作为一个和 Core Audio 打过很长时间交道的工程师，苹果发布 Swift 让我感到兴奋又疑惑。兴奋是因为 Swift 是一个为性能打造的现代编程语言，但是我又不是非常确定函数式编程是否可以应用到 “我的世界”。幸运的是，很多人已经探索和克服了这些问题，所以我决定将我从这些项目中学习到的东西应用到 Swift 编程语言中去。
信号
信号处理的基本当然是信号。在 Swift 中，我可以这样定义信号：
public typealias Signal = Int -> SampleType
你可以把 Signal 类想象成一个离散时间函数，这个函数会返回一个时间点上的信号值。在大多数信号处理的教科书中，这个会被写做 x[t], 这样一来它就很符合我的世界观了。
现在我们来定义一个给定频率的正弦波：
public func sineWave(sampleRate: Int, frequency: ParameterType) -> Signal {
let phi = frequency / ParameterType(sampleRate)
return { i in
return SampleType(sin(2.0 * ParameterType(i) * phi * ParameterType(M_PI)))
}
}
sineWave 函数会返回一个 Signal，Signal 本身是一个将采样点的索引映射为输出样点的函数。我将这些不需要“输入”的信号称为信号发生器，因为它们不需要任何其他的东西就能创造信号。
但是我们正在讨论信号处理。那么如何更改一个信号呢？
任何关于信号处理的高层面的讨论，都不可能离开一个基础，那就是如何控制增益 (或者音量)：
public func scale(s: Signal, amplitude: ParameterType) -> Signal {
return { i in
return SampleType(s(i) * SampleType(amplitude))
}
}
scale 函数接受一个名为 s 的 Signal 作为输入，然后返回一个施加了标量之后的新 Signal。每次调用这个经过 scale 后的信号，返回的值都是对应的 s(i) 然后通过所提供的 amplitude 进行加成，来作为输出。很容易对吧？但是很快这些构件就会变得混乱起来。来看看以下的例子：
public func mix(s1: Signal, s2: Signal) -> Signal {
return { i in
return s1(i) + s2(i)
}
}
这让我们能够将两个信号混合成一个信号。我们甚至可以混合任意多个信号：
public func mix(signals: [Signal]) -> Signal {
return { i in
return signals.reduce(SampleType(0)) { $0 + $1(i) }
}
}
这可以让我们干很多事情；但是一个 Signal 仅仅限于一个单一的音频频道，有些音效需要复杂的操作的组合同时发生才能做到。
处理 Block
我们如何才能以更灵活的方式在信号和处理器之间建立联系，来让信号处理更接近于我们所想呢？有很多流行的环境，比如说 Max 和 PureData，这些环境会建立信号处理的 “blocks”，并以此来创造强大的音效和演奏工具。
Faust 是一个为此设计出来的函数式编程语言，它是一个用来编写高度复杂 (而且高性能) 的信号处理代码的强大工具。Faust 定义了一系列运算符来让你建立 blocks (处理器)，这和信号流图像很相似。
类似地，我用同样的方式建立了一个可以高效工作的环境。
使用我们之前定义的 Signal，我们可以基于这个概念进行扩展。
public protocol BlockType {
typealias SignalType
var inputCount: Int { get }
var outputCount: Int { get }
var process: [SignalType] -> [SignalType] { get }
init(inputCount: Int, outputCount: Int, process: [SignalType] -> [SignalType])
}
一个 Block 有多个输入，多个输出，和一个 process 函数，这个函数将信号从输入集合转换成输出集合。Blocks 可以有零个或多个输入，也可以有零个或多个输出。
你可以用以下的方法来建立串行的 blocks。
public func serial<B: BlockType>(lhs: B, rhs: B) -> B {
return B(inputCount: lhs.inputCount, outputCount: rhs.outputCount, process: { inputs in
return rhs.process(lhs.process(inputs))
})
}
这个函数将 lhs block 的输出当做 rhs block 的输入，然后返回结果。就好像在两个 blocks 中间连起一根线一样。当你想要并行地执行多个 blocks 的时候，事情就变得有意思起来：
public func parallel<B: BlockType>(lhs: B, rhs: B) -> B {
let totalInputs = lhs.inputCount + rhs.inputCount
let totalOutputs = lhs.outputCount + rhs.outputCount
return B(inputCount: totalInputs, outputCount: totalOutputs, process: { inputs in
var outputs: [B.SignalType] = []
outputs += lhs.process(Array(inputs[0..<lhs.inputCount]))
outputs += rhs.process(Array(inputs[lhs.inputCount..<lhs.inputCount+rhs.inputCount]))
return outputs
})
}
一组并行运行的 blocks 将输入和输出结合在一起，并创建了一个更大的 block。比如一对产生的正弦波的 Block 组合在一起可以创建一个 DTMF 音调，或者两个单频延迟的 Block 可以组成一个立体延迟 Block 等。这个概念在实践中是非常强大的。
那么混合器呢？我们如何从多个输入得到一个单频道的结果？我们可以用如下函数来将多个 block 合并在一起：
public func merge<B: BlockType where B.SignalType == Signal>(lhs: B, rhs: B) -> B {
