音频滤波器与效果器实现

引言

滤波器与效果器是音频处理的基本构件。均衡、去齿音、混响、延迟、压缩、失真——这些看似不同的功能，底层都是同一套工具：延迟线、乘加、反馈。理解这套工具的组合方式，就能自己实现几乎任何效果器。

工程上的难点不在数学，而在数值稳定性与参数变化的连续性。一个理论上正确的滤波器，在 48 kHz 下、参数被 UI 每秒更新 60 次时，可能因为系数突变而产生爆音；一个 IIR 滤波器在极端参数下可能极点跑出单位圆而自激；一个压缩器的包络检测器用错时间常数会产生可听的"抽吸"感。这些都不是教科书公式能解决的问题。

本文按"基础 → 滤波器 → 延迟类效果 → 动态处理 → 非线性 → 工程细节"的顺序组织。每部分都给出可直接使用的实现片段与参数取值，并在最后讨论实时实现中的稳定性、平滑与精度问题。

目录

1. 滤波器基础：传递函数与频响
2. Biquad 与 RBJ Cookbook
3. FIR 与 IIR 的工程取舍
4. 延迟线：延迟、回声与梳状滤波
5. 混响：从 Schroeder 到 FDN
6. 动态处理：压缩器与限幅器
7. 失真与波形整形
8. 参数平滑与拉链噪声
9. 实时实现的数值稳定性

1. 滤波器基础：传递函数与频响

数字滤波器由差分方程描述。以最简单的一阶低通为例：

y[n] = b0·x[n] + b1·x[n-1] - a1·y[n-1]

对它做 z 变换，得到传递函数：

        b0 + b1·z⁻¹
H(z) = ─────────────
        1 + a1·z⁻¹

频响就是令 z = e^(jω) 代入 H(z) 得到的复函数：模长是幅度响应，辐角是相位响应。

1.1 极零点与稳定性

分母的根是极点，分子的根是零点。IIR 滤波器稳定的充要条件是所有极点位于单位圆内（|p| < 1）。

低通：极点在正实轴靠近 1 处
高通：极点在负实轴靠近 -1 处
带通：一对共轭极点靠近单位圆

极点越靠近单位圆，谐振越尖锐（Q 值越高），但也越接近不稳定边界。定点实现时系数量化误差可能把极点推出单位圆，导致自激——这是嵌入式音频最常见的故障。

1.2 相位与延迟

滤波器的相位响应决定不同频率成分的延迟差异（群延迟）。IIR 滤波器的群延迟随频率变化，会把瞬态"抹开"；FIR 可以做到严格线性相位（群延迟恒定），代价是延迟与阶数成正比。

FIR 线性相位：群延迟 = (N-1)/2 个样本
48 kHz 下 511 抽头 FIR → 延迟 = 255 样本 ≈ 5.3 ms

对音乐制作，这个延迟通常可接受；对实时监听，5 ms 已经接近可感知边界。

2. Biquad 与 RBJ Cookbook

**Biquad（双二阶）**是音频中使用最广的滤波器结构，因为它用最少的计算实现了二阶 IIR，而二阶足以覆盖绝大多数均衡需求。

        b0 + b1·z⁻¹ + b2·z⁻²
H(z) = ───────────────────────
        1 + a1·z⁻¹ + a2·z⁻²

2.1 RBJ Cookbook 系数

Robert Bristow-Johnson 的 Audio EQ Cookbook 给出了各类 biquad 的闭式系数，是事实标准。以低通为例，给定 f0（截止频率）、Q（品质因数）、fs：

import math

def lowpass_coeffs(f0, Q, fs):
    w0 = 2 * math.pi * f0 / fs
    cos_w0, sin_w0 = math.cos(w0), math.sin(w0)
    alpha = sin_w0 / (2 * Q)
    b0 = (1 - cos_w0) / 2
    b1 = 1 - cos_w0
    b2 = (1 - cos_w0) / 2
    a0 = 1 + alpha
    a1 = -2 * cos_w0
    a2 = 1 - alpha
    # 归一化：全部除以 a0
    return (b0/a0, b1/a0, b2/a0, a1/a0, a2/a0)

峰值均衡（peaking EQ）只需把上式中的 alpha 替换为 sin(w0)/(2Q)，并引入 A = 10^(gain_db/40)：b0 = 1 + alpha·A、b2 = 1 - alpha·A、a0 = 1 + alpha/A、a2 = 1 - alpha/A，其余项不变。低架（low shelf）与高架（high shelf）形式类似，只是 b 与 a 的构造不同。

