音频开发 / 系统课时
正确换算振幅功率与分贝
正确换算振幅功率与分贝
这节解决音频处理中最容易算错的一组换算:什么时候用 20log10,什么时候用 10log10,以及线性增益与 dBFS 应如何理解。完成后你能直接把线性电平转换成分贝,并避免把“振幅减半”和“功率减半”混成同一件事。
学习目标
- 区分振幅比、功率比和数字满刻度参考 dBFS。
- 正确完成线性值与分贝之间的双向换算。
- 判断 20log10 与 10log10 各自适用的物理量。
先分清振幅比和功率比
分贝描述的是“比值”,不是一个独立的绝对单位。若比较的是电压、声压、数字采样幅度这类振幅量,并且功率与振幅平方成正比,则使用 ;若直接比较功率、能量或均方值,则使用 。
两种公式看起来不同,但物理关系是一致的。振幅减半时,功率变为原来的四分之一,所以两种算法都会得到约 -6.02 dB。真正错误的做法,是把振幅比 0.5 直接代入 10log10,或把功率比 0.25 代入 20log10。
| 已知量 | 换算为 dB | 从 dB 还原 |
|---|---|---|
| 振幅比 | ||
| 功率比 |
dBFS 是带参考点的分贝
数字音频常见的 dBFS 以数字系统的满刻度为参考。若把浮点音频归一化到 -1.0~1.0,并用峰值幅度作为测量量,那么绝对峰值 1.0 对应 0 dBFS,0.5 对应约 -6.02 dBFS,任何正常未削波样本都不会高于 0 dBFS。
RMS 也能换成 dBFS,但必须说明参考定义。若直接把线性 RMS 值 1.0 作为 0 dBFS 参考,则峰值为 1.0 的正弦波 RMS 为 ,约 -3.01 dBFS。部分电平表标准会采用不同校准偏移,因此工程中不要只写“RMS dBFS”而不写清基准。
用代码验证双向换算
下面的 Python 程序同时验证振幅比、功率比、dB 转线性增益和峰值 dBFS。输入都大于 0,因为对数不能接收 0;实际音频程序通常会给 0 加一个很小的下限,避免出现负无穷。
import math
def amplitude_to_db(ratio: float) -> float:
return 20.0 * math.log10(ratio)
def power_to_db(ratio: float) -> float:
return 10.0 * math.log10(ratio)
def db_to_gain(db: float) -> float:
return 10.0 ** (db / 20.0)
def peak_to_dbfs(peak: float) -> float:
return 20.0 * math.log10(peak)
print(f"amplitude 0.5 -> {amplitude_to_db(0.5):.4f} dB")
print(f"power 0.25 -> {power_to_db(0.25):.4f} dB")
print(f"-12 dB -> gain {db_to_gain(-12.0):.6f}")
print(f"peak 0.5 -> {peak_to_dbfs(0.5):.4f} dBFS")预期输出
amplitude 0.5 -> -6.0206 dB
power 0.25 -> -6.0206 dB
-12 dB -> gain 0.251189
peak 0.5 -> -6.0206 dBFS处理零值与超满刻度边界
线性值为 0 时理论结果是负无穷 dB,直接调用 log10(0) 会报错或产生无穷值。实时 DSP 常先执行 max(value, epsilon),例如取 epsilon = 1e-12,再转换为 dB;显示层也可把结果截断到 -120 dBFS 等合理下限。
浮点处理链内部可能暂时出现绝对值大于 1.0 的采样,此时换算结果会高于 0 dBFS。这不一定表示内部计算已经失真,但在最终量化或输出到固定满刻度格式之前必须留出余量并限制峰值,否则就会发生削波。
最可靠的判断顺序是:先确认被比较的是振幅还是功率,再确认参考值是什么,最后才选择 20log10 或 10log10。只要这三个问题明确,线性增益、功率比和 dBFS 就不会混用。