音频的载体模式对比，模拟与数码的各大不同，来自百科全书 [复制链接]

两种方法在性能上的两个显著差异是带宽和信噪比（S/N 比）。数字系统的带宽根据奈奎斯特频率由使用的采样率决定。模拟系统的带宽取决于模拟电路的物理和电子功能。数字系统的信噪比可能受到数字化过程的位深度的限制，但转换电路的电子实现会引入额外的噪声。在模拟系统中，还存在其他自然模拟噪声源，例如闪烁噪声和记录介质中的缺陷。其他性能差异特定于被比较的系统，例如在数字系统中采用更透明滤波算法的能力[3] 以及模拟系统的谐波饱和度和速度变化。

数字音频系统的动态范围可以超过模拟音频系统的动态范围。消费类模拟盒式磁带的动态范围为 60 至 70 dB。模拟 FM 广播的动态范围很少超过 50 dB。[4]直接剪切黑胶唱片的动态范围可能超过 70 dB。模拟录音室母带的动态范围最高可达 77 dB。[5]由完美金刚石制成的 LP 具有约 0.5 纳米的原子特征尺寸，其凹槽尺寸为 8 微米，可产生 110 dB 的理论动态范围。由完美的黑胶唱片制成的 LP 的理论动态范围为 70 dB。[6]测量表明最大实际性能在 60 到 70 dB 范围内。[7]通常，16 位模数转换器的动态范围可能在 90 到 95 dB 之间，[8]： 132，而专业卷对卷 1/4 英寸磁带录音机的信噪比（大致相当于动态范围，注意没有量化噪声但存在磁带嘶嘶声）在录音机的额定输出处在 60 到 70 dB 之间。[8]： 111

使用精度大于 16 位的数字录音机的好处可以应用于 16 位音频 CD。Meridian Audio 创始人 John Robert Stuart 强调，通过正确的抖动，数字系统的分辨率在理论上是无限的，例如，可以在设计良好的 16 位声道中分辨 -110 dB（低于数字满量程）的声音。[9]：3

在许多录音中，信号峰值处的高电平失真可能会被原始信号掩盖，因此在峰值信号电平处，大量的失真可能是可以接受的。模拟系统和数字系统之间的区别在于高级信号误差的形式。一些早期的模数转换器在过载时表现出非良性行为，其中过载信号从正满量程“包裹”到负满量程。基于 Σ-Δ 调制的现代转换器设计在过载条件下可能会变得不稳定。数字系统的设计目标通常是限制高电平信号以防止过载。[11]： 65 为了防止过载，现代数字系统可能会压缩输入信号，从而无法达到数字满量程[13]： 4

对于黑胶唱片，每次播放光盘时都会有一些保真度损失。这是由于触笔与唱片表面接触时磨损所致。磁带，包括模拟磁带和数字磁带，当磁带滑过它们时，磁带与磁头、导轨和磁带传输的其他部分之间的摩擦会磨损。在清洁胶带机的胶带路径时沉积在棉签上的棕色残留物实际上是从胶带上脱落的磁性涂层颗粒。粘脱落综合症是旧磁带的普遍问题。胶带的塑料胶带基材的边缘也可能出现起皱、拉伸和褶边，尤其是来自低质量或不对齐的胶带甲板。

播放 CD 时，不涉及物理接触，因为数据是使用激光束以光学方式读取的。因此，不会发生此类媒体劣化，并且 CD 在每次播放时都会发出完全相同的声音（忽略播放器和 CD 本身的老化）;但是，这是光学系统的好处，而不是数字记录的好处，并且 Laserdisc 格式享有与模拟光信号相同的非接触式优势。CD 会腐蚀光盘并随着时间的推移而慢慢降解，即使它们存放得当且未播放。[15] M-DISC 是一种可记录的光学技术，其宣传范围是 1,000 年仍可读取，在某些市场有售，但截至 2020 年底，它从未以 CD-R 格式出售。（但是，声音可以使用 DVD-Audio 格式存储在 M-DISC DVD-R 上。

