数字音频基础：采样率、位深度、声道数、音频文件格式
各位同学好，我是你们的老朋友。今天咱们聊聊数字音频的四大基石——采样率、位深度、声道数，还有那些你天天打交道的文件格式。说实话，这些概念看起来简单，但我在实际项目中踩过的坑，十个手指头都数不过来。
你想想看，一个音频算法工程师，如果连这些基础参数都搞不清楚，那写出来的代码就像盖房子没打地基。咱们今天就把这些概念掰开揉碎了讲清楚。
1. 采样率：时间轴上的刻度
采样率，说白了就是每秒钟对模拟信号“拍多少张照片”。单位是Hz（赫兹），比如44100Hz就是每秒采样44100次。
为什么会是这个数字？嗯，这里有个著名的奈奎斯特采样定理：采样率必须大于信号最高频率的两倍。人耳能听到的频率范围是20Hz-20kHz，所以44.1kHz刚好能覆盖。CD标准就是这么来的。
常见采样率一览：
- 8kHz：电话语音，够用就行
- 22.05kHz：早期MP3，现在基本淘汰
- 44.1kHz：CD标准，音乐制作主流
- 48kHz：影视标准，DVD/蓝光常用
- 96kHz/192kHz：高解析音频，发烧友最爱
我在项目中遇到过一件事：有一次做语音降噪算法，客户给的录音采样率是16kHz，但我习惯性用了48kHz的滤波器设计。结果高频噪声完全没滤掉，反而把语音削得不成样子。后来一查，原来是采样率不匹配导致的混叠效应。从那以后，我拿到任何音频文件，第一件事就是检查采样率。
我的小技巧：做音频处理时，先把所有输入统一到同一个采样率。我习惯用48kHz作为中间格式，因为它是24的倍数，做FFT时帧长选择更灵活。
2. 位深度：动态范围的标尺
位深度决定了每个采样点能记录多少信息。8位、16位、24位、32位浮点，这些都是常见的位深度。
你想想看，位深度每增加1位，动态范围就增加约6dB。16位能提供96dB的动态范围，24位则是144dB。人耳的动态范围大约120dB，所以24位已经绰绰有余。
| 位深度 | 动态范围 | 典型应用 |
|---|---|---|
| 8位 | 48dB | 早期游戏音效、电话 |
| 16位 | 96dB | CD、MP3 |
| 24位 | 144dB | 录音棚、专业制作 |
| 32位浮点 | 1520dB以上 | DAW内部处理、算法开发 |
我曾经犯过一个低级错误：在写动态处理器时，用16位整型做中间计算。结果压缩器一启动，量化噪声直接炸了。后来改用32位浮点，问题迎刃而解。记住：内部处理永远用浮点，输出时才转整型。
避坑指南：我曾经把24位WAV直接转成16位MP3，没做抖动处理。结果低频部分出现了明显的颗粒感。后来我养成了习惯：任何位深度转换前，先加一个三角波抖动，效果立竿见影。
3. 声道数：空间的维度
声道数决定了音频的空间感。单声道、立体声、5.1环绕、7.1环绕，这些都是常见的配置。
- 单声道（Mono）：一个声道，所有声音挤在一起。适合语音、播客。
- 立体声（Stereo）：左右两个声道，能听出方位感。音乐、电影标配。
- 5.1环绕：前左、前右、中置、后左、后右 + 低音炮。家庭影院标准。
- 7.1环绕：在5.1基础上增加两个侧声道。高端影院配置。
我建议做音频算法时，先搞清楚目标声道数。比如做立体声扩展器，如果输入是单声道，你得先做上混；如果是5.1，你得考虑通道间的相关性。这些细节，一个没注意就会出大问题。
4. 音频文件格式：容器与编码
文件格式这东西，说白了就是音频数据的“包装盒”。WAV、MP3、AAC，各有各的脾气。
WAV：无损的“老大哥”
WAV是微软和IBM联合开发的格式，基于RIFF容器。它不压缩，直接存储PCM数据。优点是音质无损，缺点是文件大——一首3分钟的CD音质WAV，大约30MB。
我在项目中经常用WAV做中间格式。原因很简单：任何软件都能读，任何算法都能处理。但要注意，WAV支持多种编码格式，不只是PCM。我见过有人把MP3数据包在WAV壳子里，结果播放器直接崩溃。
MP3：有损压缩的“常青树”
MP3使用感知编码，利用人耳的心理声学模型，去掉人耳不敏感的频率成分。压缩率能达到10:1以上，音质还能接受。
MP3的编码参数很关键：比特率（128kbps、192kbps、320kbps）、采样率、立体声模式（联合立体声、普通立体声）。我建议：做音乐至少用256kbps，做语音128kbps就够了。
我的经验：MP3编码时，联合立体声模式对高频信号的相位信息有损伤。如果你要做音频分析（比如声源定位），千万别用MP3，老老实实用WAV。
AAC：后起之秀
AAC是MPEG-4标准的一部分，比MP3更高效。同样的比特率，AAC的音质通常更好。苹果的iTunes、YouTube、现代手机都广泛使用AAC。
AAC支持更多声道（最多48个）、更高的采样率（最高96kHz），编码算法也更先进。但要注意，AAC的编码器质量参差不齐。我建议用Fraunhofer的官方编码器，或者Apple的AAC编码器，质量有保障。
5. 知识体系总览
说了这么多，咱们用一张图来总结一下数字音频的核心知识体系：
这张图把咱们今天讲的内容串起来了。采样率、位深度、声道数、文件格式，这四个参数共同决定了数字音频的最终质量。你想想看，任何一个参数选错了，整个音频链路都会出问题。
好了，今天的课就到这里。记住这些基础概念，后面咱们做动态处理器时，你会感谢今天认真听课的自己。
公众号:蓝海资料掘金营，微信deep3321