2、数字音频基础：采样率、位深度、量化噪声、奈奎斯特定理、PCM编码原理
好，咱们正式开始聊数字音频。说实话，很多做音频开发的朋友，一开始就被这些概念绕晕了。什么采样率、位深度，听起来像天书。但这些东西，说白了就是数字音频的「命根子」。你搞不懂它们，后面做多声道系统，肯定要踩坑。
我当年刚入行时，就吃过这个亏。有一次做车载环绕声系统，客户说声音「发干」、「有毛刺」。我排查了半天，最后发现是采样率转换的环节出了问题。嗯，从那以后，我再也不敢小看这些基础概念了。
2.1 从模拟到数字：为什么要采样？
我们听到的声音，在自然界里是连续的。比如你说话，声带振动产生的声波，是一条光滑的曲线。这叫模拟信号。
但计算机不认连续的东西。它只认0和1。所以我们必须把这条连续的曲线，变成一串离散的数字。这个过程，就叫「模数转换」。
怎么转？核心就两步：采样 和 量化。
- 采样：每隔一小段时间，记录一下声音的「瞬时值」。
- 量化：把这个瞬时值，用二进制数字表示出来。
你想想看，就像用相机拍一段连续运动的视频。你每秒拍24张照片，虽然每张是静止的，但连起来播放，人眼就觉得是连续的。音频采样也是这个道理。
2.2 采样率：每秒拍多少张「照片」？
采样率，就是每秒采样的次数。单位是Hz（赫兹）。
常见的采样率有：
| 采样率 | 常见用途 |
|---|---|
| 8 kHz | 电话语音 |
| 44.1 kHz | CD音质 |
| 48 kHz | DVD、电影、专业音频 |
| 96 kHz | 高清音频、录音棚 |
| 192 kHz | 超高保真、母带处理 |
我个人习惯，做多声道系统时，至少用48 kHz。为什么？因为人耳能听到的频率范围，大约是20 Hz到20 kHz。根据奈奎斯特定理，采样率至少要达到信号最高频率的两倍，才能无失真地还原。
核心公式：
采样率 ≥ 2 × 信号最高频率
所以，要记录20 kHz的声音，采样率至少得40 kHz。44.1 kHz和48 kHz，都留了一点余量。
2.3 奈奎斯特定理：为什么不能低于两倍？
这里要重点说一下奈奎斯特定理。很多初学者觉得，采样率只要比信号频率高一点不就行了？比如20 kHz的信号，我用25 kHz采样，行不行？
答案是：不行。绝对不行。
为什么会这样？因为会产生一种叫「混叠」的现象。简单说，就是高频信号被采样后，会伪装成低频信号，混进你的音频里。你听到的，就不是原来的声音了。
我记得有一次，一个同事调试一个音频采集模块，发现录出来的声音里总有「嗡嗡」的噪声。查了半天，发现是采样率设置低了，导致电源的50 Hz工频干扰混叠进了音频频带。嗯，这就是典型的混叠问题。
避坑指南：
我曾经在项目里遇到过，采样率刚好卡在2倍频率上，结果系统一有抖动，就出现失真。所以，我建议实际工程中，采样率至少留出10%-20%的余量。比如处理20 kHz信号，用48 kHz而不是44.1 kHz，会更安全。
2.4 位深度：每个「照片」有多少种颜色？
采样率决定了时间上的精度。位深度，则决定了幅度上的精度。
位深度，也叫量化精度。它表示每个采样点，用多少位二进制数来表示。
常见的位深度有：
- 8 bit：256个等级。声音粗糙，有底噪。早期游戏机用过。
- 16 bit：65536个等级。CD标准。动态范围约96 dB。
- 24 bit：16777216个等级。录音棚标准。动态范围约144 dB。
- 32 bit float：浮点数表示。动态范围极大，几乎不用担心削波。
位深度越高，声音的细节越丰富，动态范围越大。但文件体积也越大。
