📚 课程目录第3章性能指标与度量

3. 性能指标与度量

做音频DSP，说白了就是跟声音信号打交道。声音在耳朵里是连续的振动，但在计算机里，它是一串离散的数字。这串数字怎么理解？怎么分析？怎么处理？

我个人习惯，拿到一段音频数据，第一件事就是看它的时域波形。为什么？因为直观。你能看到音量大小、有没有削波、有没有静音段。但光看时域，很多信息是藏起来的——比如这段声音里有哪些频率成分，哪个频率能量大，哪个频率有杂音。

这就引出了频域分析。时域和频域，就像一枚硬币的两面。你从时域看，是波形在时间轴上的起伏；从频域看，是不同频率成分的分布。两者之间怎么转换？靠的就是傅里叶变换。

核心观点：时域让你看到“发生了什么”，频域让你看到“是什么组成的”。音频DSP的很多优化，本质上都是在频域里做文章，再转回时域输出。

时域信号，就是信号随时间变化的曲线。在数字音频里，我们把它离散化了——每隔一个固定的时间间隔（采样周期）取一个样点。

举个例子，CD音质的采样率是44100Hz，意味着每秒钟采集44100个样点。每个样点用一个16位整数表示，范围是-32768到32767。把这些样点按时间顺序连起来，就是时域波形。

我在项目中遇到过一个问题：一个客户说他的音频播放有“噼啪”声。我让他把时域波形截图发过来，一看，波形顶部和底部被削平了——典型的削波失真。这就是时域分析的价值，一眼就能定位问题。

时域信号有几个关键参数：

一个简单的正弦波，在时域里就是一条平滑的波浪线。但实际音频信号复杂得多——人声、乐器、噪声混在一起，时域波形看起来就像一团乱麻。这时候，就需要频域分析来帮忙了。

傅里叶变换是什么？说白了，就是把时域信号拆解成不同频率的正弦波和余弦波的组合。

你想想看，一个复杂的音频信号，就像一锅汤。时域波形是整锅汤的味道，而傅里叶变换就是告诉你：这锅汤里放了哪些调料，每种调料放了多少。

数学上，傅里叶变换的公式长这样：

X(f) = ∫ x(t) · e^(-j2πft) dt

别被公式吓到。直觉上，它做了一件事：把信号和不同频率的正弦波做“内积”。如果信号里包含某个频率的成分，内积结果就大；如果不包含，结果就接近零。

我记得刚学DSP时，老师说过一句话让我印象很深：“傅里叶变换不是魔法，它只是把信号投影到频率轴上。” 嗯，就是这个道理。

在数字音频里，我们用的是离散傅里叶变换（DFT），因为信号是离散的。实际计算时，用快速傅里叶变换（FFT）算法，效率高得多。

小技巧：FFT的输入长度通常是2的幂次，比如1024、2048、4096。为什么？因为FFT算法利用了分治思想，2的幂次能最大化计算效率。我一般用2048点FFT做实时分析，平衡了频率分辨率和计算开销。

傅里叶变换的输出，是一个复数序列。每个复数对应一个频率分量，包含两个信息：幅度和相位。

幅度谱（也叫频谱）告诉你每个频率的能量大小。横轴是频率，纵轴是幅度。你一眼就能看出，这段音频里低频多还是高频多，有没有某个频率特别突出。

相位谱告诉你每个频率分量的起始位置。相位信息看起来不如幅度直观，但它同样重要——它决定了不同频率之间的相对时间关系，直接影响声音的“质感”。

我在做语音增强时踩过一个坑：只修改幅度谱，不处理相位谱，结果输出声音听起来“空洞”、“不自然”。后来才明白，相位信息虽然人耳不敏感，但完全忽略它，重建的时域信号会丢失很多细节。

参数	含义	对听觉的影响
幅度谱	各频率的能量大小	决定音色、响度分布
相位谱	各频率的起始时间偏移	影响空间感、瞬态特性

注意：相位谱在0到2π之间是周期性的，所以通常显示在-π到π范围内。处理相位时要注意“相位卷绕”问题——相位值跳变超过π时，需要做unwrap处理，否则后续计算会出错。

做FFT时，我们只能取一段有限长度的信号。这就相当于把无限长的信号“截断”了。截断会带来什么问题？

你想想看，如果信号在截断边界处不是连续的，FFT会认为这里有“突变”，从而在频谱里引入额外的频率成分——这就是频谱泄漏。

窗函数就是用来解决这个问题的。它让信号在边界处平滑地衰减到零，减少截断带来的突变。

常见的窗函数有几种：

我曾经在做一个音频分析工具时，发现频谱里总有奇怪的“毛刺”。排查了半天，才发现是默认用了矩形窗，信号边界不连续导致的。换成汉宁窗后，频谱干净多了。

选择窗函数，本质上是在主瓣宽度和旁瓣衰减之间做权衡。主瓣窄，频率分辨力高，但旁瓣泄漏大；主瓣宽，频率分辨力低，但泄漏小。

我的经验：做实时音频分析，汉宁窗是首选。做高精度测量，用布莱克曼窗。做瞬态检测，用矩形窗（因为它不展宽瞬态）。没有万能窗，只有合适的窗。

下面这张图，把时域、频域、傅里叶变换、窗函数的关系串起来了。我建议你多看几遍，理解它们之间的转换逻辑。

这张图展示了音频DSP频域分析的标准流程。时域信号先加窗，再通过FFT转到频域，在频域里做分析或处理，最后通过IFFT转回时域。每一步都有它的意义，缺一不可。

嗯，时域和频域的基础就讲到这里。这些概念是后续所有优化工作的基石。你理解了它们，后面讲滤波器设计、降噪算法、实时优化时，就不会觉得云里雾里了。