声音的物理基础：声波、频率、振幅、相位

各位同学好，我是你们这门课的主讲。今天咱们来聊聊声音的物理基础。说实话，这部分内容看起来有点理论，但它是整个语音信号处理的根基。我在做降噪算法的时候，经常要回头翻这些基本概念——你想想看，连声音的本质都没搞明白，怎么去降噪呢？

声波到底是什么？

声音说白了就是一种机械波。空气被压缩、膨胀，再压缩、再膨胀，这样一波一波地传到你耳朵里。我刚开始做音频处理时，总把声波想象成水面上的涟漪——其实不太准确。声波是纵波，空气分子沿着传播方向来回振动，而不是上下振动。

声波有几个关键参数：

• 频率：每秒振动的次数，单位是赫兹（Hz）。人耳能听到的大概是20Hz到20kHz。
• 振幅：振动的幅度大小，决定了声音的响度。振幅越大，声音越响。
• 相位：描述振动在某个时刻所处的状态，单位是角度或弧度。

我在项目中遇到过一件事：有一次做麦克风阵列的波束成形，相位没算对，结果降噪效果反而变差了。嗯，相位这东西，看似简单，实际坑很多。

时域与频域的基本概念

咱们平时看到的波形图，横轴是时间，纵轴是振幅——这就是时域表示。但很多时候，时域里看不出什么名堂。比如一段嘈杂的录音，你盯着波形看半天，也分不清哪些是噪声哪些是人声。

这时候就需要频域了。频域把信号拆解成不同频率的成分，横轴是频率，纵轴是幅度（或能量）。说白了，就是告诉你这个声音里，低频有多少、中频有多少、高频有多少。

为什么会这样？因为人耳本身就是个频谱分析仪。你听到一段音乐，能分辨出小提琴和钢琴，靠的就是它们在不同频率上的能量分布不同。

时域和频域之间怎么转换？靠的是傅里叶变换。这个后面我们会详细讲，现在你只需要记住：时域和频域是同一个信号的两种不同视角，就像硬币的正反面。

采样定理与量化

好了，现在问题来了：计算机怎么处理声音？声音是连续的模拟信号，计算机只能处理离散的数字信号。这就涉及两个关键步骤：采样和量化。

采样定理

采样定理也叫奈奎斯特-香农采样定理。它的核心思想很简单：要完整地还原一个信号，采样频率必须至少是信号最高频率的两倍。

举个例子：人声的最高频率大概在8kHz左右，那么采样频率至少要16kHz。CD音质的采样率是44.1kHz，为什么？因为人耳能听到20kHz，两倍就是40kHz，留点余量就定到了44.1kHz。

混叠是什么？简单说就是高频信号被错误地采样成了低频信号。你想想看，本来想录个高音，结果录出来变成了低音，这肯定不行。

量化

采样是把时间离散化，量化则是把幅度离散化。每个采样点的幅度值，要用有限个比特来表示。

常见的量化位数：

量化位数	动态范围	常见应用
8 bit	48 dB	早期电话、低质量录音
16 bit	96 dB	CD音质、WAV文件
24 bit	144 dB	专业录音、后期制作
32 bit float	理论上无限	音频处理内部格式

量化位数越高，动态范围越大，声音的细节保留得越好。但文件体积也越大。16 bit是性价比最高的选择，这也是为什么大多数音频文件都用16 bit。

知识体系总览

下面这张图总结了本章的核心知识点，我习惯用这种图来梳理思路：

这张图把本章的三个核心模块串起来了。声波是物理基础，时域频域是分析工具，采样量化是数字化的桥梁。三者缺一不可。

一个简单的代码示例

说了这么多理论，咱们来点实际的。下面这段Python代码演示了如何生成一个正弦波，并观察它的时域和频域特征：

import numpy as np
import matplotlib.pyplot as plt

# 参数设置
fs = 44100          # 采样率 44.1kHz
f = 440             # 频率 440Hz (A4音)
duration = 0.1      # 时长 0.1秒
amplitude = 0.8     # 振幅

# 生成时间轴
t = np.arange(0, duration, 1/fs)

# 生成正弦波
signal = amplitude * np.sin(2 * np.pi * f * t)

# 计算频谱
fft_result = np.fft.fft(signal)
freqs = np.fft.fftfreq(len(signal), 1/fs)

# 只取正频率部分
positive_freqs = freqs[:len(freqs)//2]
positive_magnitude = np.abs(fft_result[:len(fft_result)//2])

print(f"信号长度: {len(signal)} 个采样点")
print(f"频率分辨率: {freqs[1] - freqs[0]:.2f} Hz")
print(f"最大幅度: {np.max(positive_magnitude):.2f}")

这段代码我用了很多次。每次测试新算法时，我都会先拿一个纯音信号试试水，看看时域波形对不对、频谱峰值是不是在预期频率上。这是个好习惯，建议你们也养成。

好了，这一章的内容就到这里。记住这些基础概念，后面讲降噪算法时，我们会反复用到它们。有什么问题欢迎随时交流。

---

公众号:蓝海资料掘金营，微信deep3321