你想想看，16 bit就像用一支只有65536种颜色的画笔。画天空的渐变，可能会看到一条一条的色带。24 bit就像用1600万种颜色，渐变就平滑多了。
2.5 量化噪声：精度不够，噪声来凑
量化过程，本质上是一个「四舍五入」的过程。比如一个真实的电压值是3.14159 V，但你的量化器只能精确到0.01 V，那它只能记成3.14 V。这个误差，就是量化误差。
量化误差在频域上，表现为一种噪声，叫量化噪声。
量化噪声的功率，只与位深度有关：
位深度每增加1 bit，信噪比提升约6 dB。
16 bit的信噪比 ≈ 16 × 6 = 96 dB
24 bit的信噪比 ≈ 24 × 6 = 144 dB
所以，为什么录音棚要用24 bit？因为要留出足够的「净空」，避免噪声淹没细节。我做环绕声混音时，如果素材是16 bit的，稍微拉一下增益，底噪就出来了。换成24 bit，就好很多。
小技巧：
在数字音频处理中，中间计算环节尽量用32 bit float。这样可以避免多次量化引入的累积误差。最后输出时，再dither（抖动）到目标位深度。这是专业音频软件的常规操作。
2.6 PCM编码原理：最朴素的数字音频格式
PCM，全称是Pulse Code Modulation，脉冲编码调制。它是数字音频最基础、最原始的编码方式。
说白了，PCM就是把采样和量化后的数据，直接按顺序存起来。没有压缩，没有花哨的算法。每个采样点，就是一个数值。
比如，一段立体声的PCM数据，它的存储顺序是：
左声道采样点1 | 右声道采样点1 | 左声道采样点2 | 右声道采样点2 | ...这就是所谓的「交错存储」。多声道系统也是这个原理，只是声道数更多而已。
PCM的优点是：简单、无损、延迟低。缺点是：文件体积大。
举个例子，CD音质的PCM数据，每秒的数据量是：
44.1 kHz × 16 bit × 2 声道 = 1411.2 kbps一首4分钟的歌，大约40 MB。这就是为什么后来出现了MP3、AAC这些压缩格式。
但在专业音频领域，PCM依然是核心。因为任何压缩格式，最终解码后都会还原成PCM数据，才能播放。你电脑声卡里跑的，就是PCM流。
2.7 多声道系统中的特殊考量
做多声道环绕声，这些基础概念会带来几个实际问题：
- 声道同步：所有声道的采样点，必须在同一时刻被采集或播放。否则，声音定位会漂移。我建议用同一个时钟源驱动所有ADC/DAC。
- 数据带宽：7.1声道，96 kHz，24 bit，每秒的数据量是：96k × 24 × 8 = 18.432 Mbps。USB 2.0勉强够，但USB 3.0更稳妥。
- 量化噪声的累积：多声道系统中，每个声道都有独立的量化噪声。如果处理不当，这些噪声会叠加，影响整体信噪比。
注意：
我曾经在一个项目中，用FPGA做多声道音频采集。因为时钟抖动（jitter）太大，导致不同声道的采样时刻不一致，最终定位效果一塌糊涂。后来换了低抖动的时钟芯片，问题才解决。所以，时钟质量在多声道系统中，比单声道重要得多。
2.8 总结一下
数字音频的基础，其实就这几个点：
- 采样率决定频率范围，要遵守奈奎斯特定理。
- 位深度决定动态范围和噪声底。
- 量化噪声是不可避免的，但可以用高位深来压制。
- PCM是最朴素的编码方式，多声道系统就是它的扩展。
嗯，这些概念看起来简单，但真正用好，需要大量的实践。我建议你，如果条件允许，可以自己写一个小程序，生成不同采样率和位深度的正弦波，然后播放对比一下。耳朵听到的，比书本上写的，要直观得多。
下一章，我们会聊到数字音频的传输接口。到时候，这些基础概念会派上大用场。