声音数模转换及保真

tonyxu

声音模拟信号数字化，需要经历的三个过程是：抽样，量化，编码。

人耳的感知音域范围大约在20Hz~20kHz, 极少数人的感知极限可能会达到30kHz。

+ ^( R5 u  I, J# t奈奎斯特定律说了，当抽样频率大于信号最高频率的二倍时，就可以不失真的恢复原信号。
" A1 |4 n8 y% T5 J3 U& ]! w# Y  h
  i) [" N7 e4 l1 w所以，抽样频率采用40kHz，就基本满足绝大多数的听觉范围了。当年录像带大行其道，为了配合录像带记录声音，就把声音的抽样频率定在了44.1kHz。

当然，电脑的音频格式很多采用了48kHz，专业的音视频设备，抽样频率会达到96kHz甚至192kHz。

3 m5 e8 _$ |$ r6 M3 w" E而传统的程控电话，采用8kHz抽样，因为人们的语音特性大多数包含在4kHz以内。

) b$ ~+ c9 T, |9 X% b  @这是第一步，抽样阶段，理论上是可以做到保真的。

: S) Z- _& `4 }+ m抽样出来的数值，其范围也是在某区域内的无限个数值，是无法进行数字储存、传输的。

$ S2 K  g8 m( A9 P2 u0 Q因此就需要对这些采样出来的数值进行量化、编码，量化及编码按照需要使用一定的规律和精度，比如8位量化、16位量化、32位量化等等。特定规律下，位数越高，保真度也越高。

9 T) B0 k8 g' i4 V量化值和抽样值之间必然会有偏差，这个偏差就叫做量化噪音。

普通的程控电话传输信道，主要采用A律13折线特性进行量化，8位编码。8kX8=64kbps。北美采用μ律15折线特性。

以上是第二、三步，量化、编码阶段，由于存在量化噪音，这个阶段是不能做到绝对保真的，只能做到尽量高保真。要是做到了人耳的辨别极限，有少许的量化噪音又有什么关系？

: ~* K& y7 X2 _4 Q我还真就认识一个朋友，据说他的耳朵辨别率很高。他除了自己外企本职工作，还经常到处兜售黑胶高保真胶片，我公司楼下的一个英国品牌高级音响店的发烧友主顾他都熟识，经常去发烧友家里辨别个声音就便推销黑胶什么的。他的兼职收入比本职工资都要高了。

6 Q! r4 M! H! z; d8 @别跟保真迷们抬杠。他们有的可能真是天赋异禀懂得欣赏，有的是有钱有闲热衷玩儿发烧器材你觉得是装13，有的就是一门养家糊口的好生意。

清凉山

人耳,指所有年龄段加起来的，频响20-20k是没错，但20来岁就很少有人能到18k了，玩发烧的一般都中年，15~16 k到顶。但是就有人愿意相信商人的忽悠，认为自己有副金耳朵

看客

清凉山 发表于 2020-12-17 16:16
% P5 z* h; E( o' j人耳,指所有年龄段加起来的，频响20-20k是没错，但20来岁就很少有人能到18k了，玩发烧的一般都中年，15~16  ...

哈，刚好在观网评论区看到这么一段：
; b" s+ D/ C4 h2 W. C

我参加过某厂高级音箱的开发会议，当时这款音箱做了几十个不同的声音样品。请了一群国内顶级发烧友来评选，大家评选出其中一个样品的声音最好，厂家以这款产品为最终设计定型。我当时就对厂家提意见，认为这群评委年纪偏大，对高音不敏感，他们认为舒服的高音，对年轻人而言是折磨。
可惜厂家没采纳我的意见，果不其然，产品上市后，年轻人的网络评论多数认为这款音箱高音太刺耳，听着不舒服。当我看到某些顶级发烧友在媒体上发表这款音箱的主观评价文章:什么高音细腻，声音通透，中音明亮。。。我只能是一声叹息。

雨楼

频谱分析仪说话。其他的都是玄学，或者直白些，忽悠。

MacArthur

看客 发表于 2020-12-17 21:03
哈，刚好在观网评论区看到这么一段：

1 O8 ?# P# |/ c7 C' t- r问题在于，到底是年轻人有钱，还是中年发烧友们有钱？

看客

MacArthur 发表于 2020-12-18 11:25
问题在于，到底是年轻人有钱，还是中年发烧友们有钱？

如果产品的目标人群就是年轻人，显然中年人再怎么有钱也不会花在这上头的。

清凉山

关于44.1k的采样频率，记得是飞利浦跟索尼联合开发cd时定下来的。有一说法是Sony老总希望一张cd能容下贝九，44.1正好满足要求，但是这一传说被证伪了。反正高于44.1的其实没人能听出差别来。

清凉山

看客 发表于 2020-12-18 10:03
哈，刚好在观网评论区看到这么一段：

2 H2 @$ G6 G3 H7 r这算什么，那些面向年轻人的唱片调音大师们有几个不是五十往上的