对于电子音频信号，噪声源包括录制和播放周期中的机械噪声、电气噪声和热噪声。音频设备添加到原始信号中的噪声量可以量化。在数学上，这可以通过信噪比（SNR 或 S/N 比）来表示。有时，系统会引用系统的最大可能动态范围。

对于数字系统，再现的质量取决于模数和数模转换步骤，而不取决于记录媒体的质量，只要它足以无误地保留数字值。能够进行位完美存储和检索的数字媒体已经司空见惯了一段时间，因为它们通常是为软件存储而开发的，不能容忍错误。

根据理论，模数转换的过程总是会引入量化失真。通过使用抖动，可以将这种失真渲染为不相关的量化噪声。此噪声或失真的幅度由量化级别的数量决定。在二进制系统中，这是由位数决定的，通常以位数来表示。每个额外的位都会增加大约 6 dB 的可能 SNR（例如，24 位量化为 24 x 6 = 144 dB，20 位量化为 120 dB）。Red Book 音频 CD 的 16 位数字系统具有 216 = 65,536 个可能的信号幅度，理论上允许 SNR 为 98 dB。[2]： 49

隆隆声是由转盘轴承缺陷引起的一种噪声特征。除了所需的旋转外，转盘往往有轻微的运动，转盘表面也会略微上下和左右移动。这种额外的运动以噪声的形式添加到所需的信号中，通常频率非常低，在安静的段落中产生隆隆声。非常便宜的转盘有时使用滚珠轴承，这很可能会产生可听见的隆隆声。更昂贵的转盘往往使用巨大的套筒轴承，这不太可能产生令人反感的隆隆声。转盘质量的增加也往往会导致隆隆声减少。一个好的转盘应该具有至少比拾音器的指定输出电平低 60 dB 的隆隆声。[16]：79–82 由于数字系统在信号路径中没有移动部件，因此不会受到隆隆声的影响。

对于数字系统，频率响应的上限由采样频率决定。数字系统中采样频率的选择基于 Nyquist-Shannon 采样定理。这表明，只要采样信号的采样频率大于信号带宽（奈奎斯特频率）的两倍，就可以精确地再现采样信号。因此，40 kHz 的采样频率在数学上足以捕获频率分量小于或等于 20 kHz 的信号中包含的所有信息。采样定理还要求在对信号进行采样之前，从信号中去除高于奈奎斯特频率的频率成分。这是使用抗锯齿滤波器实现的，该滤波器需要过渡带来充分减少混叠。音频 CD 标准使用的 44,100 Hz 采样频率提供的带宽足够宽，可以覆盖整个人类听觉范围，大致从 20 Hz 扩展到 20 kHz。[2]：108 专业数字录音机可能会记录更高的频率，而一些消费类和电信系统记录的频率范围更有限。

一些模拟磁带制造商指定高达 20 kHz 的频率响应，但这些测量可能是在较低的信号电平下进行的。[16] 紧凑型磁带在全 （0 dB） 录音电平下的响应最高可达 15 kHz。[17]在较低级别 （−10 dB） 时，由于磁带介质会自行擦除，因此盒式磁带通常被限制为 20 kHz。

传统 LP 播放器的频率响应可能是 20 Hz 到 20 kHz，±3 dB。黑胶唱片的低频响应受到隆隆声（如上所述）以及整个拾音臂和换能器组件的物理和电气特性的限制。乙烯基的高频响应取决于唱头。CD4 记录包含高达 50 kHz 的频率。在 LP 唱片上，高达 122 kHz 的频率已被实验性地削减。[18]

