📚 课程目录第3章重采样原理

重采样原理：重采样过程、滤波器设计、质量与性能权衡

核心原理：从连续时间到离散比率的映射

音频重采样的本质，是在两个不同的离散时间网格之间重新表达同一段连续时间信号。设原始采样率为 fs_in，目标采样率为 fs_out，重采样比率 R = fs_out / fs_in。当 R < 1 时为降采样（如 48 kHz → 44.1 kHz），当 R > 1 时为升采样（如 44.1 kHz → 48 kHz）。FFmpeg 的 swr_convert() 内部并不直接按任意比率抽取或插值，而是采用“先升后降”的经典结构：先将信号内插到 fs_in 与 fs_out 的最小公倍数对应的虚拟高采样率，再抽取到目标采样率。实际实现中，FFmpeg 使用有理数比率 dst_rate / src_rate 的约分形式，配合多相滤波器组（polyphase filterbank）来高效完成这一过程。

关键理解：重采样不是简单的“丢点”或“补点”，而是必须经过抗混叠滤波。降采样时，若直接丢弃样本，高于目标奈奎斯特频率的成分会折叠回通带，产生不可逆的混叠失真；升采样时，若直接插零，则会在频谱中产生镜像（imaging），需要低通滤波器去除。

滤波器设计：多相 FIR 与参数映射

FFmpeg 的 swr_convert() 默认使用 多相 FIR 滤波器（polyphase FIR）。其核心思想是：将原型低通滤波器的系数按升采样倍数 L 分解为 L 个子滤波器（相位），每个输出时刻只需选取其中一个子滤波器与输入样本做卷积，从而大幅降低计算量。滤波器设计的关键参数如下表所示：

参数	FFmpeg 选项	默认值	对质量/性能的影响
滤波器长度（抽头数）	`filter_size`	32	越大阻带衰减越深，过渡带越窄，但计算量线性增加
截止频率	`cutoff`	1.0	相对 min(fs_in,fs_out)/2 的比例；<1 时保留更多过渡带余量
相位精度	`phase_shift`	10	控制多相分解的相位数量（2^phase_shift），越大越平滑
线性相位	`linear_interp`	0（关闭）	开启后使用线性插值近似，降低 CPU 但引入少量失真
抖动	`dither_method`	无	降低量化噪声相关性，对低位深输出有意义

当 filter_size 从默认 32 增加到 256 时，阻带衰减可从约 -80 dB 提升至 -140 dB 以上，但 CPU 占用可能上升 4～8 倍。调试时可用 ffmpeg -h filter=aresample 查看完整参数说明，或通过 swr_get_config() 在代码中读取实际生效的滤波器参数。

质量与性能权衡：调试中的决策路径

实际调试中，质量与性能的取舍通常遵循以下判断路径：

先确认应用场景：离线转码（如音频文件格式转换）对实时性无要求，应优先保证质量；直播推流或实时通话则需在 5～20 ms 内完成处理，必须限制滤波器长度。
检查源/目标采样率关系：若 fs_in 与 fs_out 存在整数倍关系（如 48k→96k），升采样只需插零+滤波，质量容易保证；若为 44.1k→48k 这类非整数比，则需更大的滤波器长度才能抑制混叠。
用客观指标验证：通过 ffmpeg -af "aresample=48000:filter_size=64,volumedetect" 或编写脚本计算 SNR（信噪比）和 THD（总谐波失真）。若 SNR 低于 90 dB，优先增大 filter_size 而非调整 cutoff。
性能瓶颈定位：使用 perf 或 gprof 分析 swr_convert() 的耗时占比。若滤波占 CPU 超过 70%，考虑降低 filter_size 或开启 linear_interp。

实操建议：在调试阶段，先用默认参数跑通流程，然后逐步增大 filter_size（32→64→128→256），同时用 ffmpeg -i output.wav -af "aresample=48000,astats" 观察 RMS level 和 Peak level 的变化。若提升 filter_size 超过 128 后指标不再明显改善，说明已接近该采样率组合的质量上限。

案例：44.1 kHz → 48 kHz 的调试复盘

某项目需要将 CD 音质（44.1 kHz/16 bit）实时转换为 48 kHz/16 bit 用于网络直播。初始使用默认参数，发现 CPU 占用达 35%，且频谱分析显示 20 kHz 以上有轻微混叠噪声。调试过程如下：

// 初始配置
SwrContext *swr = swr_alloc_set_opts(NULL,
    AV_CH_LAYOUT_STEREO, AV_SAMPLE_FMT_S16, 48000,
    AV_CH_LAYOUT_STEREO, AV_SAMPLE_FMT_S16, 44100,
    0, NULL);
swr_init(swr);

// 第一次调整：增大滤波器长度
av_opt_set_int(swr, "filter_size", 128, 0);
// 结果：混叠噪声从 -72 dB 降至 -95 dB，CPU 升至 52%

// 第二次调整：降低截止频率留出过渡带余量
av_opt_set_double(swr, "cutoff", 0.95, 0);
// 结果：20 kHz 处衰减增加 0.3 dB，但混叠进一步降至 -102 dB

// 最终：开启线性插值以补偿 CPU 开销
av_opt_set_int(swr, "linear_interp", 1, 0);
// 结果：CPU 降至 41%，SNR 保持 96 dB，满足直播要求

复盘结论：滤波器长度是影响混叠的最主要因素，但并非越大越好——超过 128 后收益递减；cutoff 微调可额外获得 5～8 dB 改善；linear_interp 在 16 bit 输出场景下引入的误差低于量化噪声本身，是性价比极高的折中方案。

常见误区与排查清单

误区一：认为重采样只是格式转换，忽略滤波器参数。实际上 swr_convert() 的默认参数偏向通用性，对高质量需求必须显式配置。
误区二：盲目增大 filter_size 而不检查实际频谱。当源信号本身带宽有限（如语音 8 kHz 采样），过大的滤波器只会浪费 CPU。
误区三：混淆 cutoff 与目标采样率的关系。cutoff 是相对 min(fs_in, fs_out)/2 的比例，不是绝对频率值。
误区四：忽略多声道布局对性能的影响。5.1 声道的滤波计算量是立体声的 3 倍，调试时需按声道数折算预算。

排障提示：若重采样后出现“金属声”或“沙沙声”，首先检查 filter_size 是否小于 16；若出现低频“嗡嗡”声，检查 cutoff 是否大于 1.0（这会导致通带超出奈奎斯特频率）。使用 ffmpeg -af "aresample=48000:filter_size=64,spectrum" 可快速可视化频谱验证。

理解重采样的信号处理本质，是调试 FFmpeg 音频重采样问题的基石。掌握滤波器参数与质量/性能的量化关系后，你就能在“音质达标”与“CPU 预算”之间找到最优平衡点，而不是盲目套用默认配置。