為什么音頻采樣率通常是44.1kHz?CD為何是44.1KHz采樣率?
小朋友英語(yǔ)學(xué)習(xí)的培訓(xùn)教材中附送了一張音頻CD，作者在鼓搗這張CD的時(shí)候，忽然一個(gè)問題冒了出來(lái)：為什么CD采用了44.1KHz的采樣率？為什么不是48KHz？畢竟48這個(gè)數(shù)字看起來(lái)整齊的多。為此作者做了一番搜索和研究，分享給感興趣的朋友。
聲音的基本概念
首先介紹一些常見的音頻概念。大家知道人耳能聽到聲音，是因?yàn)槁曇粼谝粼刺幃a(chǎn)生后，對(duì)空氣產(chǎn)生了一系列忽強(qiáng)忽弱的壓力，這種壓力的變化（振動(dòng)）可以被人耳內(nèi)部的耳膜感受到，然后經(jīng)由各種神經(jīng)細(xì)胞，匯總到大腦中形成聲音的感覺。
有時(shí)候這種壓力比想象的要大的多，它不僅可以驅(qū)動(dòng)薄薄的耳膜，當(dāng)強(qiáng)度足夠大時(shí)，甚至可以吹動(dòng)人的頭發(fā)和衣服。參加過(guò)室外音樂節(jié)的朋友，如果碰巧在現(xiàn)場(chǎng)比較靠近喇叭的地方，應(yīng)該有切身的體會(huì)。人耳能聽到的這種壓力振動(dòng)的范圍大概在20Hz到20KHz，Hz即赫茲，即每秒鐘振動(dòng)發(fā)生的次數(shù)。
除了耳道，身體的其它一些部分也可以感受到聲音的振動(dòng)，例如骨傳導(dǎo)耳機(jī)就是繞過(guò)了耳膜，利用頭部骨骼來(lái)傳遞聲音的振動(dòng)。
（骨傳導(dǎo)原理。圖片來(lái)自網(wǎng)絡(luò)）
音頻信號(hào)的采樣
因?yàn)槁曇舯举|(zhì)上是一個(gè)連續(xù)的模擬信號(hào)，當(dāng)聲音被記錄下來(lái)，尤其是數(shù)字化記錄時(shí)，就涉及到采樣率和采樣精度這兩個(gè)概念。工科的朋友們可能對(duì)奈奎斯特采樣定理比較熟悉，就是對(duì)聲音信號(hào)做采樣時(shí)，采樣頻率一定要大于聲音信號(hào)最高頻率的兩倍。一個(gè)通用的聲音記錄系統(tǒng)，當(dāng)然需要應(yīng)對(duì)聲音的大范圍頻率，即20KHz聲音需要的采樣頻率至少是40KHz，考慮到后續(xù)的各種傳輸、處理過(guò)程帶來(lái)的損失，采樣頻率一般會(huì)高于40KHz。
（數(shù)字化的440Hz正弦波，采樣頻率8KHz，采樣精度8bit）
采樣頻率
常用的采樣頻率大概分三個(gè)系列，分別以8KHz、12KHz、11.025KHz為基準(zhǔn)。由此衍生出來(lái)的采樣頻率就有三個(gè)系列。
?8K、16K、32K、64K、128K?12K、24K、48K、96K、192K?11.025K、22.05K、44.1K、88.2K
采樣精度
如果說(shuō)采樣頻率對(duì)應(yīng)的是時(shí)間維度上對(duì)于聲音的采樣，那么采樣精度就是對(duì)應(yīng)的幅度維度。它把采樣系統(tǒng)所支持的幅度范圍分成若干間隔，然后用一個(gè)數(shù)字來(lái)代表每一個(gè)間隔對(duì)應(yīng)的幅度值。當(dāng)某一個(gè)時(shí)刻的聲音幅度落在某個(gè)間隔時(shí)，就用這一間隔的數(shù)字來(lái)代表這個(gè)聲音在這個(gè)時(shí)刻的幅度。
采樣精度，通常有8bit、16bit、24bit、32bit這幾種。
