2. 音频信号基础：模拟信号与数字信号、采样率与位深度、信噪比与总谐波失真
好，咱们直接进入正题。音频信号，说白了就是声音的“电学翻译”。你对着麦克风说话，声波变成电压变化，这就是模拟信号。但车载系统里跑的是一堆0和1，所以得把模拟信号转成数字信号。这个过程，我做了十几年，踩过的坑比走过的路还多。
2.1 模拟信号与数字信号：一个“翻译”的故事
模拟信号，就像老式唱片上的纹路，连续、平滑。你说话的声音，在麦克风里就是一条连续的电压曲线。数字信号呢？是离散的，像用尺子量身高，每隔一厘米记一个数。
为什么非得转成数字？ 因为抗干扰。车载环境里，发动机点火、空调压缩机启动，电磁干扰满天飞。模拟信号传个几米，噪声就叠加上去了。数字信号不一样，只要0和1没被彻底翻转，就能完美还原。我记得有一次，客户抱怨蓝牙通话有“滋滋”声，查了半天，发现是模拟音频线走线太靠近大功率线束。换成数字传输后，问题立马消失。
关键区别：
- 连续性： 模拟信号在时间和幅度上都是连续的；数字信号在时间和幅度上都是离散的。
- 抗干扰： 模拟信号易受噪声影响，数字信号天生抗干扰。
- 存储与处理： 数字信号可以无损复制、压缩、加密，模拟信号复制一次就损失一次。
嗯，这里要注意。不是说模拟信号就一无是处。人耳听到的终究是模拟信号，麦克风、扬声器这些换能器，本质上都是模拟器件。数字信号再漂亮，最后也得转回模拟才能驱动喇叭。所以，数模转换（DAC）和模数转换（ADC） 的质量，直接决定了音质的上限。
2.2 采样率与位深度：决定音质的“像素”
把模拟信号变成数字信号，需要两步：采样和量化。
采样率，就是每秒采多少个点。单位是Hz。根据奈奎斯特定理，采样率至少要是信号最高频率的两倍，才能无失真地还原。人耳能听到20Hz到20kHz，所以CD标准的44.1kHz就是这么来的。车载语音交互，我一般建议用16kHz或48kHz。16kHz够用，48kHz更保真，但数据量也更大。
位深度，就是每个采样点用多少bit来表示。它决定了动态范围。16bit能表示65536个等级，动态范围约96dB。24bit能表示1677万个等级，动态范围约144dB。你想想看，如果位深度不够，微弱的声音（比如轻声细语）和响亮的声音（比如导航提示）之间的细节就会被“吃掉”。
| 参数 | 常见值 | 适用场景 | 我的建议 |
|---|---|---|---|
| 采样率 | 8kHz | 电话语音 | 太糊了，别用 |
| 采样率 | 16kHz | 车载语音识别 | 性价比之选 |
| 采样率 | 48kHz | 高保真音乐、多麦克风阵列 | 音质党首选 |
| 位深度 | 16bit | CD音质、普通语音 | 够用，但别省 |
| 位深度 | 24bit | 专业录音、降噪处理 | 我强烈推荐 |
避坑指南： 我曾经在一个项目里，为了省带宽，把采样率从16kHz降到8kHz。结果语音识别率直接掉了15%。后来发现，8kHz采样率丢失了太多高频辅音（比如“s”、“sh”），识别引擎根本听不清。从那以后，我再也不敢在语音链路上用低于16kHz的采样率了。
2.3 信噪比与总谐波失真：衡量“干净”与“保真”
这两个指标，是衡量音频硬件好坏的核心。说白了，一个看底噪干不干净，一个看声音变没变形。
信噪比（SNR），单位dB。它是有用信号功率与噪声功率的比值。数值越大，底噪越小，声音越“干净”。车载环境里，路噪、风噪、发动机噪声都很大。麦克风的信噪比如果低于60dB，基本没法用。我一般要求麦克风模组的SNR至少65dB以上，最好能到70dB。
总谐波失真（THD），单位百分比或dB。它衡量的是信号经过放大器或换能器后，产生了多少额外的谐波成分。THD越小，声音越“保真”。0.1%的THD，人耳基本听不出来。超过1%，就能明显感觉到声音“毛糙”或“发破”。
实战经验： 我遇到过最头疼的问题，是功放芯片的THD在低频段（100Hz以下）急剧恶化。听起来就是低音“嗡嗡”的，不干净。查了数据手册才发现，芯片在低频段的负载能力不足。后来换了颗大电流的功放，问题才解决。所以，选型时别只看标称值，一定要看全频段的THD曲线。
怎么测这两个指标？用音频分析仪。输入一个纯净的正弦波（比如1kHz），然后分析输出信号的频谱。
// 伪代码：计算THD+N（总谐波失真加噪声）
// 1. 采集输出信号
// 2. 做FFT（快速傅里叶变换）
// 3. 找到基波（1kHz）的幅度 A1
// 4. 找到所有谐波（2kHz, 3kHz, 4kHz...）的幅度 A2, A3, A4...
// 5. 找到噪声频段的能量 N
// 6. THD+N = sqrt(A2^2 + A3^2 + ... + N^2) / A1 * 100%
注意： 很多芯片厂商会标“THD+N”，这个“+N”把噪声也算进去了。如果只看THD（不含噪声），数值会更漂亮。但实际听感上，THD+N更贴近真实体验。我个人习惯，看数据手册时，优先看THD+N，而且要看1W或1mW输出功率下的典型值，别被那些“最佳工况”下的极限值忽悠了。
最后说一句。音频信号基础，看似简单，但它是整个车载语音交互系统的“地基”。采样率、位深度、信噪比、THD，这四个参数，你选对了，后面的算法、降噪、识别才能发挥出来。选错了，神仙算法也救不了。嗯，今天就到这儿，下一章咱们聊聊麦克风阵列的布局和选型。