使用Core Audio实现iOS端音频多频段动态均衡器动态范围控制：多频段动态EQ的动态范围压缩、扩展与限幅功能集成与增益平滑处理

多频段动态均衡器是专业音频处理中的核心组件，它将输入信号按频率拆分成若干个频段，对每个频段独立进行动态范围处理，再混合输出。相比传统的全频段压缩器，多频段方案可以做到低频收紧而不影响高频通透感，人声频段提升时低频鼓点不会被误触发。本文基于iOS平台的Core Audio框架，完整实现一个包含压缩、扩展与限幅功能的多频段动态EQ，并重点讨论增益平滑处理这一容易被忽视的环节。

整体架构设计：从AUGraph到自研渲染管线

在动手写代码之前，需要先确定渲染架构。iOS上常规做法是用AUGraph串联AURemoteIO、混音器等系统单元，但多频段动态EQ属于定制算法，系统没有现成的AudioUnit可供使用。因此更合理的方案是：用AudioUnit的RenderCallback机制拿到输入PCM数据，在回调中执行自研的DSP处理链，再交给输出单元播放。

整条处理链的信号流向可以概括为：输入缓冲区先经过分频网络拆分为四个频段，每个频段并行通过独立的动态处理器（压缩器、扩展器或限幅器），各频段输出相加还原为全频带信号，最后经过一个全局安全限幅器防止削波。这样的设计让每个频段的动态处理参数互不干扰，比如可以对20Hz到120Hz的低频段设置较大的压缩比和较慢的启动时间，而对8kHz以上的高频段采用快速限幅来控制齿音。

分频网络推荐使用Linkwitz-Riley四阶滤波器级联。它的关键优势在于分频点处两个相邻频段相加后的相位响应是全通的，不会产生相位抵消导致的频响凹陷。如果用Butterworth二阶滤波器做分频，交叠区会出现明显的梳状滤波效应，听感上表现为声音发空。下面是LR4分频的C++实现，每个频段由两个级联的二阶状态变量滤波器构成：

// Linkwitz-Riley 4阶分频，输出低通和高通两个分量
struct LR4Crossover {
    float lp1[2] = {0, 0}, lp2[2] = {0, 0};
    float hp1[2] = {0, 0}, hp2[2] = {0, 0};

    void process(float in, float& lowOut, float& highOut,
                 float g, float k) {
        // 第一级低通（状态变量形式）
        float lpA = g * (in - lp1[1] - k * hp1[1]) + lp1[0];
        float hpA = hp1[0] + g * hp1[1];
        lp1[0] = lp1[1]; lp1[1] = lpA;
        hp1[0] = hp1[1]; hp1[1] = hpA;
        // 第二级复用同样的结构
        float lpB = g * (lpA - lp2[1] - k * hp2[1]) + lp2[0];
        float hpB = hp2[0] + g * hp2[1];
        lp2[0] = lp2[1]; lp2[1] = lpB;
        hp2[0] = hp2[1]; hp2[1] = hpB;
        lowOut = lpB;
        highOut = hpB; // LP+HP之和即为全通响应
    }
};

需要注意的是，采样率变更时必须重新计算滤波器系数并清零所有状态变量，否则切换音频路由（比如插拔耳机）后会出现短暂的下冲噪声。建议在渲染回调外用原子变量传递系数，回调内只做读取，避免加锁。

动态处理核心：电平检测与压缩曲线设计

动态范围处理的本质是根据检测到的信号电平，按照设定的传输曲线计算增益并施加到信号上。电平检测是第一步，也是最影响听感的环节。常用做法是先求信号绝对值的包络，再用一阶平滑滤波器跟踪，启动阶段和释放阶段使用不同的时间常数。峰值检测对瞬态响应快但对响度感知不准确，RMS检测更贴近听感但反应偏慢，实际产品里常用两者结合的方案。

包络跟随器的离散化实现可以参考下面的代码。启动时间常数越小，对突发信号的反应越快；释放时间常数决定增益恢复的平滑度。经验上低频段适合用较长的启动时间（约20毫秒）避免鼓点被削平瞬态，而高频段用较短的启动时间（1到5毫秒）控制齿音。

struct EnvelopeFollower {
    float envelope = 0;
    float attackCoef, releaseCoef;

    // time单位为秒，按采样率换算系数
    void setCoefficients(float attackMs, float releaseMs,
                         double sampleRate) {
        attackCoef  = expf(-1.0f / (attackMs  * 0.001f * sampleRate));
        releaseCoef = expf(-1.0f / (releaseMs * 0.001f * sampleRate));
    }

    float process(float in) {
        float level = fabsf(in);
        float coef = (level > envelope) ? attackCoef : releaseCoef;
        envelope = coef * (envelope - level) + level;
        return envelope;
    }
};

