1. 音频DSP基础概念：数字信号处理核心理论、采样定理、量化与编码、奈奎斯特频率
各位同学好，我是你们这门课的老朋友。咱们今天开篇，先聊聊音频DSP最底层的那些事儿。说实话，我见过太多工程师，算法调得飞起，结果一上硬件就出各种怪问题——声音断断续续、高频噪声、甚至直接不出声。追根溯源，十有八九是基础概念没吃透。
所以第一章，咱们把地基打牢。你想想看，一个麦克风采集到的声音，从连续的空气振动，变成芯片里能处理的0和1，中间到底发生了什么？这就是我们今天要讲的核心。
1.1 数字信号处理的核心思想
数字信号处理，说白了就是「用数学算声音」。我们处理的不是声波本身，而是声波在时间轴上的一个个「快照」——也就是采样点。
我个人的理解是：DSP的本质，就是把连续世界里的物理量，映射到离散的数字世界里，然后用加减乘除去模拟物理世界的微分方程。音频DSP尤其如此，因为人耳对声音的感知，恰好可以用数学建模。
核心公式（离散时间信号表示）：
x[n] = x_a(nT) 其中 n = 0, 1, 2, ...这里 x_a(t) 是原始连续信号，T 是采样间隔，x[n] 就是我们拿到的数字信号序列。
我在项目中遇到过一位同事，他写了一个非常复杂的混响算法，在PC上跑得好好的，移植到嵌入式平台后声音全变了。查了两天，最后发现是采样率不一致导致的——算法假设44.1kHz，硬件实际配的是48kHz。你看，一个基础参数没对齐，整个算法就废了。
1.2 采样定理——奈奎斯特频率
采样定理，也叫奈奎斯特-香农采样定理。这是整个数字信号处理领域最最重要的定理，没有之一。
定理的内容其实很简单：要想从采样后的离散信号中无失真地恢复出原始连续信号，采样频率必须至少是信号最高频率的两倍。
这个「最高频率的两倍」，就是奈奎斯特频率。用公式表达：
f_s ≥ 2 * f_max其中 f_s 是采样频率，f_max 是信号中最高频率分量。
为什么会这样？我试着用大白话解释一下：
- 一个正弦波，一个周期内至少需要两个采样点，才能确定它的频率和幅度。
- 如果采样点太少，高频信号会被「伪装」成低频信号——这就是混叠（Aliasing）。
避坑指南：我曾经在一个语音采集项目中，麦克风前端没有加抗混叠滤波器，结果采集到的语音里出现了「嘶嘶」的高频噪声。后来发现，那是环境中的20kHz超声波被采样后混叠到了可听频段。从那以后，我设计任何音频采集链路，第一件事就是确认抗混叠滤波器的截止频率。
常见的音频采样率及其适用场景：
| 采样率 (kHz) | 奈奎斯特频率 (kHz) | 典型应用 |
|---|---|---|
| 8 | 4 | 电话语音 |
| 16 | 8 | 宽带语音 |
| 44.1 | 22.05 | CD音质音乐 |
| 48 | 24 | 影视、专业音频 |
| 96 | 48 | 高采样率录音 |
嗯，这里要注意：奈奎斯特频率是理论下限。实际工程中，我建议采样率至少取信号最高频率的2.5到3倍，给抗混叠滤波器留出过渡带的空间。
1.3 量化与编码
采样解决了「时间离散化」的问题，但每个采样点的幅度还是连续的。量化，就是把这个连续的幅度值，映射到有限个离散的数值上。
量化过程必然引入误差——量化噪声。这个噪声的大小，取决于量化位数（bit depth）。
常见的量化位数：
- 8-bit： 256个量化等级，动态范围约48dB。语音够用，音乐不行。
- 16-bit： 65536个量化等级，动态范围约96dB。CD标准。
- 24-bit： 16777216个量化等级，动态范围约144dB。录音棚标准。
- 32-bit float： 浮点表示，动态范围极大。DSP内部处理常用。
个人经验：在嵌入式系统里做音频处理，我习惯内部用32-bit浮点或32-bit定点，最后输出时再dither到16-bit。这样可以避免多次定点运算累积的量化误差。有一次我在一个低功耗蓝牙耳机项目里偷懒用了16-bit全程运算，结果音量一低就听到明显的「颗粒感」噪声——那就是量化噪声在作祟。
编码，就是把量化后的数值用二进制表示。不同的编码方式会影响数据量和抗噪能力：
- PCM（脉冲编码调制）： 最基础的线性编码，直接存储量化值。
- μ-law / A-law： 非线性编码，对小信号分配更多量化等级，提升小信号信噪比。电话系统常用。
- 浮点编码： 用指数+尾数表示，动态范围极大，但计算量也大。
1.4 知识体系总览
为了让大家对本章内容有个整体印象，我画了一张图。这张图展示了从模拟信号到数字信号的核心流程，以及每个环节的关键概念。
1.5 从理论到实践：一个简单的音频采集链路
理论讲完了，咱们看看实际工程中是怎么做的。一个典型的音频采集链路包括：
- 麦克风：将声压转换为电信号（模拟）。
- 前置放大器：将微弱的电信号放大到ADC可处理的电平范围。
- 抗混叠滤波器：低通滤波器，滤除高于奈奎斯特频率的成分。这是硬件层面的第一道防线。
- ADC（模数转换器）：完成采样+量化，输出数字信号。
- 数字接口：I2S、PDM等，将数字信号传给DSP或MCU。
我建议：在嵌入式系统里调试音频链路时，先不要跑任何算法。直接采集一段1kHz正弦波，然后通过串口或调试口把原始PCM数据导出来，在PC上用Python或MATLAB画出来看看。如果波形不是光滑的正弦波，而是有台阶或毛刺，那就要检查采样时钟的抖动（jitter）或者量化噪声了。这个习惯帮我省了无数排查时间。
1.6 本章小结
好了，第一章的内容就到这里。我们讲了三个核心概念：
- 采样定理：决定了你能采集多高的频率。记住 f_s ≥ 2·f_max，工程上留余量。
- 量化：决定了信号的信噪比。位数越高，噪声越低，但数据量和计算量也越大。
- 编码：决定了数据怎么存、怎么传。PCM最通用，非线性编码适合特定场景。
这些概念看起来简单，但它们是整个音频DSP的基石。后面讲滤波器设计、FFT、音频编解码、降噪算法……所有的一切，都建立在这些基础之上。把这一章吃透了，后面的路会顺很多。