【原创】何为高保真-深度解析数字音频重放--将更新数模转换

merry_winfly

---将持续更新--可针对流程中的细节进行提问，尽量解答--

音乐重放流程：

以下是常见音频处理的流程。


《1》读取与解压
数字音频回放的流程从读取到大家的耳朵里，共实经历了许多的过程，其中读取过程就有很多种。

CD播放器，音乐数据是在CD上，播放的时候就是通过旋转CD来读取，一般必需按顺序的方式读，俗话讲，过了这村就没这庙，要么就要从头开始这首音乐。
所以CD播放器，很难有太多纠错的能力。如果转盘质量一般，或者CD介质的问题，某一帧或一位数据读错或没有读到，基本上只能扔掉或者将错就错了，而且绝大部分CD机，可能都没有任何效验的能力。

另一种就是我们常说的USB，SD，硬盘等，这些在读取过程中不太容易存在读错的问题，因为系统层面会做效验，而且保证了数据的完全一致性。

但是为何高档CD 声音还是那么好呢，其实这仅仅是数字音频回放的一个方面，因为精心设计的优秀转盘+保存完好的原版CD，在读取中的误码率和抖动其实也是很低的。

再者来说一下解压，说解压前，先说明一下解码
解码真实的原意，是把某些中间介质（处理过的结果），经过一系列还原处理，还原成原始状态的过程。
在数字音频里，解码其实是把数字音频数据（模拟信号经过采样后），还原成模拟声音的过程。
有些时候我们过于狭义，大家常说的解码器，其实就是DAC，核心的功能其实就是数模转换过程。
真正的数字音频解码，远不仅仅是数模转换过程，上图就是解码完整的过程。

再说解压，其实这个在整人数字音频回放过程当中是可选的，对于立体声无损音乐文件来说，WAV不需要解压，APE，FLAC需要解压。
所以CD不需要解压，它就没有这个过程，但是电脑里放APE，FLAC它需要解压，所以它需要较多的计算资源，特别是APE，基于浮点的压缩方式，比FLAC需要的硬件资源要高得多。

所以解压的性能与实时性非常关键，如果实时解压能力跟上不播放的速度，将会导致数据断流，声音断音，如果我们在CD上放被划坏了的CD碟那样难受。
一般来说，达到性能比较容易，例如，能够满足一定时间内对某一上APE文件解行解压，但是实时性一般很难。
举个例子：

24bit, 192khz的母带音乐，每秒需要播放>1MB的解压后数据，一个音乐数据帧（就是唱片公司在采样的时候的采样点），有24bit，每秒需要放 192*1000*2 (双声道）次的帧数据。也就是说，一个帧的播放时间为2.6微秒，一个帧又由24位组成（表示声音的幅度），一个位播放的时间将会低至100ns（纳秒）左右。

如果一个系统是全实时处理，没有任何缓存的话，反应时间必需达到ns级才能达到如此的性能，事实上是很难的。所以无论CD还是CPU方式，一般采取预读取+缓存的方式。

对于无损立体声音乐而言，解压后原始格式都是PCM格式，这也是唱片公司立体声音乐最原始的数字格式。

haha_9

交易区新帖推荐

赶上学习贴

merry_winfly

《2》 合成（1）

说完解压后，就不得不说合成，合成什么呢，其实就是合成i2s协议，这里不得不再认真解释i2s协议了。

说起i2S, DIY过解码器或播放器的烧友或许都清楚，它是连接数字音频与模拟转换的核心协议，几乎业界我们听的CD，数字播放器，没有哪个不用它的。 但说要深究，恐怕了解的同学真不多。

其实如果一个播放器，CD或者DAC，他的I2S输出质量很高，很大的程度上决定了此设备的大部分素质，包括我们常说的信噪比，失真，动态比等等，都与之有最直接的关系。

对于I2S 其实有三种格式，除数据在协议中的对齐格式（左对齐，philips格式，右对齐，也叫日本格式）略有不同外，其它几乎为相同，同时，主流的DAC芯片都支持三种格式。在此，仅为philips格式进行解释，I2S 在音频重放当中的重要性。

