给定指定SNR时如何混合干净与噪声音频信号，及现有代码报错解决方案

当前抛出的ValueError: empty range for randrange()本质是逻辑前置假设不成立：原代码默认噪声信号总长度大于等于待混合的干净信号长度，随机截取的起始位置计算逻辑为start = random.randint(0, len(noise) - len(clean))。当噪声实际长度短于干净信号时，len(noise) - len(clean)计算结果为负值，传入randint的区间上限小于下限，直接触发空区间报错，报错信息里的-47627就是当时计算得到的负上限值。

开展信号混合前必须完成以下预处理，否则就算修复报错也会出现混合效果失真、结果不可复现的问题：

• 声道、采样率统一：确保干净信号与噪声信号的声道数、采样率完全一致，若存在差异需先做重采样、声道降/升维处理，避免因采样间隔错位、声道幅值偏移导致RMS计算失准
• 采样值合法性校验：检查输入音频的采样值是否符合对应位深的合法区间，比如16-bit int16 PCM的合法范围是[-32768, 32767]，提前剔除文件损坏导致的超范围异常值
• 运算格式转换：读入int16格式的音频数据后，先转换为float64类型完成所有后续运算，避免整数运算过程中的溢出问题
• 噪声长度适配：不强制要求原始噪声长度大于干净信号长度，对短于干净信号的噪声做循环拼接，直到总长度不小于干净信号长度，从根源上消除随机截取的负区间问题

按照以下步骤完成固定SNR的音频混合，可完全规避现有代码的适配性问题：

1. 读取完成预处理的干净信号、适配长度的噪声信号PCM数据
2. 分别计算两类信号的RMS值，计算逻辑为 RMS = 平方根(所有采样值平方的平均值)
3. 根据目标SNR推导噪声缩放系数：根据SNR定义SNR(dB) = 20 * log10(RMS_clean / RMS_noise_scaled)，可推导得到缩放系数alpha = RMS_clean / (10**(SNR/20) * RMS_noise_original)
4. 逐采样点叠加干净信号与缩放后的噪声信号，得到初始混合信号
5. 防削顶处理：计算初始混合信号的最大绝对幅值，若超出16-bit PCM的合法最大幅值32767，则对整个混合信号按统一比例缩放，保证所有采样值落在合法区间内，避免硬截断带来的失真
6. 将最终的混合信号转回int16格式，写入目标音频文件

原错误逻辑的典型问题写法：

# 存在适配缺陷的写法
noise_total_len = len(noise_signal)
clean_total_len = len(clean_signal)
# 当噪声长度短于干净信号时，计算得到的上限为负值
random_start = random.randint(0, noise_total_len - clean_total_len)
target_noise_segment = noise_signal[random_start : random_start + clean_total_len]

修复后的逻辑：

# 适配不同长度场景的修复写法
noise_total_len = len(noise_signal)
clean_total_len = len(clean_signal)
# 噪声长度不足时，循环拼接到满足长度要求
if noise_total_len < clean_total_len:
    repeat_count = (clean_total_len // noise_total_len) + 1
    noise_signal = np.tile(noise_signal, repeat_count)
    noise_total_len = len(noise_signal)
# 此时噪声长度必然大于等于干净信号，计算的区间上限非负
random_start = random.randint(0, noise_total_len - clean_total_len)
target_noise_segment = noise_signal[random_start : random_start + clean_total_len]

内容的提问来源于stack exchange，提问作者shwethaa