因项目需求实现混音效果，故学习记录了一下。
算法调研
常见混音方式：
- 加和后再除以混音通道数，防止溢出
- 加和并箝位，如有溢出就设最大值
- 饱和处理，接近最大值时进行扭曲（“软件混音的实现”一文算法就是这类）
- 归一化处理，全部乘个系数，使幅值归一化。（只适用于文件）
- 衰减因子法，用衰减因子限制幅值。
- newlc 算法
音频混音算法原理
混音原理简单说一下：声音是由于物体的振动对周围的空气产生压力而传播的一种压力波，转成电信号后经过抽样，量化，仍然是连续平滑的波形信号，量化后的波形信号的频率与声音的频率对应，振幅与声音的音量对应，量化的语音信号的叠加等价于空气中声波的叠加，所以当采样率一致时，混音可以实现为将各对应信号的采样数据线性叠加。而问题的关键就是如何处理叠加后溢出问题。
混音的原理其实很简单，只要多路语音数据做线性叠加即可，但是叠加后的音频数据容易产生溢出，而且混合的路数越多，溢出的可能性越大，所以要做溢出处理，其实如何完美的处理混音叠加后溢出问题才是混音算法的关键；以下是常见算法：
1、平均权重算法
叠加以后再取平均值（除以混音路数），这样不容易产生溢出，但是会造成音质衰减过大，各路音量会逐步变小，影响通话质量，所以一般不采取求平均这种方式；但是可以扩展一下，考虑参与混音的多路音视频信号自身特点，以它们自身的比例作为权重，比如如果是背景音乐可以适当权重低一些，领导讲话可以适当权重高一些，这样混合后的效果也会随着场景的应用会更合适一些。
2、边界值法
将每一路的语音线性相加进行溢出检测，如果溢出，以最大值或最小值来替代。这样会造成声音波形的人为削峰，在破坏语音信号特性；
3、自适应混音加权（衰减因子）
为了更好的解决溢出问题，可以使用一个衰减因子, 对音频数据进行逐渐衰减, 衰减因子会随着数据而变化.当数据溢出时，则相应的使衰减因子变小，使后续的数据在衰减后处于临界值以内，没有溢出时，让衰减因子慢慢增大，使数据变化相对平滑。（随着会话成员增多也会出现溢出问题）；采用衰减因子的方式进行调整以后, 混音的数据从听觉上基本感觉不到背景噪音，会感觉很舒适，也基本上不会出现爆破音，这种方式比较推荐；
4、自动对齐算法
考虑参与混音的多路音视频信号自身特点，以它们自身的比例作为权重，从而决定它们在合成后的输出中所占比重。(测试发现高频信号损失严重)
5、箝位算法
时域叠加，进行溢出检测，然后进行饱和运算.(一般通用使用,但是容易溢出).
6、newlc算法
网上普遍提到 newlc 算法，但【1】中提到，该算法并没有什么数学根据，而且从两路扩展到多路效果并不好。一篇论坛帖子（但与原文中引文并不一致）回贴的没有一个赞同这一算法的。
该算法的出处：http://newlc.com/topic-10064 作者自己说，该算法对于5个通道以上就不太好，算法的好处是不会溢出。但有人反映声音有饱和的趋向。
【算法原型】
Y = A + B - (A * B / (-(2 pow(n-1) -1)))
Y = A + B - (A * B / (2 pow(n-1))
【算法简述】
算法简述如下：
For n-bit sampling audio signal
If both A and B are negative Y = A + B - (A * B / (-(2 pow(n-1) -1)))
Else Y = A + B - (A * B / (2 pow(n-1))
注意具体实现与算法稍有不符。实现中两种情况都除以(-(2 pow(n-1) -1)))，根据算法，大部分情况下都应该除以(2 pow(n-1))。是否减1有什么作用？如果不必减1，对于整数运算就可以用移位实现。