数字音频小辞典.docVIP

数字音频小辞典AES/EBU: 实时立体声数字音频信号格式。在相应设备之间进行传送。这种格式是Audio Engineering Society/European Broadcast Union(录音师协会/欧洲广播系统联盟)的缩写。这种数字格式亦由这两个组织联合制定的。AES/EBU是由平衡XLR口输出，其他方面同S/PDIF格式相似。 automated mixing: 自动混音。将各轨的音量、立体声声像位置、或各轨的其它参数如均衡(EQ)值等同乐曲信息放置在一起。播放时这些信息将控制各轨完成自动混音过程。一些录音程序可通过屏幕上一些可编辑的多段音量/声像包络来实现自动混音。另外一种方法是用鼠标拖动显示屏上的推子或旋钮并进行录音，播放时音量/声像会随着推子或旋钮的变化而变化。另外音量和声像的变化也可以通过将其所对应的控制器信息录入音序器中来实现自动混音。 backup: 备份。虽然硬盘存储被认为是非常可靠的存储方式，但是存于硬盘上的数据很可能会在不经意间毁于一旦。在以PC为基础的录音系统中，将文件从一个硬盘备份到另一个硬盘就象用WINDOWS的drag-copy（拖动复制）一样简单。另外一些录音机可将数据备份到DAT的两个立体声轨上。需要时，可将所备份的声音数据从DAT带上恢复回来。 crossfade：淡入/淡出技术。特别用在前期制作中的一种技术。这种技术可使一个声音片段平缓地过渡到另一个声音片段。有些录音机需要两轨来完成这一过程，一轨将声音进行淡出处理，同时另一轨将声音进行淡入处理。有些则只需要一轨来完成一个声音片段淡出的同时另一个声音片段淡入的过程。这时控制程序将产生一个新的文件，包含了两个声音片段的混合过渡情况。 很多控制程序还允许用户选择选择第一个声音片段淡出及第二个声音片段淡入的曲线类型。当选择的曲线为等幂指数曲线时，可保证整体音量在淡入/淡出的过程中没有明显的变化，即声音过渡在听觉上比较自然一些。 DSP：数字信号处理，即一个对音频信号进行处理并使音频信号产生变化的过程。（CUT-裁剪，PASTE-粘贴过程并不是一个DSP过程，因为被裁剪和粘贴的信号并没有产生变化。）。在一个高速计算机上，许多DSP处理可在放音的同时进行实时处理，但是有些DSP处理需要占据大量CPU时间，所以必须在停止播放的情况下进行处理。 MTC：是MIDI Time Code（MIDI时间码）的缩写。是由SMPTE时间码改编而成的，可由MIDI线进行传送（或计算机上两个支持MTC格式的软件之间进行传送）。参见SMPTE。normalization：充分化。是DSP（数字信号处理）的一种类型，其方式就是在不失真的前提下将声音信号波形的振幅尽可能的放大，用以在计算机音频系统中充分体现声音的动态范围。波形充分化实际上并没有提高已经录制的声音信号的信噪比，但其可以保证在声音播放时能使输出电路的工作状态处于最佳状态。playlist：播放清单。把将要播放的声音片段进行排序并规定其开始播放的时间,以形成一个完整的乐曲。播放清单并不能象文本文件一样进行编辑，但可使用播放清单编辑的手段将某一个声音片段进行删除或添加。 SMPTE：一种时间同步的格式。发音为SIMP-TEESIMPTI:，是由电影-电视工程师协会与欧洲广播联盟联合规定的一种时间码格式。SMPTE是一种实时的时间参考，包含当前的小时，分钟，秒，帧。帧是比秒更细致的一种格式，帧又可以更细致地再分为数字位等。SMPTE格式中，每秒钟可包含不同的帧数即帧频率，帧频率分为24，25，29.97，30，用于不同的服务对象，如电影、电视等。一般好一些的录音机都可以以不同的帧频率接收和发送SMPTE码（或与其相当的同步时间码，象MTC等）。snap：自动定位。当插入或移动某一个声音段的时候，控制程序能够将这一声音片段的开始自动安排到一时间定位点上（一般是小节/时钟）的功能。 S/PDIF：实时立体声数字音频信号输出格式，用于CD机，DAT机及数字机之间的信号传输。是SONY/PHILIPS DIGITAL INTERFACE FORMAT（索尼/菲利浦 数字接口格式）的缩写。S/PDIF接口为非平衡RCA口，同时也可由光缆进行传输。synchronization：同步。