为什么需要超出48K的音频采样率，以及PCM到DSD的演进

网上很多观点说，根据采样定理，48K的音频采样率即可无损的表示音频模拟信号（人耳最多可以听到20K的音频），为何还需要96K， 192K等更高的采样率呢？最先我也有这样的疑问，毕竟采样定理是经过数学家证明过的，48K的采样率确实可以无损的表示20K的音频信号，注意是无损，而不是近似！

近日重读《数字音频技术》这本书，豁然开朗了。大家说的没错，采样定理是数学上证明过了的。但是具体到物理的、各种电子设备来实现这个录音过程时，器件本身的各种局限性，决定了48K不能达到理论的音质。

例如，根据采样定理，如果用48K的采样率，那么音频信号就不能超过20K（理论是24K，但为了契合人耳的20K上限，后面统一说20K）。而麦克风或者各种拾音器收集到的模拟信号却包含了很多超出20K的信号。麦克风不是人耳，人耳只能听到最高20K的声音，但是，麦克风的震膜却可以采集到超出20K很多的高频信号。这些超出20K的高频信号必须被过滤掉，否则经过48K的采样率进行采样时，会产生“混叠效应”，因为根据采样定理，48K的采样率最高只能处理20K的信号。

混叠效应，打个比方，当你看高速旋转的风扇、或者车轮时，你会有一种错觉：他们好像在倒着转，这就是混叠效应。在音频系统中，它们会造成非常严重的失真，因为信号采集错了！

因此，电子系统中，必须使用一种滤波器，把麦克风采集到的原始信号中20K以上的高频信号完美的过滤掉，只有这样才能保证符合采样定理。但是这样完美的滤波器只存在数学公式中，现实中要制造这样的滤波器太难了，基本做不到。现实中的滤波器，一方面对于20K以内的信号，并不是完整不变的PASS过去的，而是一条近似水平的波浪线，不同频率点的信号会有不同程度的衰减；另一方面，20K以外的音频信号，并不是说立马就给全部过滤了，它存在一个渐变区域，可能21K， 22K, 23K ... 逐渐给你过滤到0。这样的物理器件，其输出信号，实际上是不完全满足采样定理数学上的严格要求的，因此必然会产生各种各样的噪声。

那么，为了进一步提升音频系统的品质，只有提升采样率了，96K， 192K，也就有他们存在的意义了。

---------------------------------------------------------------------------------------------------------------------------
华丽的分割线

即使提升了采样率，还不够，因为要满足采样定理而制造的滤波器，还是太困难了，因此工程师们想了很多办法。超高采样率就是这样，它使用64倍或者128倍20K的采样率进行采样，这样即使原始模拟信号中存在高频信号，也在采样定理的保证下，被无损的采样，而不会发生混叠效应。这就大大降低了对于滤波器的要求了，而且即使滤波器的截止点存在渐变地带，那也是在很高的频率了，引入的混叠效应也发生在很高的频率点，所引入的噪声远远超出人耳的听觉范围。可以这么理解：过采样系统中仍然有噪声，但是它降低了器件的复杂度，而且它把噪声赶到人耳听觉能力以外了。

超高采样率采集到的数据，包含很多高频信号，但是可以使用数字滤波器进行滤波，数字滤波器可以使用各种算法进行计算优化，傅里叶变换等等，把高频信号过滤掉以后，只保留20K以内的音频信号。根据采样定理，再数字重采样到48K的采样率，输出给后续系统进行处理。

超高采样时，就没有必要使用16位或者24位做AD转换了，只是用6位、或1位即可，这个叫做delta-segma转换。

思路至此， DSD格式的音乐就横空出世了，DSD相对于传统的PCM，就是另外一片天地了。