    if (++c->tail == c->bufnum) c->tail = 0;
}

在将音频数据写到 waveout 设备之前（waveOutWrite 之前），我们使用了这个软件缩放算法，来实现软件音量控制功能。

算法中 0x7fff 就是最大的 16bit 有符号正整数，超过这个值我们就保持这个最大值不变；-0x7fff 是最小的 16bit 有符号负整数，小于这个值我们就保持这个最小值不变。这就是所谓的饱和运算。其作用是为了防止运算溢出，如果不做这样的处理，溢出后的运算数据，播放出来会有明显的杂音。饱和运算在现代的处理器上，一般都有专门的汇编指令可以进行优化，可提高运算速度。fanplayer 中没有做汇编优化，只是给出了一个 C 语言的实现算法。在 fanplayer 的实现中，使用了简单的定点乘法运算进行优化，避免了浮点运算，在一定程度上也保证了效率。

如何设计一个软件音量的控制器呢？我们一般都是以 dB 来表示音量的增益或衰减，fanplayer 中设计了一个 -30dB ... +12dB 的音量控制器（最大可以放大 2 倍，衰减 5 倍）。因为日常使用中我们调小音量比较多些，所以衰减设计得比较大了一些。与 dB 值相对应的，就是 0 - 255 总共 256 个音量等级，可以用一个 uint8_t 的整数来表示。[0 ... 255] 与 [-30dB ... +12dB] 是一个线性的一一对应的关系。所以每增加一个 step 音量增加大约为 (12 + 30) / 256 = 0.1640625 dB。

dB 表示的是一个比例关系，dB 的定义如下：
dB = 20 * log(x / vf); // vf 为参考常量
vf 已知，如果知道 x 的值，通过这个公式就可以算出一个 dB 值，这个 dB 值就表示了 x 与 vf 之间的比例关系。

例如：
a) 当 x 等于 vf 时，那么：
20 * log1 = 0dB
此时它们是 0dB 的关系，也可以说 vf 增益或者衰减 0dB 后，值仍然是 vf

b) 当 x 等于 2*vf 时，那么：
20 * log2 = 6.0205999132796239042747778944899
此时他们是 6dB 的关系，也可以说 vf 增益 6dB 后得到 x

那么我们已知 dB 值，如何求出一个衰减或增益的缩放因子？
dB = 20 * log(x / vf);
=> (dB / 20) = log (x / vf);
=> 10 ^ (dB / 20) = x / vf;
=> x = 10 ^ (dB / 20) * vf;
=> factor = 10 ^ (dB / 20); x = factor * vf;

这样我们就有了 factor 的计算公式。前面我们已经得到了 [0 ... 255] 与 [-30dB ... +12dB] 的一一对应，那么很容易就得到 [0 ... 255] 与 [factor0 ... factor255] 的一一对应。

可以用如下算法，计算出这张 factor 表：

int maxdb = +12;
int mindb = -30;
double tabdb[256];
double tabf [256];
int    z, i;

for (i=0; i<256; i++) {
    tabdb[i]  = mindb + (maxdb - mindb) * i / 256.0;
    tabf [i]  = pow(10.0, a[i] / 20.0);
}

tabf 这个数组保存的就是 factor 表了，我们可以在初始化的时候预先计算好。（参考 fanplayer 源代码的 init_software_volmue_scaler 函数）

当我们调整音量时，只需要根据当前音量，索引出 factor 值，然后将每个音频采样点乘以这个 factor 值，就实现了软件音量控制。

我们再来看看定点乘法优化：
int16_t sample = 123;
double factor = 1.2;
123 * 1.2 = 123 * 1.2 * 0x10000 / 0x10000 约等于 (123 * (1.2 * 0x10000)) >> 16 约等于 (123 * 78643) >> 16

这里 1.2 * 0x10000 就是 Q16 的一个定点数，也可以说，浮点数 1.2 的 Q16 的定点表示法为 1.2 * 0x10000 = 78643. 这样我们利用定点运算，可以将浮点的乘法运算，转换为整数的乘法和移位运算。

方法：

  1. 首先根据数据范围和精度需求确定 Q 值，原则是避免溢出的情况下追求尽量高的精度。

  2. 将浮点类型的 factor 转换为定点类型，方法为：
    浮点数 x，转换为 Qx 的定点数 X
    X = (int)(x * (1 << Qx));

  3. 进行定点乘法运算，运算方法为：
    浮点运算 z = x * y，对应定点数 Z X Y，Q 值分别为 Qz Qx Qy：
    则 Z = X * Y >> (Qx + Qy - Qz)

在 fanplayer 源代码中，选用了 Q14。因为最大增益为 12dB，大概就是放大 4 倍，选用 Q14 能保证 32bit 的定点运算不会溢出。 因此在源代码中，根据 double 型的 factor 计算出了 Q14 的定点 scaler 因子，然后在 adev_post 中运用定点乘法进行了计算。 （请参考源代码的 init_software_volmue_scaler 和 adev_post 函数）

Q14 的情况下
浮点转定点方法为：
scaler = (int)(factor * (1 << 14));

乘法运算的计算方法：
samnew = ((int32_t)sample * scaler) >> 14;

本文主要讲了音量算法，dB 值的概念，还有定点运算，需要简单的数学知识和数学计算。为什么用 dB 值的概念，为什么搞这么复杂？是因为如果不按等 dB 的 step 去进行衰减或增益（等比关系），而是线性化比例去衰减或增益（等差关系），比如 1 对应 0.1 倍，2 对应 0.2 倍，3 对应 0.3 倍，100 对应 10.0 倍，这样的方式去做，给人耳的感觉是音量变化是不均匀的。为什么又要搞出一个 factor 表格，还要搞出定点运算？没办法，这些都是为了做优化……

fanplayer wiki

Clone this wiki locally