是一个将两个信号输出系统（如硬盘录音机和一个MIDI音序器或录像机）进行锁定并进行等位播放的过程。在触发同步方式下，录音机在接收到一个规定的触发信号后即开始播放。开始播放后，放音速度则由录音机内部的时钟进行控制而不受外部触发信号速度的控制。另外一些功能更为强大的同步方式则可以利用同步信号控制播放的快慢。 varispeed：速度变化。是在音频信号播放过程中对其速度（和音高）进行改变的功能。在计算机系统中，速度变化是以一定的级数来进行的,但其细密程度足以使你进行实时的连续性变化.virtual tracks：虚拟轨。多轨数字录音机中最终能够占用其内部硬件电路通道进行播放的轨数是有限的，我们称之为真实轨（物理轨）。而那些只用于存放声音而并不能进行播放的轨称为虚拟轨。就象使用音序软件一样，你可以录制出几十个轨,但放音时只有其中较小的部分能够通过外部声源的有限声部发出声音来，这些能发出声音来的就是真实轨,其余的则可称为虚拟轨. WAV files：标准PC机格式的音频文件。许多以PC为基础的录音系统将其录制的音频文件存为.WAV格式的文件（文件的扩展名为.WAV）。而那些具备自己专有格式的软件也经常以.WAV的格式进行音频信号的输入和输出。.WAV文件允许（但不需要一定是）进行16位的立体声的音频信号的录音和播放。音响在线数字音频音质剖析之一：数字音频探秘许多年前，就有人开始议论关于16-bit，44.1 kHz的数字音频系统无法满足人耳的听音需要，无法真实地再现原有的声音。从理论上来讲，这种数字音频格式可以为我们提供0 Hz到22.05 kHz的带宽 和96 dB的动态范围。 （带宽 即指频率带的范围。通常，人类听觉的带宽为20到20,000 Hz。动态范围 则是指音频系统所能够提供的音量最大的声音与音量最小的声音之间差距。要注意有些设备制造厂商在宣传中的措辞。动态范围与信噪比不是一码事。信噪比 是指通常的工作电平或是名义上的工作电平与噪声电平之比。这个指标通常都要小于动态范围的值。） 那么，我们为什么经常会听到说这种数字音频格式无法满足金耳朵的需要呢？他们这些人究竟感觉到了什么与众不同的东西呢？为了搞清楚这个问题，我们首先要回过头来温习一下数字音频的工作原理。好，拿出你的二进制计算器，喝点儿富含咖啡因的饮料提提神儿，然后我们要回到数字音频学校中去了！ 基础知识数字音频系统是通过将声波波形转换成一串数据来再现原始声音的。实现这个步骤使用的设备是模/数转换器（A/D），它给声波拍下许多个快照（即进行采样），每一张快照都记录下了原始模拟声波的某一时刻的电压值，将一连串这样的快照连接起来，就形成了声波的振幅 （即音量或是音量电平）。每一秒钟所拍摄的快照数目就称为采样频率 （或称采样率），采样频率的单位是Hz（赫兹，即每秒钟多少次）。采样频率是决定频率响应方面最重要的因素，其他因素均没有它的影响大（其他的因素我们将在下面进行讨论）。系统中量化精度 的bit数目直接决定了采用多少个台阶来表示声波振幅的范围（即动态范围）。每增加一个bit，表示声波振幅的台阶数就要翻一番，并且增加6 dB的动态范围。由此可以计算出，一个1-bit的数字音频系统可以为我们提供两个台阶，即6 dB的动态范围。而一个2-bit的数字音频系统可以为我们提供四个台阶，即12 dB的动态范围；3-bit提供八个台阶，即18dB的动态范围；4-bit提供十六个台阶，即24dB的动态范围；以此类推。如果我们继续增加bit数，则量化精度就将以非常快的速度提高（用数学上的话来说，这是一种指数增长关系）。我们可以计算出16-bit能够提供65,536个台阶，即96 dB；而20-bit可以提供1,048,576个台阶，对应120 dB；24-bit可以提供多达16,777,216个台阶，对应144 dB（参见图1）。当这个二进制的数所有的位上均为1时，对应着最大的音量值。通常我们称这种情况为全码。在数字音频领域，这种情况对应着最大的音量，音量不能更大了，再大就将产生喀哒声，而声波的振幅不会再增加。 BITS与BYTES（比特和字节）到这里，你已经阅读了一些有关数字音频的理论了，因此可以说，你已经是这方面的专家了。现在，你可以放下这本杂志，让你的朋友们对你刮目相看一番了。