---

音频信号中的正负值与 dBFS：深入解析数字音频的“音量”度量

你是否曾好奇，为什么在数字音频软件里看到的dBFS是负数？为什么单位是dBFS而不是dB？当听到“0 dBFS 是最大值时，是不是感觉有点奇怪？

---

1. 音频信号的本质：声波的疏密与数字采样

当你对着麦克风说话时，你的声音本质是声波，即空气分子的周期性疏密振动。这种振动会在介质中产生局部的压强变化——高于正常大气压的**“密部”（压缩）和低于正常大气压的“疏部”（膨胀）**。

• 声电转换： 当声波的密部（高压）抵达麦克风时，会对振膜施加一个向前的推力，使其向一个方向位移。麦克风将这种机械位移转化为正电压的电信号。
• 压强变化与电信号： 相反，当声波的疏部（低压）抵达麦克风时，会对其施加一个向后的拉力（相对周围正常大气压），使其向相反方向位移。此时，麦克风产生负电压的电信号。

因此，你在数字音频文件中看到的那些正负值，正是对这种随时间变化的电压波形（或其数字表示）的离散采样。它们忠实地记录了声波在每个瞬间的振动状态——方向和强度。

这些正负采样值本身并不直接等同于我们感知的“音量”。音量或响度更多地与这些波动的幅度（即波形的最高点或最低点离零点的距离，无论正负）以及声波所携带的能量有关。一个振幅在 +500 和 -500 之间波动的信号，通常会比一个在 +50 和 -50 之间小幅波动的信号听起来更响亮。

---

2. 为何需要 dBFS 这个相对标尺？

原始的采样值（例如，16 位系统中从 -32768 到 +32767）直接反映了信号的瞬时幅度，但它们并不能直观地告诉我们信号距离数字系统能处理的“最大音量”有多远。由于不同的音频设备和系统所能表现的“最大音量”能力各不相同（例如，高功率音响能发出远超普通耳机的声压级），使用一个绝对的数值来衡量音量是不合适的。这就是 dBFS（Decibels relative to Full Scale）诞生的根本原因。

数字系统的“天花板”：满刻度 (Full Scale, FS)

每个数字音频系统都有一个它能表示的绝对最大信号幅度，这被称为满刻度 (Full Scale, FS)。这是系统在不引起失真的情况下所能处理的最高电平。

• 对于定点整数系统（如 CD 音质的 16 位 PCM），满刻度对应于最大的正负整数值（例如，16 位有符号整数是 $2^{15}-1=32767$ 和 $-2^{15}=-32768$）。
• 对于浮点系统（现代音频处理中常见），满刻度通常被标准化为 $\pm 1.0$。

任何试图超过这个“天花板”的信号都会被“削平”，即发生削波 (Clipping)。削波会导致信号波形被硬性截断，引入大量非线性谐波，从而产生严重且通常刺耳的失真。

dBFS 的引入：一个标准化、相对的“电平参照”

为了有效管理数字音频电平并避免削波，dBFS (Decibels relative to Full Scale) 应运而生。

• Decibels (dB)： 分贝是一个对数单位，用于表示两个值之间的比例关系。它非常适合描述声音强度，因为人耳对声音响度的感知也是近似对数式的。这意味着，响度增加一倍，我们感知到的可能只是“响了一些”，而不是“两倍响”。使用分贝可以将非常大的数值范围压缩到一个更易于管理的区间。
• relative to Full Scale (FS)： 这是关键！dBFS 的**“0 点”并非绝对静音**，而是数字系统所能处理的最大信号电平 (Full Scale)。

因此，0 dBFS 代表信号已达到系统的峰值能力，是数字领域最高的非失真电平。所有其他电平都相对于这个“天花板”进行衡量，所以 dBFS 是一个相对的、标准化的度量单位。

---

3. 为什么 dBFS 值通常是负数？

理解了 **0 dBFS 是数字系统的“天花板”**后，就很容易明白为什么我们看到的 dBFS 值大多是负数了。

dBFS 的计算公式：

$$dBFS=20\cdot {\log }_{10}\left(\frac{\text{Signal Amplitude}}{\text{Maximum Possible Amplitude (Full Scale)}}\right)$$

