1. 音频基础概念：声音的物理特性与数字音频原理

做音频质量分析，首先得搞清楚声音到底是什么。我刚开始接触这个领域时，总觉得数字音频很玄乎——不就是把声音录下来再放出去吗？后来踩了不少坑才明白，如果连频率、振幅、采样率这些基础概念都没吃透，后面排查杂音时根本无从下手。

这一章，咱们就把地基打牢。我会结合自己这些年做音频项目时遇到的实际问题，把声音的物理特性和数字音频原理掰开揉碎了讲清楚。

1.1 声音的物理三要素：频率、振幅、相位

声音的本质是机械振动在介质中的传播。说白了，就是空气分子被推来推去，形成疏密波，传到我们耳朵里。

频率（Frequency）

频率决定音高，单位是赫兹（Hz）。人耳能听到的范围大约是20Hz到20kHz。低于20Hz叫次声波，高于20kHz叫超声波——这两种我们耳朵听不见，但设备可能录得下来。

常见频率范围对照：

振幅（Amplitude）

振幅决定响度。振幅越大，声音越响。在数字音频里，振幅通常用分贝（dB）来表示。这里有个容易混淆的点：dB是一个相对单位，不是绝对值。

相位（Phase）

相位描述的是波形在时间轴上的位置，单位是度（°）或弧度（rad）。两个同频率的波形，如果相位差180°，叠加后会相互抵消——这就是相位抵消现象。

为什么会这样？你想想看，一个波峰遇到另一个波谷，正好抵消。我在做多麦克风阵列时，就遇到过因为麦克风摆放位置不当，导致某些频率被严重抵消的情况。听起来声音发虚、发空，像隔着一层东西。

1.2 数字音频原理：采样率、位深度、声道

模拟声音要变成计算机能处理的数字信号，需要经过三个关键步骤：采样、量化和编码。这三个步骤对应的参数就是采样率、位深度和声道。

采样率（Sample Rate）

采样率决定了每秒钟采集多少个声音样本。根据奈奎斯特定理，采样率必须大于信号最高频率的两倍，才能无失真地还原。

常见的采样率：

• 44.1 kHz：CD音质标准，能覆盖20Hz-22.05kHz
• 48 kHz：影视行业标准，DVD、电影常用
• 96 kHz：高解析音频，录音棚常用
• 192 kHz：超高采样率，用于特殊科研或高端录音

位深度（Bit Depth）

位深度决定了每个样本的动态范围，也就是能记录的最小声音和最大声音之间的差距。位深度越高，信噪比越好，声音细节越丰富。

我个人习惯，做音频质量分析时至少用24-bit。16-bit在安静段落容易听到量化噪声，尤其是做频谱分析时，底噪会干扰判断。

声道（Channel）

声道数决定了声音的空间感。常见的有：

• 单声道（Mono）：一个声道，所有声音混在一起
• 立体声（Stereo）：左右两个声道，有空间定位
• 5.1环绕声：前左、前右、中置、后左、后右 + 低音炮
• 7.1.4全景声：7个环绕 + 1个低音炮 + 4个天空声道

1.3 常见音频格式对比

数字音频存储格式五花八门，但归根结底就两类：无损和有损。我整理了一个对比表，方便你快速查阅。

下面这张图展示了从模拟声音到数字音频的完整流程，以及各环节对应的关键参数：

1.4 本章小结

这一章我们覆盖了三个核心板块：

• 声音的物理特性：频率决定音高，振幅决定响度，相位决定波形位置。这三个参数是分析一切音频问题的基础。
• 数字音频原理：采样率、位深度、声道——这三个参数决定了数字音频的质量上限。做质量分析时，我建议至少用48kHz/24-bit的配置。
• 常见音频格式：无损格式（WAV、FLAC）用于分析和存档，有损格式（MP3、AAC）用于分发。分析时永远用无损源文件。