不过，你可能还是应该继续看下去，因为下面我们还要讨论一些实际问题，例如为什么我们当前的理论不能够很好地解释实际工作中所有的音频现象呢？你可能不只一次地被人告知，在数字音频系统中进行录音时，要尽量录制较大的音量电平，这样才能够最大限度地提升输入电平的量化精度。较低的音量电平只使用较少的bit数，因此，它们只能得到较低的量化精度。当声音的音量变大时，量化的精度将会提高。（再次参考图1。当数字音频系统中的声音音量较小时，我们就不能只考虑整个系统的量化精度了，其实这时声波的振幅只用到了很少的几节台阶，如果我们将音量电平提高，则它将要用到的台阶数目就要增多，也就提高了实际的量化精度。）你可以自己进行这样的试验：翻出一张最陈旧的CD唱片，然后找出其中采用淡出方式来进行结尾的歌曲。当音乐淡出时，开大监听音箱的音量电平，你一下子就会明白这一切了。你将会听到随着声音电平的降低，声音将会失真得越来越厉害。这种现象我们称之为量化误差（quantizatin error）。当数字音频系统中所采用的量化bit数目过少，造成系统无法正确地还原出原始音频信号时，就出现了这种误差。音量从大约48 dB下降到无声，声音音量的降低将会呈现出颗粒状的降低现象。你可以这样来考虑，在纸上画一个半圆。连续的曲线对应着采用模拟录音带的情况。现在，我们要使用小孩玩的积木来搭这样一个半圆（参见图2）。所有的积木都必须具有相同的方向，并且相互紧挨着。尽管你可以搭出这样一个半圆，但是它毕竟还是有棱角的。使用较窄的积木（即采用较高的量化精度）可以使得这些棱角变得不明显，但是却无法让棱角消失。当我们采用数字音频系统来实现一个轮廓为平滑曲线的波形时，也会遇到类似的情况。声音中将会有这些棱角所带来的量化误差。 对此，我们可以采用两种解决办法：抖动处理（dithering）或是购买具有较高量化精度的设备。抖动处理是一种不使我们现有的数字音频设备过时的方法。当遇到音量电平较低且变化较平滑的声音时，使用较多的bit数来进行量化，而在其他情况下则使用较少的bit数来量化，抖动处理还可以被使用在bit数目降低的场合，例如，当你必须要将20-bit的模/数转换器的输出信号录制到16-bit的DAT录音机或是CD上时，就可以采用这种处理方式。你可能要提出疑问：如何才能正确地将一个20位的数变成一个16位的数呢？有一种方法是丢掉最后的4个最不重要的位（Least Significant Bits，英文简称为LSBs），并且就认为它们是不重要的。实际上这就是直接将低位的数据给截断了。还有一种方法是给我们的16-bit数据中加入随机的噪声数据。这种随机噪声数据采用线性方式，它只对最低位起作用，并且使得声音的变化更加平滑。现在我们还是用儿童积木来进行类比，则这种操作就好像是我们用手抹了一下积木的边缘。这使得声波的轮廓与采用模拟录音带所录制的声音更加相似。当我们的噪声电平提高时（通常为3到6 dB），低音量的信号就会消失在这种随机的噪声电平信号中，但是不会造成声音音量突变的情况。由于人的听觉对于声音音量的非平滑变化异常敏感，因此量化误差所带来的声音失真其危害性要远大于低电平噪声所带来的失真，可以说，给声音中加入随机噪声数据是一个非常不错的折中方案。甚至我们还可以通过均衡或是滤波处理，对噪声信号的频率进行控制，使它们处于16 kHz以上的频率段，道理是人耳对这一频率段中的声音不十分敏感。尽管抖动处理工作得已经相当好了，但是，使用更多的bit数来进行量化操作依然是更好的选择。在前面我们曾经提到过，bit数目越多，量化的精度就越高，同时，我们每增加一个bit，就可以使得声音的动态范围提高6 dB。但是你要注意，这并不意味着系统可以回放更大的声音。动态范围增大表示系统对于轻微信号的再现更加真实。当使用16-bit的量化精度时，从最大音量（全码）到音量为零（各个位上均为零）之间的动态范围为96 dB。如果我们增加bit的数目，那么就可以表现出更加轻柔的声音。因此，如果我们采用20-bit的量化精度，那么动态范围就可以达到120 dB。目前，我们正在试图使用更多的bit来表达这一范围，在16-bit数字音频系统中音量比零电平高6 dB的声音信号在一个20-bit的数字音频系统中就变成了一个比零电平高30 dB的信号，这完全是通过提高量化的bit数目来实现的。