如何在iOS端用Core Audio实现AGC自动增益、峰值限制与RMS电平监测？

在 iOS 上做实时音频处理，增益控制通常要放在 Core Audio 的渲染回调里完成。无论是 RemoteIO 的输入回调，还是 AVAudioEngine 的自定义节点，最终拿到的都是 Linear PCM 样本。自动增益控制（AGC）、峰值限制器和 RMS 电平监测这三件事可以共用同一套信号分析结果：先计算当前缓冲区的均方根电平，再根据目标电平更新增益，最后对瞬时峰值做限制，防止削波。下面按这条链路逐步展开。

一、处理顺序与线程约束

Core Audio 的 AudioUnit 回调运行在音频渲染线程上，该线程对实时性要求极高。任何锁等待、堆内存分配、文件读写或 Objective-C 消息转发都可能造成播放卡顿甚至中断。因此，AGC、峰值限制和 RMS 计算必须放在回调内，但只能在预分配内存中处理，所有状态变量使用 C 结构体或静态变量保存。

推荐的线性处理顺序是：第一步读取 AudioBufferList 中每个通道的 mData 指针，将样本视为 Float32；第二步调用 Accelerate 计算当前帧的 RMS 和峰值包络；第三步根据 RMS 与目标电平的差异更新 AGC 增益；第四步把增益乘以样本，再过峰值限制器写入输出。如果处理的是输入回调，可以在写入应用层之前完成同样的处理，避免后续再复制。

硬件默认可能是 16 位整型或交织格式，但直接使用非交织 Float32 能减少转换步骤。可以在 AVAudioSession 中设置 preferredSampleRate 和 preferredIOBufferDuration，并在 AudioUnit 初始化时通过 ASBD 指定 kAudioFormatFlagIsFloat 与 kAudioFormatFlagIsNonInterleaved。这样每个通道的连续采样点可以直接交给 vDSP 函数处理，不需要手动解交织。

OSStatus audioCallback(void *inRefCon,
                       AudioUnitRenderActionFlags *ioActionFlags,
                       const AudioTimeStamp *inTimeStamp,
                       UInt32 inBusNumber,
                       UInt32 inNumberFrames,
                       AudioBufferList *ioData)
{
    ProcessorState *state = (ProcessorState *)inRefCon;
    for (UInt32 channel = 0; channel < ioData->mNumberBuffers; channel++) {
        Float32 *samples = (Float32 *)ioData->mBuffers[channel].mData;
        // 1. 计算RMS与峰值
        Float32 rms = 0.0f;
        Float32 peak = 0.0f;
        vDSP_rmsqv(samples, 1, &rms, inNumberFrames);
        vDSP_maxmgv(samples, 1, &peak, inNumberFrames);
        // 2. 更新AGC增益
        updateAGC(state, rms, inNumberFrames);
        // 3. 应用增益
        vDSP_vsmul(samples, 1, &state->gain, samples, 1, inNumberFrames);
        // 4. 峰值限制
        applyPeakLimiter(samples, inNumberFrames, state);
    }
    return noErr;
}

二、RMS电平监测的Accelerate实现

RMS 反映的是一段样本的平均功率，比瞬时峰值更适合作为 AGC 的控制依据。对于长度为 N 的缓冲区，RMS 的数学定义是样本平方和的均值再开方。手动循环虽然直观，但实时回调里每帧都要遍历，CPU 开销会随之上升。Accelerate 的 vDSP_rmsqv 内部使用 SIMD 指令，单次调用即可完成平方、求和、平均和开方，传入步长 1 即可处理连续样本。

如果还要同时得到峰值，可以用 vDSP_maxmgv 获取最大绝对值。峰值不等于电平，但峰值限制器需要它来捕捉瞬时冲击。实际项目中建议维护一个平滑后的 RMS 电平，而不是直接使用瞬时 RMS。因为帧长通常只有 5 到 20 毫秒，瞬时 RMS 会上下跳动，导致增益来回波动。一阶低通平滑的公式为 smoothedLevel = alpha * smoothedLevel + (1 - alpha) * instantLevel，其中 alpha 可以根据时间常数和采样频率计算。

时间常数选择会影响听感。短时间常数例如 30 毫秒，能更快跟踪语音起落；长时间常数例如 300 毫秒，电平变化更稳定但响应偏慢。一般语音场景可以取 80 到 150 毫秒。代码里可以把 alpha 预计算为 expf(-1.0f / (fs * seconds))，不要在回调里重复调用指数函数。

#include <Accelerate/Accelerate.h>

typedef struct {
    float smoothedLevel;
    float attackAlpha;
    float releaseAlpha;
    float targetLevel;
    float gain;
    float maxGain;
    float minGain;
    float peakThreshold;
    float peakEnvelope;
} ProcessorState;

float computeSmoothedRMS(const float *samples, UInt32 frameCount, ProcessorState *state)
{
    float instant = 0.0f;
    vDSP_rmsqv(samples, 1, &instant, frameCount);
    // 电平上升用较快系数，下降用较慢系数
    float alpha = (instant > state->smoothedLevel) ? state->attackAlpha : state->releaseAlpha;
    state->smoothedLevel = alpha * state->smoothedLevel + (1.0f - alpha) * instant;
    return state->smoothedLevel;
}

