2.1 声场数学表达

2.1 声场数学表达

本节摘要：本节建立全册的符号与度量体系：声压与声压级、正弦信号的三参数表示、幅值谱与相位谱，并用一段数值实验验证"幅值相近、相位相反则残余趋零"。相位谱之所以被单独强调，是因为它唯一决定了两列波相遇时的对冲方向。

上一章用波形图讲了抵消直觉，从本章起符号开始密集起来，这一节的任务是把语言定死：后面所有章节出现的声压记号、分贝数值、相位角，全部沿用本节定义。学完它，你就具备了读任何 ANC 文献的最低词汇量。

声压与分贝：工程师的报价单位

介质静止时的压强是静压，声波经过时叠加在其上的起伏部分叫声压，单位帕斯卡。人耳能感知的声压范围极其宽阔，从两万微帕的听阈到二十帕的痛阈，横跨六个数量级——直接用帕斯卡报价，数字写起来像天文账本，于是行业改用声压级：取被测声压与参考声压之比的常用对数乘以二十，单位分贝。参考声压取二十微帕，恰好是人耳在一千赫兹处的平均听阈。

几组换算建立手感：声压级增加六分贝等于声压幅值翻倍，增加二十分贝等于声压放大十倍；一款耳机把某频段噪声从八十分贝压到五十分贝，意味着该频段的声压被对冲掉了约百分之九十七。日常语境里"降噪三十分贝"说的就是对冲深度，即残余与原始的声压级之差。要留意分贝是比值而不是绝对量，两个声源同时发声时的叠加不是分贝相加，而是声压复数叠加——同相叠加六分贝起跳，随机相位叠加只涨三分贝左右，反相叠加可能不升反降，这正是 ANC 在数学上成立的地方。

正弦波三参数与相位的主角地位

任何信号都可以分解为不同频率正弦分量的和，所以理解单个正弦分量就理解了一切。正弦信号由三个参数完全确定：幅值决定这笔头寸多大，频率决定它多快振荡，相位决定它在观察时刻处于周期的哪个位置。写成复数形式尤其好用：一个复指数携带幅值与相位两个信息，两列同频波叠加时，合成幅值由两个复数的矢量和给出——同相位时相加翻倍，反相位时相减趋零，介于其间时按平行四边形法则合成。

对冲交易里，幅值与相位各管一件事：幅值决定头寸规模，是个"多少"的问题，失配了损失按比例计；相位决定头寸方向，是个"对不对"的问题，错向时头寸越大亏得越多。这个不对称性决定了算法设计的重心——第 3 章会看到自适应算法的误差曲面形状主要由相位决定，工程上"调准相位、微调幅值"是比"两者并重"更接近现实的描述。

图：相位差如何决定叠加结果

动手验证：一段数值实验

概念要过手才算学会。下面这段代码生成一列正弦噪声，构造它的反相信号，叠加后检查残余。可在任何装有常用数值计算库的环境直接运行，无需声学硬件。

import numpy as np

fs = 48000                      # 采样率：每秒采样数
t = np.arange(fs) / fs          # 一秒长的时间轴
f0 = 200.0                      # 噪声频率：二百赫兹，通风管道案例同款

# 初级噪声：幅值 1.0、初相 0.6 弧度的正弦，再加一点观测噪声
p = 1.0 * np.sin(2*np.pi*f0*t + 0.6) + 0.01*np.random.randn(len(t))

# 次级对冲信号：理想情况是幅值相同、相位差 pi
s_ideal = 1.0 * np.sin(2*np.pi*f0*t + 0.6 + np.pi)

# 两种失配下的残余
s_phase_err = 1.0 * np.sin(2*np.pi*f0*t + 0.6 + np.pi - np.deg2rad(5))   # 相位差五度
s_gain_err  = 0.9 * np.sin(2*np.pi*f0*t + 0.6 + np.pi)                   # 幅值差一成

def db(x, ref):                 # 计算相对对冲深度
    return 20*np.log10(np.sqrt(np.mean(x**2)) / np.sqrt(np.mean(ref**2)))

print("理想对冲残余：", round(db(p - s_ideal, p), 1), "dB 量级，受观测噪声地板限制")
print("相位差五度残余：", round(db(p - s_phase_err, p), 1), "dB")
print("幅值差一成残余：", round(db(p - s_gain_err, p), 1), "dB")
​

