2、音频基础理论：声音的物理特性、采样率与位深度、音频编码格式概述
好，咱们正式开始聊音频。说实话，很多做嵌入式开发的朋友，一听到「音频」两个字就觉得头大。觉得那是搞音乐的人该操心的事。其实不然。你想想看，PIS系统里那些语音播报、到站提示、紧急广播，哪个离得开音频？搞懂基础，后面写驱动、调算法，心里才有底。
这一章，我就带你从最根本的东西说起。声音到底是什么？我们怎么把它变成电脑能处理的数字信号？又有哪些常见的坑等着你？嗯，咱们一个一个来。
2.1 声音的物理特性
声音，说白了就是振动。空气被振动，形成疏密波，传到我们耳朵里。这个波有两个关键参数：频率和振幅。
- 频率：单位是赫兹（Hz）。表示每秒振动多少次。频率越高，音调越高。人耳能听到的大概是20Hz到20kHz。低于20Hz的叫次声波，高于20kHz的叫超声波。PIS系统里，我们最关心的是人声范围，大概300Hz到3.4kHz。电话线路就是按这个标准设计的。
- 振幅：表示振动的幅度。振幅越大，声音越响。我们通常用分贝（dB）来表示响度。0dB是人耳能听到的最微弱声音，120dB就开始让人感到疼痛了。
重要概念：声压级（SPL）
在嵌入式系统里，我们很少直接处理声压。但你要知道，麦克风采集到的电压信号，和声压是成正比的。ADC转换后的数值，就代表了振幅。这个数值越大，声音越响。
我在项目中遇到过一个问题：某次调试车载广播，发现播放出来的声音总是破音。查了半天，发现是麦克风输入的信号幅度太大，超过了ADC的参考电压。嗯，这就是典型的「削波失真」。所以，设计前端电路时，一定要留足余量。
2.2 采样率与位深度
模拟信号要变成数字信号，得经过两个步骤：采样和量化。这两个步骤决定了数字音频的质量。
2.4.1 采样率
采样率，就是每秒采集多少个样本点。单位是Hz（或kHz）。
这里有个核心定理：奈奎斯特采样定理。简单说就是：采样率必须大于信号最高频率的两倍，才能无失真地还原信号。
举个例子：人声最高频率按4kHz算，那采样率至少得8kHz。电话系统就是这么干的。CD音质的采样率是44.1kHz，为什么？因为人耳能听到20kHz，两倍就是40kHz，再留点余量，就定成了44.1kHz。
| 应用场景 | 常用采样率 | 说明 |
|---|---|---|
| 电话语音 | 8 kHz | 窄带，够用就行 |
| PIS语音播报 | 16 kHz | 宽带，清晰度不错 |
| CD音质 | 44.1 kHz | 高保真，音乐常用 |
| 专业录音 | 48 kHz / 96 kHz | 后期处理留余量 |
我的建议：PIS系统做语音播报，用16kHz采样率就够了。既能保证清晰度，又能节省存储空间和带宽。我曾经见过有人用44.1kHz去录报站语音，结果文件大了好几倍，播放效果其实没区别。没必要。
2.4.2 位深度
位深度，也叫量化精度。它决定了每个样本点用多少位来表示。常见的位深度有8位、16位、24位、32位。
位深度越高，动态范围越大，声音的细节越丰富。动态范围的计算公式是：动态范围(dB) ≈ 6.02 × 位深度 + 1.76。
- 8位：动态范围约48dB。听起来会有明显的底噪，像老式收音机。一般不用在PIS里。
- 16位：动态范围约96dB。CD音质就是这个标准。PIS系统用16位完全足够。
- 24位：动态范围约144dB。录音棚级别。除非你做高端音频处理，否则用不上。
你想想看，PIS系统里播放的是语音，不是交响乐。16位、16kHz，这个组合性价比最高。我做过一个项目，客户非要32位浮点，结果MCU算力不够，播放时卡顿。后来改成16位定点，一切正常。所以，别盲目追求高参数。
