数字音频基础：采样定理、量化与编码、奈奎斯特频率、混叠效应、常见音频格式解析
各位同学，欢迎来到第一节课。
说实话，数字音频这块内容，看起来是基础，但很多做了两三年的工程师，遇到采样率选择、抗混叠滤波器设计时，还是会翻车。我当年刚入行时，就因为在ADC前少加了一级抗混叠滤波，结果调试了一周才发现是混叠噪声在作怪。嗯，这节课咱们就把这些坑一个个填平。
1. 采样定理：把连续信号变成离散点
数字音频的第一步，就是把连续的模拟信号，变成一串离散的采样点。这个过程叫采样。
你想想看，我们人耳听到的声音是连续的，但计算机只能处理离散的数字。怎么把连续变成离散？每隔一小段时间，抓一个瞬间的电压值。这个时间间隔，就是采样周期。
采样定理（也叫奈奎斯特-香农采样定理）告诉我们：如果信号的最高频率是 f_max，那么采样频率 f_s 必须大于 2 倍的 f_max。写成公式就是：
f_s > 2 * f_max为什么是2倍？说白了，每个周期至少需要两个采样点，才能完整还原出波形。一个点只能知道振幅，两个点才能知道频率和相位。
核心结论：采样频率必须大于信号最高频率的两倍。这是数字音频的基石，没有商量的余地。
2. 奈奎斯特频率：那条不能越过的红线
奈奎斯特频率，就是采样频率的一半。公式很简单：
f_Nyquist = f_s / 2这条线意味着什么？任何高于奈奎斯特频率的信号分量，都会被“折叠”回低频区域，变成虚假的信号。这就是混叠效应。
举个例子，CD音频的采样率是44.1kHz，奈奎斯特频率就是22.05kHz。人耳能听到的最高频率大约是20kHz，所以CD的采样率是够用的。但如果你用8kHz采样率去录一段包含5kHz成分的声音，奈奎斯特频率只有4kHz，5kHz的信号就会被折叠成3kHz的假信号。你听到的，已经不是原来的声音了。
避坑指南：我曾经在一个语音采集项目中，用了8kHz采样率，但麦克风前端没有做低通滤波。结果录出来的语音里，高频环境噪声全部混叠到了低频段，听起来像加了失真效果。从那以后，我每次选采样率，都会先确认信号带宽，再决定要不要加抗混叠滤波器。
3. 混叠效应：看不见的噪声杀手
混叠效应，说白了就是高频信号伪装成低频信号混进来。它不会像白噪声那样明显，但会破坏音质，让声音变得模糊、刺耳。
怎么解决？两个办法：
- 硬件抗混叠滤波器：在ADC之前，加一个低通滤波器，把高于奈奎斯特频率的成分滤掉。这是最可靠的方法。
- 过采样+数字滤波：先用很高的采样率（比如192kHz）采样，然后用数字低通滤波器滤除高频，再降采样到目标采样率。现代音频Codec基本都是这个思路。
我个人习惯，在项目初期就会把抗混叠滤波器的截止频率，设置在奈奎斯特频率的80%左右。留一点余量，避免滤波器滚降特性带来的边缘问题。
4. 量化与编码：把电压值变成二进制数
采样得到的是连续的电压值，但计算机只能存0和1。所以我们需要量化——把连续的电压值，映射到有限的离散电平上。
量化位数（bit depth）决定了有多少个离散电平。比如16位量化，就有2^16=65536个电平。24位量化，有2^24=16777216个电平。
| 量化位数 | 电平数 | 动态范围（理论） | 常见应用 |
|---|---|---|---|
| 8 bit | 256 | 48 dB | 早期电话、低端语音 |
| 16 bit | 65536 | 96 dB | CD、WAV标准 |
| 24 bit | 16777216 | 144 dB | 专业录音、混音 |
| 32 bit float | 浮动精度 | 极高 | DAW内部处理 |
量化会产生量化误差，也就是量化噪声。量化噪声的大小，取决于量化步长。步长越小，噪声越低。所以24位比16位更安静，动态范围更大。
我的经验：做嵌入式音频产品时，如果存储空间有限，用16位就够了。但如果是做录音笔或专业声卡，我建议至少用24位。因为后期处理时，16位的素材稍微拉一下增益，量化噪声就出来了。24位有足够的余量。
编码，就是把量化后的数值，按照一定的格式存起来。最简单的编码是PCM（脉冲编码调制），直接存每个采样点的数值。WAV文件就是PCM格式的一种封装。
5. 常见音频格式解析
工作中最常碰到的音频格式，我列几个：
- WAV：无损格式，直接存PCM数据。文件大，但质量最高。调试阶段我基本都用WAV，方便分析。
- MP3：有损压缩，利用人耳听觉的掩蔽效应，去掉人耳不敏感的频率成分。压缩比高，但音质有损失。
- AAC：比MP3更先进的压缩算法，同样码率下音质更好。苹果生态和YouTube都在用。
- FLAC：无损压缩，像zip一样压缩WAV，解压后完全还原。适合存档和高品质播放。
- OPUS：新一代编解码器，延迟低、音质好，适合实时通信和流媒体。
选格式时，我一般遵循这个原则：存储用FLAC，传输用OPUS或AAC，调试用WAV。MP3除非兼容性要求，否则我尽量不用。
6. 实际项目中的选择建议
最后，结合我自己的项目经验，给几个实用建议：
- 采样率怎么选？语音通信用8kHz或16kHz就够了。音乐播放用44.1kHz或48kHz。专业录音用96kHz或192kHz。别盲目追求高采样率，存储和带宽都是成本。
- 量化位数怎么选？消费级产品用16位。专业产品用24位。内部处理用32位浮点，避免累积误差。
- 抗混叠滤波器一定要加。不管是硬件还是软件，这条不能省。我见过太多因为省了这个滤波器，导致产品音质不达标的案例。
- 格式转换时注意重采样质量。低质量的重采样算法会引入失真。如果项目对音质要求高，用libsamplerate或SoX的高质量模式。
一句话总结：采样定理决定你能录多高的频率，量化位数决定你能录多安静的声音，格式选择决定你的产品能不能跑起来。这三件事，是数字音频的根基。
好了，这节课就到这里。下一节我们讲数字滤波器的基本原理，到时候我会带一个实际项目中用IIR滤波器做均衡器的案例。记得提前预习一下Z变换的基础知识。