Day2 音频基础知识
1.1 DAC（数模转换器）
DAC（Digital - to - Analog Converter，数模转换器 ），功能是把数字信号还原为模拟信号 ，典型场景如音频播放：播放器输出数字信号，经 DAC 转化为模拟音频信号，驱动耳机、音箱发声。
补充概念解释：
- 信号：承载信息的物理形式，借由电、光等物理量变化传递消息，是信息的 “载体外衣” 。
- 数字信号：以离散的二进制（bit 位）表示信息，状态非连续，像音频文件里的 0 和 1 编码 。
- 模拟信号：以连续变化的物理量（如音频信号常用正弦波的振幅、频率变化）传递信息，如麦克风采集的原始声波电信号 。
1.2 ADC（模数转换器）
ADC（Analog - to - Digital Converter，模数转换器 ），作用与 DAC 相反，负责将连续的模拟信号（如麦克风采集的声波电信号）转换为离散的数字信号，便于设备存储、处理 。
1.3 采样（Sampling）
ADC 工作时，需先通过麦克风把声波的 “模拟振动” 转化为 “电压变化的电信号”，采样 就是按规律把连续电信号切割为离散数字信号的操作，核心是 “提取瞬时值，转化为离散点”。
- 采样原理：以固定时间间隔（由采样频率决定），“抓取” 模拟信号的瞬时电压值，生成离散的数字信号序列 。
- 采样频率：单位时间（1 秒）内对连续信号的 “抓取次数”，单位 Hz 。
根据奈奎斯特定理，采样频率需至少为原始信号最高频率的 2 倍，才能完整还原信号，避免 “混叠”。
- 人耳可感知 20Hz - 20000Hz 声音，因此音频采样频率常选 44100Hz（略高于 20000Hz×2 ），CD 标准即采用 44100Hz 采样频率 。
- 混叠：若采样频率＜信号最高频率的 2 倍，高频信号会被错误采样为低频信号。比如原始高频信号（红色），因采样频率不足，实际采样点（蓝色实心点）连成线后，会 “伪装” 成低频信号，导致还原音频失真 。
1.4 量化
采样得到 “离散时间点的瞬时电压”，但电压值是连续的，量化 就是把这些连续电压值 “映射到固定等级”，让计算机能编码存储。
- 量化深度（位深）：决定振幅的表示精度。比如 16bit 量化，振幅被划分为 216=65536 个等级（取值范围 0 - 65535 ）。位深越大，振幅表示越精细，音频细节越丰富，但数据量也越大 。
- 动态范围：描述音频能表现的 “最大音量与最小可辨音量的差距”，16bit 量化的动态范围约为 6.02×16≈96d**B（公式：动态范围 ≈ 量化位数 dB ），可简单理解为 “能容纳的音量变化跨度” 。
1.6 码率
指 “每秒传输的二进制位数”（单位 bps，bit per second ），码率越高，每秒传递的数据越多，理论音质越好。
公式优化（补充单位逻辑）：码率采样率量化深度（位深）声道数
- 示例：44100Hz 采样率、16bit 位深、2 声道（立体声），则码率为 44100×16×2=1411200 bps（即 1411.2 kbps ）。
若按上述参数录制 1 分钟音频，数据大小（bits） = 码率 × 时间（秒） ，即 1411200×60=84672000 bits ，换算为字节（1 字节 = 8 bits ）则是 84672000÷8=10584000 字节（约 10.1MB ）。
1.7 帧
音频处理中，“帧” 是一段短时间内的连续采样数据集合，长度常由系统 “数据缓冲区（buffer）” 需求决定，可理解为 “音频数据的最小处理单元”。
以采样率 44100Hz、位深 16bit、2 声道，且一帧时长 20ms（0.02 秒）
例：
一帧数据量（bits） = 采样率 × 位深 × 声道数 × 帧时长（秒）/ 码率*帧时长
即 44100×16×2×0.02=28224 bits（或 3528 字节 ）。
1.8 通道数（声道数）
指音频录制时的 “音源数量” 或播放时的 “扬声器发声数量”，直接影响听感的 “空间感”：
- 单声道（1 通道）：仅 1 路音频信号，听感 “单薄、无空间感”，适合语音类内容。
- 立体声（2 通道）：左右声道独立信号，能营造 “方位感”，是音乐、影视的基础格式。
- 多声道（如 5.1、7.1 等）：增加环绕声、低音通道，强化 “沉浸式空间感”，常见于影院、高端音响系统 。