2.3 音频编码格式概述
原始音频数据（PCM）太大了。举个例子：16位、16kHz、单声道，一秒钟就是16 × 16000 = 256000比特，约32KB。一分钟就快2MB了。对于嵌入式系统来说，这太奢侈了。所以，我们需要编码压缩。
编码格式分两大类：无损压缩和有损压缩。
2.3.1 无损压缩
压缩后能完全还原原始数据。常见的有：
- WAV（PCM）：严格来说WAV是一种容器格式，里面可以装PCM数据。PCM就是原始数据，不压缩。优点是解码简单，几乎零延迟。缺点是文件大。
- FLAC：自由无损音频压缩编码。压缩比大概2:1。解码需要一定算力。嵌入式MCU上跑FLAC解码器，有点吃力。
- ALAC：苹果的无损格式。和FLAC类似。
注意：在PIS系统里，我几乎不用无损压缩。原因很简单：存储成本不是主要矛盾，解码的实时性和CPU占用才是。WAV（PCM）虽然大，但直接DMA搬运就行，不占CPU。你想想看，如果系统里同时要播报多路语音，CPU还要处理其他任务，用FLAC解码可能就扛不住了。
2.3.2 有损压缩
利用人耳的听觉掩蔽效应，去掉人耳不敏感的声音成分。压缩比高，但会损失一部分信息。
- MP3：最经典的有损格式。压缩比可达10:1。128kbps的MP3听起来和CD差别不大。但MP3有专利问题，虽然现在过期了，但解码器代码比较老。
- AAC：MP3的升级版。同等码率下音质更好。苹果和YouTube都用它。解码器比MP3复杂一点。
- Opus：新一代开源编码格式。非常优秀。支持从语音到音乐的全场景。延迟极低，特别适合实时通信。我个人非常推荐在PIS系统中使用Opus。
- ADPCM：自适应差分脉冲编码调制。一种轻量级的压缩算法。压缩比4:1。解码极其简单，很多MCU都有硬件支持。适合对音质要求不高的语音场景。
| 格式 | 压缩类型 | 典型码率 | 解码复杂度 | PIS适用性 |
|---|---|---|---|---|
| WAV (PCM) | 无损 | 256 kbps (16kHz/16bit) | 极低 | ★★★★★ |
| ADPCM | 有损 | 64 kbps | 极低 | ★★★★☆ |
| Opus | 有损 | 16-128 kbps | 中等 | ★★★★★ |
| MP3 | 有损 | 128 kbps | 中等 | ★★★☆☆ |
| FLAC | 无损 | ~130 kbps | 较高 | ★★☆☆☆ |
我的选择：如果MCU算力够，我首选Opus。码率低、音质好、延迟低。如果MCU资源紧张，比如只有几十MHz的主频，那就用ADPCM或者直接上PCM。我曾经在一个Cortex-M0的项目里，用8kHz、8位、ADPCM压缩，把整条地铁线的报站语音塞进了256KB的Flash里。嗯，够用就好。
2.4 小结
这一章我们聊了声音的物理本质，采样率和位深度怎么选，以及常见的编码格式。说白了，音频基础就是三个核心问题：
- 频率：决定了你能听到什么。
- 采样率和位深度：决定了数字化的精度。
- 编码格式：决定了存储和传输的效率。
下一章，我们会进入实战，聊聊PIS系统里音频硬件怎么选型，以及I2S接口怎么配置。到时候我会拿出我踩过的坑，一个一个讲给你听。
课后小练习：打开你的开发板，看看音频Codec的驱动配置。找到采样率和位深度的设置项。试着改成8kHz/8位，听听效果有什么变化。再改回16kHz/16位，对比一下。你会对「够用就好」有更深的体会。
公众号:蓝海资料掘金营，微信deep3321