2.2 直接 I 型 vs 转置直接 II 型

直接 I 型的差分方程为 y = b0·x + b1·x1 + b2·x2 - a1·y1 - a2·y2，需要 4 个状态变量（x1、x2、y1、y2），每次 5 次乘加。**转置直接 II 型（TDF-II）**只需 2 个状态、数值特性更好，是工程首选：

struct BiquadTDF2 {
    float b0, b1, b2, a1, a2;
    float s1 = 0, s2 = 0;

    inline float process(float x) {
        float y = b0 * x + s1;
        s1 = b1 * x - a1 * y + s2;
        s2 = b2 * x - a2 * y;
        return y;
    }
};

TDF-II 在浮点下对系数量化的敏感度更低，且状态变量就是滤波器的"内部能量"，便于做稳定性监控。

2.3 常用滤波器类型

3. FIR 与 IIR 的工程取舍

3.1 何时用 FIR

• 需要线性相位：母带均衡、相位敏感的多轨叠加。
• 需要陡峭过渡带：抗混叠、采样率转换。
• 需要精确的频率响应：房间校正（数百抽头）。
• 需要卷积：混响（用 FFT 分块卷积）。

3.2 何时用 IIR

• 实时参数变化：均衡器旋钮要平滑跟随，FIR 重算代价太大。
• 算力受限：嵌入式设备。
• 只需要幅度控制：不需要严格线性相位。

3.3 级联 biquad 实现高阶滤波

需要四阶或更高阶时，级联多个 biquad，每个承担一对极点。顺序很重要：Q 值高的放前面可以避免中间级过载（定点实现尤其关键），浮点实现影响较小。级联的实现只是把上一步的输出喂给下一级，用 for (auto& s : stages) x = s.process(x); 即可。

滤波器系数设计的更多数学细节与频域验证方法见 audio-spectral-analysis-fft 。

4. 延迟线：延迟、回声与梳状滤波

延迟线（Delay Line）是效果器的基础构件：一块环形缓冲加一个读写指针。

class DelayLine {
    std::vector<float> buf;
    size_t write = 0;
public:
    explicit DelayLine(size_t maxSamples) : buf(maxSamples, 0.0f) {}

    void writeSample(float x) {
        buf[write] = x;
        write = (write + 1) % buf.size();
    }
    float readDelayed(size_t delaySamples) const {
        size_t idx = (write + buf.size() - delaySamples) % buf.size();
        return buf[idx];
    }
    // 分数延迟：线性插值
    float readFractional(float delaySamples) const {
        size_t d0 = (size_t)delaySamples;
        float frac = delaySamples - d0;
        float a = readDelayed(d0);
        float b = readDelayed(d0 + 1);
        return a + frac * (b - a);
    }
};

4.1 分数延迟与插值质量

延迟时间通常不是整数样本（例如 3.7 ms @ 48 kHz = 177.6 样本），必须插值。插值方法决定质量：

调制型效果（合唱、镶边）必须用至少三次插值，否则调制时会听到"阶梯"感。

4.2 梳状滤波

把延迟信号与原始信号相加，得到梳状滤波器（Comb Filter）：频响上出现等间隔的峰谷。

y[n] = x[n] + g·x[n-D]
峰出现在 f = k/D（k = 0, 1, 2, ...）
谷出现在 f = (k + 0.5)/D

• 前馈梳状（Feedforward Comb）：只有前向路径，用于镶边（flanger）。
• 反馈梳状（Feedback Comb）：y[n] = x[n] + g·y[n-D]，用于回声与混响。g < 1 才稳定。

// 反馈梳状：回声
float feedbackComb(float x, DelayLine& dl, size_t D, float g) {
    float delayed = dl.readDelayed(D);
    float y = x + g * delayed;
    dl.writeSample(y);
    return y;
}

5. 混响：从 Schroeder 到 FDN

混响要模拟房间的密集晚期反射。三条技术路线：

5.1 Schroeder 混响

最简单的结构：4 个并联反馈梳状滤波器 + 2 个串联全通滤波器。

输入 ──┬─▶ Comb(D1,g1) ──┐
       ├─▶ Comb(D2,g2) ──┤
       ├─▶ Comb(D3,g3) ──┼─▶ Allpass ─▶ Allpass ─▶ 输出
       └─▶ Comb(D4,g4) ──┘

延迟时间取互质数（例如 1116、1188、1277、1356 样本 @ 44.1 kHz）避免峰谷重合。Schroeder 混响的密度不足，听感上"金属味"明显，但算力极低（约 20 次乘加/样本），适合嵌入式。