音頻通道
還有一個(gè)概念就是聲音通道數(shù)量，常見的就是兩個(gè)聲道，一左一右。家庭影院聲道數(shù)量更豐富一些，一般不大于十個(gè)。在電影院中，通常會(huì)更多，有幾十個(gè)聲道。所以在電影院中聲音復(fù)現(xiàn)的更為真實(shí)，配合電影畫面使得觀眾有身臨其境的感覺。每個(gè)聲道一般都對(duì)應(yīng)錄制時(shí)的一個(gè)麥克風(fēng)，當(dāng)然有些聲道也可以后期合成。
音頻編碼
采樣完成后，通常還有個(gè)編碼的過(guò)程。最直觀的編碼就是PCM格式了，它是一種有正有負(fù)的數(shù)字表示方式，以衡量特定時(shí)刻的聲音幅度。正、負(fù)其實(shí)是相對(duì)的概念，都是相對(duì)于數(shù)字零所對(duì)應(yīng)的幅度而言。
音頻存儲(chǔ)
上面是聲音數(shù)字化記錄的一些參數(shù)，那么這些數(shù)字化的記錄如何存放？數(shù)字記錄生成的文件有好多種，在Windows平臺(tái)，最直觀就是wav文件了。相比大家熟悉的MP3格式文件，wav直接保存的就是PCM編碼的聲音幅度信息，而采樣頻率、采樣精度以及聲音通道數(shù)目，就在wav文件頭中標(biāo)明。這樣當(dāng)一個(gè)播放器播放wav文件的時(shí)候，它首先讀取文件頭，了解這個(gè)聲音的采樣率、采樣精度、聲道數(shù)目，就可以恢復(fù)出正確的聲音了。
為什么是44.1KHz
日常生活中大家都接觸過(guò)CD，記得在2000年前后，當(dāng)時(shí)MP3還未普及，大家聽音樂、歌曲還是主要靠購(gòu)買CD。CD一般來(lái)說(shuō)是Compact Disc Digital Audio的簡(jiǎn)稱，翻譯成中文大概是緊湊型數(shù)字音頻盤的意思。最初由飛利浦和索尼在上個(gè)世紀(jì)80年代初以紅書（Red Book）的形式聯(lián)合發(fā)布，在1987年被標(biāo)準(zhǔn)化組織IEC接納為正式標(biāo)準(zhǔn)，編號(hào)為IEC 60908。這個(gè)標(biāo)準(zhǔn)最近一次修訂是在1999年。飛利浦和索尼出版了一系列以顏色命名的標(biāo)準(zhǔn)，全部都是關(guān)于Compact Disc的，紅書（Red Book）就是其中描述數(shù)字音頻CD的一本。
（CD Logo、CD盤面、早期的CD唱機(jī)、放大的CD表面紋路）
IEC 60908整個(gè)標(biāo)準(zhǔn)還是挺繁雜的，我們只關(guān)注其中的編碼部分。簡(jiǎn)單來(lái)說(shuō)，存放于CD中的音頻編碼標(biāo)準(zhǔn)就是聲音通道數(shù)為2、采樣精度16bit、編碼格式為線性PCM、采樣率固定是44.1KHz。
（適用于CD的音頻標(biāo)準(zhǔn)IEC60908）
原因一：PCM Adaptor和視頻制式
在紅書（Red Book）發(fā)布之前的1970年代，還存在著一種錄音設(shè)備叫做PCM適配器。顧名思義，它把模擬的音頻信號(hào)轉(zhuǎn)換成數(shù)字的PCM編碼，并提供錄制到視頻存儲(chǔ)設(shè)備上的接口。