I2S 一般主要是数字音频解码输出与数模转换之间的接口，是数字音乐到数模芯片间的音频标准协议。

I2S 协议有三根线：

SD：串行数据，数据从音频处理芯片到数模转换芯片，基于串行流水传输的方式。

SCK：位时钟，一个数据位（bit）就有一个周期时钟作对应（标志为一个位）。

WS：因为在立体声音乐文件当中，左右声道的数据是分开存放的，所以WS就是表示左声道还是右声道的标志位。

从协议当中看出，此协议没有考虑任何的纠错过程，如果数据少了一位，或错了一位，后端数模转换均无法得知。同时后端数模芯片基于位时钟去采集音乐数据，同时基于左右声道标志去判断左右声道的音乐数据信息。

基于上述信息，如果要得到高保真的回放效果：

1）位时钟必需与数据位对准，左右声道标志位必需要与数据对准。一般抖动范围尽量不要超过1/4位时钟周期才不会导致数模转换接收芯片误判断。

2）因为是实时播放，同时协议没有任何容错与纠错措施，所以数据绝对不能错位或丢失，因为一个声道数据（帧）中一位丢失，这个帧要么选择丢失，要么就会造成后端重放的失真，特别是影响声道振幅的最高位数据，如我们音乐中的杂音或噪音一般是由于高位数据错乱造成。

3）通常数模转换和模拟放大，必需包含低通滤波器 （数字滤波器以及模拟滤波器），来对高于可听范围的干扰杂波进行滤除，鉴于高效低失真的滤波器成本昂贵，所以如何优化I2S 输入的低频相位噪声和高频噪声更容易被滤除成为了后端系统效果的极其重要因素。

4）还有合成i2s 中的主时钟来源尽量与数模转换芯片主时钟相位一致，这样也能较大的提高数模转换在采集i2s 的输入数据时的准确性。

merry_winfly

合成，简单而言就是合成I2S，从上面清楚，I2S在音频重放当中的核心重要性，无论国内音频设计者还是使用者，很难有直接设计带i2s输出芯片的机会，更多的是芯片使用者的角色。

然而，作为影响数字音频重放的核心，务必有必要讲一下合成的原理以及不同的合成方法对声音影响的重要性。

对于某一固定音乐格式（如CD音乐格式，16bit,44.1khz），它的合成原理如下：



1）原始音频数据:
     其实就是PCM格式的数据，这要求在音频合成的时候需要完全连续，满足合成的速率，并且完全没有错误。
2）时钟，这个时钟一般与数模转换芯片（D/A芯片）的主时钟一致(即共享时钟），如上所讲，一致的主时钟，将较大的提高D/A芯片读取i2s数据的准确性，通常为512fs,384fs,256fs (fs为采样频率，即44.1khz). 不同的时钟供应，对音频合成影响重大，一是时钟的精度，再者是相位噪声。512fs (CD 音乐）的主时钟要求是 22.5792MHZ，虽然任何重放设备都无法达到标准时钟，但在保证精度范围内的时钟是必需要的。如果精度不够或者偏差太大，将会导致DAC无法锁定频率或者声音略快或略慢的问题。然而最重要的是相位噪声，非常通俗的理解就是真实时钟信号与噪声的比值。相位噪声越好，时钟信号就越干净，也就说越容易识别。然后时钟的影响还远不止这些，差的相位噪声时钟，会把噪声带入到I2S时钟信息当中，会带入到模拟放大当中，特别是在在可听范围内的干扰，几乎很难被滤除。这就是为什么，大家在看晶振的时候，更多的是看20khz以下相位噪声的原因。

merry_winfly

《2》 合成（2）
说了合成的两个输入条件时，大家其实可以清楚的了解，音乐数据供应的稳定性以及时钟输出相们噪声对合成至关重要。
然而更重要的是时钟与数据合成的稳定性。

从i2s协议中可以了解，好的i2s协议，不仅要求输出i2s协议极低的相位噪声，而且要求i2s三根线之间的延时低至10ns以下为佳，更高的要求就是保证位时钟与主时钟尽量一致的相位。这就要求必需要一个稳定，极低抖动，高效的全硬件合成方式。

