1. 音频信号基础：声音的物理特性与数字化

各位同学，咱们今天聊聊音频信号最底层的那些事。声音这东西，说白了就是空气的振动。你对着麦克风说话，振膜一推一拉，就产生了电信号。我刚开始做音频驱动时，总觉得这些基础概念太简单，结果调试Codec时被一个采样率配置坑了一整天——嗯，从那以后我再也不敢小看这些“基础”了。

声音的物理特性，核心就三个参数。你搞懂了它们，音频DSP的大门就算推开了一半。

频率（Frequency）：单位Hz，表示每秒振动多少次。人耳能听到的大约是20Hz到20kHz。低频像鼓声，高频像镲片。我在项目中遇到过，有些廉价麦克风在8kHz以上就开始滚降，录出来的声音“闷”得不行。
振幅（Amplitude）：表示振动的强弱，直接对应音量。单位可以是dBFS（数字域）或dBSPL（声压级）。注意，振幅不是线性感知的——人耳对响度的感觉是对数的。
相位（Phase）：表示波形在时间轴上的位置，单位是度（°）或弧度。相位本身不产生声音，但它决定了多个声音叠加后的结果。我曾经调试一个双麦克风降噪算法，就因为两路信号的相位没对齐，结果噪声反而被放大了——避坑指南：相位问题在音频系统中非常隐蔽，一定要用示波器或分析工具确认。

核心记忆点：频率决定音调，振幅决定响度，相位决定叠加效果。三者独立又相互影响。

模拟信号是连续的，像水流一样平滑。数字信号是离散的，像台阶一样一格一格。为什么我们要把模拟信号转成数字？因为数字信号抗干扰、易存储、可计算。

我个人习惯，在设计音频系统时，先想清楚模拟前端和数字后端的分界线在哪里。Codec就是那个分界点——它负责ADC和DAC。

这是整个数字音频的基石。奈奎斯特采样定理说：要无失真地重建一个模拟信号，采样频率必须至少是信号最高频率的两倍。

公式很简单：fs ≥ 2 × fmax

举个例子：人耳上限20kHz，所以CD采用44.1kHz采样率（留了一点余量）。如果你用32kHz采样率去采一个18kHz的信号，会发生什么？

答案是：混叠（Aliasing）。高频信号会被“折叠”到低频区域，产生原本不存在的频率成分。我调试过一个语音通信产品，采样率设成了8kHz，结果说话人的齿音全变成了刺耳的“嘶嘶”声——其实就是高频混叠到了中频段。

避坑指南：我曾经在项目里只关注了信号带宽，忽略了带外噪声。结果一个20kHz的超声噪声混叠到了4kHz附近，导致语音质量严重下降。解决办法：ADC之前一定要加抗混叠滤波器（低通滤波器），把高于fs/2的成分滤掉。

采样是把时间离散化，量化是把幅度离散化。量化位数（bit depth）决定了动态范围。16bit有65536个台阶，24bit有16777216个台阶。

量化误差是不可避免的。你想想看，一个连续值被强行“归”到最近的台阶上，这个误差就是量化噪声。量化噪声的功率与量化步长有关，步长越小，噪声越小。

动态范围的计算公式：DR ≈ 6.02 × N + 1.76 dB（N为量化位数）

我在项目中遇到过，有人为了省存储空间，把24bit音频强行截成8bit。结果底噪大到离谱，音乐里全是“沙沙”声。量化噪声一旦引入，后续任何处理都无法消除——它就像数字音频的“原罪”。

实用技巧：实际系统中，量化噪声可以通过噪声整形（Noise Shaping）技术推到人耳不敏感的频段。Sigma-Delta ADC就是利用这个原理，用低分辨率高采样率换取高动态范围。Codec芯片里基本都是这种架构。

下面这张图把本章的核心逻辑串起来了。从声音的物理特性，到模拟/数字的转换，再到采样和量化——每一步都有坑，每一步都有设计权衡。

这张图里，从物理特性到模拟信号，再到数字信号，中间经过ADC的两个关键步骤：采样和量化。采样定理告诉你该用多快的速度去采，量化噪声告诉你该用多少位去存。这两者共同决定了数字音频的质量上限。

好了，第一章的内容就到这里。记住：音频DSP的根基就是这些概念。后面讲Codec配置、滤波器设计、音频算法时，我们会反复回到这里。你把这些吃透了，后面的路就好走了。