第一章 公共地基：数字音频与心理声学
文档摘要
第 1 章 · 公共地基：数字音频与心理声学 本章要回答的三个问题：一，一段未经压缩的音频到底占多少比特，这些比特分别买到了什么？二，有损压缩为什么敢丢数据——丢的依据是什么？三，AAC 与 Opus 共用同一套听觉生理学，为什么会在"怎么用这副耳蜗"上分岔？ 为什么会有这一章 直接从编码器参数表学起的人，多半会在两个地方卡住。一是看到"128 kbps 立体声""掩蔽阈值""临界频带"这些词时只能死记，因为缺一层从声波到比特的推导；二是遇到音质问题时无从下手，比如"这段语音为什么发闷"，答案往往不在编码器选项里，而在采样率、量化噪声与人耳频率敏感度的关系里。
第 1 章 · 公共地基：数字音频与心理声学
本章要回答的三个问题：一，一段未经压缩的音频到底占多少比特，这些比特分别买到了什么？二，有损压缩为什么敢丢数据——丢的依据是什么？三，AAC 与 Opus 共用同一套听觉生理学，为什么会在"怎么用这副耳蜗"上分岔？
为什么会有这一章
直接从编码器参数表学起的人，多半会在两个地方卡住。一是看到"128 kbps 立体声""掩蔽阈值""临界频带"这些词时只能死记，因为缺一层从声波到比特的推导；二是遇到音质问题时无从下手，比如"这段语音为什么发闷"，答案往往不在编码器选项里，而在采样率、量化噪声与人耳频率敏感度的关系里。
这一章把 AAC 与 Opus 共同站立的地板铺好：PCM 如何把连续声压变成整数序列、码率账本怎么算、有损压缩的合法性来自哪里、心理声学模型如何把"人耳听不见什么"翻译成"编码器不用传什么"。这些内容在后面每一章都会被反复引用——AAC 的尺度因子、Opus 的频带能量，本质上是同一批概念的不同实现。
读完能解决什么
对照开头的三个问题，本章结束时你应当能够：
- 用采样率乘位深乘声道数，算出任意 PCM 配置的原始码率，并解释 44.1 kHz、48 kHz 两类采样率约定各自来自什么行业背景；
- 区分统计冗余与感知冗余，并指出预测编码与变换编码分别在消除哪一本账；
- 说清绝对听阈、频域掩蔽、时域掩蔽、临界频带四个概念，以及它们如何被换算成量化噪声的分配预算；
- 解读一条掩蔽阈值曲线，判断某段量化噪声会不会被听见；
- 概括 AAC 的显式心理声学路线与 Opus 的加权残差路线在方法论上的差异。
其中最后一条是全册对比主线的第一处伏笔：第 2 章会看到掩蔽阈值如何变成 AAC 的尺度因子与比特分配循环，第 3 章会看到 Opus 如何用感知加权与频带能量绕开整套 FFT 掩蔽计算。
各节怎么分工
| 节 | 回答的问题 | 关键产出 |
|---|---|---|
| 1.1 从声波到比特流 | PCM 链路每一步做什么，码率怎么算 | 码率账本与算例 |
| 1.2 有损压缩的两本账 | 压缩的合法性来自哪里 | 冗余分类框架与率失真视角 |
| 1.3 心理声学模型 | "听不见"如何被计算 | 掩蔽曲线解读方法 |
| 1.4 感知策略的分岔 | 两种编码器怎么用同一副耳蜗 | 方法论对比表 |
全章的概念流可以用一张图串起来：时域采样得到整数序列，变换或预测剥掉统计冗余，心理声学模型决定感知冗余的边界，最后量化器在预算内落子。
注意图中"心理声学分析"这一支：AAC 把它实现成独立的 FFT 掩蔽计算模块，Opus 把它揉进 LPC 加权与频带能量估计——同一格，两种实现，这正是 1.4 节的主题。
先决条件
- 高中物理的波概念（频率、振幅）即可，傅里叶变换不要求先修，用到处会就地解释；
- 会用命令行执行程序，能读懂简单 Python 或 C 代码；
- 建议准备一段 48 kHz 的 WAV 测试音频，1.1 节的算例可以直接复算。
往下走到哪
本章出口是一张"感知策略分岔"的对比图。带着它进入第 2 章，你会看到 AAC 如何把心理声学模型工程化成一条完整的频域流水线：MDCT 变换、窗切换、TNS、尺度因子循环——每一个工具都能在 本章 1.2 与 1.3 的概念里找到对应物。而第 3 章的 Opus 会展示另一条路线：当延迟预算被压到毫秒级时，这套经典心理声学机器是如何被拆掉重造的。