拿到包络电平后，按照软拐点的压缩曲线计算目标增益。软拐点指的是在阈值附近让压缩比从1:1平滑过渡到设定值，而不是硬切换。硬拐点虽然实现简单，但在处理人声时会听到明显的抽吸感。压缩、扩展、限幅可以统一在同一条曲线函数中表达：压缩段斜率小于1，扩展段在噪声门阈值以下斜率大于1，限幅则是在上限阈值处斜率趋近于0的极端压缩。

// 统一的动态增益计算，输入为dB域电平
// 返回应施加的增益变化量（dB），负值代表衰减
float computeGainDb(float levelDb, float threshDb,
                    float ratio, float kneeDb,
                    float gateThreshDb, float expandRatio) {
    float gainDb = 0.0f;
    // 向上扩展区：低于噪声门阈值时额外衰减
    if (levelDb < gateThreshDb) {
        float over = gateThreshDb - levelDb;
        gainDb -= (expandRatio - 1.0f) * over;
    }
    // 压缩区：软拐点处理
    if (levelDb > threshDb - kneeDb * 0.5f) {
        float over = levelDb - threshDb;
        if (over < kneeDb * 0.5f) {
            // 拐点内二次曲线平滑过渡
            float x = over + kneeDb * 0.5f;
            gainDb -= (1.0f - 1.0f / ratio) *
                      (x * x) / (2.0f * kneeDb);
        } else {
            gainDb -= (1.0f - 1.0f / ratio) * over;
        }
    }
    return gainDb;
}

限幅器的实现建议单独一层，采用前瞻缓冲的方案：用5到10毫秒的延迟换取对瞬态峰值的预判，在峰值到来之前提前压低增益，这样可以在不明显损失响度的前提下把真峰值控制在0dBTP以内。多频段限幅要特别注意各频段增益的一致性，否则瞬态通过时低频先压、高频后压，会产生短暂的频谱偏移听感。

增益平滑处理与工程实践细节

增益平滑是决定最终听感是否自然的关键。即使包络跟随器已经做了启动释放平滑，计算出的目标增益仍然可能在帧间剧烈跳变，尤其是在多频段架构下，各频段增益差异过大会导致信号频谱被实时扭曲。常见的改善手段是对最终增益再做一层指数平滑，即增益本身也有自己的启动和释放时间常数，而且通常比包络时间常数更长。

另一个值得采用的技巧是各频段间的增益联动，也叫耦合处理。具体做法是把每个频段的目标增益与其他频段的包络电平做加权和，这样当低频鼓点触发压缩时，中高频段也会获得小幅联动增益，避免低频突然衰减导致整体声音变薄。联动系数一般取0.2到0.5之间，过高会让多频段退化为近似全频段处理。

// 增益平滑与频段联动示例（每采样点调用）
void smoothAndLink(float* bandGainDb /* 4个频段 */,
                   float* bandEnvDb  /* 4个频段包络 */,
                   float* state      /* 4个平滑状态 */) {
    const float linkAmount = 0.3f;
    for (int i = 0; i < 4; ++i) {
        // 计算其他频段对当前频段的联动影响
        float linkedTarget = bandGainDb[i];
        for (int j = 0; j < 4; ++j) {
            if (j != i && bandGainDb[j] < 0.0f) {
                linkedTarget += linkAmount *
                    bandGainDb[j] * (bandEnvDb[i] / (bandEnvDb[j] + 1e-9f));
            }
        }
        // 增益自身的平滑，10ms时间常数
        float coef = expf(-1.0f / (0.010f * sampleRate_));
        state[i] = coef * (state[i] - linkedTarget) + linkedTarget;
        bandGainDb[i] = state[i];
    }
}

在iOS平台上还有几个工程细节不可忽略。第一，渲染回调运行在实时优先级线程上，禁止任何内存分配、锁操作和Objective-C消息发送，所有参数更新都要通过无锁的原子交换或环形缓冲完成。第二，AES托管会话配置要合理，AVAudioSession的category建议设为playAndRecord并开启measurement模式，避免系统自带的语音处理算法污染信号链。第三，调试阶段务必开启APC测量，利用输出电平统计验证各频段的实际压缩量是否符合预期，光靠耳朵听在参数调优时效率很低。

最后提一下旁链检测的优化方向。如果对延迟极其敏感的场景（比如实时K歌），可以把包络检测放到绝对值域而非RMS域，并缩短前瞻缓冲；如果是音乐播放器场景，则可以牺牲十毫秒左右的延迟换取更精确的真峰值检测。动态EQ的参数没有万能公式，关键是理解每个时间常数和阈值对声音的作用方向，再结合具体素材反复调整。

修改时间：2026-09-05 22:37:15