数字系统要求在采样前必须去除所有高于奈奎斯特频率的高频信号内容，如果不这样做，将导致这些超声波频率“折叠”成可听范围内的频率，产生一种称为混叠的失真。在数字系统中，抗混叠滤波器可以防止混叠。然而，设计一个模拟滤波器来精确去除完全高于或低于某个截止频率的所有频率成分是不切实际的。[19]相反，通常会选择高于 Nyquist 要求的采样率。这种解决方案称为过采样，它允许使用不那么激进且成本更低的抗锯齿滤波器。

早期的数字系统可能已经遭受了许多与使用模拟抗混叠滤波器相关的信号衰减，例如，时间色散、非线性失真、纹波、滤波器的温度依赖性等[[20]：8 使用过采样设计和 delta-sigma 调制，不太激进的模拟抗混叠滤波器可以由数字滤波器补充。[19]这种方法有几个优点，因为数字滤波器可以使其具有近乎理想的频域传递函数，具有低带内纹波，并且没有老化或热漂移。[20]：18 但是，数字抗混叠滤波器可能会因时域响应而引入性能下降，尤其是在较低的采样率下。[21][22]

模拟系统不受奈奎斯特限值或混叠的限制，因此不需要抗混叠滤波器或与之相关的任何设计考虑。相反，模拟存储格式的限制由其结构的物理属性决定。

CD 质量的音频以 44,100 Hz（奈奎斯特频率 = 22.05 kHz）和 16 位采样。以更高的频率对波形进行采样，并允许每个样本有更多的位数，可以进一步降低噪声和失真。DAT 可以以高达 48 kHz 的频率对音频进行采样，而 DVD-Audio 可以是 96 或 192 kHz，分辨率高达 24 位。使用这些采样率中的任何一个，都会在通常认为的人类听觉频率范围之上捕获信号信息。较高的采样率对抗混叠滤波器实现的限制较少，从而降低了复杂性和信号失真。

Muraoka 等人[23] 在 1981 年所做的工作表明，频率分量高于 20 kHz 的音乐信号与 176 名测试对象中的少数人只能区分。[24]Nishiguchi 等人（2004 年）的一项感知研究得出结论，“在声音刺激和受试者之间，没有发现有和没有非常高频成分的声音之间存在显着差异......然而，[Nishiguchi et al] 仍然无法确认或否认一些受试者可以区分有和没有非常高频成分的音乐声音的可能性。[25]

在 Bob Katz 于 1996 年进行的盲听测试中，在他的著作《掌握音频：艺术与科学》中叙述，使用相同的高采样率再现设备的受试者无法辨别经过相同过滤以去除 20 kHz 和 40 kHz 以上频率的节目材料之间的任何听觉差异。这表明超声波内容的存在与否并不能解释采样率之间的听觉变化。他认为这种变化主要是由于转换器中限带滤波器的性能。这些结果表明，使用较高采样率的主要好处是，它可以将限带滤波器的相应相位失真推到可听范围之外，并且在理想情况下，可能不需要更高的采样率。[26]Dunn （1998） 研究了数字转换器的性能，看看这些性能差异是否可以用转换器中使用的限带滤波器来解释，并寻找它们引入的伪像。

信号由模数转换器以数字方式记录，该转换器以采样率指定的固定间隔测量模拟信号的幅度，然后将这些采样数字存储在计算机硬件中。计算机上的数字表示一组有限的离散值，这意味着如果使用本机方法（无抖动）对模拟信号进行数字采样，则音频信号的振幅将简单地四舍五入到最接近的表示形式。这个过程称为量化，测量中的这些小误差在听觉上表现为低电平噪声或失真。这种形式的失真，有时称为颗粒失真或量化失真，已被指出是某些数字系统和录音的缺陷，尤其是一些早期的数字录音，其中的数字版本据说不如模拟版本。[28]然而，“如果使用正确的抖动进行量化，那么数字化的唯一结果实际上是增加了一个白色的、不相关的、良性的、随机的本底噪声。噪声的电平取决于通道中的位数。[9]：6

