📚 课程目录第1章课程导入

1. 课程导入

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。

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。

实战经验： 我在做工业设备噪声检测时，遇到过一台机器发出18Hz的次声波。人耳听不到，但麦克风录到了，频谱图上看得清清楚楚。这种低频杂音如果不注意，很容易被忽略。

常见频率范围对照：

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。

避坑指南： 我曾经在调试一个录音系统时，发现波形看起来正常，但播放出来全是噪声。查了半天才发现，是前置放大器增益调得太高，信号已经削波了。振幅超过0dBFS的部分被硬生生切掉，听起来就是刺耳的失真。

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。

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：

  核心要点： 采样率不是越高越好。我见过有人用192kHz录语音，纯粹浪费存储空间。语音信号最高也就8kHz，用16kHz采样率就足够了。采样率越高，文件越大，处理压力也越大。

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。

声道数决定了声音的空间感。常见的有：

经验之谈： 做杂音排查时，我建议先检查声道一致性。有一次我发现左声道有周期性咔嗒声，右声道正常。最后定位到是左声道的DAC芯片虚焊。如果一开始就做立体声分析，这个问题很容易被忽略。

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。

重要提醒： 做音频质量分析时，永远不要用有损格式作为分析源。MP3在编码过程中会丢弃一些人耳不敏感的频率成分，这些成分可能恰好是杂音的关键特征。我见过有人拿128kbps的MP3做频谱分析，结果把编码伪影当成了设备故障，白忙活一场。

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：

这一章我们覆盖了三个核心板块：

  一句话记住： 模拟声音是连续的，数字音频是离散的。采样率决定能录多高，位深度决定能录多细，声道决定能录多宽。搞懂这三件事，后面排查杂音就有了方向。