3. 量化与编码：量化噪声模型、均匀量化与非均匀量化、PCM编码原理与A律/μ律压缩

好，咱们今天聊聊量化与编码。这部分内容，说实在的，是音频数据转换的核心中的核心。你想想看，模拟信号是连续的，数字世界是离散的，怎么把连续的信号塞进离散的二进制码里？靠的就是量化和编码。

我个人习惯把量化比作「用尺子量身高」。模拟信号就是那个身高，尺子的刻度就是量化台阶。你量出来的结果，永远是个近似值。这个近似值带来的误差，就是量化噪声。

3.1 量化噪声模型

量化噪声，说白了就是「舍入误差」。我刚开始做音频系统时，总觉得这玩意儿是玄学。后来有一次调试一个16位ADC的底噪，死活降不下去，最后发现是量化噪声在作祟。嗯，从那以后我再也不敢小看它了。

量化噪声的数学模型其实挺简单的。假设量化步长为Δ，那么量化误差e的范围是：

-Δ/2 ≤ e ≤ Δ/2

如果输入信号足够复杂（比如音乐），误差可以近似为均匀分布。那么量化噪声的功率（方差）就是：

σ² = Δ² / 12

这个公式你最好记在心里。为什么？因为信噪比（SNR）就靠它算。

对于一个B位的量化器，满量程范围是2B·Δ。假设输入是满幅正弦波，信号功率是(2B·Δ)²/8。那么信噪比就是：

SNR = 6.02B + 1.76 dB

你看，每增加1位，信噪比提升约6dB。这就是为什么16位音频的理论动态范围是96dB，24位是144dB。

3.2 均匀量化与非均匀量化

均匀量化，就是尺子的刻度是等间距的。简单、直接，但有个问题——小信号的信噪比很差。

为什么？因为量化噪声的功率是固定的（Δ²/12），而小信号的功率很小，所以信噪比就低。你想想看，一段音乐里，弱音部分往往比强音部分更容易听到噪声，就是这个道理。

非均匀量化就是为了解决这个问题。它的思路是：小信号用小的量化步长，大信号用大的量化步长。这样小信号的信噪比就上去了。

我在项目中遇到过这种情况：用均匀量化处理语音信号，结果静音段全是「嘶嘶」的量化噪声。后来换成非均匀量化，效果立竿见影。

3.3 PCM编码原理

PCM，脉冲编码调制，是数字音频最基础的编码方式。它的流程就三步：采样、量化、编码。

1. 采样：把连续时间信号变成离散时间信号。采样率要满足奈奎斯特定理，否则会有混叠失真。
2. 量化：把连续幅度变成离散幅度。这一步会引入量化噪声。
3. 编码：把量化后的幅度值用二进制码表示。

举个例子，假设采样率是44.1kHz，量化位数是16位，那么每秒的数据量就是：

44.1k × 16 = 705.6 kbps（单声道）
705.6k × 2 = 1.411 Mbps（立体声）

这就是CD音频的数据率。你想想看，一张CD能存74分钟，数据量可不小。

3.4 A律与μ律压缩

A律和μ律是非均匀量化的具体实现。它们主要用于语音通信，比如电话系统。

为什么语音要用非均匀量化？因为语音信号的动态范围很大（约40-50dB），而且小信号出现的概率更高。用均匀量化的话，小信号的信噪比会非常差。

A律和μ律的核心思想是：对输入信号做对数变换，然后再均匀量化。这样等效于非均匀量化。

具体来说：

• μ律：主要用于北美和日本。压缩特性是：

F(x) = sign(x) · ln(1 + μ|x|) / ln(1 + μ), 其中μ=255

• A律：主要用于欧洲和中国。压缩特性是：

F(x) = sign(x) · A|x| / (1 + lnA), 0 ≤ |x| ≤ 1/A
F(x) = sign(x) · (1 + ln(A|x|)) / (1 + lnA), 1/A ≤ |x| ≤ 1, 其中A=87.6

这两个标准我都用过。说实话，在听感上差别不大，但兼容性很重要。如果你做的是国际市场的产品，最好两个都支持。

参数	μ律 (μ=255)	A律 (A=87.6)
主要应用地区	北美、日本	欧洲、中国
小信号增益	较高	中等
信噪比（小信号）	约38dB	约34dB
实现复杂度	较低	中等

好了，量化与编码这部分就讲到这里。记住一句话：量化是取舍，编码是表达。取舍得好，表达得准，你的音频系统才能出好声音。