如果我们将量化精度提高到24-bit，那么动态范围就将达到144 dB，其结果是提高了系统对低电平信号的分辨率（参见图3）。 市场与技术之战为了使问题复杂化，大多数的音乐设备厂商都在谈及有关量化bit数目的时候，对自己的产品采用各种不同的数据指标。首先，他们通常都要谈论其模/数转换器和数/模转换器的转换深度。然后就是说存储到硬盘或是磁带上的数据所采用的bit数目。通常，他们所采用的规格都不外乎16、20和24-bit几种。但是，这里还隐藏着另外一个问题。任何具有数字化处理能力或是混音功能的设备（例如新型的音频工作站/硬盘机/软件/数字调音台等）都有一个处理深度（processing depth）问题。它表明了当使用音乐设备上的数字信号处理器对声音信号进行处理时所能达到的精度。好了，我们现在可以搬回家一台全新的24-bit音乐工作站，将一切都调整得恰到好处，这时，我们的心情也会格外舒畅。但是，为什么在这套24-bit的音频系统上却只得到了93 dB的动态范围呢？这个问题嘛，它涉及到了技术上的数据与商业广告宣传的区别。有些设备厂商会对它的产品整体的各个部分进行测试，然后将精度最高的部分的数据当作整机的指标来进行宣传。假如一套设备中的转换器和存储单元均是采用16-bit的量化精度，但是它的内部效果处理单元的精度却是32-bit，那么你很可能就要被蒙骗了。在真实世界中，如果一套数字音频系统内部采用24-bit或是32-bit的处理单元，但是它却是将数据以16-bit的格式来进行存储，那么你所听到的声音精度就将被限制在16-bit上。处理深度是由设备进行均衡、混响、淡入淡出处理时所使用的数字信号处理器的量化精度来决定的。如果你的数字音频系统只能向存储介质上记录16-bit的数据，即使所有的处理都是以24-bit或是32-bit的量化精度来进行的，最终得到的结果依然还是要回到16-bit的水平上，当然你可以通过抖动处理来进行适当的补偿。当一套数字音频系统通过抖动处理对数据进行优化时，也不可避免要对数据进行舍入。处理的数据越多，这种舍入所带来的危险就越严重。你必须清楚一点，即使只是对声音中的一个频率段进行均衡处理，整个音频数据都要发生变化。这也正是一套采用16-bit进行数据存取的系统中使用24-bit或是32-bit数字信号处理的好处。你要知道这样一件事情：当使用数字信号处理器对音频数据中的任何一个元素进行处理时，实际上处理芯片都要得到所有的采样点的数值，并在其中增加一些数据或是改变一些数据的值。当使用数字信号处理器进行声像和音量电平的调节这种最为简单的处理时，就属于上面这种情况。为了给电平增加1 dB，数字信号处理芯片需要将所有的采样点数据都乘以1.122018454（这是在24-bit处理精度下的情况，处理时采用的量化精度越高，则这个数在小数点后面的位数就越多）。如果要想将音量电平减低1 dB，则数字信号处理芯片需要将所有的采样点数据都乘以0.8912509383736（数字信号处理芯片不会做除法）。找来一个计算器，然后随我一起来做这样一个小小的实验：在1到65535（这是16-bit音频系统中的全码）之间随便找一个数。将这个数乘以1.122018454（即增加1 dB），然后再乘以0.8912509383736（即降低1 dB）。于是结果又回到了原来的数。例如，我们选择一个数5,327。给它乘以1.122018454后得到5,976.9923045，然后再乘以0.8912509383736，于是计算结果又回到了5,327。现在试着这样来做：还是选择我们刚才的那个数5,327，给它乘以1.122018454，于是得到了5,976.9923045。然后我们对它进行舍入处理，只给它在小数点后面留下4位（这就好象是数字信号处理芯片没有足够的量化精度一样），这时结果为5,976.9923。给它再乘以0.8912509383736，得到的结果为5,326.999996，与最初的5,327已经不一样了。（这不禁使我们想起了当年Intel公司不得不为用户更换有问题的计算机芯片，它们是同一个问题，现在知道了吧！）当然，这种溢出现象在进行单步计算时不会显露出来，只有当连续使用数字信号处理芯片使得误差累计到一定程度时才会显现出来。