音频基础与数字信号处理入门：采样定理、量化、PCM格式、时域与频域概念、常见音频指标

在进入CMSIS-DSP音频特征提取实战之前，我们必须先夯实数字音频的底层地基。无论是麦克风采集、ADC转换、还是后续的FFT频谱分析，都离不开采样、量化、PCM编码以及时频域视角这些核心概念。本章将系统梳理这些基础理论，并重点解释它们与嵌入式音频处理（特别是基于ARM Cortex-M内核的CMSIS-DSP库）之间的直接关联。理解这些概念，将直接决定你在后续课程中能否正确配置ADC参数、解释频谱图以及评估算法效果。

2.1 采样定理：从连续到离散的桥梁

核心原理

采样定理（Nyquist-Shannon定理）是数字音频的基石。它指出：为了能从离散样本中无失真地重建原始连续信号，采样频率 \( F_s \) 必须大于信号最高频率分量 \( f_{max} \) 的两倍，即 \( F_s > 2 \cdot f_{max} \)。这个临界频率 \( F_s/2 \) 被称为奈奎斯特频率。在嵌入式系统中，CMSIS-DSP库中的FIR/IIR滤波器设计、FFT频谱分析等函数，其参数配置（如滤波器截止频率、FFT点数对应的频率分辨率）都直接受采样率约束。

判断方法与操作流程

在CMSIS-DSP项目中确定采样率时，可遵循以下流程：

1. 确定信号带宽： 根据应用场景（语音、音乐、机械振动）估算最高频率。语音通常为4kHz，音乐为20kHz。
2. 选择采样率： 取最高频率的2.5~4倍作为采样率。例如语音用16kHz，音乐用48kHz。
3. 配置抗混叠滤波器： 在ADC前端或DSP内部使用低通滤波器，衰减高于 \( F_s/2 \) 的频率成分。
4. 验证： 在CMSIS-DSP中调用 arm_fir_f32 或 arm_biquad_cascade_df1_f32 实现滤波器，并通过FFT观察频谱是否出现混叠。

案例拆解：语音采集系统的采样率选择

假设我们要设计一个基于STM32F4的语音关键词识别系统。语音信号能量集中在300Hz~3.4kHz。若选择8kHz采样率，奈奎斯特频率为4kHz，刚好覆盖语音带宽，但边缘余量不足。实际项目中，我们选择16kHz采样率，理由如下：

• 16kHz采样率下，奈奎斯特频率为8kHz，为语音信号提供了充足的过渡带。
• CMSIS-DSP的FFT函数在16kHz采样率下，若使用256点FFT，频率分辨率为 \( 16000/256 = 62.5Hz \)，足以区分语音中的共振峰。
• 16kHz采样率下，每帧数据（如20ms）包含320个样本，适合作为CMSIS-DSP中 arm_rms_f32 或 arm_max_abs_f32 的输入长度。

如果误用8kHz采样率，则3.4kHz以上的高频成分（如齿音、摩擦音）会被混叠到低频段，导致特征提取（如MFCC）失真，识别准确率下降。

2.2 量化与PCM格式：数字音频的编码基础

核心原理

量化是将采样得到的连续幅值映射到有限个离散电平的过程。量化位数（bit depth）决定了动态范围和信噪比。PCM（Pulse Code Modulation）是最基础的音频编码格式，它直接存储量化后的样本值。在CMSIS-DSP中，PCM数据通常以 q15（16位定点）、q31（32位定点）或 float32 格式存储。理解量化误差对后续算法设计至关重要。

判断方法与操作流程

在CMSIS-DSP中处理PCM数据时，需要关注以下转换流程：

1. ADC原始数据： STM32的12位ADC输出为无符号整数（0~4095），需转换为有符号的q15格式（-32768~32767）。
2. 格式转换： 使用 arm_q15_to_float 或 arm_q31_to_float 将定点PCM转换为浮点，便于CMSIS-DSP浮点函数处理。
3. 归一化： 将样本归一化到[-1.0, 1.0]范围，避免浮点运算中的溢出。
4. 帧缓冲： 按帧大小（如256、512样本）组织PCM数据，配合DMA双缓冲机制实现无缝采集。

案例拆解：16-bit PCM数据的动态范围分析

假设我们使用STM32内置12位ADC采集音频，但CMSIS-DSP的 arm_rms_f32 函数需要浮点输入。我们先将12位ADC值左移4位转换为16位有符号数，再转换为浮点。此时，量化噪声的幅度约为 \( \Delta/2 = 1/2^{15} \approx 1.5 \times 10^{-5} \)。若输入信号幅度为0.5（满幅的50%），则信噪比约为：

SNR ≈ 6.02 × 16 + 1.76 + 20·log₁₀(0.5) ≈ 96.3 - 6.02 = 90.3 dB

这意味着在CMSIS-DSP中计算RMS值或FFT时，底噪电平约为-90dBFS。如果后续特征提取算法（如能量检测）的阈值设置低于-90dBFS，将无法区分真实信号与量化噪声。

