4. 数字信号处理基础：采样定理、量化与位深、数字音频格式
各位好，我是老张。今天咱们聊聊数字信号处理里最基础、但也最容易踩坑的几个概念。说实话，我见过不少工程师，代码写得飞起，但一碰到采样率、位深这些参数就犯迷糊。嗯，这其实很正常——毕竟我们平时接触的都是模拟世界，而数字世界有自己的规则。
4.1 采样定理：为什么是44.1kHz？
先问大家一个问题：为什么CD音频的采样率是44.1kHz，而不是40kHz或者50kHz？
这就要说到奈奎斯特采样定理了。简单来说：
要完整还原一个模拟信号，采样频率必须大于信号最高频率的两倍。
用人话翻译一下：
如果你要录20kHz的声音（人耳极限），采样率至少得40kHz以上。44.1kHz留了点余量，刚好够用。
核心公式：
fs > 2 × fmax其中 fs 是采样频率，fmax 是信号最高频率。
我在做第一个音频项目时，就犯过这个错。当时录了一段吉他，采样率设成32kHz，结果高频泛音全丢了，听起来像蒙了一层布。后来才意识到——采样率不够，高频信息直接被「折叠」到低频区了，这就是混叠效应。
避坑指南：
我曾经在调试一个语音识别系统时，发现识别率死活上不去。查了半天，原来是ADC前端的抗混叠滤波器没做好，高频噪声混进了基带。从那以后，我每次设计采样电路，都会先检查滤波器的截止频率。
4.2 量化与位深：16bit vs 24bit
采样率决定了你能录多高的频率，而位深决定了你能录多小的声音。
说白了，位深就是每个采样点用多少bit来表示。16bit意味着每个点有65536个可能的取值，24bit则有16777216个。
你想想看，位深越大，动态范围就越宽。16bit的理论动态范围是96dB，24bit能达到144dB。这什么概念？
- 16bit：适合CD音质，日常听歌够用
- 24bit：适合录音棚，能捕捉到极细微的细节
我个人习惯在混音时用24bit，因为后期处理时余量大。但最终导出给用户时，我会转成16bit——毕竟大多数人听不出区别，而且文件小一半。
小技巧：
量化误差是不可避免的，但我们可以用抖动（Dithering）来改善听感。说白了，就是在量化前加一点微弱的噪声，把量化误差「打散」，听起来更自然。我一般在降位深时都会加抖动，效果立竿见影。
4.3 数字音频格式：WAV、MP3、AAC
聊完采样和量化，咱们看看常见的音频格式。这三种格式，我估计大家都用过，但它们的区别你真的清楚吗？
| 格式 | 类型 | 压缩方式 | 典型场景 |
|---|---|---|---|
| WAV | 无损 | 无压缩/PCM | 录音、编辑、存档 |
| MP3 | 有损 | 感知编码 | 音乐分发、网络传输 |
| AAC | 有损 | 改进的感知编码 | 流媒体、视频配乐 |
WAV：说白了就是裸数据。我刚开始做音频时，所有文件都存WAV，因为处理起来最直接。但一个3分钟的44.1kHz/16bit立体声WAV，大概30MB——这谁受得了？
MP3：利用人耳的听觉掩蔽效应，把听不到的声音去掉。128kbps的MP3，文件只有WAV的十分之一，但音质听起来差不多。不过，我在项目中遇到过一个问题：MP3在低码率下，高频细节丢失严重，尤其是镲片声和齿音，听起来像「沙沙」的噪声。
AAC：MP3的升级版。同样的码率，AAC的音质更好。我记得有一次做流媒体项目，客户要求128kbps，我对比了MP3和AAC，AAC明显更干净。现在YouTube、Apple Music都用AAC，不是没道理的。
我的建议：
如果你在做音频处理工具，内部处理用WAV（或者FLAC），最终输出给用户用AAC。MP3虽然还活着，但说实话，技术上已经落后了。
4.4 知识体系总览
下面这张图，是我自己整理的。它把采样、量化、格式这三块串起来了。你仔细看，其实所有数字音频处理，都绕不开这三个环节。
你看，从模拟信号到数字文件，中间经历了采样、量化、编码三个步骤。每一步都有讲究，每一步都可能引入失真。但只要你理解了这些基础，后面的响度均衡器实现，就只是在这些原理上做文章了。
最后说一句：
别小看这些基础概念。我见过太多人，一上来就调均衡器参数，结果底噪、混叠、量化失真全来了。先把采样定理、位深、格式这些搞明白，后面的事就顺了。