第2章 声学基础与数字信号处理回顾：声音的物理特性、人耳听觉特性、采样定理、傅里叶变换、数字滤波器基础
各位同学，欢迎来到第二讲。做助听器算法，说白了就是跟声音打交道。你连声音的脾气都摸不透，怎么去驯服它？这一章我们快速回顾一下声学基础和数字信号处理的核心概念。别嫌基础，我敢说，很多坑都是因为基础不牢才踩进去的。
2.1 声音的物理特性：你得知道对手长什么样
声音的本质是什么？是机械振动在介质中的传播。在空气中，它就是疏密波。我们做算法，最关心的三个物理量：频率、幅度、相位。
- 频率（Frequency）：单位是Hz。决定了音调高低。人耳能听到的大概是20Hz到20kHz。助听器主要处理的是这个范围。
- 幅度（Amplitude）：决定了响度。我们通常用声压级（SPL）来衡量，单位是dB。
- 相位（Phase）：这个容易被忽略。但在多麦克风波束成形里，相位差就是命根子。
避坑指南： 我曾经在调试一个反馈抑制算法时，忽略了相位信息，结果滤波器设计出来，低频增益一加上就自激振荡。后来才发现，是相位裕度不够。嗯，相位这东西，你越晚重视，它坑你越狠。
2.2 人耳听觉特性：算法是为耳朵服务的
你设计的算法再漂亮，人耳听着不舒服，那就是废品。人耳有几个关键特性，你必须刻在脑子里。
2.2.1 等响曲线
人耳对不同频率的敏感度不一样。对3-4kHz最敏感，对低频和高频相对迟钝。这就是为什么助听器需要做多通道增益补偿。我个人习惯，在做初始增益配置时，一定会参考ISO 226标准的等响曲线数据。
2.2.2 掩蔽效应
一个强音会掩盖掉附近的弱音。这在助听器里既是麻烦也是机会。麻烦在于，环境噪声会掩蔽掉语音。机会在于，我们可以利用掩蔽效应来做心理声学模型，比如MP3压缩就是靠这个。我在做降噪算法时，就经常利用掩蔽阈值来动态调整降噪强度——听不见的噪声，何必费力去消？
2.2.3 听觉动态范围
正常人的听觉动态范围大约120dB。但听损患者这个范围会变窄，尤其是感音神经性耳聋患者。这就是为什么助听器需要做宽动态范围压缩（WDRC）。
2.3 采样定理：数字世界的入场券
模拟信号要变成数字信号，第一步就是采样。采样定理（Nyquist定理）说：采样频率必须大于信号最高频率的两倍。
公式很简单：fs > 2 * fmax
助听器里，语音信号最高频率一般到8kHz就差不多了。所以采样率通常用16kHz。为什么不用更高？功耗啊！你想想看，助听器那么小的电池，采样率翻倍，运算量翻倍，功耗也翻倍。16kHz是性能和功耗的一个平衡点。
注意： 采样前必须加抗混叠滤波器。我见过有人为了省成本，把抗混叠滤波器去掉了，结果高频噪声混叠到低频段，语音质量一塌糊涂。这个钱不能省。
2.4 傅里叶变换：把声音拆开看
时域信号我们看不懂，但频域信号一目了然。傅里叶变换就是把信号从时域变到频域的工具。
在嵌入式系统里，我们用的是离散傅里叶变换（DFT），实际实现用的是快速傅里叶变换（FFT）。
助听器里，FFT的典型配置：
| 参数 | 典型值 | 说明 |
|---|---|---|
| FFT点数 | 256或512 | 点数越多，频率分辨率越高，但延迟越大 |
| 帧移 | 64或128 | 决定了处理延迟，一般要求小于10ms |
| 窗函数 | 汉宁窗或海明窗 | 减少频谱泄漏 |
我的经验： 做FFT时，窗函数的选择很关键。汉宁窗频率分辨率好，但幅度精度差。海明窗则相反。我一般先用汉宁窗做分析，如果发现频谱泄漏严重，再换凯泽窗试试。没有银弹，只有试出来的经验。
2.5 数字滤波器基础：算法的核心武器
滤波器是助听器算法的基础。我们主要用两种：FIR和IIR。
2.5.1 FIR滤波器
FIR滤波器稳定，线性相位，没有反馈。但阶数高，计算量大。适合做分频、波束成形。
一个简单的FIR滤波器实现：
// FIR滤波器实现
float fir_filter(float input, float *coeffs, float *buffer, int order) {
float output = 0.0f;
// 移位
for (int i = order - 1; i > 0; i--) {
buffer[i] = buffer[i - 1];
}
buffer[0] = input;
// 卷积
for (int i = 0; i < order; i++) {
output += coeffs[i] * buffer[i];
}
return output;
}5.2 IIR滤波器
IIR滤波器阶数低，计算量小，但有相位失真，可能不稳定。适合做均衡、反馈抑制。
IIR滤波器设计时，我建议用双线性变换法。把模拟滤波器映射到数字域，效果比较稳定。
避坑指南： 我曾经在做一个多通道均衡器时，用了高阶IIR滤波器，结果在低频段出现了极限环振荡。后来查资料才发现，是系数量化误差导致的。解决办法：用双二阶节（Biquad）级联，每个节只做二阶，这样稳定性好很多。
2.6 小结
这一章内容不少，但都是基本功。声音的物理特性让你知道对手是谁，人耳听觉特性让你知道服务对象是谁，采样定理、傅里叶变换、数字滤波器则是你手里的工具。下一章，我们就要开始真正动手做多场景自适应模式了。到时候你会发现，今天讲的这些，每一个都会用到。
嗯，先消化一下。有问题随时问我。