• 如果当前信号的幅度 (Signal Amplitude) 小于 系统最大可能幅度 (Full Scale)，那么分数 $\frac{\text{Signal Amplitude}}{\text{Maximum Possible Amplitude (Full Scale)}}$ 的值就会小于 1 (但大于 0)。
• 任何大于 0 且小于 1 的数值，其以 10 为底的对数 (${\log }_{10}$) 结果都是负数。例如，${\log }_{10}(0.5)\approx -0.301$，${\log }_{10}(0.1)=-1$。

因此：

• 当信号电平恰好达到满刻度时，$\frac{\text{Signal Amplitude}}{\text{Maximum Possible Amplitude (Full Scale)}}=1$，${\log }_{10}(1)=0$，所以是 0 dBFS。
• 当信号电平低于满刻度时，其 dBFS 值必然为负数。例如我们要达到50%的最大音量，里面就是log(1/2)，值为-0.3：
• 
  再乘以20，我们就得到了一个我们常用的超参数-6dBFS

$20\ast -0.3=-6$

• 即信号幅度为满刻度的一半 (0.5)，大约是 -6 dBFS。
• 同理，信号幅度为满刻度的十分之一 (0.1)，是 -20 dBFS

$20\cdot {\log }_{10}(0.1)=20\cdot (-1)=-20$。

• 理论上的数字静音（信号幅度为 0），${\log }_{10}(0)$ 趋近于负无穷大 ($-\infty$)，所以是 $-\infty$ dBFS。

---

4. dBFS 的核心作用与重要性

dBFS 在数字音频工作流程中扮演着至关重要的角色：

• 避免削波 (Clipping Prevention)： 这是 dBFS 最首要和最重要的用途。音频工程师通过观察电平表上的 dBFS 值，确保信号峰值（通常的目标是比如 -6 dBFS 到 -18 dBFS，具体取决于应用场景和后续处理）远低于 0 dBFS，从而留出足够的**“动态余量”或“顶峰空间” (Headroom)**。这能有效防止意外的峰值导致削波失真。
• 标准化电平参考： 在数字音频工作流程中，dBFS 提供了一个通用的标准来讨论和设置电平。无论你使用的是 Pro Tools、Logic Pro、Cubase、Audacity 还是 Pydub，-12 dBFS 的含义（相对于该系统的满刻度）是相同的。这种标准化使得不同平台和软件之间的协作更为顺畅。
• 优化信噪比 (Signal-to-Noise Ratio)： 虽然要避免削波，但信号电平也不能过低。如果信号太弱（例如 -60 dBFS），那么数字系统固有的本底噪声（如量化噪声）相对于有用信号就会更明显，导致信噪比不佳。dBFS 帮助工程师在“过响”（削波）和“过静”（噪声明显）之间找到一个理想的平衡点。
• 混音与母带处理的指导： 在多轨混音时，工程师会参照 dBFS 来平衡各个音轨的响度，并确保总输出（Master Output）不会超过 0 dBFS。在母带处理阶段，母带工程师也会精确控制最终成品的 dBFS 电平，以符合不同发行平台（如 CD、流媒体服务）的响度标准，例如 LUFS 响度标准通常会指定一个目标 dBFS 值。

---

5. dBFS 与原始采样值的关系

原始的采样值（正负数）是波形在时间轴上的直接描绘，它们反映了信号的瞬时电压。

而 dBFS 值则是对这些采样值（的峰值或 RMS 值）与系统最大容量之间关系的一种对数度量。它提供了一个关于**“响度”或“电平强度”的标准化视角。例如，Pydub 中的 .dBFS 属性就是计算了整个音频片段的平均有效值 (RMS)** 相对于满刻度的分贝值，而 .max_dBFS 则是音频片段中峰值采样点相对于满刻度的分贝值。

---

6. 总结与关键点回顾

音频信号的正负值记录了声波的振动方向，其幅度则反映了强度。由于数字系统存在最大可表示的“天花板”（Full Scale），以及不同音频设备所能表现的绝对音量差异，所以音频文件使用 dBFS作为音量的指标。

核心要点：

• 正负采样值： 记录声波的瞬时方向（密部或疏部）与强度。
• 0 dBFS： 数字音频系统的绝对上限，任何超过 0 dBFS 的信号都会导致削波失真。
• 负数 dBFS： 表示信号电平低于系统最大容量，负数值越大（如 -20 dBFS 比 -6 dBFS 更大），表示信号越弱。
• 重要性： dBFS 是数字音频的“罗盘”，用于防止削波、标准化电平、优化信噪比，并在专业音频制作中提供关键指导。

写得还是有点乱，后面读者多的话，我再优化一下