WebRTC音频混音、重采样与声道转换源码分析

在WebRTC的多人音视频通话、在线会议、直播连麦等场景中，服务端或客户端往往需要同时处理多路音频流：将来自不同用户的PCM数据进行混音合成为一路、在编码前把采样率统一到目标值、在播放时把声道布局转换成设备支持的形式。这三项操作——混音 AudioMixer、重采样 Resampler、声道转换 ChannelMixer——构成了WebRTC音频处理链路中最基础也最关键的"数字信号处理三件套"。本文将从底层信号处理原理、源码实现、C++代码实例和生产调试四个维度进行深度解析。

一、核心原理

1.1 多路音频混音的数学本质

混音（Audio Mixing）在数学上就是多路离散时间信号的逐样本相加：

mixed[n] = Σ weight_i · source_i[n]

其中weight_i是第i路信号的权重系数。这个操作看似简单，但在定点PCM（如16bit int）域中直接相加，存在两个致命问题：

问题一：溢出。int16的取值范围是 -32768 ~ 32767。假设两路满幅度的正弦波直接相加，峰值就会达到 65534，远超 int16 上限，造成削波失真（Clipping）。人耳对这种硬削波非常敏感，会产生刺耳的爆破噪声。

WebRTC AudioMixer 的解决方案是