如何使用Core Audio在iOS上实现音频声道相位旋转与声像移动效果？

声像（Panorama）是指声音在立体声声场中的位置感知。人耳判断声源方位的依据除了强度差和时间差之外，还有一个常被忽略的因素——相位差。当一个声道相对另一个声道存在连续变化的相位偏移时，大脑会将这种相位差解读为空间位移，从而产生声音在左右声道之间游走的错觉。本文将基于iOS平台的Core Audio框架，用全通滤波器实现声道相位旋转，并借此构建可实时调节的声像扫掠效果。

一、全通滤波器如何实现相位旋转

全通滤波器（All-Pass Filter）的幅频响应恒为1，也就是说它不会改变信号的幅度，只会改变信号的相位。这一特性让它成为做相位处理的理想工具。一阶全通滤波器的传递函数如下：

H(z) = (a + z^-1) / (1 + a * z^-1)

当参数a取不同值时，滤波器在不同频率处产生不同的相移。在某个特定频率点（比如1kHz），相位偏移量可以通过调整a来连续控制。这正好满足声像移动的需求：我们让左声道保持原始相位，右声道经过一个可变参数的全通滤波器，两个声道之间的相位差随之连续变化，听感上声像就会左右移动。

差分方程实现非常简单，直接在时域逐样本计算即可：

// 一阶全通滤波器结构体
typedef struct {
    float a;        // 全通系数
    float prevIn;   // 上一个输入样本
    float prevOut;  // 上一个输出样本
} AllPassFilter;

float allPassProcess(AllPassFilter *f, float in) {
    float out = f->a * in + f->prevIn - f->a * f->prevOut;
    f->prevIn = in;
    f->prevOut = out;
    return out;
}

系数a与目标相移角度的对应关系为：假设目标在频率f0处产生相移theta，可以先算出模拟角频率w0 = 2 * pi * f0 / fs的预畸变值，再通过双线性变换得到a。实际工程中更常见的做法是直接建立a与相移的查表关系，运行时用插值平滑过渡，避免系数跳变带来的爆音。

二、在Core Audio中搭建处理链路

iOS上做实时音频处理的标准路径是AudioUnit。我们需要一个Remote IO Unit获取麦克风或线路输入，也可以直接用AudioFilePlayer Unit播放音频文件，然后在渲染回调中插入自定义的相位处理逻辑。整体链路是：输入Unit -> 渲染回调（全通滤波 + 声像处理）-> 输出Unit。

先初始化AudioUnit，设置立体声输出格式。注意iOS设备内建麦克风的默认采集格式不是线性PCM双声道，需要通过AUGraph或AVAudioEngine做格式转换。下面是用AUGraph搭建的典型结构：

AudioComponentDescription ioDesc;
ioDesc.componentType = kAudioUnitType_Output;
ioDesc.componentSubType = kAudioUnitSubType_RemoteIO;
ioDesc.componentManufacturer = kAudioUnitManufacturer_Apple;
ioDesc.componentFlags = 0;
ioDesc.componentFlagsMask = 0;

AUGraphAddNode(graph, &ioDesc, &ioNode);
AUGraphOpen(graph);
AUGraphNodeInfo(graph, ioNode, &ioDesc, &remoteIOUnit);

// 设置双声道浮点输出格式
AudioStreamBasicDescription stereoFormat = {0};
stereoFormat.mSampleRate = 44100;
stereoFormat.mFormatID = kAudioFormatLinearPCM;
stereoFormat.mFormatFlags = kAudioFormatFlagIsFloat | kAudioFormatFlagIsNonInterleaved;
stereoFormat.mChannelsPerFrame = 2;
stereoFormat.mFramesPerPacket = 1;
stereoFormat.mBytesPerFrame = 4;
stereoFormat.mBytesPerPacket = 4;
stereoFormat.mBitsPerChannel = 32;

格式设置完毕后，在输出Unit上注册渲染回调。回调函数由音频渲染线程按固定周期调用，所有滤波运算都在这里完成。要特别提醒一点：渲染线程是实时线程，绝对不能在里面做内存分配、加锁或调用Objective-C方法，参数更新要通过无锁的原子变量或者环形缓冲传递。

三、渲染回调中的相位差声像实现

核心处理逻辑放在渲染回调里。思路是：输入的单声道或立体声信号先做能量归一，然后左声道直通，右声道经过全通滤波器产生相位偏移，两路叠加后输出。通过在主线程定期修改全通系数a，就能实现声像的动态扫掠。

static OSStatus renderCallback(void *inRefCon,
                               AudioUnitRenderActionFlags *flags,
                               const AudioTimeStamp *timestamp,
                               UInt32 busNumber,
                               UInt32 numFrames,
                               AudioBufferList *ioData) {
    AudioEngine *engine = (AudioEngine *)inRefCon;

    for (UInt32 frame = 0; frame < numFrames; frame++) {
        float in = engine->inputBuffer[frame];

        // 左声道直通，保留原始相位
        float left = in;

        // 右声道经过全通滤波，产生可变相移
        float right = allPassProcess(&engine->apFilter, in);

        // 两个缓冲区为非交错格式，分别写入
        engine->leftChannel[frame]  = left;
        engine->rightChannel[frame] = right;
    }
    return noErr;
}

声像扫掠的效果由系数a的变化速度决定。快速变化时声像移动明显，类似Auto-Pan效果；缓慢变化时则产生微妙的空间开阔感。可以在主线程用一个正弦函数驱动a值：

// 每帧更新一次相位系数，实现周期性声像摆动
- (void)updatePanPosition {
    static float phase = 0.0f;
    phase += 0.02f;
    // 将正弦值映射到全通系数区间，并用一阶平滑避免爆音
    float targetA = sinf(phase) * 0.6f;
    self.engine->apFilter.a += (targetA - self.engine->apFilter.a) * 0.001f;
}

这里的平滑处理非常关键。如果直接跳变系数，滤波器内部状态与新系数不匹配，输出会出现明显的咔哒声。用一阶低通的方式平滑系数过渡，可以保证声像移动连续自然。另外，扫掠速率超过一定值（大约每秒几个完整周期）后，相位差会开始被听成颤音而不是空间位移，这一点在调参时需要留意。

四、效果优化与常见问题

单级一阶全通的相移随频率变化较大，低频和高频的声像位置会不一致，听感上声像发虚。改进方法是级联多个二阶全通滤波器，让相位响应在可听频段内更加平坦，声像定位也会更稳定。二阶全通传递函数为：

H(z) = (b2 + b1 * z^-1 + z^-2) / (1 + b1 * z^-1 + b2 * z^-2)

实际测试中，级联三到四级二阶全通、覆盖100Hz到8kHz的频段，就能获得相当理想的相位旋转特性。此外还有几个工程细节值得注意：一是低频相位差效果较弱，可以结合恒定功率声像法则补充低频的强度差；二是移动端要注意滤波运算的CPU占用，定点化或NEON指令优化可以降低功耗；三是测试时务必使用耳机，扬声器的串音会掩盖相位差效果，导致听感与预期不符。

最后总结一下整体思路：全通滤波器提供不改变幅度的相位旋转能力，左右声道的相位差被人耳解读为声像位移，通过主线程动态更新滤波系数实现扫掠。这套方案不仅适用于声像移动，稍加改造还能做相位失真效果、立体声展宽以及模拟梳状滤波器等创意音效，是Core Audio实时信号处理中非常实用的一项基础技术。

Core Audio全通滤波器声像移动修改时间：2026-09-09 04:48:37