如何混合PCM音频源（Java）？

以下是我目前正在处理的问题：

for (int i = 0, numSamples = soundBytes.length / 2; i < numSamples; i += 2)
{
    // Get the samples.
    int sample1 = ((soundBytes[i] & 0xFF) << 8) | (soundBytes[i + 1] & 0xFF);   // Automatically converts to unsigned int 0...65535                                 
    int sample2 = ((outputBytes[i] & 0xFF) << 8) | (outputBytes[i + 1] & 0xFF); // Automatically converts to unsigned int 0...65535

    // Normalize for simplicity.
    float normalizedSample1 = sample1 / 65535.0f;
    float normalizedSample2 = sample2 / 65535.0f;

    float normalizedMixedSample = 0.0f;

    // Apply the algorithm.
    if (normalizedSample1 < 0.5f && normalizedSample2 < 0.5f)
        normalizedMixedSample = 2.0f * normalizedSample1 * normalizedSample2;
    else
        normalizedMixedSample = 2.0f * (normalizedSample1 + normalizedSample2) - (2.0f * normalizedSample1 * normalizedSample2) - 1.0f;

    int mixedSample = (int)(normalizedMixedSample * 65535);

    // Replace the sample in soundBytes array with this mixed sample.
    soundBytes[i] = (byte)((mixedSample >> 8) & 0xFF);
    soundBytes[i + 1] = (byte)(mixedSample & 0xFF);
}

for（int i=0，numSamples=soundBytes.length/2；i

据我所知，这是本页定义的算法的准确表示：

然而，仅仅是将一个声音与静默（全部为0）混合会产生一个听起来显然不正确的声音，也许最好将其描述为音调更高、声音更大

---

如果能帮助我确定我是否正确地实现了算法，或者我是否只需要以不同的方式（不同的算法/方法）实现算法，我将不胜感激。

在链接文章中，作者假设a和B代表整个音频流。更具体地说，X表示流X中所有样本的最大abs值，其中X为A或B。因此，他的算法扫描两个流的整体，以计算每个流的最大abs样本，然后对其进行缩放，以便理论上输出峰值为1.0。为了实现此算法，您需要对数据进行多次传递，如果您的数据正在流式传输，那么它将无法工作

下面是一个我认为算法如何工作的例子。它假设示例已经转换为浮点，以避免转换代码出错的问题。我稍后会解释它的问题：

 double[] samplesA = ConvertToDoubles(samples1);
 double[] samplesB = ConvertToDoubles(samples2);
 double A = ComputeMax(samplesA);
 double B = ComputeMax(samplesB);

 // Z always equals 1 which is an un-useful bit of information.
 double Z = A+B-A*B;

 // really need to find a value x such that xA+xB=1, which I think is:
 double x = 1 / (Math.sqrt(A) * Math.sqrt(B));

 // Now mix and scale the samples
 double[] samples = MixAndScale(samplesA, samplesB, x);

混合和结垢：

 double[] MixAndScale(double[] samplesA, double[] samplesB, double scalingFactor)
 {
     double[] result = new double[samplesA.length];
     for (int i = 0; i < samplesA.length; i++)
         result[i] = scalingFactor * (samplesA[i] + samplesB[i]);
 }

double[]MixAndScale（double[]samplesA，double[]samplesB，double scalingFactor）
{
double[]结果=新的double[samplesA.length]；
对于（int i=0；i

计算最大峰值：

double ComputeMaxPeak(double[] samples)
{
    double max = 0;
    for (int i = 0; i < samples.length; i++)
    {
        double x = Math.abs(samples[i]);
        if (x > max)
            max = x;
    }
    return max;
}

double ComputeMaxPeak（双[]个样本）
{
双最大值=0；
对于（int i=0；i最大值）
max=x；
}
返回最大值；
}

和转换。请注意我是如何使用short的，以便正确维护符号位的：

double[] ConvertToDouble(byte[] bytes)
{
    double[] samples = new double[bytes.length/2];
    for (int i = 0; i < samples.length; i++)
    {
        short tmp = ((short)bytes[i*2])<<8 + ((short)(bytes[i*2+1]);
        samples[i] = tmp / 32767.0;
    }
    return samples;
}

double[]ConvertToDouble（字节[]字节）
{
double[]samples=新的double[bytes.length/2]；
对于（int i=0；ishort tmp=（（short）bytes[i*2]）尝试了这段代码。经过几次编译和缺少括号错误后，当两个音频源混合时，背景中仍然存在白噪声。还有什么遗漏吗？经过长时间处理这个问题后，我决定不使用这种转换方式，而是使用
ByteBuffer.wrap（bytes）.order（ByteOrder.LITTLE_ENDIAN）.asShortBuffer（）.get（shorts）；
，对shorts进行操作。然后返回ByteBuffer.wrap（bytes）.order（ByteOrder.LITTLE_ENDIAN.asShortBuffer（）.put（shorts）；

。这非常有效。