音频基础知识

前段时间在闪存区发了一篇关于解码与音质的帖子，漏洞百出，在小小了解了音乐CD的原理之后，重作此文。

本文参考了维基和一些资料。

全文结构较乱，本来准备再整理，看到有研究wav和ape之类的帖子，决定提前发。

下面简述音乐从制作到变成声音进入我们耳朵的流程：

歌手在录音棚里唱歌，对于这些声音，专业设备每秒采样44100次，以16个二进制数表示电压（44100Hz,16bit,另外196KHz之类同理），将声音（模拟信号）转换为数字信号，称为AD（模数转换）。由于声音要后期处理，这些数字信号还要再DA（数模转换），AD多次，最终还是数字形式保存。

这些数字信号具体形式为一串串16位的二进制数字（中间包括定位符），称为线性PCM，DAC只认识这些东西。

对于CD机，它们读取CD碟中的二进制数字，然后每隔1／44100秒输出一组16位的二进制数字(PCM)到到DAC。

DAC负责数模转换，它把PCM转换为电压值。每次转盘给他一组16位的二进制数字，他就输出一个电压（根据这16个二进制数字里的定位符确定左右声道）。对于mp3播放器，DAC出来的一个个电压值直接进入运算放大器（运放），就是Line Out口。

还有一条路是DAC出来进入信号放大电路，这就是Phone Out口。

上述过程中有一个很重大问题，名曰Jitter。二进制数字在传输过程中不可能出现一丁点错误(0,1的世界里有完善的纠错体制），那么理论而言CD机输出的数字信号是完全正确的。但由于世界上没有精准的时钟，每隔1／44100秒输出的那个数字信号虽然完全正确，但时间不对，本来要在1s时的PCM变成了1s+50ps的PCM，最后输出的模拟信号波形是变形的！比如大家高中描点画正弦波形，x=1对应Y=1，结果变成x=1+5*10^(-11)对应Y=1，波形就不对了。Jitter在录音棚里就产生，由于人家的家伙很贵，Jitter都是ps级别的。到了CD机之类的，就是ns级别的，甚至更高（当然贵CD的就小），所以CD输出到DAC的信号变形不小，mp3播放器之类就更悲剧了。（ps为皮秒，10^(-12)秒;ns为纳秒，10^(-9)秒）

每一个过程都会产生jitter，第一步录制就有jitter（这个很小），CD转盘输出也有jitter，到DAC也有jitter。。。。。最后播放也有jitter。包括自己刻录盘也jitter，jitter无处不在。所以刻录盘和原版CD的区别是有的，就是刻录机产生的jitter,而0101001这样的二进制数字当然没有变化。jitter的实质就是在不准确的时间输出了正确的数（这是俺的理解，嘻嘻）。

对于44100hz,16bit的音乐文件，DAC一秒钟要转换44100串16位数字，然后输出，苦也。至于一些196Khz,32bit的音乐，却不是要了很多MP3的DAC的命？要知道很多mp3解码DAC都是一个主控里面的，就那点电压和空间。所以很多时候一些码率高的无损放不了（当然，不能播放不一定是这个问题），DAC表示鸭梨很大！

下面介绍音频文件。本来那一串串的数字，叫PCM，或者叫.wav文件，是的，就是CD抓轨的东西（还有一种wav是dts的，不予讨论）。wav是老子，儿子分两种，一种是有损格式mp3,wma,aac之类的，还有一种无损，如flac,ape之类的。

Mp3流行的背景，是人们发现wav太肥了，一首歌要50MB+。大家经历过128MB的mp3的时代，那个时候闪存贵啊，128MB和256MB价格差很多！于是大家就用mp3格式来存储。mp3是根据一种算法（MPEG-3)，把wav简化，比如去掉20Hz以下和20000Hz以上的频率（一般人耳听不到）和心理上忽略的，最后把体积减小到十二分之一，音质却没有劣化太多，wma貌似加上了版权之类的。

