一、声音的物理基础：频率、振幅、相位与采样定理
各位同学好，我是你们这门课的老朋友。咱们今天聊点最根本的东西——声音到底是个啥？
很多人觉得声音很玄乎，看不见摸不着。其实说白了，声音就是一种机械波。你敲一下桌子，桌面振动，挤压周围的空气，空气分子像多米诺骨牌一样一层层传出去，最后撞到你的耳膜。就这么简单。
但我们要做音频DSP，光知道“声音是波”可不够。你得能用数学把它描述出来，能用代码把它表示出来。今天这第一课，我就带大家把声音的四个核心概念掰扯清楚：频率、振幅、相位，还有那个让所有数字音频工程师又爱又恨的采样定理。
核心观点： 所有数字音频处理，本质上都是在跟频率、振幅、相位这三个参数打交道。采样定理决定了我们能处理的频率上限。
1.1 频率——声音的“高矮”
频率，单位是赫兹（Hz），表示一秒钟内振动了多少次。振动越快，频率越高，我们听起来音调就越高。
我记得刚入行那会儿，有一次调试一个语音降噪算法，发现女声总是被误伤，男声却好好的。查了半天，原来是滤波器设计时把高频截止点设得太低了。女声的基频和大部分谐波都在200Hz以上，直接被一刀切了。嗯，从那以后我设计滤波器前一定会先确认信号的频率范围。
人耳能听到的频率范围大概是20Hz到20kHz。但实际项目中，我们更关心的是：
- 次声波（<20Hz）： 地震、风暴会产生，人耳听不到，但某些传感器能捕捉到。
- 可听声（20Hz–20kHz）： 语音、音乐、环境声都在这个范围。
- 超声波（>20kHz）： 蝙蝠、医学超声，人耳听不到。
在DSP里，频率决定了滤波器的设计目标。比如你要滤除50Hz的工频干扰，那你的陷波滤波器就得精准地卡在50Hz上。
1.2 振幅——声音的“大小”
振幅，说白了就是振动的幅度。振幅越大，声音越响。在数字音频里，振幅通常用采样值的绝对值来表示，范围从0到最大值（比如16位整数的0到32767）。
但这里有个坑。振幅和响度不是线性关系。人耳对声音的感知是对数级的。所以我们在做音量控制时，用的不是线性滑条，而是指数或对数曲线。我曾经见过一个新手直接把采样值乘以0.5来做半音量，结果听起来像是声音被闷住了，而不是音量减半。为什么？因为人耳对低振幅区域的敏感度远高于高振幅区域。
在实际的音频DSP中，振幅通常用分贝（dB）来表示：
dB = 20 * log10(amplitude_ratio)这个公式你以后会天天见到。记住它。
| 振幅比 | 分贝值 | 听觉感受 |
|---|---|---|
| 1.0 | 0 dB | 原始音量 |
| 0.5 | -6 dB | 音量减半（感觉上） |
| 0.1 | -20 dB | 明显变小 |
| 0.01 | -40 dB | 几乎听不见 |
小技巧： 在代码里做音量渐变时，不要直接线性改变振幅值。用dB值做线性变化，再转回振幅，效果会自然得多。
1.3 相位——声音的“时间差”
相位这个概念，很多初学者容易懵。我换个说法：相位就是波形在时间轴上的位置偏移。
想象两个完全一样的正弦波，一个从0点开始，另一个延迟了半个周期才开始。它们之间就有了180度的相位差。如果把它们叠加在一起，会发生什么？
- 同相（0°）： 振幅加倍，声音更响。
- 反相（180°）： 振幅抵消，声音消失。
- 其他角度： 产生复杂的叠加效果。
相位在降噪滤波器里特别重要。比如自适应滤波器，就是通过调整信号的相位和振幅，让噪声信号和参考信号反相抵消。我做过一个车载降噪项目，麦克风放的位置差了几厘米，相位就全乱了，降噪效果直接从-20dB掉到-3dB。你想想看，几厘米的距离，在声速340m/s下，对应的时间差只有不到0.3毫秒，但已经足够让算法失效了。
注意： 相位是周期性的。0°和360°其实是同一个位置。所以在做相位计算时，一定要做模运算（mod 2π），否则会出现相位跳变。
1.4 采样定理——数字世界的“入场券”
好了，前面讲的都是模拟世界的概念。但我们要做DSP，得把模拟信号变成数字信号。这个过程叫模数转换（ADC）。
采样定理（也叫奈奎斯特-香农定理）告诉我们：要无失真地重建一个模拟信号，采样频率必须至少是信号最高频率的两倍。
fs ≥ 2 * f_max其中fs是采样频率，f_max是信号中的最高频率分量。
为什么？我画个图你就明白了。
你看，如果采样频率太低（红色点），重建出来的信号（红色虚线）频率完全变了，变成了一个低频信号。这就是所谓的混叠（aliasing）。混叠一旦发生，就再也无法恢复原始信号了。
我个人的习惯是，在设计任何数字音频系统时，采样频率至少留出20%的余量。比如你要处理20kHz的信号，别卡着40kHz的边，用48kHz甚至96kHz。为什么？因为现实世界中的抗混叠滤波器不是理想砖墙，需要过渡带。你留点余量，滤波器设计起来也轻松。
关键公式：
- 奈奎斯特频率 = fs / 2（这是你能无失真表示的最高频率）
- 混叠频率 = |f_signal - k * fs|（其中k是整数，使得结果在0到fs/2之间）
1.5 实际应用中的采样率选择
不同的应用场景，采样率的选择差别很大。我列个表，你以后做项目时可以直接参考：
| 应用场景 | 常用采样率 | 最高频率 | 说明 |
|---|---|---|---|
| 语音通信 | 8 kHz | 4 kHz | 电话质量，够用 |
| 语音识别 | 16 kHz | 8 kHz | 覆盖大部分语音信息 |
| 音乐CD | 44.1 kHz | 22.05 kHz | 经典标准 |
| 专业音频 | 48 kHz | 24 kHz | 电影、广播常用 |
| 高采样率 | 96 kHz / 192 kHz | 48 kHz / 96 kHz | 高保真、后期处理 |
避坑指南： 我曾经在一个嵌入式项目里用了8kHz采样率做语音降噪，结果发现高频噪声根本滤不掉。后来一查，噪声频率在4.5kHz，已经超过了奈奎斯特频率（4kHz），混叠后变成了3.5kHz的信号，混在语音里根本分不开。从那以后，我每次选采样率都会先确认噪声频谱。
1.6 本章小结
好，咱们捋一遍今天的内容：
- 频率决定音调，是滤波器设计的核心参数。
- 振幅决定响度，用dB表示更符合人耳感知。
- 相位决定时间对齐，是降噪抵消的关键。
- 采样定理告诉我们，采样率必须大于最高频率的两倍，否则会出现混叠。
这些概念听起来简单，但我在实际项目中见过太多因为忽略它们而翻车的案例。你把这些基础打牢了，后面学滤波器设计、降噪算法，就会顺风顺水。
记住一句话：音频DSP的世界里，没有玄学，只有物理和数学。