《3》数字传输
接下面楼下朋友询问，现在机器的数字输出为何不用i2s呢？

i2s 三根线的频率不同，加上主时钟那根线区别更大，在同等距离的情况下，频率越高，信息衰减越快，如主时钟的线一般5cm之内为佳。所以i2s在没有特别处理的情况下（如差分），不适合超出一个播放器设备进行传输的。所以一般将i2s 调制spdif  信号，再用光纤，同轴，或BNC方式，进行较和距离的传输，然后接收芯片再把spdif信号解调成i2s信号供应给解码（数模转换）。
在调制与解调过程中，涉及数据与时钟的合成，以及时钟的重新生成等技术，加上传输介质以及调制与解调芯片的性能与成本控制等原因，与原生i2s直传效果相比，仍然有较大的差距，但是方便性以及实用性更佳。

关于数字传输的情况，我这里再详解一下。

首先，必需得讲一下差分（LVDS）信号：

差分传输是一种信号传输的技术，区别于传统的一根信号线一根地线的做法，差分传输

在这两根线上都传输信号，这两个信号的振帐相同，相位相反。在这两根线上的传输的信号就是差分信号

它相对于单端来说，优点如下：
1、抗干扰能力强。干扰噪声一般会等值、同时的被加载到两根信号线上，而其差值为0，即，噪声对信号的逻辑意义不产生影响。

　　2、能有效抑制电磁干扰（EMI）。由于两根线靠得很近且信号幅值相等，这两根线与地线之间的耦合电磁场的幅值也相等，同时他们的信号极性相反，其电磁场将相互抵消。因此对外界的电磁干扰也小。

　　3、时序定位准确。差分信号的接受端是两根线上的信号幅值之差发生正负跳变的点，作为判断逻辑0/1跳变的点的。而普通单端信号以阈值电压作为信号逻辑0/1的跳变点，受阈值电压与信号幅值电压之比的影响较大，不适合低幅度的信号。

缺点就不用多说了，多了一根线，而且对布线有一定的要求。


数字音频传输，总的来说有以下几类（据个人了解, 有可能不全）：
Spdif：大家了解的最直接的就是，莲花头，BNC头，和光纤了，这都属于这一类，spdif因为电压幅度以及功率等原因，使得不太适长距离传输，一般在一个房间范围内较大。不同的介质以及屏蔽措施对信号是有较大影响的。发CD音乐格式（16bit,44.1khz) spdif 格式的频率为2.8224MHZ, 不同的接触头，线，对信号的影响是不一样的，这也是为什么烧友们，换同轴线对声音影响较大。其中主要原因就是阻抗，衰减程序与屏蔽三者相互影响，导致达到接收端的波形与原始发送的波形存在偏差，而导致声音的不同。spdif 传输要求75欧的阻抗匹配，过高或过低均对信号的传输稳定性有较大的影响，特别是spdif发送端发送功率有限的情况下。
AES：这个协议主要用在专业音频领域，适合非常长距离的传输，如几百米以上，采用较高压差的差分传输方式，拥有极佳的抗干扰性，以及传输的稳定性。收发头是三线方式，如同BNC头一样（但有阻抗匹配要求）。
I2S: 这个之前讲过，基本只能适用于一个机器内的连接，但也有长距离传输的变种。
其它变种： 我归纳变种主要有三种，主要是因为差分传输的广泛应用，也带来了音频数字传输的发展。
1）spdif 差分传输： 这种方式弥补了普通spdif信号抗干扰能力弱，传输距离短的缺点，采用类似AES的方式。
2）类spdif 差分传输： spdif 编码是BMC编码，类spdif其实就是跟spdif调制的原理差不多，但又不想与spdif标准兼容，而自创的一种协议，同样利用差分传输的方式。
3）I2S 差分传输：我前面提到，i2s要远距离传输，必需要差分传输，事实上业界有很多协议就是这样做的，通过差分i2s信号实现各种重放设备间高速传输i2s信号，而无需调制与解调的过程，缺点就是差分后，线较多，至少六根，加上主时钟，至少8根线。

