4、音频信号数字化：采样定理（奈奎斯特）、量化与量化噪声、抖动（Dither）技术、过采样与降采样
把模拟音频变成数字信号，说白了就是两步：采样和量化。采样决定时间轴上的精度，量化决定幅度轴上的精度。这两步要是没做好，后面再牛的算法也救不回来。我这些年处理过的杂音案例，至少有一半的根因都出在这个环节。
4.1 采样定理（奈奎斯特）
采样定理的内容其实很简单：采样频率必须大于信号最高频率的两倍。为什么？因为低于这个频率，信号就会发生混叠（Aliasing），高频成分会伪装成低频信号混进来，你根本分不清真假。
核心公式： fs > 2 × fmax
其中 fs 是采样频率，fmax 是信号最高频率。
举个例子。人耳能听到的最高频率大约是 20 kHz，所以 CD 音频的采样率定在 44.1 kHz。这个数字怎么来的？44.1 kHz 比 40 kHz 多出 4.1 kHz 的余量，给抗混叠滤波器留了过渡带。我见过有人为了省存储，把采样率降到 32 kHz，结果高频乐器声全变了味，听起来像隔着一层纱。
避坑指南： 我曾经接手过一个语音采集项目，麦克风标称响应到 8 kHz，工程师就用了 16 kHz 采样率。结果录出来的语音总有“嘶嘶”声，查了半天才发现麦克风在 8 kHz 以上还有不小的能量，混叠到了低频段。后来加了前置低通滤波器才解决。记住：采样率要按信号实际能量分布来定，不能只看标称带宽。
4.2 量化与量化噪声
采样把时间轴离散化了，量化则是把连续的幅度值映射到有限个离散电平上。每个采样点最终被近似到最近的量化电平，这个近似过程必然引入误差——就是量化噪声。
量化噪声的功率跟量化步长直接相关。步长越小，噪声越小。步长由量化位数决定：
- 16 bit：动态范围约 96 dB，CD 音频标准
- 24 bit：动态范围约 144 dB，录音棚常用
- 32 bit float：动态范围极大，后期处理灵活
量化噪声有个重要特性：在理想情况下，它近似为均匀分布的白噪声，功率谱密度在整个频带内是平坦的。这意味着噪声总功率固定，但分布到更宽的频带上，每个频点的噪声密度就会降低。嗯，这个特性后面讲过采样时会用到。
我的经验： 做音频质量分析时，我习惯先看量化噪声的频谱。如果噪声集中在低频段，说明量化器可能有问题；如果噪声均匀分布，那基本是正常的量化噪声。这个判断方法帮我快速定位过好几个硬件故障。
4.3 抖动（Dither）技术
量化噪声虽然不可避免，但它有个让人头疼的问题：当信号很弱时，量化噪声会跟信号产生相关性，形成失真而不是单纯的噪声。失真听起来比噪声难受多了。
抖动的思路很简单：在量化之前，主动给信号加一点微小的随机噪声。这样量化误差就变成了真正的随机噪声，跟信号不再相关。你想想看，与其让量化器产生难听的失真，不如加点可控的噪声，让耳朵舒服点。
| 抖动类型 | 特点 | 适用场景 |
|---|---|---|
| 矩形抖动（Rectangular） | 最简单，噪声功率大 | 早期系统，不推荐 |
| 三角形抖动（Triangular） | 噪声功率适中，效果较好 | 16 bit 量化常用 |
| 噪声整形抖动（Noise-shaped） | 将噪声推到人耳不敏感的高频段 | 高精度音频制作 |
我曾经踩过的坑： 有一次做 16 bit 音频导出，没加抖动，结果一段钢琴弱奏部分出现了明显的颗粒感。加了三角形抖动后，底噪虽然大了 1-2 dB，但声音变得自然多了。记住：抖动不是用来降低噪声的，是用来消除失真感的。
4.4 过采样与降采样
过采样，就是用远高于奈奎斯特频率的采样率来采集信号。比如音频用 192 kHz 甚至 384 kHz。你可能会问：这不是浪费吗？其实不然，过采样有几个关键好处：
- 降低抗混叠滤波器要求：采样率高了，过渡带变宽，模拟滤波器可以做得更简单、相位失真更小。
- 提高信噪比：量化噪声总功率不变，但分布在更宽的频带上，落在音频带内的噪声就少了。每提高一倍采样率，信噪比提升约 3 dB。
- 改善瞬态响应：时间分辨率更高，对突发信号的捕捉更准确。
降采样则是反过来，把高采样率的信号降到目标采样率。降采样之前必须做数字低通滤波，否则高频成分会混叠到低频段。这个滤波器设计得好不好，直接决定最终音质。
过采样提升信噪比的原理：
假设量化噪声总功率为 Pn，采样率为 fs。噪声功率谱密度为 Pn / fs。过采样到 K × fs 后，落在音频带宽 fa 内的噪声功率为 (Pn / (K × fs)) × fa = Pn / K。信噪比提升 10 × log10(K) dB。
下面这张图展示了过采样与降采样的完整流程：
实际项目中，我经常用 96 kHz 或 192 kHz 来录音，然后降采样到 44.1 kHz 或 48 kHz 交付。这样做的好处是：录音阶段的抗混叠滤波器可以做得更平缓，相位失真小；降采样时的数字滤波器可以设计成线性相位，保证群延迟恒定。最终的声音比直接用 44.1 kHz 录制的更通透。
我的习惯： 做降采样时，我一般会先用 8 倍过采样的数字滤波器，然后分两级降下来。比如 192 kHz → 96 kHz → 48 kHz。每级降采样只降 2 倍，滤波器阶数可以降低不少，计算量反而更小。这个技巧在嵌入式系统上特别管用。
好了，采样、量化、抖动、过采样这几个概念，是数字音频的基石。理解透了，后面分析杂音时才能一眼看出问题出在哪个环节。