显然，上面的实验只是一个非常简单例子。我们还没有考虑抖动处理中的情况，但是你对这一点应该是非常清楚的：在数字音频系统内部使用高精度的数字信号处理芯片可以降低计算所带来的误差，采用的bit数目越多，这个误差越小。这也正是目前市场上销售的所有数字音频系统内部都采用高精度的数字信号处理芯片的原因。（编者按-通过上面的介绍和简单的实验，使得我们对这些问题有了一个非常清楚的认识。当小数点后面的位数过多时，通常的计算器就要进行舍入处理。要注意，我们在进行上面的实验时不能将0.8912509383736舍入成0.8912509，如果这样我们就只能够得到5,326.9994这样的结果了。因此，如果你的计算机位数不够多，那么可以使用计算机来进行计算，或是拿出一张纸，一枝笔，进行手算！无论你是使用什么方法，计算结果都会向你展示出高bit数所带来的优势。）怡生网 越多越好的局限性只要增加数字音频系统中的量化比特数量，就一定会使得声音质量有所提高吗？答案是，会有一点提高，这是因为主要的问题出在模拟信号到数字信号的转换阶段。在实际工作中，转换器不可能完全达到理论上所得到的精度。例如，16-bit的转换器在理论上可以得到96 dB的动态范围，但是由于设备自身不可避免要存在一定的噪声，这将使得动态范围损失3到6 dB，于是就等于对于小音量信号的分辨精度下降了1-bit。这样一来，我们就只剩下15-bit了。如果你的音乐的平均电平值为84 dB，同时声音音量电平也有达到96 dB的情况，那么你就不能随意调高设备的输入电平，而实际上你的音乐无形中就丢失了2-bit的量化精度。（另外，你可能还有许多以低bit数进行量化的现场录音音轨，通过前面的论述我们已经非常清楚它们的弱点了。）这些号称是16-bit的数字音频设备实际上只能为你提供13-bit的量化精度。如果真想在模/数转换器的输出端得到16-bit精度的信号，那么你至少应该以18-bit来进行采样。那么，你说我们究竟应该叫它是16-bit的转换器还是18-bit的转换器？当然，是那些生产这些产品的人为它们定义了名字（市场再一次打败了技术！）。同样，为了得到20-bit的精度，你必须以22-bit的精度来进行采样，而要想实现真正24-bit的精度，采样时的量化精度必须达到26甚至是28-bit。到底是什么在限制着这些bit？模拟电路的质量是决定这个问题的关键所在。你的模/数转换器被它的输入端所输入的模拟信号（线路信号或是麦克风信号）所限制。如果你有一台本底噪声为-96 dB的20-bit数/模转换器，那么在理论上它可以实现120 dB的动态范围，但是实际上呢，由于转换设备本身具有4-bit即24 dB的噪声电平，使得动态范围简直都要被噪声吃光了。如果你非常注重转换器的各项技术指标，那么就会发现即使是那些价格最昂贵的器材，采用20-bit和24-bit的转换器时其噪声电平的水平都差不多（分别为-117 dB和-120 dB）。 这主要是由于设备中模拟电路部分的热噪声降低了整体的指标。如果深入一些来研究，任何电子元件（例如电容、电阻等），即使是在没有任何信号经过它们的时候，其自身都会产生一些微弱的噪声。当这些电子元件被组合起来接入到实际电路（比如一台模/数转换器）中后，整体的噪声水平就会达到几个dB的程度，从而影响到电路的噪声水平。要想解决这个问题，最有效的办法就是去买一套液氮冷却系统，把你的所有设备全部冷却起来。简单吧？呵呵。除非模拟电路技术出现了什么新的发展，否则无论你的设备采用的是多少bit，你都别指望这些模/数转换器的实际输出精度可以达到20-bit以上，其原因就是各个电子元件所产生的噪声电平。那看来这是没希望了，先等一下，在你下最终的结论之前，还是有让你得到并存储精度超过20-bit数据的办法的。首先，目前所有的音频设备在低电平范围内是可以达到一定的精度的。它能够将一些声音的变化转化为平滑的本底噪声，而不让其以容易听到的量化误差出现。另外，在我们前面的讨论中得知，任何的数字信号处理器在工作时都会产生出一个小数点后面位数很多的数，最终的数据结果将从这个数据中产生。我们舍入的位数越少，则最后的结果精度就越高。如果我们向存储设备中写入了更多的bit，那么量化误差的影响就会更小，因为它的影响是动态范围的最底端。