2.3 时域与频域：音频特征提取的双重视角

核心原理

时域分析直接处理PCM样本序列，计算如RMS能量、过零率、峰值幅度等特征。频域分析则通过FFT将信号分解为不同频率分量的幅度和相位，得到功率谱、频谱质心、带宽等特征。CMSIS-DSP提供了完整的时频域转换函数：arm_rfft_fast_f32、arm_cfft_f32 等。理解两者的关系是特征提取的关键——时域特征计算简单、实时性好，但无法区分不同频率成分；频域特征信息丰富，但需要较大的计算量和延迟。

判断方法与操作流程

在CMSIS-DSP中实现时频域分析的标准流程：

• 时域特征： 调用 arm_rms_f32 计算RMS值，arm_max_abs_f32 计算峰值，arm_mean_f32 计算直流分量。
• 频域特征： 先加窗（汉宁窗、汉明窗）减少频谱泄漏，再调用 arm_rfft_fast_f32 进行FFT，最后计算幅度谱 sqrt(re² + im²)。
• 特征组合： 将时域特征（如RMS、过零率）与频域特征（如频谱质心、子带能量）拼接成特征向量，输入分类器。

案例拆解：机械故障诊断中的时频域联合分析

考虑一个电机轴承故障检测系统。正常运行时，振动信号在时域上表现为平稳的随机噪声，RMS值约为0.1g。当轴承出现点蚀时，时域波形会出现周期性冲击，RMS值上升至0.3g，但仅靠RMS无法判断故障类型。此时，我们使用CMSIS-DSP对信号进行1024点FFT分析：

• 正常频谱：能量集中在低频（< 500Hz），无明显峰值。
• 外圈故障：在故障特征频率 \( f_o = 3.2 \times \) 转频处出现明显峰值（如转频30Hz，则 \( f_o = 96Hz \)）。
• 内圈故障：特征频率 \( f_i = 4.8 \times \) 转频 = 144Hz，且伴随边带（转频调制）。

通过 arm_cmplx_mag_f32 计算幅度谱，再结合时域RMS值，可以构建一个二维特征空间（RMS vs 频谱峰值比），有效区分正常、外圈故障、内圈故障三种状态。该案例中，时域特征提供整体能量水平，频域特征提供故障频率定位，两者互补。

2.4 常见音频指标：信噪比与动态范围

核心原理

信噪比（SNR）定义为信号功率与噪声功率之比，通常用dB表示。动态范围（Dynamic Range）定义为最大不失真信号与最小可检测信号之间的比值。在数字系统中，动态范围主要由量化位数决定，而SNR则受量化噪声、模拟前端噪声、电源纹波等多因素影响。CMSIS-DSP中的 arm_power_f32 和 arm_var_f32 可用于计算信号和噪声的功率，从而评估系统SNR。

判断方法与操作流程

在嵌入式音频系统中测量SNR的步骤：

1. 采集静音段： 在无输入信号时采集一段PCM数据，计算其功率作为噪声功率 \( P_n \)。
2. 采集满幅信号： 输入1kHz正弦波，幅度为满幅的90%，采集数据并计算信号功率 \( P_s \)。
3. 计算SNR： \( SNR = 10 \cdot \log_{10}(P_s / P_n) \) dB。
4. 动态范围验证： 逐渐减小输入信号幅度，直到输出信号与噪声不可区分，此时的输入幅度范围即为动态范围。

案例拆解：音频编解码器（Codec）的SNR评估

假设我们使用STM32F746的SAI接口外接一个24-bit音频Codec（如WM8994）。在CMSIS-DSP中编写测试程序：

// 采集静音段（Codec输入接地）
arm_power_f32(noise_buffer, 1024, &noise_power);
// 采集1kHz正弦波（幅度为满幅的80%）
arm_power_f32(signal_buffer, 1024, &signal_power);
// 计算SNR
float snr_db = 10 * log10f(signal_power / noise_power);
// 预期结果：24-bit Codec的SNR应 > 100dB

如果实测SNR仅为85dB，可能原因包括：

• PCB布局不佳导致模拟地与数字地耦合，电源噪声串入模拟前端。
• Codec的模拟输入增益设置过高，导致信号削波。
• DMA传输过程中发生数据丢失，产生周期性脉冲噪声。

通过CMSIS-DSP的 arm_min_f32 和 arm_max_f32 检查信号峰值，若发现削波（峰值接近满幅），应降低增益；若发现随机尖峰，应检查DMA配置和中断优先级。

2.5 总结与复盘

本章的核心逻辑链为：模拟信号 → 采样（满足奈奎斯特定理）→ 量化（PCM编码）→ 时域/频域分析 → 特征提取。在CMSIS-DSP实战中，你需要时刻关注以下三个关键参数：