第五篇 · 第11章
第11.1節 PCM 編碼與數位化：16-bit 量化位元與訊號雜訊比（SNR）的數學計算#
從連續到離散：聲音的「數位化」誕生#
脈衝編碼調變（Pulse Code Modulation, PCM）的概念早在 1937 年就由英國工程師亞歷克·里夫斯（Alec Reeves）在法國的國際電話實驗室提出：將連續的類比波形，每隔固定時間取一個樣本，再把每個樣本的振幅用有限位元的二進位數字表示。然而在真空管與繼電器的年代，PCM 只是紙上談兵——把一段音樂變成幾十萬個數字需要龐大的運算與儲存。真正讓 PCM 走出實驗室的，是電晶體與積體電路的成熟。
1979 年，荷蘭飛利浦（Philips）與日本新力（Sony）簽署合作協議，共同制定「數位音訊光碟」的規格。飛利浦貢獻的是光學讀取與碟片製程（其前身正是商用失敗的光學影碟 LaserDisc），Sony 貢獻的是 PCM 轉換器與糾錯技術。1982 年 8 月 17 日，世界第一張 CD 與播放機在德國漢諾威的飛利浦工廠下線上市，首片量產專輯是 ABBA 的《The Visitors》。此後雙方在 1980 年共同提交給國際電工委員會（IEC）的規格書，因封面為紅色而被稱為「紅皮書」（Red Book）。
44.1 kHz 與 16-bit 的由來#
奈奎斯特取樣定理指出，取樣頻率必須大於訊號最高頻率的兩倍。人耳聽覺上限約 20 kHz，理論上 40 kHz 即可，但工程上必須在取樣率與濾波器之間留出「過渡帶」給陡峭的抗混疊濾波器。44.1 kHz 的選擇其實帶著錄影帶時代的印記：早期數位錄音以 U-matic 影像錄影機儲存 PCM 資料，NTSC 規格每條水平線可放 3 個樣本、每條有效線 245 條、每秒 29.97 張畫面、兩場交錯，\(3 \times 245 \times 2 \times 29.97 \approx 44{,}056\)；PAL 規格則為 \(3 \times 294 \times 2 \times 25 = 44{,}100\)。取兩者相容的下限 44,100 Hz，這個「影視聯姻」的數字就此寫進紅皮書。
位元深度決定量化雜訊。16-bit 意味著每個樣本有 \(2^{16} = 65{,}536\) 階。理論上，滿擺幅正弦波對均勻量化的訊號雜訊比（SNR）為：
代入 \(n=16\)，得 \(6.02 \times 16 + 1.76 \approx 98.1\) dB。這是一個優雅的工程法則：每增加一個位元，動態範圍提升約 6 dB，相當於聽覺上「音量加倍」的感受門檻。相較之下，優質的類比盤式磁帶動態範圍僅約 60–70 dB，CD 的 98 dB 讓「背景全黑、音樂從寂靜中浮現」成為可能。CD 的總資料率為 \(44{,}100 \times 16 \times 2 = 1{,}411.2\) kbps（立體聲兩聲道），這正是日後 MP3 壓縮（128 kbps）聲稱「1:11 壓縮比」的基準線。
硬體中的數學：過取樣與雜訊整形#
第一代 CD 播放機面臨一個難題：44.1 kHz 取樣後，20 kHz 音頻與 24.1 kHz 鏡像頻率之間只隔 4 kHz，需要 10 階以上的陡峭類比濾波器，造成相位失真與成本高昂。工程師的解法是把數學搬到數位端：先以 4 倍或 8 倍「過取樣」（oversampling）內插，把鏡像推到 176.4 kHz 以上，再用簡單的三階類比濾波器即可。更進一步的 1-bit DAC（如飛利浦的位元流技術，Bitstream）採用 \(\Sigma\Delta\) 調變，以極高取樣率換取位元深度，並用「雜訊整形」（noise shaping）把量化雜訊推到人耳不敏感的高頻段——這是心理聲學在數位濾波器中的第一次實戰應用。
前因後果：從影碟失敗到紅皮書霸權#
飛利浦 1972 年展示的 LaserDisc（早期稱 VLP）雖在影像品質上領先 VHS，但因碟片昂貴、無法錄製而商業失敗。然而這場失敗累積了關鍵資產：光學讀取頭、精密伺服控制、碟片量產技術。工程師意識到：同樣的光學系統若只放音樂，資料量只需百分之一，良率與成本問題迎刃而解。CD 的成功又反過來餵養了個人電腦產業——1985 年 CD-ROM 黃皮書、1995 年 DVD，形成「影碟→CD→CD-ROM→DVD」的光學儲存譜系。Sony 與飛利浦在 DVD 世代則與東芝、松下組成專利聯盟，收取每台播放機數美元的授權金，「專利池」成為光學碟片時代的隱形商業模式。
| 載體 | 取樣率 | 位元深度 | 聲道 | 資料率 |
|---|---|---|---|---|
| 電話（PCM A-law） | 8 kHz | 8-bit | 1 | 64 kbps |
| CD（紅皮書） | 44.1 kHz | 16-bit | 2 | 1,411 kbps |
| DAT | 48 kHz | 16-bit | 2 | 1,536 kbps |
| DVD-Audio | 96 kHz | 24-bit | 2 | 4,608 kbps |
| SACD（1-bit） | 2.8224 MHz | 1-bit | 2 | 2,822 kbps |
延伸思考#
- SNR 公式 \(6.02n+1.76\) 假設量化誤差與訊號無關（白雜訊），但在低電平訊號下誤差會與訊號相關產生「量化失真」，這正是 dither（抖動）雜訊被刻意加入的原因——用雜訊換取線性。
- 44.1 kHz 至今仍是串流音樂的母帶基準，但高解析音訊（96 kHz/24-bit）的聽感差異始終缺乏嚴格雙盲證據：工程餘裕與行銷需求的界線在哪裡？
- \(\Sigma\Delta\) 調變把「更多位元」換成「更快取樣」，這種「以時間換解析度」的思路如何在下一章的雜訊整形 DAC 中延伸到 DSD 與現代音訊晶片？