当音频设备系统中采用了24-bit或是更高的处理精度，并且采用24-bit的精度向磁盘中写入数据，那么这些误差就会在-144 dB左右。由于我们已经确定了-120 dB为我们希望的噪声电平值，那么上面所得到的量化误差实际上比我们预想的要低24 dB。对于大多数人说，这种噪声水平已经超过了他们的听力范围，另外这种噪声水平也超过了目前的功放和音箱系统的水平。第三点，计算机和外围设备都是以字节（byte，请参阅附录中比特、字节、字和采样一文中的介绍。）为单位。1个字节等于8个比特。因此存储一个24-bit的数据要使用到3个字节。存储一个20-bit的数据要使用到2.5个字节。但是非常遗憾，计算机系统是不能写半个字节的。于是这就有两种选择：将字节中没有用到的bit用0来填充，或是将下一个数据最开始的4个bit放在这些空余的地方。当然，如果你这样做了，那么当进行声音数据的回放、处理等操作时，将占用较多的处理时间。对于我们大多数的人来说，音频处理对计算机的要求低将是一件非常好的事情。因此，将20-bit的数据以24-bit来存储，忽略掉其中的4个bit，这样做虽然会浪费一些磁盘空间，但是却可以让我们的处理效率更高。 有关频率的问题最后，我们要来讨论高精度数字音频中最容易出现混淆的一个地方：采样率加倍。为了解释清楚这些问题我们还是要先来温习一下数字音频技术的基本知识。为了能够正确地表达一个已知频率的声波，我们至少应该采用两倍于该频率的采样率来进行采样。如果我们设定的采样率为每秒钟44,100次，那么我们将可以精确地确定出任何一个22.05 kHz信号上的两个点。如果进入到模/数转换器的信号包含有高于奈奎斯特频率（奈奎斯特频率等于采样频率的一半）的信息，那么转换器就无法在一个周期内对波形进行两次采样。当这个采样波形信号数据被数/摸转换器重放时，它的频率就会出现问题。实际上，其结果是这些不正确的频率信号将会造成混叠现象。举例来说：我们使用44.1 kHz的采样率，那么此时奈奎斯特频率就为22.05 kHz。如果一个频率为30 kHz的声音信号进入到模/数转换器中，则转换器就没有足够的精度来对这个信号进行精确采样，于是就会出现失真现象。由于进入系统的声波信号比奈奎斯特频率高7.95 kHz，那么声波中出现信号失真的位置就应该是比奈奎斯特频率低7.95 kHz的频率，也就是在14.1 kHz频率处（参见图）。这种现象就叫做混叠（aliasing），尽管这是一种很不受人欢迎的现象，但是在许多合成器的音色中，都存在这种问题，特别是在Sequential Circuits Prophet-VS中。依照业界中的传说，VS的工程师们将设备中的抗混滤波器（anti-aliasing filter，即防止发生混叠现象的滤波器）省去了，原因是他们认为这样声音更好听。由于我们在数字音频领域都极力避免混叠现象的发生，一般都在模/数转换器的前面安装有滤波器（可能是安装在模拟电路部分中，如果是过采样转换器，则安装在数字电路部分）。这种滤波器的上升沿非常陡峭，它从20kHz频率处开始对声音信号进行限制，到奈奎斯特频率处时将电平降为0。这样进行滚降的道理是，我们是采用44.1 kHz的采样率来工作，而不是使用40kHz 的采样频率，这样得到的带宽为20 kHz。如果说44.1 kHz的采样率可以给我们20 kHz的音频带宽，那么我们为什么不在每秒钟内多进行几次采样操作呢？Z-System的Glenn Zelniker博士，一名卓越的数字音频处理和线路设备设计师是这样来看待这个问题的：“较高的采样率可以解决当前数字音频领域中空间定位和立体声声场方面的问题。”对于目前所使用的44.1 kHz的采样率，主要有两个问题。第一个就是上面已经讨论过的输入线路滤波器。尽管对于稳态信号来说，这些滤波器是非常精确的，但是真正的音乐几乎不会是简单的正弦波。音频信号无时无刻不在变化着，音量、音色和基本的波形包络都会随着时间轴发生改变。通常的这些滤波器对于简单的正弦波来说还是比较有效的，但是一遇到实际的音乐这种波形复杂的场合，就会显得力不从心了。它们会在通过其的信号中加入纹波信号和尖峰信号，这主要是因为滤波器的斜率过于陡峭了（参见图）。此时我们