物理上“正确”的方法是对样本求和。但是，当您添加两个任意样本时，结果值可能高达最大值的两倍。...这里的天真的解决方案是除以 N，其中 N 是混合的通道数。

这不是“天真的”解决方案，而是唯一的解决方案。这就是每个模拟和数字混音器所做的事情，因为这是空气所做的事情，也是您的大脑所做的事情。

不幸的是，这似乎是一个常见的误解，正如这些其他不正确的非线性“混合”（失真）算法所证明的那样：

• 混合数字音频（错误的方式）
• 避免剪辑的快速和肮脏的音频样本混合技术（不要这样做）

“除以 N”称为净空；为高于波形 RMS 电平的峰值分配的额外空间。信号所需的净空量由信号的波峰因数决定。（对数字信号电平和动态余量的误解可能部分归咎于响度战争和Elephunk。）

在模拟硬件中，动态余量可能为 20 dB。在硬件 DSP 中，经常使用定点，具有固定的余量；例如，AD 的 SigmaDSP具有 24 dB 的动态余量。在计算机软件中，音频处理通常以 32 位浮点进行，因此余量很大。

理想情况下，您根本不需要除以 N，您只需将信号相加，因为您的信号首先不会在 0 dBFS 时生成。

请注意，无论如何，大多数信号彼此并不相关，因此混频器的所有通道在同一时刻产生相长干扰是不常见的。是的，混合 10 个相同的同相正弦波将使峰值电平增加 10 倍 (20 dB)，但混合 10 个非相干噪声源只会将峰值电平增加 3.2 倍 (10 dB)。对于真实信号，该值将介于这些极端之间。

为了在不削波的情况下将混合信号从 DAC 中取出，您只需降低混合增益即可。如果您想在没有硬削波的情况下保持高混音的 RMS 电平，则需要应用某种类型的压缩来限制波形的峰值，但这不是混音的一部分，它是一个单独的步骤。你首先混音，有足够的动态余量，然后如果需要，稍后再进行动态范围压缩。

在不了解您的问题的任何背景的情况下，很难为您指出相关技术。

显而易见的答案是告诉您调整每个样本的增益，以便很少发生削波。假设音乐家在合奏中的演奏会比独奏时更柔和，这并不是不切实际的。

A + B - AB 引入的失真是不可接受的。它在 B 的谐波的每一侧创建 A 的镜像 - 相当于环形调制 - 如果 A 和 B 具有丰富的频谱且谐波不是整数比，这将非常糟糕。例如，在 220 和 400 Hz 的两个方波上试一试。

一个更“自然”的限幅函数，它在逐个样本的基础上工作，是 tanh 函数——它实际上匹配了一些模拟元素的软限制行为。除此之外，您还可以研究经典的动态压缩技术——如果您的系统可以提前看到峰值，那就更好了。

公式

$$\text{result} = A + B - AB$$

没有任何意义，即使你的意思不是$AB = A*B$. 您需要考虑的一件事是声音在零上下变化。一个更好的思考方式是这样的：

$$\text{result} = g( A + B )$$

在哪里$g\le 1$.

最简单的方法是说$g = 0.5$，这是保守的、线性的并且总是有效的，但可能不像你想要的那样“响亮”。一种“通常有效”且“更响亮”的不太保守的方法是$g = 1/\sqrt{2}$. 使用这种方法扩展更多渠道效果更好。

或者，$g$可以随时间变化，在这种情况下，它通常是压缩器/限制器算法的结果。那么你真的有一个差分方程：

$$\text{result}[i] = g[i]( A[i] + B[i] )$$

$g[i]$是先前的函数$A$,$B$,$g$和$\text{result}$.

也许是这样：

$$g[i] = f( A[i] + B[i], g[i-1] )$$

更新：根据 hotpaw2 的建议，您可以延迟输入信号，但不能延迟增益抑制。这被称为“前瞻限制器”。

对于非实时混音，可以采用一种方法来使用前瞻 AGC，其中一个或两个通道的增益在总和幅度超过限幅限制之前以难以感知的速率降低。可用的前瞻越少，AGC 增益调整将变得更加可听，或者用于较软增益调整斜坡的最大增益将越来越接近每通道 0.5 的极限值。对于具有一定可预测性的声源，还可以使用有关包络随时间变化的行为的统计数据来自适应地猜测增益限制，但有一定的失败概率（这将是突然的 AGC 增益调整）。