典型输出：理想对冲的残余被观测噪声地板压在零下四十分贝附近；相位差五度残余约零下二十七分贝；幅值差一成残余约零下二十分贝——与 1.1 节的失配规律完全吻合。把相位误差改成十度、二十度再跑一遍，能看到对冲深度以接近每十度六分贝的速度恶化，直观感受"相位是方向、方向错不得"。

频谱视角：把行情拆成一笔笔单频交易

真实噪声很少是单频，通风机有叶片通过频率及其谐波，发动机有随转速爬升的阶次族，路噪则是宽频的随机过程。处理方式是傅里叶分解：把时域波形投影到频率轴上，得到每个频率的幅值与相位，即幅值谱与相位谱。频谱视角带来两个工程便利。其一，路径的作用在频域里是逐频率的乘法——每个频率独立经历增益与相移，互不串扰（对线性时不变路径而言），于是"对冲一段复杂噪声"被分解为"逐频率对冲一簇正弦"，问题瞬间清晰。其二，不同频段可以区别定价：窄带谐波分量可预测性强、对冲收益高，宽带随机分量可预测性差、只值得小仓位参与，第 4 章窄带架构的全部商业逻辑都建立在这条频谱分工上。

需要建立的一个量化直觉是频率分辨率：观测一秒钟的信号，频谱分辨率就是一赫兹；只观测十毫秒，分辨率劣化到一百赫兹。控制器能"看清"行情的频率细节，受观测窗口长度限制，而观测窗口又受时延预算限制（2.3 节展开）——这是 ANC 里"看得分清"与"来得及时"这对根本矛盾的第一次亮相。

案例展开：配电间噪声的频谱画像

背景。沿用第 1 章配电间风机的场景。工程师进现场的第一件事不是开控制器，而是测一份频谱画像：在值班室误差麦克风位置采集一段噪声，做频谱分析。

操作。采样率取四万八千赫兹，采集六十秒，加窗后计算功率谱。读谱要点三条：先找谱峰，二百赫兹处一根突出谱线及其四百、六百赫兹谐波，是叶片通过频率族；再看裙部，一百到八百赫兹的宽带隆起，是气流紊流噪声；最后看相位可预测性，对二百赫兹谱线计算相邻帧间相位变化的方差，方差小说明这根谱线稳定可预测，宽带裙部的相位则近乎随机。

结果。叶片频率族能量占总声能约百分之五十五，相位帧间方差很小；宽带裙部占约百分之四十；其余为背景噪声地板。据此工程师把系统目标定为"对叶片频率族做深度对冲，对宽带裙部做浅度抑制"，并预测可实现的总体降噪量约十二分贝，事后实测十一分贝，与预测基本一致。

解读。这份画像就是交易台的行情快照：谱线高度是各笔行情的敞口大小，相位方差是各笔行情的可预测性（对应交易里的趋势强度）。预测与实测的吻合说明 ANC 的降噪量可以在动手之前就估算出来——方法是按频段分别估算对冲深度再加权求和，而不是拍脑袋承诺一个总数字。向客户交付降噪承诺时，这是唯一诚实的算法。

变式。若噪声以宽带为主（如高速公路边的庭院场景），频谱画像会显示没有稳定谱峰，此时应把架构预期从前馈窄带切换到反馈宽带、把降噪目标从"深度"改为"体感",具体推演见第 4 章与第 8 章。画像方法本身不变——先看行情，再定策略，是全册反复出现的作业顺序。

⚠️ 常见坑：用总声级评估 ANC 收益。声级计的 A 计权曲线对低频不敏感，会把 ANC 最擅长的低频对冲贡献"称"丢，出现"系统明明在工作、声级计读数没变化"的假故障。评估低频对冲务必看频带谱，不看总声级。

本节要点回顾

• 声压级：对数度量，加六分贝等于声压翻倍；ANC 的"降噪深度"是频带级的差值，不是总声级。
• 相位主角：幅值管头寸规模，相位管头寸方向；相位差五度即吞掉二十多分贝对冲深度。
• 频域分解：线性路径逐频率独立作用，复杂噪声的对冲可分解为逐频率的正弦对冲。
• 分辨率矛盾：观测窗口决定频率分辨率，窗口长度受时延预算约束，看清与及时相互牵制。
• 先画像后下单：频谱画像加相位可预测性分析，能在部署前估算可实现降噪量。

语言体系就位，下一节用它定义本章核心对象——把"声学路径"变成可测量、可建模的传递函数。