样本可以以数字方式表示的可能值的范围由使用的二进制位数决定。这称为分辨率，在 PCM 音频的上下文中通常称为位深度。量化噪声电平由此数字直接决定，随着分辨率的增加，它呈指数级下降（以 dB 为单位线性下降）。如果有足够的位深度，来自其他来源的随机噪声将占主导地位，并完全掩盖量化噪声。红皮书 CD 标准使用 16 位，这使得量化噪声比最大振幅低 96 dB，远低于几乎所有源素材的可识别水平。[29]添加有效抖动意味着，“实际上，分辨率受到我们在噪声中解析声音的能力的限制。...我们可以在精心设计的 16 位通道中测量（和听到）–110dB 的信号。[9]DVD-Audio 和大多数现代专业录音设备允许使用 24 位的样本。

由于模拟介质由分子组成，因此最小的微观结构表示记录信号的最小量化单位。自然抖动过程，如分子的随机热运动、读数仪器的非零大小和其他平均效应，使实际极限大于最小分子结构特征的极限。由完美金刚石组成的理论 LP，凹槽尺寸为 8 微米，特征尺寸为 0.5 纳米，具有类似于 16 位数字样品的量化。[6]

通过应用 dither，可以使量化噪声在听觉上是良性的。为此，在量化之前将噪声添加到原始信号中。抖动的最佳使用具有使量化误差独立于信号的效果，[11]： 143 并允许信号信息保留在数字系统的最低有效位以下。[9]：3

抖动算法通常还可以选择采用某种噪声整形，这会将大部分抖动噪声的频率推到人耳不太听见的区域，从而降低听众明显的本底噪声水平。

抖动通常在母带制作期间，在最终位深降低之前应用，[26]以及 DSP 的各个阶段.

可能降低数字系统性能的一个方面是抖动。这是根据采样率，离散样本的正确间距发生时间变化的现象。这可能是由于 digital clock的 timing 不准确。理想情况下， digital clock 应该以完全规则的间隔产生 timing pulse 。数字电子电路中的其他抖动来源是数据引起的抖动，其中数字流的一部分在流经系统时会影响后续部分，以及电源引起的抖动，其中来自电源的噪声导致其供电电路中信号的时序不规则。

数字系统的精度取决于采样的振幅值，但也取决于这些值的时间规律性。这种时间依赖性的模拟版本称为 pitch error 和 wow-and-flutter。

周期性抖动会产生调制噪声，可以认为相当于模拟颤振。[30]随机抖动会改变数字系统的本底噪声。转换器对抖动的敏感度取决于转换器的设计。[11]已经表明，对于 16 位数字系统，5 ns 的随机抖动可能很重要。[30]

1998 年，Benjamin 和 Gannon 使用听力测试研究了抖动的可听性。[11]：34 他们发现可听到的最低抖动水平约为 10 ns （rms）。这是在 17 kHz 正弦波测试信号上。在播放音乐时，听众不会发现在低于 20 ns 的水平上可听到抖动。Ashihara et al. （2005） 的一篇论文试图确定音乐信号中随机抖动的检测阈值。他们的方法涉及 ABX 监听测试。在讨论他们的结果时，作者评论说：

到目前为止，消费类产品中的实际抖动似乎太小了，至少对于音乐信号的再现来说无法检测到。然而，目前尚不清楚本研究中获得的检测阈值是否真的代表听觉分辨率的极限，或者它会受到设备分辨率的限制。由于非常小的抖动引起的失真可能小于由于扬声器的非线性特性引起的失真。Ashihara 和 Kiryu [8] 评估了扬声器和耳机的线性度。根据他们的观察，与扬声器相比，耳机似乎更适合在耳膜处产生足够的声压且失真更小。[31]

初始录制后，音频信号通常会以某种方式发生变化，例如使用压缩、均衡、延迟和混响。对于模拟，这以外部硬件组件的形式出现，而对于数字，通常通过数字音频工作站 （DAW） 中的插件完成相同的操作。