5.2 Freeverb

Freeverb 用 8 个并联梳状（每个带低通阻尼）+ 4 个串联全通，立体声用 23 样本的偏移量错开左右。阻尼系数模拟高频在空气中更快衰减的物理现象。

comb 延迟（@ 44.1 kHz）：1116, 1188, 1277, 1356, 1422, 1491, 1557, 1617
allpass 延迟：556, 441, 341, 225
stereo spread：23 样本

Freeverb 是开源混响的经典实现，代码量小、听感可用，是很多游戏与轻量应用的默认选择。

5.3 FDN（Feedback Delay Network）

FDN 用 N 个延迟线 + 一个正交反馈矩阵，能在同等延迟线数量下获得更高的回声密度。

s[n+1] = A · (衰减 × 延迟(s[n])) + b·x[n]
y[n] = c · s[n]

A 通常取 Hadamard 矩阵（元素 ±1/√N），它正交且无乘法（只有加减），算力友好。N 取 8 或 16 时，回声密度已接近真实房间。FDN 是现代高质量算法混响的主流结构。

5.4 卷积混响

直接与真实房间的脉冲响应（IR）卷积，质量最高。短 IR（< 100 ms）用直接卷积，长 IR 必须用FFT 分块卷积（uniform partitioned convolution）：把 IR 分成 N/B 块（B 为分块大小），每块做一次 FFT 乘法并累加，延迟为 B 个样本，每样本算力约 O(log B)。分块越小延迟越低但算力越高，典型取 B = 128 或 256。

6. 动态处理：压缩器与限幅器

6.1 压缩器的四个参数

6.2 增益计算

若 level_dB > threshold：
    gain_reduction_dB = (level_dB - threshold) × (1 - 1/ratio)

软拐点（soft knee）在阈值附近平滑过渡，避免"突然开始压缩"的听感。

6.3 包络检测器

增益的平滑用一阶低通，时间常数由 attack/release 换算：

class Compressor {
    float thresholdDb = -20.0f, ratio = 4.0f;
    float attackMs = 10.0f, releaseMs = 100.0f;
    float envDb = 0.0f;
    float sr = 48000.0f;

    float process(float x) {
        float levelDb = 20.0f * std::log10(std::fabs(x) + 1e-9f);
        float coeff = (levelDb > envDb)
            ? std::exp(-1.0f / (attackMs * 0.001f * sr))
            : std::exp(-1.0f / (releaseMs * 0.001f * sr));
        envDb = levelDb + coeff * (envDb - levelDb);

        float over = envDb - thresholdDb;
        float grDb = (over > 0.0f) ? over * (1.0f - 1.0f / ratio) : 0.0f;
        return x * std::pow(10.0f, -grDb / 20.0f);
    }
};

注意 log10 与 pow 是昂贵的超越函数，每样本调用会成为热点。工程优化是在块级别计算增益（k-rate），或查表 + 插值。

6.4 限幅器

限幅器是 ratio 无穷大的压缩器，但真正的"砖墙限幅"需要前瞻（look-ahead）：提前看 N 毫秒的信号，预先把增益降下来，避免瞬态穿过。前瞻引入了 N 毫秒的延迟，这是母带链路上主要的延迟来源。

look-ahead 1.5 ms @ 48 kHz = 72 样本的延迟

6.5 侧链（Sidechain）

侧链让压缩器的检测信号来自另一个源（例如让贝斯给底鼓让路）。实现上只是把检测输入与处理输入分开：

float process(float x, float detectInput) {
    // 用 detectInput 算包络，用 x 做处理
}

7. 失真与波形整形

失真本质是非线性函数，会产生新的谐波。

// 软削波（tanh），奇次谐波为主
inline float softClip(float x) { return std::tanh(x); }

// 硬削波，产生大量奇次谐波
inline float hardClip(float x) { return std::clamp(x, -1.0f, 1.0f); }

// 非对称（产生偶次谐波，听感更"温暖"）
inline float asymmetric(float x) { return x > 0 ? std::tanh(x) : std::tanh(0.7f * x); }

7.1 过采样是必须的

非线性产生的谐波会超出奈奎斯特频率并折回。任何失真都必须过采样，这是 audio-sampling-quantization 中反复强调的原则：

2× 过采样：混叠减少约 12 dB
4× 过采样：混叠减少约 24 dB
8× 过采样：混叠减少约 36 dB

过采样的代价是算力线性增长，通常 4× 是性价比拐点。

7.2 波形整形查表

tanh 每样本调用太慢，工程上预计算一张查找表（例如 1024 点）加线性插值：构造期把 [-1, 1] 上的 tanh(x·drive) 填入表，处理时把输入映射到表索引、取相邻两点做线性插值即可。这与 Web Audio 的 WaveShaperNode 是同一思路，见 audio-web-audio-api 。

