显然，我们只能从底层下手。Symbian提供了一个直接播放PCM音频编码的接口，CMdaAudioOutputStream。这个接口是可以直接播放PCM音频编码的。关于PCM编码，请查看一下关于数字通讯方面的资料，其实就是对于连续的波进行离散地采用量化，最后形成的数字编码型号。WAV里面的音频数据大部分都是PCM编码的。

  混音的实现方法有两个。

  第一个就是直针对两个采样的PCM编码进行线性插值。其实在图像上，图像的混合也是通过有名的alpha混合实现的，alpha混合是一个典型线性插值。
  color3 = color1 * alpha + color2*(1-alpha)

  不过声音和图像有点不同，声音是波动信号。图像是静态的。也就是说，声音的产生是根据PCM编码的变化值（换句话说，是根据其一阶导数）呈现出来的。声音并不会因为PCM编码的大小而呈现不同的声音，而是根据一个连续区间内的PCM编码的变化幅度来呈现的。

  这第一个算法就是类似图像上的alpha混合算法：

  If the range of 8-bit sampling is between -127 to 128

   If both A and B are negative       Y = A +B - (A * B / (-127))
   Else                                       Y = A + B - A * B / 128


Similarly for the nbit (ex 16bit data)

   For  n-bit sampling audio signal


   If both A and B are negative       Y = A + B - (A * B  /  (-(2 pow(n-1) -1)))
   Else                                       Y = A + B - (A * B /  (2 pow(n-1))

  第二个办法，就不需要进行类似的数学运算了。这个办法有点类似我们很早以前的那种布置网点的图像混合办法。在以前画漫画的时候经常用到的。以前还专门有卖网点纸的呢，用来实现漫画中的半透明效果。

  在混音上，这个办法更加有效。简单来说，就是分成很多微小的时间片，然后在不同的时间片内播放不同的音乐。也有点类似CPU的并发执行一样。从整体上来看，似乎就是几段音乐同时播放了。而为什么在音频上实现效果比图像上更好呢？还是上次那个原因，因为声音是动态播放的。人的耳朵就很难分析来两个那么微小的时间片内的音乐了。

  关于这个办法具体的实现，其实在NOKIA的官方网站上已经有了。http://direct.www.forum.nokia.com/info/sw.nokia.com/id/70a2bde5-9b14-41b3-89ae-198b0d8d380d/SoundMixer_Example_v1_0.zip.html

  相信很多人在Symbian实现混音的办法都是直接抄袭这个NOKIA实现的例子。它支持16个不同的Channel来混音。首先新开一个线程，然后这个线程就是把多个要播放的PCM编码缓冲合成到一个缓冲区，然后再不断地把这个缓冲区的数据写给CMdaAudioOutputStream里面去。