4、丢包隐藏(PLC)技术：波形相似性替换、静音插入、封包重复、插值法

丢包在网络传输里是家常便饭。你想想看，一个音频包丢了，接收端这边就少了一段数据。直接静音？那声音会像磁带卡住一样，咔咔断断续续，用户一听就炸了。

所以就有了PLC——丢包隐藏技术。说白了，就是用各种手段把丢掉的音频内容“脑补”出来，让耳朵听不出明显瑕疵。我做了这么多年音频，PLC这块踩过的坑真不少，今天就把四种主流方法掰开揉碎了讲给你听。

  核心原则：PLC不是恢复原始数据，而是让丢包后的听感尽量平滑，不产生刺耳的断裂感。

4.1 四种PLC技术概览

先给你一张总览图，把这四种方法放在一起对比，心里有个谱。

4.2 波形相似性替换（WSOLA类算法）

这是目前公认效果最好的PLC方法。它的思路很巧妙：从丢包前的历史音频里，找一段和丢失内容最像的波形，拼接到缺口处。

具体怎么做？我简化一下核心步骤：

分析历史缓冲区：取丢包前最后一段音频（比如20ms），作为“模板”。
滑动搜索：在更早的历史数据里，用互相关或归一化相关系数，找和模板最匹配的波形段。
重叠拼接：找到最佳匹配段后，用三角窗或汉宁窗做重叠相加，让拼接点平滑过渡。
重复或衰减：如果连续丢多个包，重复上述过程，但每次匹配的幅度逐渐衰减（比如每次乘0.8），避免无限循环。

我的经验：WSOLA的搜索窗口大小很关键。我习惯设成10-15ms，太短了匹配不准，太长了计算量飙升。另外，对音乐信号，建议把搜索范围扩大到40ms以上，因为音乐有周期性，能找到更自然的替换段。

代码实现上，核心就是互相关计算。给你一个简化版示意：

// 简化版波形相似性匹配（C语言风格伪代码）
float find_best_match(float* history, int hist_len, float* template, int tmpl_len) {
    float best_corr = -1.0;
    int best_offset = 0;
    
    for (int offset = 0; offset < hist_len - tmpl_len; offset++) {
        float corr = 0.0;
        float norm_t = 0.0, norm_h = 0.0;
        
        for (int i = 0; i < tmpl_len; i++) {
            corr += template[i] * history[offset + i];
            norm_t += template[i] * template[i];
            norm_h += history[offset + i] * history[offset + i];
        }
        
        corr /= sqrt(norm_t * norm_h + 1e-10);  // 归一化互相关
        if (corr > best_corr) {
            best_corr = corr;
            best_offset = offset;
        }
    }
    return best_offset;  // 返回最佳匹配起始位置
}

注意：归一化互相关计算量不小。在嵌入式设备上，我建议用AMDF（平均幅度差函数）代替，虽然精度略低，但省掉乘法，速度快很多。我曾经在一个ARM Cortex-M4项目里，用AMDF把PLC耗时从3ms降到了0.5ms。

4.3 静音插入

这方法最简单，丢包了就直接把那段置零。但效果嘛……说实话，丢包率超过3%就基本没法听了。

不过它有个特殊用途：作为“最后一道防线”。当其他PLC方法都失效时（比如连续丢包超过50ms，波形匹配找不到合适候选），静音插入至少能避免播放错误数据导致的刺耳噪声。

我见过一些产品，在静音插入前会加一个淡出处理：

丢包前最后几个样本，幅度逐渐降到0。
恢复后，从0逐渐升到正常幅度。
这样比直接切静音要柔和一些。

  适用场景：静音插入只适合丢包率极低（<1%）且对实时性要求极高的场景，比如某些对讲系统。做音乐播放或VoIP通话？千万别只用这个。

4.4 封包重复

这个也好理解：丢了一个包，就把前一个包再播一遍。很多早期的VoIP设备就是这么干的。

优点很明显：实现简单，计算量几乎为零。但缺点也很致命：

音调失真：重复播放会让声音听起来像“卡带”，尤其是连续丢包时，音调会变低（因为播放时长被拉长了）。
相位不连续：重复包的结尾和下一个正常包的开头，波形可能对不上，产生咔嗒声。

怎么改善？我建议加一个交叉淡入淡出：

// 封包重复 + 交叉淡入淡出
void packet_repeat_with_fade(float* prev_packet, float* output, int len) {
    int fade_len = len / 8;  // 淡入淡出长度取1/8包长
    
    // 前半段：直接复制
    for (int i = 0; i < len - fade_len; i++) {
        output[i] = prev_packet[i];
    }
    
    // 后半段：与历史数据交叉淡入淡出
    for (int i = 0; i < fade_len; i++) {
        float ratio = (float)i / fade_len;
        output[len - fade_len + i] = 
            prev_packet[len - fade_len + i] * (1.0 - ratio) + 
            prev_packet[i] * ratio;  // 循环到开头
    }
}

避坑指南：我曾经在一个项目里直接用封包重复，结果用户反馈“声音像机器人”。后来加了淡入淡出，并且对连续丢包做了衰减（第二次重复时幅度乘0.7，第三次乘0.5），听感才正常。记住：重复次数不要超过3次，否则音调偏移会非常明显。

4.5 插值法

插值法是用丢包前后的样本，通过数学公式“算出”中间缺失的值。常见的有：

插值类型	原理	复杂度	适用场景
线性插值	用丢包前后两个样本连直线	极低	丢包长度极短（1-2个样本）
三次样条插值	用前后多个样本拟合光滑曲线	中等	低频信号，丢包<5ms
正弦插值（Sinc）	基于采样定理，用Sinc函数重建	高	宽带信号，理论最优

说实话，纯插值法在实际产品里用得不多。为什么？因为音频信号太复杂了。你想想看，一个鼓点或者爆破音，波形是突变的，插值根本插不出来，出来的声音软绵绵的，完全不对味。

但插值法有个好搭档——和波形相似性替换结合使用。比如：

先用WSOLA找到匹配段。
在拼接点附近，用三次样条插值做微调，保证相位连续。
这样既保留了WSOLA的自然度，又解决了拼接点的相位跳变。

  我的建议：别单独用插值法做PLC。把它当作“辅助工具”，用来平滑其他方法的拼接点，效果会好很多。我在WebRTC的NetEQ模块里就看到过类似的组合用法。

4.6 实际选型建议

讲了这么多，到底该用哪种？我给你一个决策思路：

先看丢包特征：随机丢包还是连续丢包？丢包率多少？
再看音频类型：语音还是音乐？语音用WSOLA效果最好，音乐可以考虑封包重复+衰减。
最后看算力：嵌入式设备用AMDF+封包重复，PC端用完整WSOLA。

嗯，PLC这块水挺深的。上面讲的四种方法，没有银弹。实际产品里往往是组合拳——先试波形相似性替换，不行就降级到封包重复，再不行就静音插入。这个降级策略，我后面讲NetEQ的时候会详细展开。

📚 课程目录

4、丢包隐藏(PLC)技术：波形相似性替换、静音插入、封包重复、插值法

4.1 四种PLC技术概览

4.2 波形相似性替换（WSOLA类算法）

4.3 静音插入

4.4 封包重复

4.5 插值法

4.6 实际选型建议