模拟和数字滤波的比较显示了两种方法的技术优势。数字滤波器更加精确和灵活。模拟滤波器更简单，效率更高，并且不会引入延迟。

[url=https://en.wikipedia.org/wiki/Filehase_shift.svg][/url]

当使用滤波器改变信号时，输出信号可能与输入端的信号在时间上不同，输入端的信号以其相位响应来衡量。所有模拟均衡器都表现出这种行为，相移量在某种模式中有所不同，并且以正在调整的频带为中心。尽管这种效果会以严格改变频率响应的方式改变信号，但通常不会让听众感到反感。[32]

由于可以在计算中精确指定所涉及的变量，因此可以使数字滤波器在客观上优于模拟元件。[3][33]其他处理，如延迟和混合，可以精确地完成。

数字滤波器也更加通用。例如，线性相位均衡器不会引入与频率相关的相移。该滤波器可以使用有限脉冲响应滤波器以数字方式实现，但不能使用模拟元件进行实际实现。

数字处理的一个实际优势是可以更方便地调用设置。插件参数可以存储在计算机上，而如果模拟单元需要重复使用，则必须写下或以其他方式记录模拟单元上的参数详细信息。当必须使用模拟调音台和舷外设备手动调用整个混音时，这可能会很麻烦。当以数字方式工作时，所有参数都可以简单地存储在 DAW 项目文件中并立即调用。大多数现代专业 DAW 还实时处理插件，这意味着在最终混音之前，处理在很大程度上可以是非破坏性的。

现在有许多包含模拟建模的插件。有些音频工程师认可他们，并认为他们在声音上与他们模仿的模拟过程相当。与模拟建模相比，模拟建模具有一些优势，例如能够从算法中去除噪声和修改以使参数更加灵活。另一方面，其他工程师也认为建模仍然不如真正的舷外组件，并且仍然喜欢“开箱即用”混合。[34]

主观评估尝试根据人耳来衡量音频组件的性能。主观测试最常见的形式是听力测试，其中音频组件只是在它设计的上下文中使用。这个测试很受高保真评论家的欢迎，评论者会使用组件一段时间，然后他们会用主观术语来描述性能。常见描述包括组件是否具有明亮或温暖的声音，或者组件如何呈现空间图像.

另一种类型的主观测试是在更受控的条件下进行的，并试图消除听力测试中可能的偏见。这些类型的测试是在对侦听器隐藏的组件的情况下完成的，称为盲测。为了防止运行测试的人员可能产生偏差，可以进行盲测，以便此人也不知道被测组件。这种类型的测试称为双盲测试。这种测试通常用于评估有损音频压缩的性能.

双盲测试的批评者认为，双盲测试不允许听众在评估系统组件时感到完全放松，因此无法判断不同组件之间的差异以及视力（非盲）测试中的差异。那些采用双盲测试方法的人可能会尝试通过留出一定的时间进行听众培训来减轻听众的压力。[35]

早期的数字音频机器的结果令人失望，数字转换器引入了人耳可以检测到的错误。[36]唱片公司在 1970 年代后期发行了他们的第一批基于数字音频母带的 LP。CD 在 1980 年代初期问世。此时模拟声音再现是一项成熟的技术.

对早期以 CD 形式发行的数字录音的批评反应褒贬不一。与黑胶唱片相比，人们注意到 CD 更能揭示录音环境的声学和环境背景噪音。[37]出于这个原因，为模拟光盘开发的录音技术，例如麦克风放置，需要进行调整以适应新的数字格式。[37]

一些模拟录音被重新制作为数字格式。在自然音乐厅声学中制作的模拟录音往往受益于重新制作。[38]重制过程偶尔会因处理不当而受到批评。当原始模拟录音相当明亮时，重新制作有时会导致不自然的高音强调。[38]

