1. 音频系统概述：从物理世界到数字信号
做音频系统这么多年，我始终觉得一个道理没变过——不懂物理的数字工程师，做不出好产品。你想想看，麦克风采集的是空气振动，DSP 处理的是 0 和 1，Codec 在中间做桥梁。这三者但凡有一个环节理解不到位，出来的声音就是「能响，但不好听」。
这一章，咱们先把地基打牢。我会从声音的物理特性讲起，再过渡到数字音频的三个核心参数，最后给你一张系统架构的全景图。嗯，这里的内容我做了十几年，每次带新人都是这么讲的。
1.1 声音的物理特性
声音的本质是什么？说白了就是介质中的机械振动。空气被振源推动，形成疏密波，传到我们耳朵里。这里面有两个核心物理量，你必须要刻在脑子里：
- 频率（Frequency）：单位 Hz，决定音高。人耳能听到的范围大约是 20Hz ~ 20kHz。低于 20Hz 叫次声波，高于 20kHz 叫超声波——别觉得跟你没关系，我在做车载音频项目时就遇到过，某些高频 PWM 干扰刚好落在 22kHz，人耳听不到，但后级放大器自激了，折腾了两周才定位到。
- 振幅（Amplitude）：决定响度。工程上常用 dB SPL（声压级）来衡量。0dB SPL 是人耳能听到的最小声，120dB SPL 是痛阈。做 Codec 设计时，动态范围能不能覆盖这个区间，直接决定了听感。
一个重要的关系：频率和波长成反比。高频波长短，绕射能力弱；低频波长长，绕射能力强。这就是为什么你在隔壁房间能听到低音炮的「嗡嗡」声，但听不清高音细节。做扬声器 EQ 时，这个物理限制你绕不开。
还有一个容易被忽略的概念——相位（Phase）。两个同频率的声波，相位差 180° 就会互相抵消。我在调试双麦克风降噪算法时，就因为麦克风安装孔位差了 0.5mm，导致低频相位匹配出了问题，降噪深度直接从 30dB 掉到 12dB。嗯，机械公差最终会变成声学问题。
1.2 数字音频基础
模拟信号要进 DSP，必须先数字化。这个过程由 Codec 的 ADC 完成。三个核心参数决定了数字音频的质量：采样率、位深、通道数。我习惯把它们称为「数字音频的三根柱子」。
1.2.1 采样率（Sample Rate）
采样率就是每秒采集多少个样本点。根据奈奎斯特定理，采样率必须大于信号最高频率的两倍，才能无失真重建。
| 采样率 | 常见用途 | 理论最高频率 |
|---|---|---|
| 8 kHz | 传统电话、对讲机 | 4 kHz |
| 16 kHz | VoIP、语音识别 | 8 kHz |
| 44.1 kHz | CD 音质、音乐播放 | 22.05 kHz |
| 48 kHz | 电影、广播、专业音频 | 24 kHz |
| 96 kHz | 高解析音频、录音棚 | 48 kHz |
我的经验：做消费类音频产品，48kHz 是黄金采样率。它兼容性好，算力开销适中。除非客户明确要求「高解析」，否则别轻易上 96kHz——DSP 的 MIPS 和内存消耗会翻倍，而听感提升微乎其微。我曾经在一个 TWS 耳机项目里硬上 96kHz，结果降噪算法跑不过来，最后不得不降回 48kHz。
1.2.2 位深（Bit Depth）
位深决定了每个采样点的精度。它直接决定了动态范围——也就是系统能同时处理的最大声和最小声的比值。
- 16-bit：动态范围约 96dB。CD 标准，够用。
- 24-bit：动态范围约 144dB。专业音频、录音棚标配。
- 32-bit：动态范围约 192dB。主要用于内部处理，防止累加溢出。
为什么 24-bit 在嵌入式音频里这么流行？我举个例子。你在做音频算法时，要经过 EQ、DRC、混音等多个处理环节，每经过一次运算，量化噪声就会增加一点。16-bit 在输入端够用，但经过 5 级处理，噪声可能已经抬头了。24-bit 给你留了充足的「净空」。我个人习惯，ADC 用 24-bit，DSP 内部用 32-bit 定点或浮点，DAC 输出再转回 24-bit。这个链路我用了很多年，没出过问题。
1.2.3 通道数（Channels）
通道数就是同时传输的独立音频流数量。
- 单声道（Mono）：1 个通道。语音、对讲。
- 立体声（Stereo）：2 个通道。左右声道，音乐、电影。
- 多声道（5.1 / 7.1 / Atmos）：多个通道。环绕声、空间音频。
通道数每翻一倍，数据量就翻一倍。做系统设计时，总线带宽和 DMA 通道数是瓶颈。我在一个智能音箱项目里，需要同时处理 4 个麦克风输入 + 2 个扬声器输出，结果 I2S 总线只有 2 个通道，最后不得不改用 TDM 模式才搞定。
1.3 音频系统架构概览
好了，物理和数字基础讲完了。现在我们把它们拼起来，看看一个完整的音频系统长什么样。下面这张图是我自己画的标准架构，几乎所有嵌入式音频产品都逃不出这个框架。
这张图里，我特意把 Codec 拆成了 ADC 和 DAC 两个部分。为什么？因为在实际项目中，ADC 和 DAC 的指标往往是分开优化的。比如做语音唤醒的产品，ADC 的 SNR 和 THD+N 是核心；做音乐播放的产品，DAC 的动态范围和输出功率更关键。你想想看，一个 Codec 芯片里，ADC 和 DAC 可能共用参考电压和时钟，但它们的性能目标完全不同。
整个系统的数据流，我习惯用一句话概括：模拟进，数字算，模拟出。中间的数字域是 DSP 的天下，两端的模拟域是 Codec 的领地。而 I2C/SPI 控制总线，就是 CPU 和这些外设之间的「指挥通道」。
一个常见的坑：很多新手工程师会把 Codec 和 DSP 当成两个完全独立的芯片来设计，各自画 PCB、各自写驱动。结果联调时发现，Codec 的 MCLK 和 DSP 的音频时钟不同步，导致采样率偏移，声音变调。我曾经在一个项目里，Codec 用 12.288MHz 晶振，DSP 用 24.576MHz，理论上可以分频同步，但 PCB 走线长了 3cm，时钟抖动超标，最后不得不改板。记住：时钟树设计要放在系统架构的第一页。
1.4 小结
这一章我们覆盖了三块内容：声音的物理特性（频率、振幅、相位）、数字音频三要素（采样率、位深、通道数）、以及完整的系统架构。这些东西看起来基础，但我在面试高级工程师时，发现很多人对「采样率到底怎么选」「位深为什么是 24-bit 而不是 32-bit」说不出所以然。嗯，基础不牢，后面做算法优化和系统调试时会很痛苦。