超过48kHz的采样率有意义吗？什么是过采样？

6327503

01

采样率与混叠失真（Aliasing Artifact）

之前我们也写过很多（指两篇图片）关于采样率的文章👉世纪之争：我应该选哪种采样率？👈，但采样率之争并不会因为区区两篇文章而消停下来。


实用党主张任何超过20kHz的声音都没有意义，而“玄学”党认为44100Hz的采样率的精度不足，不够HiFi。而如果你问现在的我会选择什么采样率的话，我会说如果你的条件允许的话，可以采用尽可能高的采样率。



但我的理由并不是44100Hz不够HiFi，而是出于一个叫做混叠失真的东西。




别看混叠失真好像挺高大上的一个词，但事实上所有人都体验过混叠失真，只是你可能不知道那叫混叠失真而已。

音频的混叠失真对于普罗大众来说还是有点难以察觉，但画面的混叠失真却充斥在所有带轮子的大片中。

不知你是否有留意过，电影中高速行驶的汽车明明是向前行驶，但它们的轮子似乎是一会儿往前转动，一会儿往后转动，而这其实就是最常见的混叠失真例子。


那为什么现实中我们并不会有这种感觉，而只有在视频中才能见到混叠失真呢？

倘若你对视频的原理有了解的话，这个问题就很容易回答了。视频其实就是一幅幅画面快速播放而产生的效果，我们将一秒钟包含多少副画面称为视频的帧率（Frames Per Second, FPS）。游戏玩家对这个名词非常熟悉，当帧率低于每秒30帧时，就会体验到明显的卡顿，而早期电影出于各种各样的原因，帧率定格在每秒24帧。即使如今技术已经有了很大程度进步，绝大多数的电影也还依旧保持每秒24帧的标准，以达到所谓的“电影感”。



可以看到，视频与我们如今所使用的数字音频在原理上是有共通之处的，两者其实都是一个采样的过程，只是目标不同而已。

所以既然摄像机拍摄高速转动的车轮会产生混叠失真，那么当音频的频率超过了当前采样率所能承受的上限时，同样也会产生混叠失真。

而音频中的这一上限是如何计算的呢？仅仅只是将采样率除以2，就能得到该采样率下，系统可以记录的最高频率（又称奈奎斯特频率）。比如我们最常用的44100Hz，其理论最高能记录的频率即为22050Hz，刚好可以覆盖人耳的可闻频率范围。


虽然理论上超过22kHz的频率人耳都听不到，但并不意味着它们不会影响到我们。任何超过采样系统上限的频率都会以系统最高频率点为对称中心，混叠到可闻域中，变成人耳可以听到的频率成分。

比如在44100Hz采样率的系统下（上限频率为22050Hz），一个频率为30000Hz的声音经过混叠，会在16100Hz处生成一个“镜像”。这一个“镜像”当然不是我们想要的，之所以我们把混叠失真称之为失真，是因为它会给我们的音频信号引入原本不存在的信息，换句话说就是声音不再保真了（不再HiFi了图片）。


为此，现在市面上所有的声卡都会有一个叫抗混叠滤波器（Anti-aliasing Filter）的部件，其原理就是将输入信号中高于20kHz的频率过滤，然后再让声卡中的转换器进行模数转换，从而避免信号产生混叠失真。



02

过采样（Oversampling）

抗混叠滤波器仅能作用在音频信号进入电脑之前，对于在电脑中进行的数字运算就无能为力了。


而如今越来越多的音乐人选择使用一台电脑就完成所有事情，如何防止数字运算所产生的超高频信号造成的混叠失真变成了各大软件厂商重点解决的问题。

而之所以我在文章开头建议大家在力所能及的情况下使用尽可能高的采样率，是因为采样率越高，混叠失真对信号产生的干扰也就越少。




简单来说，当采样率为48kHz时，任何超过24kHz的频率都会产生混叠失真。而如果我们将采样率提升一倍，变成96kHz，那么只有当频率超过48kHz时，才会产生混叠失真，与此同时我们还有一个20kHz～48kHz的缓冲区，因为这个范围中的频率人耳并不能听到。

省略一下简单的加减乘除运算，当采样率为48kHz时，任何高于28kHz的声音都会对我们听到的声音产生实质性的影响（假设我们所有人听力都非常好，最高能听到20kHz的声音）；而当采样率为96kHz时，频率高于76kHz的声音才会造成可闻的混叠失真。


可以看到，采样率越高，混叠失真产生的人工痕迹就越不明显。但采样率的提升的代价是文件占用空间的增大以及性能的占用。

为了解决这个问题，各大软件效果器厂商纷纷采用了一个叫过采样（Oversampling）的技术。这一项技术可以让你在使用44.1kHz/48kHz这样比较常规的采样率的同时，享受到超高采样率带来的效果。这样做的好处是一方面可以节省硬盘空间，另一方面是可以以更加高的采样率对数字音频进行处理，获得更好的抗混叠效果。


过采样可以说是一项非常好的技术，但可惜的是目前并不是所有软件效果器都有这一项功能，但相信在不久的将来，会有越来越多的厂商给自己的软件加入此功能的，但在此之前倘若你想让软件效果器处理的声音少点混叠失真的话，或许你可以尝试一下使用高一点的采样率。



03

为什么数字削波难以接受？

而绕了一大圈，也是时候该解答一下为什么很多人不喜欢数字削波的声音了。


上一期我们也说过数字削波由于其简单粗暴地将波峰砍平，会给信号产生非常多的高次谐波，而生成的这些高次谐波中自然也存在超过奈奎斯特频率的部分，这些频率自然也会产生混叠失真，最终让声音变奇怪、变得不和谐。也就是说或许在超高采样率的情况下，数字削波也不会那么刺耳，不会那么难以接受。