1. 音频DSP基础概念：数字信号处理到底在做什么？

各位同学好，我是老周。做音频DSP这行十几年了，今天咱们聊聊最基础的东西——数字信号处理。说白了，就是把声音这种连续的物理量，变成计算机能处理的数字，然后再变回来。

你可能会问：声音不是耳朵听的吗？为什么要折腾成数字？嗯，因为数字信号稳定、可复制、还能做各种神奇的运算。我当年刚入行时也觉得这玩意儿抽象，直到第一次用DSP芯片把一段嘈杂的录音变得清晰可辨——那种感觉，就像变魔术。

1.1 什么是数字信号处理？

数字信号处理，英文叫Digital Signal Processing，简称DSP。它研究的是怎么用数字方式对信号进行变换、分析和增强。

拿音频来说：

• 模拟信号：麦克风拾取的声音，是连续变化的电压
• 数字信号：ADC（模数转换器）把电压变成一串数字
• 处理：CPU或DSP芯片对这些数字做运算（滤波、压缩、降噪等）
• 还原：DAC（数模转换器）把处理后的数字变回模拟信号

1.2 采样定理：为什么是44.1kHz？

把模拟信号变成数字信号，第一步就是采样。采样定理（也叫奈奎斯特定理）告诉我们：采样频率必须大于信号最高频率的两倍，否则就会出问题。

公式很简单：f_s > 2 × f_max

人耳能听到的频率范围大约是20Hz~20kHz。所以CD音频的采样率定为44.1kHz，刚好大于40kHz。为什么不是40kHz整？因为还要留一点余量给抗混叠滤波器。

混叠是什么？想象一下：你用一个慢速相机拍快速旋转的风扇，看起来风扇好像在倒转。这就是采样率不够导致的假象。音频里也一样，高频信号会被“伪装”成低频信号，混进你的音频里。

1.3 量化噪声：精度与代价的博弈

采样解决了时间上的离散化，量化解决的是幅度上的离散化。ADC把连续的电压值映射到有限的数字等级上，这个映射过程必然有误差——这就是量化噪声。

量化位数（bit depth）决定了动态范围：

量化位数	动态范围（理论）	常见应用
8-bit	48 dB	早期游戏、语音
16-bit	96 dB	CD音频
24-bit	144 dB	专业录音、混音
32-bit float	理论无限	DAW内部处理

动态范围每增加6dB，相当于量化位数增加1位。公式是：动态范围(dB) ≈ 6.02 × N + 1.76，其中N是量化位数。

量化噪声听起来像什么？像背景里持续的“嘶嘶”声。信号越弱，噪声越明显。所以录音时要保证信号足够大，但又不能超过0dBFS（满量程），否则会削波失真。

1.4 时域与频域：看波形 vs 看频谱

同一个音频信号，可以从两个角度观察：

• 时域：横轴是时间，纵轴是幅度。你看到的是波形
• 频域：横轴是频率，纵轴是幅度（或能量）。你看到的是频谱

时域直观，但信息有限。比如一段录音里有50Hz的交流声，时域波形上你很难看出来，但频域里一目了然——50Hz处会有一个尖峰。

时域和频域之间靠傅里叶变换连接。快速傅里叶变换（FFT）是DSP里最常用的工具之一。

// 一个简单的FFT使用示例（伪代码）
// 输入：时域信号 samples[]
// 输出：频域幅度谱 magnitude[]

void computeSpectrum(float* samples, int N, float* magnitude) {
    // 1. 加窗（防止频谱泄漏）
    applyWindow(samples, N, HANNING);
    
    // 2. 执行FFT
    complex* spectrum = fft(samples, N);
    
    // 3. 计算幅度
    for (int i = 0; i < N/2; i++) {
        magnitude[i] = sqrt(spectrum[i].real * spectrum[i].real + 
                           spectrum[i].imag * spectrum[i].imag);
    }
}

你想想看，时域和频域就像同一枚硬币的两面。有些问题在时域里处理很麻烦（比如去除特定频率的噪声），转到频域就简单了——直接把这个频率的幅度置零，再转回时域就行。

1.5 本章知识体系总览

下面这张图把本章的核心概念串起来了。我建议你把它存下来，后面学滤波、降噪、压缩时，随时回来对照。

这张图把本章的三个核心概念——采样定理、量化噪声、时域与频域——串在了一起。你会发现，它们不是孤立的。采样率决定了你能处理的最高频率，量化位数决定了你能达到的信噪比，而时频域分析则是你处理问题的两种武器。