如何用Core Audio通过全通滤波器与相位差实现iOS音频声像颤音和立体声宽度扩展？

全通滤波器在幅频响应上保持平坦，却会按频率引入相位偏移，这为立体声空间处理提供了不改变音色的前提。与普通均衡器不同，全通滤波器的零点和极点关于单位圆互为倒数，它只改变信号各频率分量的相对时延。Core Audio在iOS端提供了音频单元、实时渲染回调和环形缓冲等基础能力，开发者可以在此基础上搭建相位旋转和声像调制逻辑。本文将相位旋转视为对单声道样本的时变全通滤波，将声像颤音视为左右声道相位差在低频振荡器驱动下的动态变化，并延伸到中侧编码的立体声宽度扩展。

全通滤波器相位旋转模块的实现

一阶全通滤波器的传递函数可以写成 H(z) = (a + z^-1) / (1 + a z^-1)，其中系数 a 控制相位旋转的强度。该滤波器对所有频率幅频响应恒为 1，但相位会从 0 逐渐变化到 -π，变化中心频率由 a 决定。将这样的滤波器串接在左右声道上，如果两侧系数不同，就会产生随频率变化的相位差。这个相位差会让不同频段到达双耳的时间不一致，人耳就会判断声源位置发生变化。实际代码中常用差分方程 y[n] = a x[n] + x[n-1] - a y[n-1] 来处理，每个声道维护自己的历史样本。

Core Audio 的实时渲染线程对耗时操作非常敏感，因此全通滤波器不应该使用动态内存分配或锁。我们可以定义一个结构体保存系数、上一帧输入和上一帧输出。每次处理一个采样点时，先计算当前输出，再更新历史状态。系数 a 的值需要限定在 -1 到 1 之间，否则滤波器会不稳定。对于 44.1kHz 采样率，a 在 0.1 到 0.7 范围内变化时已经能产生明显的空间错位感。下面是一段 C++ 处理代码，可以直接放入 AUv3 效果器的 DSP 内核。

struct FirstOrderAllpass {
    float a = 0.0f;
    float x1 = 0.0f;
    float y1 = 0.0f;

    float process(float x) {
        float y = a * x + x1 - a * y1;
        x1 = x;
        y1 = y;
        return y;
    }

    void reset() {
        x1 = 0.0f;
        y1 = 0.0f;
    }
};

// 左右声道各保留一个全通滤波器
FirstOrderAllpass apL;
FirstOrderAllpass apR;

在 render 回调中，左右声道分别调用 process 即可。如果要让相位旋转更明显，可以将两个一阶全通串联成二阶甚至更高阶结构。但阶数越高，相位旋转越大，也要防止过度改变瞬态。尤其是打击乐和语音信号，相位偏移过大会造成声音软化，失去冲击力。因此声像颤音调制通常会限制相位旋转的调制深度，而不是把系数拉到极端值。

相位差驱动的声像颤音调制

声像颤音不是简单的左右音量交替，而是通过动态改变左右声道的相对相位，让声像在空间中周期性移动。最直接的实现方式是保持左声道全通滤波器的系数固定，右声道系数随时间在某个中心值附近摆动。这样左右声道的相位差会周期变化，听感上声音会忽左忽右，但不会产生传统音量颤音那种响度起伏。调制信号可以用正弦波 LFO，频率通常在 0.1Hz 到 8Hz 之间。低于 0.1Hz 时移动过慢，高于 8Hz 时容易产生类似合唱或旋转扬声器的效果。

为了在实时环境中平滑调制参数，不能每个采样点都重新计算系数 a，否则可能产生噪声。可以通过一次一阶平滑，让目标系数逐步逼近。代码中维护当前系数 currentA 和目标系数 targetA，在每个采样周期计算差值并乘以平滑因子。平滑因子与采样率和时间常数有关，例如 timeConstant 为 20ms 时，smooth = 1 - exp(-1 / (sampleRate * 0.02f))。这样 LFO 产生的目标值被平滑后，全通滤波器系数不会突变。

下面是将 LFO 与左右声道相位差结合的处理代码。左侧全通系数设为固定值 0.35，右侧全通系数围绕 0.15 变化，幅度为 0.25，这样相位差会在正负之间摆动。lfoPhase 累加频率，lfoValue 使用正弦函数计算。为了减少 CPU 占用，也可以使用波表或多项式近似正弦。

struct StereoPhaserModulator {
    FirstOrderAllpass apL;
    FirstOrderAllpass apR;

    float lfoPhase = 0.0f;
    float lfoRate = 1.2f;       // Hz
    float lfoDepth = 0.25f;
    float centerA = 0.15f;
    float fixedA = 0.35f;

    float currentA = 0.15f;
    float smoothFactor = 0.002f;

    void prepare(float sampleRate) {
        apL.reset();
        apR.reset();
        smoothFactor = 1.0f - expf(-1.0f / (sampleRate * 0.02f));
        apL.a = fixedA;
    }

    void processBlock(float *left, float *right, int numFrames) {
        for (int i = 0; i < numFrames; ++i) {
            // 计算 LFO
            lfoPhase += lfoRate / 44100.0f;
            if (lfoPhase >= 1.0f) lfoPhase -= 1.0f;
            float lfo = sinf(2.0f * M_PI * lfoPhase);

            float targetA = centerA + lfo * lfoDepth;
            if (targetA > 0.7f) targetA = 0.7f;
            if (targetA < -0.7f) targetA = -0.7f;

            currentA += (targetA - currentA) * smoothFactor;
            apR.a = currentA;

            float inL = left[i];
            float inR = right[i];
            left[i] = apL.process(inL);
            right[i] = apR.process(inR);
        }
    }
};