return B(inputCount: lhs.inputCount, outputCount: rhs.outputCount, process: { inputs in
let leftOutputs = lhs.process(inputs)
var rightInputs: [B.SignalType] = []
let k = lhs.outputCount / rhs.inputCount
for i in 0..<rhs.inputCount {
var inputsToSum: [B.SignalType] = []
for j in 0..<k {
inputsToSum.append(leftOutputs[i+(rhs.inputCount*j)])
}
let summed = inputsToSum.reduce(NullSignal) { mix($0, $1) }
rightInputs.append(summed)
}
return rhs.process(rightInputs)
})
}
从 Faust 借用一个惯例，输入的混合是这样进行的：右手边 block 的输入来自于左手边对输入取模后的输出。举个例子，将六个频道的三个立体声轨变成一个立体输出的 block：输出频道 0，2，4 被混合 (比如相加) 进输入频道 0，然后输出频道 1，3，5 会被混合进输入频道 1。
同样的，你可以用相反的方法将 block 的输出分开。
public func split<B: BlockType>(lhs: B, rhs: B) -> B {
return B(inputCount: lhs.inputCount, outputCount: rhs.outputCount, process: { inputs in
let leftOutputs = lhs.process(inputs)
var rightInputs: [B.SignalType] = []
// 从 lhs 将频道逐个复制输入中
let k = lhs.outputCount
for i in 0..<rhs.inputCount {
rightInputs.append(leftOutputs[i%k])
}
return rhs.process(rightInputs)
})
}
对于输出我们也使用一个类似的惯例，一个立体声 block 作为三个立体声 block 的输入 (总共接受六个声道)，也就是说，频道 0 作为输入 0，2，4，而频道 1 作为 1，3，5 的输入。
我们当然不想被这些很长的函数束缚住手脚，所以我写了这些运算符：
// 并行
public func |-<B: BlockType>(lhs: B, rhs: B) -> B
// 串行
public func --<B: BlockType>(lhs: B, rhs: B) -> B
// 分割
public func -<<B: BlockType>(lhs: B, rhs: B) -> B
// 合并
public func >-<B: BlockType where B.SignalType == Signal>(lhs: B, rhs: B) -> B
(我觉得“并行”运算符的定义并不是特别好，因为它看上去和几何中的“垂直”尤其相似，但是现在就这样，非常欢迎大家的意见)
现在有了这些运算符，你可以建立一些有趣的 blocks “图”。比如说 DTMF 音调发生器：
let dtmfFrequencies = [
( 941.0, 1336.0 ),
( 697.0, 1209.0 ),
( 697.0, 1336.0 ),
( 697.0, 1477.0 ),
( 770.0, 1209.0 ),
( 770.0, 1336.0 ),
( 770.0, 1477.0 ),
( 852.0, 1209.0 ),
( 852.0, 1336.0 ),
( 852.0, 1477.0 ),
]
func dtmfTone(digit: Int, sampleRate: Int) -> Block {
assert( digit < dtmfFrequencies.count )
let (f1, f2) = dtmfFrequencies[digit]
let f1Block = Block(inputCount: 0, outputCount: 1, process: { _ in [sineWave(sampleRate, f1)] })
let f2Block = Block(inputCount: 0, outputCount: 1, process: { _ in [sineWave(sampleRate, f2)] })
return ( f1Block |- f2Block ) >- Block(inputCount: 1, outputCount: 1, process: { return $0 })
}
dtmfTone 函数处理两个并行的正弦发生器，然后将它们融合成一个 “单位元 block”，这个 block 只是将自己的输入复制到输出。记住这个函数的返回值本身就是一个 block，所以你可以在更大的系统中使用这个block。
可以看得出来这个想法蕴含了很多的潜力。通过创建可以使用更紧凑和容易理解的 DSL (domain specific language) 来描述复杂系统的环境，我们可以花更少的时间来思考单个 block 的细节，并轻易地把所有东西组合到一起。
实践
如果我今天要开始做一个要求最高性能以及丰富功能的新项目，我会毫不犹豫的使用 Faust。如果你对函数式音频编程感兴趣的话，我极力推荐 Faust。
话虽如此，我一上提到想法的可行性很大程度上依赖于苹果对编译器的改进，编译器需要具有能识别我们定义在 block 中的模式，并输出更智能的代码的能力。也就是说，苹果需要像编译 Haskell 一样来编译 Swift。在 Haskell 中函数式编程模式会被压缩成某一个目标 CPU 的矢量运算。
说实话，我觉得 Swift 在苹果的管理下是很好的，我们也会在将来看见我在以上呈现的想法会变得很常见，而且性能也会变得非常好。
未来
我会将这个“函数式 DPS”项目 保留在 GitHub 上面。你可以跟踪进展并且做出贡献。我计划去研究更加复杂的 block，比如说那些需要 FFT 来计算输出，或者需要 “存储” 来运行 (比方说 FIR 滤镜等等) 的block。
参考文献
在写这篇文章的过程当中，我研究过下列论文。如果你对这方面研究有兴趣的话我建议阅读它们。尽管还有很多好的资源，但因为我时间有限所以不能一一列举，但是这些会是非常好的起点。
- Thielemann, H. (2004). Audio Processing using Haskell.
- Cheng, E., & Hudak, P. (2009). Audio Processing and Sound Synthesis in Haskell.