為什么音頻和視頻攪和在一起？因?yàn)楫?dāng)時(shí)已有的音頻存儲(chǔ)設(shè)備帶寬不夠大，不足以提供16位的PCM數(shù)字音頻的存取帶寬，這個(gè)帶寬大概在1M~1.5M bit/s，這在當(dāng)時(shí)是一個(gè)相當(dāng)“高”的帶寬，只有視頻存儲(chǔ)設(shè)備才有如此高的存取能力。PCM適配器把音頻數(shù)據(jù)按特定的視頻格式打包，從而可以借助于已有的“高帶寬”視頻存儲(chǔ)設(shè)備實(shí)現(xiàn)音頻數(shù)據(jù)的存取。
（Sony PCM-F1：PCM Adaptor）
好吧，回憶一下文章開頭的問題：為什么CD的采樣率是44.1KHz？
到這里，已經(jīng)非常接近問題的答案了。那就是——
任何新事物都要尊重傳統(tǒng)的力量。
具體到這個(gè)問題，就是音頻CD的采樣率沿用了PCM適配器的采樣率，而PCM適配器的采樣率還要能夠兼容視頻存儲(chǔ)設(shè)備的特定要求，以便利用當(dāng)時(shí)已有的視頻存取設(shè)備來(lái)存取其中的音頻數(shù)據(jù)。
當(dāng)時(shí)大量存在的視頻存儲(chǔ)設(shè)備主要支持兩種視頻制式，一種是25幀制式（稱為CCIR 625/50，也叫PAL），一種是30幀制式（稱為EIAN 525/60，也叫NTSC）。當(dāng)時(shí)世界上有電視普及的國(guó)家按這兩種制式分為兩個(gè)陣營(yíng)。
首先看30幀（即60場(chǎng)）制式，這種制式的一幀中，可利用來(lái)錄制音頻的視頻行最多能有490行，分到每一場(chǎng)（Field）就有245行。在每一視頻行可以平均存儲(chǔ)3個(gè)音頻采樣點(diǎn)，那么音頻出現(xiàn)的頻率就是60*245*3 = 44100。這就是44.1KHz采樣率的由來(lái)的原因之一。
同樣在25幀（即50場(chǎng)）制式中，最大可利用的行數(shù)是588行，分到每一場(chǎng)有294行，同樣每一行存放3個(gè)音頻采樣點(diǎn)，那么音頻采樣率就是50*294*3 = 44100。
這樣44.1KHz的音頻采樣率可以保證對(duì)兩種視頻制式的最大限度兼容。
原因二：Prime Numbers
還有一種解釋說(shuō)明采用44100Hz的原因是，44100可以分解成2、3、5、7四個(gè)最小連續(xù)質(zhì)數(shù)的平方的乘積。聽起來(lái)有些神秘主義的傾向，作者推測(cè)這些質(zhì)數(shù)因子有助于系統(tǒng)實(shí)現(xiàn)時(shí)的頻率合成。
（神秘?cái)?shù)字44100可分解為質(zhì)數(shù)平方積）
原因三：Symphony No. 9 (Beethoven)
還有一種更為傳奇的說(shuō)法，就是最初的CD設(shè)計(jì)團(tuán)隊(duì)發(fā)現(xiàn)，如果用48KHz的采樣率的話，一張CD放不下74分鐘版的貝多芬第九交響曲。而采用稍小的44.1KHz，則剛好可以放下。作者感覺這種說(shuō)法有點(diǎn)兒太傳奇太浪漫了，信不信由您。
（貝多芬第九交響曲手稿）
好了，看到這里，想必您對(duì)CD為何采用44.1KHz的音頻采樣率已經(jīng)有了一些了解。可以看出，任何一項(xiàng)新技術(shù)的發(fā)明和發(fā)展，都離不開對(duì)已有技術(shù)的依賴、消化和繼承。任何創(chuàng)新都不是憑空從頭腦中誕生的，而是一步一步腳踏實(shí)地的走出來(lái)的。這是作者在這個(gè)問題的探索中獲得的一點(diǎn)點(diǎn)感悟，與諸君分享
