采样定理全过程-采样定理全过程

采样定理这事儿，那会儿总认定是哪儿变来变去，今天听人说这儿，明天听人说那儿，听着像天书，实际上说白了就是如何把一段声音“抓”下来，再慢慢还回去的故事。
那会儿我总想它是不是物理魔术，直到后来在实验室里听着频响曲线，才真正明白那是数学和工程在打架又妥协的结局。 说到抓声音，你先得知道声音到底是啥。人耳能听到的范围大约是从 20 赫兹到 20,000 赫兹，这被称为音频带宽。大量人一听到“采样定理”，脑子里立马蹦出 44.1 千赫兹要么 192 千赫兹，认定那是个标配数字，结局发现这玩意儿跟能不能听得清音高根本没啥关系。
要是把采样率定得忒低，比如只每秒采 100 次，而声音频率突然飙到 32000 赫兹，你自然听不清那些高音，出于采样器根本来不及响应。
这时候你就得想，是不是采样率得跟着声音的最高频率走？理论上，为了完美还原，采样率起码要等于或略大于最高频率的两倍。
要是音频最高才 20,000 赫兹，采样率 40,000 赫兹听起来应当够用了，但咱们日常用的 CD 标准定在 44.1 千赫兹，理由没那么直白的。 那为啥非要非 44.1 莫属？这倒得从硬盘的“偷懒”说起。
要是你手动把一个声音文件每隔 25 毫秒采样一次，采样率就是 40 千赫兹。
听起来不错，但你知道硬盘是如何存数据的吗？硬盘存数据是按字节来的。40 千赫兹意味着每秒要存 40000 个数据点。
要是每个数据点都是一个 24 位的数字（一般带符号），那每个字节就要存 24 位里的 12 位有效数据（出于正负号占了 4 位）。
这样算下来，每秒需求存约 320 兆的原始数据，硬盘自然就不中了。便工程师们启动发明“量化”，把每个采样点砍小。12 位变成 10 位，10 位变成 8 位。每砍一次，精度就下降 6 比 1。砍到 10 位时，采样率就能升到 80 千赫兹，硬盘容量大了一倍，这速度算的上快。再砍到 8 位，采样率就能狂飙到 160 千赫兹，这已经是 80 年代的中端录音卡水平了。
这时候，工程师们又认定 160 千赫兹有点肉，干脆又砍成 14 位，采样率直接冲到了 1600 千赫兹。
这时候你会发现，16 位采样率刚够 720 高解析度音频的标准，听起来就挺像“纯净”的。 但这里有个庞大的坑，就是量化误差。别看采样率达标了，但要是你把 16 位压缩成 14 位，损失的声信任息有多少？这是个玄学难题。
有人测过，16 位到 14 位别看采样率翻倍，但声相损失可能达到 15 到 20 分贝，人耳确实能感觉到“闷”要么“糊”。
故此工程师们并不知足于只是在采样率上达标，他们启动在量化位数上死磕。为了追求更清楚的 Hi-Res 音频，他们一路砍到 11 位，采样率 1024 千赫兹（也就是常见的 FLAC 格式），这听起来比 CD 还快，但人耳听不出区别。
后来为了争取特供市场，他们又砍到 9 位，采样率 384 千赫兹，这已经是发烧友圈子的最爱了。
这时候，采样率实际上已经不再关键，大家关心的变成了混响工夫、声场模拟这些耳朵更敏感的东西。 这时候我们回过头来再算算理论上的上限。假设我们只用 1 位采样，0.5 位量化，一次采样就能存整个个声音。
那采样率得是 20,000 赫兹的两倍，也就是 40,000 赫兹。但之前硬盘存的时候，出于量化变成了 10 位，故此采样率务必提升到 40,000 赫兹才能存下一秒的数据。
要是采样率定在 40,000 赫兹，而量化只有 1 位，这就意味着每秒只能存 40000 个数据点，每个数据点 1 位，那正好 40000 位，也就是一个字节。每秒 40000 字节，换算成兆赫兹就是 40 兆赫兹。但这还不够！出于硬盘存数据是按字节算的，而一次采样需求 2 个字节。
故此每秒只能存 20 个字节，也就是 20 兆赫兹。
这就得再把采样率再翻倍，冲到 80,000 赫兹。照这样推下去，要是 1 位采，0.5 量，采样率得是 40,000 赫兹的 40 倍，即 1600 万赫兹。 但现实是，人耳能听的最高频率也就 20,000 赫兹，且信号是连续的。
要是要完美还原一个 20,000 赫兹的连续波形，理论采样率务必大于 40,000 赫兹。而为了存下一个字节，采样率得是 40,000 赫兹的 10 倍。最终的理论极限就是采样率要等于最高频率的两倍再乘以 10，也就是 200 万赫兹。 理论上，200 万赫兹采样率、8 位量化、0.5 位采样的声音，听起来绝对比 CD 要清楚一百倍，毫无空隙，没有任何伪影。在这个频率下，人耳听不到任何高频细节，出于人耳的机械结构也不赞成如此高的振动频率。
故此，CD、Hi-Res 就连 FLAC，都在这个理论极限的 1% 左右。在这个数字领域，所有的“完美”实际上都是相对的，所有的“无用”都是为了更合理的工程实现。 说到还原，耳机里的走位也是个玄学。采样定理说的核心实际上是“插值”，也就是把采样点插进去，补出中间的波形。
这就像你在纸上画点，你没法画出中间的曲线，你得用数学公式去推。但在模拟世界里，信号是在连续工夫里变化的。
要是你用 DAC 把采样后的数据放进模拟电路，模拟电路里的运放本质上是积分器，它能把数字信号慢慢放回到模拟信号。但这个过程会形成新的噪声和失真。 更有趣的是，采样定理在模拟和数字世界的理解有本质差异。在模拟领域，采样定理是严格成立的，只要带宽充足，信号就能无失真还原。但在数字领域，出于量化误差和数字电路的非线性，信号在还原过程中可能已经扭曲了。
故此，所谓的“完美成功”，实际上往往形成在采样率远高于人耳极限的频率下（比如几百兆赫兹），那时候采样积分器形成的噪声远小于信号本身，听起来自然得像模拟信号一样顺滑。 最终，采样定理并没有阻止我们持续创新。目前的 AI 音频，比如用深度学习生成音乐，它们并不是在“采样”传统意义上的声音，而是在重构声音。它们在采样频率更高的空间里，通过神经网络把低频和高频的特征取出来，再合成。
这种“无源采样”（Pseudo-random sampling）或“深度学习采样”（Neural Sampling），彻底绕过了传统的 ADC-DAC 链路。
这些做法别看不是传统意义上的采样定理应用，但它们证明白采样定理只是一个工具箱里的一个工具，真正的声音还原，往往需求跳出这个框架，去探索新的物理机制或计算逻辑。