《4》spdif 调制
为了更加的通俗易懂，这里不再讲spdif协议细节，更多的是从电气规格以及音质影响的角度去分析spdif调制的重要性。
spdif在iec-60958中有三种传输方式，平衡差分传输，阻抗110欧，光纤传输，BNC，RCA传输，75欧。
首先说一下，阻抗匹配的重要性。首先说明的是，我们这里所说的信号，都是交流信号，交流信号的阻抗与直流的电阻应该明显区分。举一个简单的例子，一根20cm电阻几乎为0欧的导线，如果用一个频率为22MHZ的时钟接上其中的一端，你用示波器在两端量他的电压，你会现，电压幅振差别区大，远离时钟的一端，电压幅值远低于原始输出。原因是什么，就是这根0欧电阻的导线对时钟信号造成极大阻抗，如果经过20cm的导线接到器件上，有可能器件无法工作。这就是阻抗匹配的重要性。我们spdif信号的频率从大约2MHZ～12MHZ不等，电平<1v，这对插头，同轴线要求较高，特别是工作在192khz时，spdif频率较高，信号衰减较快，如果阻抗过大，可能造成波形的严重失真，抖动巨大，同时会造成接收端的误断。所以在用同轴线以及插头时，BNC阻抗一般都是比较标准（75欧），而AV用的RCA仅为23欧左右，有可能造在信号在传输过程当中失真较大，非标的同轴线与接头，也是非常关键，一定要合格的产品。
还有一点就是驱动功率以及传输方式：通常如果spdif驱动电流过小，也会导致信号衰减过快，这个也与之前的阻抗匹配相关。在一固定阻抗的传输线路中，如果驱动电流越大，当然传输的越远，变形越小。其实还有一种就是低压差分方式传输，这种就只需要低功率就能完成较好的抗干扰以及传输效果。这里不展过细讲，如果有兴趣，可以针对提问。
还有就是合成的稳定性也是非常关键，如果是i2s+mclock输入作为合成条件，那只要求合成硬件的运行稳定性即可（稳定是指合成时的抖动，一般需ps级为佳，当然i2s的质量也是非常关键）。但是电源与相位噪声非常关键，如二级稳压以及信噪比低于-110db (1khz) 将对合成后的相噪起决定性的作用。

《5》spdif 解调


解调过程基本如图，但是其中任何一步都对声音影响甚大，但最终影响来说还是波形的影响，还有其中还有一个不为人知的，就是对一定的波形有滤除能力。

正所周知，我们所知的方波（spdif就是方波），其实都是由各种不同频率的正弦波叠加而成。所以接收端的任何措施都会对波形有较大的影响，同时我们也清楚，spdif的干扰其实会带入到模拟放大当中，所以对spdif的任何处理都会导致声音的直接变化。

1：1隔离变压器，主要是去直流功能，但是隔离变压器的频率响应区以及转换速度是隔离变压器的最重要的指标。 2MHZ~12MHZ 之间，所以这一频率区间频响是至关重要。如果用电容隔直，那电容在这个频率区间损耗等参数也是致关重要，所以大家在选择器件时，需严格查看变太器以及电容损耗信息。
整形其实是比较关键的，虽然不能说是劣质spdif信号的救命稻草，但是也算是能够想办法换救spdif信号失真的方法之一。但spdif也不是必需，只是优化的一环。
spdif芯片才是核心的关键，他是唯一采集spdif，并输出高质量的i2s+mclock的芯片，常见有 wm8805, dir9001等。
这以dir9001接收芯片为例：


简单的讲spdif接收（也就是同轴接收）芯片的主要作用就是把spdif 恢复在i2s。 众所周知spdif 在传输过程中会遭到较大的破坏（如占空比不等，毛刺非常多），如果稳定的恢复成i2s成为衡量 接收芯片的质量。
这样，其实也可以从衡量输出i2s的质量来衡量接收芯片的质量（当然如果spdif输出就有误，就不属于 spdif能处理的范围）。
1.相位噪声：这里面影响相位噪声的就是电源以及PLL，其实相位噪声在时域上的表示就是抖动（两个基本是同一个概念），一般而言，数字电路，在20khz以下拥有好的相噪，是整个系统的高素质的核心表现。
2. 误码率和时钟准确性：dir9001因内置一个OSC（有源晶振），为使用者提供了一个低成本的方案。但是因成本控制，如spdif在dir9001中没有进行整形，缓冲，PLL以及OSC也并不是一个高指标的器件，所以注定dir9001很难达到一个很高水准的i2s质量。