无损之类的就是很多人发现mp3的音质不满足他们要求，于是通过算法把wav压缩，就像zip压缩一样，但没有一个字节的损失。所以播放无损不用怀疑音质和原始wav有任何一点点区别！当然耗电。在这里，无损格式推荐flac,由于只涉及整数运算，而且支持硬解码之类，解码简单，ape则涉及浮点运算。很多人发现一些无损无法播放的一个原因就是压缩率太高（使用footbar2000转化无损格式的话可以看到"最大压缩"和"最快解码"）。

Flac官网的形容就是"为音频文件优化的zip压缩"，播放前解压缩，因为DAC只认识那一串串的PCM。具体流程参考被压缩成zip的word文件，你双击那个word文件，于是先有一个提示框解压缩，然后打开word。而且，对于无损播放前的转换，再垃圾的mp3都能不出一点错误地转换为线性PCM，没有一点错误！这就是强大的数字世界。你解压缩zip文件，如果出错而又不能修复，就会提示错误，道理一样。无损和wav之间可以无限次地转换而不出一个字节的错误，就像你可以把一个文件无数次地压缩解压而不会改变文件一样。

Wav是一个容器，不代表无损，很多人遇到所谓的"假无损"，就是wav已经劣化为了mp3，大量细节已经丢失。mp3此时仍然可以转化为wav（下面介绍这个过程），无损，由于编码原因，体积成倍增加，但是音质已经劣化，这就是"假无损"。

对于上述mp3转wav过程，在直接播放有损音频时都要遇到。一个mp3播放器在播放mp3文件时流程如下：从内存读取文件，解码芯片根据算法，对其进行近似，润色，修补，最后输出线性PCM（wav)。你可能会问：俺直接播放无损不就行了？对，就是这样，如果直接播放无损，这一步就没有，所谓的"飞芯"的音频解码没有用！另外有人发现一些老式或低端播放器不支持wav格式，这是因为他们的缓存太小，厂家为了提高效率，省电，不支持wav。

最后还是回到我们的mp3播放器。

主控是整个播放器的核心，指挥整个运作。他要负责控制音频解码芯片解码，输出PCM,指挥DAC输出模拟信号，还有负责最后的运算放大，润色，根据算法体现各种EQ，而且他还要插手电源管理，所以主控是大脑。

DAC是核心（反正这种小型播放器Jitter都是一个级别），DAC直接决定Lo的质量，决定Po到放大电路信号的纯度，他要保证及时准确地输出纯净的模拟信号。反正，DAC应该决定所谓的"素质"。DAC的供电也至关重要，DAC供电不足是无法达到理论的水平的，而QA350则采用了所谓的各部分独立供电。

至于Po的放大电路，这里决定听感，一部分调音，一部分EQ都在这里完成。

还有一个很重要的地方是电路设计，我拆开过国产平板，真是惨不忍睹，一塌糊涂。mp3的电路设计很大程度上也决定了他的素质和续航（电源管理），电路走向，电容的质量都至关重要，这也是sony,创新机子能够如此牛逼的一个原因，看看njb里面密密麻麻的电容，再看看国产的，啧啧，用料就不是一个级别啊。

最后介绍一下随身播放器调音和EQ。我认为调音和EQ几乎没有的就是所谓的录音笔，这是高素质的代表，完全靠强大的电路和元件把回放做到了极致。

调音过程不仅仅是模拟放大电路的功劳，DSP处理过程中就已经开始参与调音了。

EQ分为两种，通俗来讲就是硬件EQ和软件EQ，在随身里，前者往往是被植入到DAC芯片中的，欧胜的CODEC，比如WM8750、8970等，都有这个功能的。软件EQ就非常常见了，什么BBE，SRS之类的算是比较高级的，简单的自定义EQ也是软EQ，这些EQ通过DSP运算，对音频数字信号进行简单或者复杂的处理来实现调音。

Po口一定可以实现EQ，而Lo口则不一定（新款一般都有），T51和艾利和的H120等，EQ改变，LO输出的声音也会改变。而老款的sony HD5在这方便做了优化，在采用LO输出的时候，EQ被强制使用了“正常”而且不能更改。

总之在播放器中的各个环节都遵循木桶原理，任何一方面偷工减料都将直接影响到最终声音的输出。尽情佩服那些设计出好声播放器的设计者吧，好的声音一定需要技术的沉淀与积累！