这里为了示例把采样率固定为 44100，实际项目中应从 audio unit 的格式中读取。正弦函数在实时线程中调用一般可以接受，但如果要处理几十个通道，建议改成查表或近似计算。另外，相位调制深度不宜超过 0.7，因为系数接近 1 时低频相位旋转会非常剧烈，可能导致单声道混合时出现明显的梳状滤波。

声像颤音的听感还会受到输入信号频率分布的影响。全通滤波器对高频和低频的相位旋转不同，人耳对中频区域的空间信息更敏感。因此当输入是吉他、人声等中频丰富的素材时，这种调制效果会更突出。若输入是低频贝斯，几乎感觉不到声像移动，因为低频相位差主要由传播时间差决定，全通滤波器在低频产生的相位变化相对平缓。这是设计效果器时需要考虑的频段差异。

立体声宽度扩展与中侧处理

实现宽广声场的另一个常用手段是增加侧信号能量。中侧编码把立体声信号拆成 M = (L + R) / 2 和 S = (L - R) / 2 两部分，M 是左右声道共同信息，S 是差异信息。将 S 乘以一个大于 1 的增益再重新合成，左右声道的差异就会被放大，声音变得更宽。但简单增加 S 会使单声道播放时左右声道求和后差异信息部分互相抵消，导致某些频段丢失。为了缓解这个问题，可以在处理链中加入全通滤波器，给侧信号增加额外的相位旋转，使单声道混合时不会出现过于明显的梳状抵消。

另一种更自然的宽度扩展是使用左右声道相位差。将右声道信号经过一个全通滤波器，且该滤波器的相位响应在中高频产生接近 90 度的偏移，再与左声道叠加，会模拟出声音到达两耳的时间差和相位差。这种方法不直接放大侧信号，因此对单声道兼容性的影响相对较小。实际实现时可以在左声道原样输出的同时，右声道混合一部分来自左声道的全通输出，或者左右互馈。互馈量控制宽度，互馈量过大会产生空间模糊感。

下面是一个基于中侧处理的宽度扩展代码片段。它先计算 M 和 S，对 S 应用一个固定的全通滤波器来旋转相位，再乘以宽度增益，最后合成左右声道。宽度增益 width 的范围可以设置为 0.0 到 2.0，1.0 表示原始宽度。

struct WidthExpander {
    FirstOrderAllpass sideAllpass;
    float width = 1.4f;

    void prepare(float sampleRate) {
        sideAllpass.reset();
        sideAllpass.a = 0.5f;
    }

    void processBlock(float *left, float *right, int numFrames) {
        for (int i = 0; i < numFrames; ++i) {
            float l = left[i];
            float r = right[i];

            float mid = (l + r) * 0.5f;
            float side = (l - r) * 0.5f;

            // 对侧信号做全通相位旋转
            float sideProcessed = sideAllpass.process(side);

            // 扩展宽度：增加处理后的侧信号能量
            sideProcessed = sideProcessed * width;

            left[i] = mid + sideProcessed;
            right[i] = mid - sideProcessed;
        }
    }
};

中侧处理还可以和前面的声像颤音调制串接。先进行宽度扩展，让声场变宽，再通过时变相位差让声像在宽声场中移动，效果会更加明显。串接顺序会影响最终听感：如果先做声像调制再扩展宽度，侧信号的相位变化会被进一步放大，空间感更夸张；反过来则移动轨迹会更集中。实现时可以在效果器界面上暴露两个模块的顺序开关，或者让用户调节 mix 比例。

需要特别强调单声道兼容性检查。在 iOS 设备上，很多外放和蓝牙音箱可能将立体声折叠为单声道播放。宽度扩展后的音频如果单声道混合后出现严重频率抵消，会让用户觉得声音单薄。可以在开发过程中加入一个单声道试听开关，将左右声道求和衰减后输出到两个声道，模拟单声道效果。通过调整侧信号增益和全通滤波器系数，尽量在宽广度和兼容性之间找到平衡点。实际产品中 width 增益建议控制在 1.0 到 1.6 之间，超过 1.6 后单声道兼容通常明显下降。

参数平滑与实时安全

Core Audio 实时渲染线程要求所有处理都不能阻塞，不能申请内存，也不能访问可能导致优先级反转的锁。全通滤波器和宽度扩展虽然计算简单，但用户界面传下来的参数不能直接赋值给当前系数。UI 线程写入的参数变化可能出现在任意采样位置，直接改系数会造成波形不连续。解决方法是使用无锁的原子变量或环形缓冲，在 render 回调中读取最新参数，再通过一阶平滑逐步应用。上面代码中的 currentA 平滑就承担了这种角色。

如果参数变化频繁，例如声像颤音的速率或深度由用户拖动滑杆控制，目标参数可能每个回调都不同。此时可以使用参数队列，UI 线程将参数放入队列，渲染线程在每次 processBlock 开始时取出并更新目标值。对于不会频繁变化的参数，如宽度增益，可以直接使用原子变量。不管哪种方式，都要保证在 processBlock 中不进行 malloc、free、new、delete 等操作。内存缓冲区应该在 prepare 或 allocateRenderResources 阶段分配好。

最后，测试音频效果时建议使用包含瞬态和持续声音的素材，例如鼓组、钢琴、人声和粉红噪声。观察波形在调制过程中是否出现削波。立体声宽度扩展如果侧信号增益过大，某些采样点可能超过 -1.0 到 1.0 范围。可以在输出前增加软限幅器，也可以在宽度扩展前降低输入增益，为扩展预留余量。更好的方式是使用浮点格式在内部处理，输出到硬件前再由系统处理限幅。

Core Audio全通滤波器立体声扩展修改时间：2026-09-18 09:02:31