虽然dir9001号称是50ps抖动，其实那是一个均方根的结果（RMS ), 而且50ps是最好数据（512fs）下的均方根值，所以如果按随机测量一次结果的话，可能达几百ps甚至ns级的抖动。

merry_winfly

交易区新帖推荐

《6》数模转换  
《7》数字滤波器
《7.1》原理与过程    
《7.2》升频的作用  
《8》模拟低通滤波(LPF)

merry_winfly

haha_9 发表于 2012-6-8 14:37
赶上学习贴

一起交流，同时谢谢版主加亮。

[s:30]

老浦东

I2S只是个工具，专业人员很容易处理好，和声音好坏没啥关系的。[s:97][s:97][s:97]

merry_winfly

老浦东 发表于 2012-6-8 21:32
I2S只是个工具，专业人员很容易处理好，和声音好坏没啥关系的。

i2s与声音好坏没有关系，如同说所有的数字转盘输出质量都一样，{:soso_e113:}，因为数字转盘，首先输出i2s，然后再用芯片合成同轴或AES的。

i2s是音频数字输出的行业标准接口，如果说i2s是工具，我还是不便回答较好。

目前，国内绝大多都是使用i2s专业技术人员，是无法左右i2s合成的。

说明白的点，就是一个i2s的使用者，能做的就是后端DAC处理。

其实不同的i2s合成方式，对i2s的质量影响重大。

可见后续更新。

欢欢乐乐

请教楼主，msb的network或金嗓子的数字接口与i2s的区别？为何他们不直接用i2s？

merry_winfly

欢欢乐乐 发表于 2012-6-8 22:16
请教楼主，msb的network或金嗓子的数字接口与i2s的区别？为何他们不直接用i2s？

I2S一般不适合长距离传输（只能适合同一机器内的距离），除非用差分传输，加上主时钟这跟线的话，差分传输的话，要8根线，线太多了，而且成本较高。
一般是用BMC编码调制成spdif 或 AES方式，spdif就是我们常见的光纤，同轴，BNC方式。

然后接收芯片，再接收spdif，解调成i2s的，虽然效果肯定不如直接i2s好，但也是一种基于成本与方便性的妥协。

AES是专业用的，差分，高电平传输，是为了几百米长距离的传输而设计的，家用的不多。

老浦东

merry_winfly 发表于 2012-6-8 21:38
i2s与声音好坏没有关系，如同说所有的数字转盘输出质量都一样，，因为数字转盘，首先输出 ...

先顶一下很专业的楼主！！！

“I2S只是个工具，专业人员很容易处理好，和声音好坏没啥关系的。”---这是老浦东的原话，意思就和楼主后面说的“目前，国内绝大多都是使用i2s专业技术人员，是无法左右i2s合成的。

说明白的点，就是一个i2s的使用者，能做的就是后端DAC处理。”一样道理。

而“其实不同的i2s合成方式，对i2s的质量影响重大。”那是肯定的，但对一般人来说就太专业、太难了。

欢欢乐乐

merry_winfly 发表于 2012-6-8 23:31
I2S一般不适合长距离传输（只能适合同一机器内的距离），除非用差分传输，加上主时钟这跟线的话，差分传 ...

先了解msb和金嗓子的数字接口再说，科普知识我已经有了。

普兰

感谢楼主深入浅出的好帖！

对于数字音频文件的播放，由于我所学非通信专业，对音频模数、数模转换中，主要影响最后音质的机理是模糊的；对I2s、spdif 、AES、网络通信、蓝牙通信、USB、火线等接口传输的影响；对音频文件中的时间码、DA转换的内外时钟的作用；对播放器软件对音质的影响等问题，我有好多理解是似是而非的。

非常渴望楼主分头形象化的给大家耐心讲解分析，功德无限也！

duben

期待楼主写得更详细些