三、AGC自动增益的平滑更新

AGC 的目标是让输出电平尽量靠近预设值，而不是把所有信号都放大到满幅。目标电平通常用 dBFS 表示，例如 -18 dBFS 对应线性值约为 0.125。比较当前平滑 RMS 与目标值，可以得到期望增益 desiredGain = targetLevel / max(rms, epsilon)。如果当前电平低于目标，期望增益大于 1；如果当前电平过高，期望增益小于 1。

直接把期望增益赋给增益变量会导致音量突变，甚至引入咔哒声。解决办法是使用攻击和释放两种平滑系数。当期望增益小于当前增益时，进入攻击阶段，快速降低增益；当期望增益大于当前增益时，进入释放阶段，缓慢恢复增益。攻击时间通常设 10 到 50 毫秒，释放时间设 200 到 800 毫秒，这样既能压制突发强音，又不会在静音段突然拉大底噪。

增益范围需要严格限制。过大的增益会把噪声放大得很明显，过小则可能导致声音太轻。对于语音通话，典型增益范围是 0.1 到 10.0（约 -20 dB 到 +20 dB）。在每帧处理时，先根据平滑 RMS 计算期望增益，再按当前状态选择攻击或释放系数进行一阶平滑，最后做上下限裁剪。这样得到的 gain 再交给 vDSP_vsmul 乘以样本，就可以保持音量稳定。

void updateAGC(ProcessorState *state, float rms, UInt32 frameCount)
{
    float epsilon = 1e-6f;
    float desired = state->targetLevel / fmaxf(rms, epsilon);
    float alpha = (desired < state->gain) ? state->attackAlpha : state->releaseAlpha;
    state->gain = alpha * state->gain + (1.0f - alpha) * desired;
    if (state->gain > state->maxGain) state->gain = state->maxGain;
    if (state->gain < state->minGain) state->gain = state->minGain;
}

四、峰值限制器的包络检测与软限幅

即使 AGC 已经控制了平均电平，仍然可能出现单个采样点或几毫秒内的瞬时高峰。数字音频中一旦样本绝对值超过 1.0，输出就会被截断，产生明显失真。峰值限制器的作用是在 AGC 输出之后做最后一道保护，对超过阈值的部分进行压缩或直接限幅。阈值一般设在线性 0.891 到 0.977 之间，对应约 -1 dBFS 到 -0.2 dBFS。

单纯的硬限幅实现简单，只要对每个样本执行 if (sample > threshold) sample = threshold; 以及负向处理，但会引入较多的奇数谐波失真，听感发硬。软拐点压缩会让过阈值部分的增益逐渐下降，比如高于阈值的部分乘以 0.3 再叠回阈值，这样可以保留一定的动态。若要更平滑，还可以使用包络检测器：当瞬时峰值超过当前包络时快速跟踪，低于包络时按释放时间缓慢衰减，再根据包络计算实时增益，避免每个样本独立决策带来的波动。

峰值限制器与 AGC 需要形成反馈。若限制器频繁工作，说明 AGC 增益过大或目标电平偏高，可以在回调中统计限制深度，并适当降低 AGC 的最大增益或目标电平。这样整套链路的声音会更自然。实现时建议在应用 AGC 增益后、写回输出前调用限制器，这样限制器处理的信号已经是增益调整后的结果，不会出现限幅后又放大导致二次削波的问题。

void applyPeakLimiter(float *samples, UInt32 frameCount, ProcessorState *state)
{
    float threshold = state->peakThreshold;
    float softKnee = 0.3f;          // 高于阈值部分的保留比例
    float envAttack = 0.001f;       // 包络上升很快
    float envRelease = 0.05f;       // 包络下降稍慢

    for (UInt32 i = 0; i < frameCount; i++) {
        float absolute = fabsf(samples[i]);
        if (absolute > state->peakEnvelope) {
            state->peakEnvelope += envAttack * (absolute - state->peakEnvelope);
        } else {
            state->peakEnvelope += envRelease * (absolute - state->peakEnvelope);
        }
        if (state->peakEnvelope > threshold) {
            float excess = state->peakEnvelope - threshold;
            float scaled = threshold + excess * softKnee;
            float reduction = scaled / state->peakEnvelope;
            samples[i] *= reduction;
        }
    }
}

五、落地到RemoteIO与调优建议

把上面的状态机和函数接入 RemoteIO 时，初始化阶段需要创建一个 ProcessorState，清零并把 targetLevel、攻击释放时间、阈值等参数配置好。回调中先渲染输入数据，或者直接在输出回调中处理即将播放的缓冲区。由于回调可能被多个通道交替调用，状态最好按通道分开保存，避免双声道共享同一个增益导致声像偏移。

调优时先不要开启 AGC，只观察平滑后的 RMS 和峰值。可以通过打印或写入环形缓冲区的方式查看电平变化，确认目标电平是否匹配实际信号。之后再逐步打开 AGC，先设置较大的释放时间和较小的最大增益，听一听音量是否稳定，有没有呼吸感。若底噪被明显放大，考虑降低最大增益或加入噪声门。最后打开峰值限制器，用较强的正弦波或打击乐测试是否还有削波。

这套手动实现的方案与系统自带语音处理单元并不冲突。很多应用只需要系统 AGC 时可以选用 kAudioUnitSubType_VoiceProcessingIO，但如果需要自定义增益曲线、RMS 显示或扩展压缩器，就需要回到 Core Audio 的 PCM 回调里自己实现。掌握了 RMS 计算、增益平滑和峰值包络检测这三块，后续再加入 EQ、动态压缩或噪声抑制都会更加顺手。

Core Audio自动增益控制峰值限制修改时间：2026-10-03 19:12:37