时间戳抖动处理：卡尔曼滤波、中值滤波与移动平均法

各位同学，咱们今天聊一个非常实际的问题——时间戳抖动。

我在做播放器的时候，经常遇到这种情况：明明码流里时间戳是连续的，但实际采集到的数据却忽快忽慢。你想想看，如果直接把这种抖动的PTS丢给渲染器，画面就会像抽风一样跳来跳去。嗯，这就是时间戳抖动带来的麻烦。

说白了，时间戳抖动就是硬件或网络引入的噪声。我们需要用滤波算法把这些噪声去掉，还原出真实的时间轴。今天我就把三种最常用的方法讲透：卡尔曼滤波、中值滤波、移动平均法。

1. 移动平均法：最简单，也最容易踩坑

移动平均法，说白了就是取最近N个时间戳的平均值。我刚开始做音视频时，第一个想到的就是它。

公式很简单：

PTS_smooth[n] = (PTS[n] + PTS[n-1] + ... + PTS[n-N+1]) / N

但这里有个坑——N值怎么选？

我曾经在一个直播项目里，把N设成了10。结果画面延迟直接飙到500ms以上，用户投诉说“主播都说完话了，画面还在动嘴”。后来我把N改成3，延迟降下来了，但抖动又回来了。

所以移动平均法的核心就是：N值要在平滑度和延迟之间做权衡。

代码实现也很直接：

class MovingAverageFilter {
    private val buffer = LinkedList<Long>()
    private val windowSize: Int
    
    fun filter(timestamp: Long): Long {
        buffer.add(timestamp)
        if (buffer.size > windowSize) {
            buffer.removeFirst()
        }
        return buffer.average().toLong()
    }
}

2. 中值滤波：对付“野点”的利器

移动平均法有个致命弱点——它对异常值非常敏感。如果某个时间戳突然跳变（比如硬件丢了一帧，然后补了一个错误值），平均值会被严重拉偏。

这时候中值滤波就派上用场了。

中值滤波的原理很简单：取窗口内所有时间戳的中间值。因为中值不受极端值影响，所以能很好地过滤掉“野点”。

我记得有一次做车载视频播放，GPS时间戳经常出现±100ms的跳变。用移动平均法根本压不住，换成中值滤波后，问题立刻解决了。

实现代码：

class MedianFilter(private val windowSize: Int) {
    private val buffer = mutableListOf<Long>()
    
    fun filter(timestamp: Long): Long {
        buffer.add(timestamp)
        if (buffer.size > windowSize) {
            buffer.removeAt(0)
        }
        val sorted = buffer.sorted()
        return sorted[sorted.size / 2]
    }
}

3. 卡尔曼滤波：工业级的选择

前面两种方法都是“无模型”的——它们不知道时间戳的变化规律。而卡尔曼滤波不一样，它假设时间戳的变化符合某种运动模型，然后根据观测值和预测值做最优估计。

说白了，卡尔曼滤波就是：预测 + 修正。

对于时间戳平滑，我们通常用一维卡尔曼滤波。状态量就是时间戳本身，观测量是采集到的原始时间戳。

核心公式就五个：

// 预测
x_pred = x_prev + dt * v  // 时间戳预测
P_pred = P_prev + Q       // 协方差预测

// 更新
K = P_pred / (P_pred + R) // 卡尔曼增益
x_est = x_pred + K * (z - x_pred) // 最优估计
P_est = (1 - K) * P_pred  // 协方差更新

这里Q是过程噪声，R是测量噪声。Q越大，滤波器越相信观测值；R越大，滤波器越相信预测值。

我在一个高帧率录制项目里用过卡尔曼滤波。当时手机摄像头的时间戳抖动在±2ms左右，用卡尔曼滤波后抖动降到了±0.3ms，效果非常明显。

完整实现：

class KalmanFilter {
    private var x = 0.0  // 状态估计
    private var P = 1.0  // 协方差
    private var Q = 0.01 // 过程噪声
    private var R = 0.1  // 测量噪声
    private var lastTime = 0L
    
    fun filter(timestamp: Long): Long {
        if (lastTime == 0L) {
            lastTime = timestamp
            x = timestamp.toDouble()
            return timestamp
        }
        
        val dt = (timestamp - lastTime).toDouble() / 1_000_000.0
        lastTime = timestamp
        
        // 预测
        val xPred = x + dt
        val PPred = P + Q
        
        // 更新
        val K = PPred / (PPred + R)
        x = xPred + K * (timestamp.toDouble() - xPred)
        P = (1 - K) * PPred
        
        return x.toLong()
    }
    
    fun tune(Q: Double, R: Double) {
        this.Q = Q
        this.R = R
    }
}

三种方法的对比

方法	延迟	抗野点能力	计算复杂度	适用场景
移动平均法	低	弱	O(1)	抖动小、延迟敏感
中值滤波	中	强	O(N log N)	有野点、抖动大
卡尔曼滤波	低	中	O(1)	需要自适应、高精度

知识体系图

实际项目中的选择策略

我个人习惯的做法是：先分析抖动特征，再选算法。

如果时间戳抖动是高斯噪声（比如硬件采样误差），卡尔曼滤波效果最好。如果抖动是突发性的（比如网络丢包导致的时间戳跳变），中值滤波更合适。如果只是轻微的随机抖动，移动平均法就够了。

我曾经在一个项目中，把三种方法做了级联：先用中值滤波去掉野点，再用卡尔曼滤波做精细平滑。效果出奇的好，但代价是延迟增加了约一帧。嗯，这就是trade-off。

最后提醒一句：滤波不是万能的。如果时间戳本身就有系统性偏差（比如时钟不同步），再好的滤波也救不了。这时候你需要先做时钟同步，再考虑抖动处理。

---