3、音频信号基础：采样定理、量化与位深、dB与声压级、时域与频域表示
好，咱们正式开始讲干货了。
做助听器降噪，说白了就是在跟「声音」打交道。但数字芯片里的声音，跟咱们耳朵听到的声音，其实是两码事。你得先搞懂数字音频的底层逻辑，后面写代码、调参数才不会懵。
这一章，我把几个最基础、也最容易踩坑的概念串起来讲。采样定理、量化位深、dB、时域频域——嗯，都是老生常谈，但我在项目里见过太多人在这上面翻车。
3.1 采样定理：别让信号「假摔」
先问个问题：模拟信号是连续的，数字信号是离散的。怎么用离散的点，还原出连续的波形？
答案就是采样定理，也叫奈奎斯特定理。说白了就一句话：采样频率必须大于信号最高频率的两倍。
核心公式：
f_s > 2 × f_max其中 f_s 是采样率，f_max 是信号中的最高频率成分。
举个例子。助听器通常处理的音频带宽是 8kHz（高频损失的用户，再高也听不见了）。那采样率至少得 16kHz。实际产品里，我常用 16kHz 或 24kHz。为什么？留点余量，给抗混叠滤波器一点喘息空间。
避坑指南：
我曾经在一个项目里，为了省功耗，把采样率压到刚好 16kHz。结果高频段出现严重的混叠噪声，怎么调降噪算法都没用。后来一查，是前端模拟滤波器的截止特性不够陡，16kHz 采样根本扛不住。从那以后，我习惯采样率至少留 20% 的余量。
混叠是什么？就是高频信号「伪装」成低频信号混进来。你想想看，一个 9kHz 的信号，用 16kHz 采样，出来的结果跟 7kHz 一模一样。降噪算法一看，哎这有个 7kHz 的噪声，给我干掉——结果把真实信号也削了。
3.2 量化与位深：精度和动态范围的博弈
采样是把时间离散化，量化就是把幅度离散化。
每个采样点，都得用一个二进制数来表示。这个二进制数的位数，就是位深（bit depth）。
| 位深 | 量化级数 | 动态范围（理论） | 常见应用 |
|---|---|---|---|
| 8 bit | 256 | ~48 dB | 语音通信（早年电话） |
| 16 bit | 65536 | ~96 dB | CD、助听器主流 |
| 24 bit | 16777216 | ~144 dB | 专业录音、高端助听器 |
| 32 bit float | —— | 极大 | 算法内部处理 |
我个人习惯，在助听器芯片里，ADC 出来用 16 bit 就够了。为什么？因为助听器的麦克风、受话器本身的动态范围也就 80-100 dB，你用 24 bit 纯属浪费功耗和内存。
但注意，算法内部处理一定要用高精度。我在定点 DSP 上做降噪时，中间变量至少用 32 bit，甚至用 40 bit 累加器。否则，量化噪声会一点点累积，最后输出全是「嘶嘶」声。
小技巧：
量化误差本质上是一种噪声。它的功率跟 LSB（最低有效位）的平方成正比。每增加 1 bit，信噪比提升约 6 dB。所以，别小看那 1 bit，有时候就是它决定了你的降噪底噪能不能做到 20 dB 以下。
3.3 dB 与声压级：算法工程师的「度量衡」
做音频算法，你天天跟 dB 打交道。但很多人对 dB 的理解，其实模模糊糊。
dB 不是一个绝对单位，它是一个比值。说白了，就是「这个信号比那个信号大多少」。
在助听器领域，最常用的是这几个：
- dB SPL（声压级）：绝对单位，以 20 μPa 为参考。0 dB SPL 是人耳能听到的最小声。
- dB FS（满量程）：数字域的单位，0 dB FS 是 ADC 能表示的最大值。
- dB A：加了 A 计权的声压级，模拟人耳对不同频率的敏感度。
我记得刚入行时，有个同事把 dB SPL 和 dB FS 直接混用，结果增益算出来差了 30 dB。用户戴上助听器，差点没把耳朵震聋。嗯，从那以后，我每次写代码都要在注释里标清楚：这个变量是 dB SPL 还是 dB FS。
实用换算：
// 功率比转 dB
dB = 10 * log10(P1 / P2)
// 幅度比转 dB
dB = 20 * log10(A1 / A2)
// 数字域：假设 16 bit 满量程是 ±32767
// 一个采样值 16384，对应 -6 dB FS
dB_FS = 20 * log10(|sample| / 32767)为什么降噪算法里老用 dB？因为人耳对声音的感知是对数的。你从 50 dB 加到 60 dB，感觉变化很大；但从 80 dB 加到 90 dB，感觉变化没那么明显。用 dB 做计算，正好匹配人耳的听觉特性。
3.4 时域与频域：降噪算法的「两副眼镜」
同一个信号，从不同角度看，完全不一样。
- 时域：横轴是时间，纵轴是幅度。你看的是「声音怎么随时间变化」。
- 频域：横轴是频率，纵轴是幅度（或能量）。你看的是「声音里有哪些频率成分」。
做降噪，你两副眼镜都得戴。
时域处理，比如自适应滤波、噪声门，响应快，适合处理瞬态噪声（比如关门声、键盘敲击声）。
频域处理，比如维纳滤波、谱减法，能精细地控制每个频段的增益，适合处理稳态噪声（比如空调声、风扇声）。
我个人习惯，在助听器里用混合架构：先做一版快速的时域噪声抑制，把明显的冲击噪声压下去；然后做 FFT 到频域，做精细的谱降噪。最后再转回时域输出。
经验之谈：
FFT 的点数怎么选？我一般用 256 点或 512 点（采样率 16kHz 时）。点数太少，频率分辨率不够，降噪会「糊」；点数太多，延迟太大，助听器用户会感觉「声音慢了半拍」。这个平衡点，得根据具体芯片的算力来调。
时域和频域的转换，靠的是傅里叶变换。但在嵌入式里，我们用的是 FFT（快速傅里叶变换）。
核心思路：
// 时域信号 x[n] 经过 FFT 得到频域 X[k]
// X[k] 的幅度谱表示每个频率分量的强度
// X[k] 的相位谱表示每个频率分量的时间偏移
// 降噪流程（简化版）：
// 1. 对输入帧做 FFT
// 2. 估计噪声谱
// 3. 计算增益（每个频段一个增益值）
// 4. 用增益乘以频域信号
// 5. IFFT 转回时域输出你想想看，在时域里，噪声和语音是混在一起的，你很难分开。但在频域里，语音主要集中在 300 Hz - 4 kHz，而噪声可能分布在更宽的频段。你只要把噪声占主导的频段压下去，语音就清晰了。
这就是频域降噪的基本逻辑。
好了，这一章的基础概念就这些。采样、量化、dB、时频域——看起来简单，但每一个都直接决定了你后面算法的成败。下一章，我会讲助听器里最常用的几种降噪算法，到时候咱们再细聊。