聊聊音频信号处理中一个不太起眼的算法-limiter

本文对笔者关于音频信号处理中的 Limiter 的理解作以记录。如有表述不当之处欢迎批评指正。欢迎任何形式的转载，但请务必注明出处。

1. 引言

由于工作上的需要，笔者花了一周左右的时间对 limiter（它属于动态范围控制器里面的一种算法，动态范围控制器包括 compressor, expander, limiter 和 noise gate 等，感兴趣的读者可参考笔者的另一篇博客）进行了研究学习。期间也阅读了不少资料，对 limiter 算是有了较深入地了解。在此对整个学习过程、笔者的感悟以及算法背后所蕴含的思想作以记录，以方便后续回顾和他人学习。

相比于音频信号处理中的其它算法，limiter 是一个存在感较低的算法，各种资料上所呈现出的原理和实现过程也相对简单，基本一看就懂。但是按照该原理所实现的 limiter 仍然需要接后处理才能满足实际需要。

本文首先介绍了 Matlab 上的实现，笔者称之为一阶递归平滑版本的 limiter，该版本也是上面所说的大多数资料上呈现的版本；然后介绍了 FFMPEG 里面的实现，笔者称之为逐采样点过渡平滑的 limiter。两个版本各有优缺点，可根据具体应用的需要选择相应的版本。

2. Limiter 的主要作用

在音频信号处理中，通常的做法是先将音频采样点归一化到 $[-1.0,1.0]$，然后再对其施加各种各样的音频算法。然而在算法处理过程中可能会出现某些音频采样点的幅度超过 $1$ 的情况。或者在将多路音频流混合成一路音频流的时候，采样点相加的过程中也有可能出现幅度超过 $1$ 的情况。而使用 limiter 的主要目的就是在尽量不变动其它采样点的情况下，将这些采样点的幅度全部限制在 $1$ 以内，以避免削波。

3. 简单粗暴做法

考虑下面的采样点序列 $x(n),n=1,2,\cdots ,9,10$：
$$0.990,0.995,0.997,0.999,1.010,1.005,0.998,0.997,0.995,0.992$$

可以看到中间有两个采样点的幅度是超过 $1$ 的，而最简单粗暴的做法就是令这两个采样点的幅度等于 $1$（或者小于 $1$ 但是又特别特别接近于 $1$ 的一个数，这个数也称为 limiter 的阈值，此处令该阈值等于 $1$）。经过处理之后，上面的采样点序列变为 $\hat{x}(n)$：
$$0.990,0.995,0.997,0.999,1.000,1.000,0.998,0.997,0.995,0.992$$

而这种做法可能存在的一个问题就是，相比处理之前，处理之后的采样点之间出现了突变，变得不平滑，在频谱上看的话就是高频多了些东西出来，听着可能会有杂音。

4. 简单粗暴做法的另一种理解：增益因子

可以换个角度理解上述简单粗暴做法，即 $\hat{x}(n)$ 是通过给 $x(n)$ 中的每个采样点乘以相应的增益因子得到的，而这个增益因子序列 $g(n)$ 为：
$$1,1,1,1,1/1.010,1/1.005,1,1,1,1,$$

也就是说 $\hat{x}(n)=x(n)g(n)$。可以看到，幅度小于 limiter 阈值的采样点的增益因子为 $1$。幅度大于 limiter 阈值的采样点的增益因子小于 $1$，且幅度越大，增益因子越小。也就是说，增益因子可由以下公式计算：
$$g(n)=\{\begin{array}{ll}1,& \text{abs}(x(n))\le lt\\ lt/\text{abs}(x(n)),& \text{abs}(x(n))>lt\end{array}\text{\hspace{1em}(1-1)}$$

其中 $lt$ 表示 limiter 的阈值（此处取值为