Если сигналы одного типа (число каналов, бит на канал, частота дискретизации - это важно!) то все очень просто: нужно складывать отчеты (не байты, если там по 2 байта на отчет, что скорее всего). Ну и понятно, что выход за диапазон запросто может быть, поэтому как говорили выше предварительно каждое слагаемое делить на 3. И все, сложение в данном случае отражает ФИЗИЧЕСКУЮ суть процесса восприятия нескольких звуковых волн.