超级音频 CD （SACD） 格式由 Sony 和 Philips 创建，他们也是早期标准音频 CD 格式的开发者。SACD 使用基于 delta-sigma 调制的直接流数字 （DSD）。使用这种技术，音频数据以 2.884 MHz 的采样率存储为固定幅度（即 1 位）值序列，这是 CD 使用的 44.1 kHz 采样率的 64 倍。在任何时间点，原始模拟信号的幅度都由数据流中 1 或 0 的密度表示。因此，该数字数据流可以通过模拟低通滤波器将其转换为模拟数据流。

DVD 音频格式使用具有可变采样率和位深度的标准线性 PCM，这至少与标准 CD 音频（16 位，44.1 kHz）相同，并且通常大大超过标准 CD 音频。

在流行的 Hi-Fi 媒体中，有人提出线性 PCM“在人体内产生 [a] 压力反应”，而 DSD“是唯一不会 [...]具有这些效果”。[39]这种说法似乎起源于 John Diamond 博士 1980 年的一篇文章。[40]PCM 录音（当时唯一可用的数字录音技术）产生应力反应的说法的核心是建立在应用运动机能学的伪科学技术之上的，例如戴蒙德博士在 AES 第 66 届大会（1980 年）的同名演讲中。[41]戴蒙德之前曾使用类似的技术来证明摇滚音乐（而不是古典音乐）由于存在“停止的 anapestic beat”而对您的健康有害。[42]戴蒙德关于数字音频的主张被马克·莱文森 （Mark Levinson） 接受，他断言，虽然 PCM 录音会导致压力反应，但 DSD 录音则不会。[43][44][45] 然而，双盲高分辨率线性 PCM （DVD-Audio） 和 DSD 之间的主观测试未显示统计学上的显着差异。参与此测试的听众指出，他们很难听清两种格式之间的任何差异。[46]

黑胶唱片的复兴部分是因为模拟音频的不完美，这增加了“温暖”。[47]一些听众更喜欢这样的音频而不是 CD 的音频。The Absolute Sound 杂志的创始人兼编辑 Harry Pearson 说：“LP 无疑更具音乐性。CD 从音乐中吸取灵魂。情感参与消失了”。配音制作人 Adrian Sherwood 对模拟盒式磁带也有类似的感觉，他更喜欢这种磁带，因为它的声音“更温暖”。[48]

那些喜欢数字格式的人指出了盲测的结果，这些结果证明了数字记录仪的高性能。[49]断言是 “模拟声音” 更像是模拟格式不准确的产物，而不是其他任何东西。古典指挥家赫伯特·冯·卡拉扬 （Herbert von Karajan） 是数字音频的最早也是最大的支持者之一，他说数字录音“绝对优于我们所知道的任何其他形式的录音”。他还开创了不成功的 Digital Compact Cassette，并指挥了有史以来第一张以 CD 形式商业发行的唱片：Richard Strauss 的 Eine Alpensinfonie。在发烧友唱片公司 Mobile Fidelity Sound Lab 被揭露一直在秘密使用 Direct Stream Digital 文件来制作以模拟母带为营销的黑胶唱片后，音乐分析师也对模拟音频明显优越的看法提出了质疑，律师和发烧友 Randy Braun 表示：“这些声称自己有金耳朵的人，可以听到模拟和数字之间的区别， 好吧，事实证明你不能。[50][51]

虽然模拟音频通常意味着使用连续信号方法描述声音，而数字音频一词意味着离散方法，但有些音频编码方法介于两者之间。事实上，所有模拟系统在微观尺度上都表现出离散（量化）行为。[52]虽然黑胶唱片和常见的紧凑型磁带是模拟媒体，并且使用准线性物理编码方法（例如螺旋槽深度、磁带磁场强度）而没有明显的量化或混叠，但有些模拟非线性系统表现出与数字系统类似的效果，例如混叠和“硬”动态地板（例如，录像带上的频率调制 Hi-Fi 音频， PWM 编码信号）。

• 发烧友
  
• 音频系统测量
  
• 录音历史