8. 参数平滑与拉链噪声

参数被 UI 直接写入时，每块之间的突变会产生"拉链噪声"（zipper noise）。

8.1 一阶平滑

class SmoothedParam {
    float current = 0.0f, target = 0.0f, coeff = 0.0f;
public:
    void setup(float sampleRate, float timeMs) {
        coeff = 1.0f - std::exp(-1.0f / (timeMs * 0.001f * sampleRate));
    }
    void setTarget(float t) { target = t; }
    inline float next() {
        current += (target - current) * coeff;
        return current;
    }
};

时间常数取 5~20 ms 通常听不出但能有效抑制拉链噪声。

8.2 逐样本 vs 逐块

• 增益、声像、滤波截止频率：逐样本平滑（a-rate）。
• 压缩器阈值、混响大小：逐块平滑（k-rate）足够。
• 采样率、滤波器阶数：不可变，需重建。

8.3 滤波器系数插值

滤波器系数不能直接线性插值（会经过非稳定区域），正确做法是插值参数（频率、Q、增益）再重算系数，或对系数做"极点保形插值"。工程上通常每 16~64 个样本重算一次系数，把 sin/cos 的调用频率降到 1/32 左右，听感上完全无差。

9. 实时实现的数值稳定性

9.1 反规格化数（Denormals）

浮点运算结果趋近于 0 时（例如混响尾巴衰减到极小），CPU 会进入**反规格化（denormal）**模式，速度可能下降 10~100 倍。这在混响尾音上极其常见，表现为"CPU 突然飙高"。

解决方案：

// 在反馈路径上加一个极小的直流偏置
y += 1e-20f;                       // 防止 denormal

// 或设置 CPU 的 FTZ/DAZ 标志（x86）
#include <xmmintrin.h>
_mm_setcsr(_mm_getcsr() | 0x8040);  // FTZ + DAZ

9.2 定点实现的注意点

• 累加器要足够宽（Q15 输入用 32 bit 累加器）。
• 每级之后做饱和（__SSAT）而非回绕。
• 系数用 Q 格式表示时注意精度损失，二阶极点在低频（f0/fs 很小）时对系数量化极敏感，必要时改用一阶或提高系数位宽。

9.3 浮点累加顺序

不同 SIMD 宽度下加法顺序不同，结果会有 LSB 级差异。这对听感无影响，但会破坏 null test 的零残差，做自动化回归时需要注意，见 audio-quality-testing 。

权衡取舍

常见坑清单

1. 反馈增益 ≥ 1：梳状或混响自激，输出指数增长直到削波。所有反馈路径必须 |g| < 1。
2. denormal 拖慢 CPU：混响尾音衰减到极小值时触发反规格化，CPU 飙升 10 倍以上，需加偏置或开 FTZ。
3. 滤波器系数直接线性插值：插值路径可能穿过不稳定区域，应插值参数再重算系数。
4. 失真不过采样：高次谐波折回产生刺耳混叠，这是"数字失真难听"的主因。
5. 延迟线读指针越界：write - delay 为负时未加模数，读到垃圾数据，必须用 (write + size - d) % size。
6. 每样本调用 log/pow：压缩器与失真的热点，应改为逐块计算或查表。
7. 级联 biquad 顺序随意：定点实现下高 Q 级放后面会过载，应从高 Q 到低 Q。
8. 忘记清零输出缓冲：累加语义的效果器会残留上一块数据，产生周期性噪声。
9. 调制延迟不做分数插值：合唱/镶边会听到明显的阶梯感，至少用三次插值。
10. 静音时不重置状态：长时间运行后状态漂移，恢复播放时出现瞬态"噗"声。

小结

音频效果器的实现可以归结为三种基本构件：滤波器（biquad/FIR）、延迟线（含反馈）、非线性函数。均衡、混响、延迟、压缩、失真都是它们的组合。掌握 TDF-II biquad 与环形延迟线的实现，就掌握了 80% 的效果器开发。

工程上最容易翻车的三处：反馈路径的稳定性、反规格化数导致的 CPU 飙升、以及参数突变产生的拉链噪声。这三者都不会在教科书的公式里出现，但会在真实产品里频繁触发。

继续深入建议读 audio-worklet-realtime 把这些效果器放进浏览器的实时线程，读 audio-spectral-analysis-fft 用频谱验证滤波器的实际频响，读 audio-mixing-mastering 理解这些构件如何组成完整的混音与母带链路。