音频开发 / 系统课时
用重采样适配不同采样率
用重采样适配不同采样率
重采样解决的是“同一段声音必须以另一套采样时钟表示”的问题。真正的难点不在增删样本,而在变速前后满足新的奈奎斯特边界,避免高频折叠成不存在的低频。本节用一个可运行实验对比错误降采样与“低通后降采样”的差异。
学习目标
- 能根据输入、输出采样率写出速率比,并判断升采样、降采样或有理数重采样。
- 理解插值、抗混叠低通和抽取在重采样链路中的职责。
- 能识别设备、编解码器与网络边界中必须转换采样率的场景。
直接丢样本为什么会产生伪影
从 48 kHz 降到 16 kHz 时,输出系统只能无歧义表示 8 kHz 以下的频率。若输入里仍存在 18 kHz 成分,简单地每 3 个样本取 1 个不会把它“删除”,而会把它折叠到 2 kHz 附近,听起来像凭空出现的新音调,这就是混叠。

因此,降采样时最关键的步骤不是抽取,而是先限制带宽。只要输入频率超过输出采样率的一半,就必须在速率降低前由抗混叠低通把这些成分压下去。
把速率比拆成插值、滤波和抽取
若输入采样率为 fs_in,输出采样率为 fs_out,可以把比例约成 。工程上的有理数重采样通常可理解为三个动作:先按 L 倍扩展时间网格,再通过低通重建中间样本,最后每 M 点抽取到目标速率。
升采样同样需要滤波。插入的新时间位置不能靠“复制旧样本”长期代替,实际转换器会使用线性、三次插值或多相 FIR 等方法估计波形;质量越高,通常计算量和滤波器延迟也越大。
用实验看见错误降采样
下面只使用 Python 标准库生成 1 kHz 与 18 kHz 的混合信号。错误路径直接每 3 点取 1 点;正确路径先用窗函数 FIR 低通把 8 kHz 以上成分压低,再抽取。为了让结果稳定,程序只比较理论上最值得关注的 1 kHz 与 2 kHz 两个候选频率。
import math
def fir_lowpass(samples, cutoff_hz, fs, taps=129):
fc = cutoff_hz / fs
mid = (taps - 1) / 2
coeffs = []
for n in range(taps):
k = n - mid
sinc = 2 * fc if k == 0 else math.sin(2 * math.pi * fc * k) / (math.pi * k)
window = 0.54 - 0.46 * math.cos(2 * math.pi * n / (taps - 1))
coeffs.append(sinc * window)
scale = sum(coeffs)
coeffs = [c / scale for c in coeffs]
output = []
for i in range(len(samples)):
acc = 0.0
for tap, c in enumerate(coeffs):
j = i - tap
if j >= 0:
acc += c * samples[j]
output.append(acc)
return output
def tone_strength(samples, fs, freq):
re = 0.0
im = 0.0
for i, value in enumerate(samples):
angle = 2 * math.pi * freq * i / fs
re += value * math.cos(angle)
im -= value * math.sin(angle)
return math.hypot(re, im)
def dominant_candidate(samples, fs, candidates):
return max(candidates, key=lambda f: tone_strength(samples, fs, f))
fs_in = 48_000
fs_out = 16_000
duration_s = 0.05
count = int(fs_in * duration_s)
signal = [
0.4 * math.sin(2 * math.pi * 1_000 * i / fs_in)
+ 1.0 * math.sin(2 * math.pi * 18_000 * i / fs_in)
for i in range(count)
]
naive = signal[::3]
filtered = fir_lowpass(signal, cutoff_hz=7_000, fs=fs_in)
safe = filtered[::3]
print(f"输入样本数: {len(signal)}")
print(f"输出样本数: {len(naive)}")
print(f"错误降采样主频候选: {dominant_candidate(naive, fs_out, [1_000, 2_000])} Hz")
print(f"抗混叠后主频候选: {dominant_candidate(safe, fs_out, [1_000, 2_000])} Hz")预期输出:
输入样本数: 2400
输出样本数: 800
错误降采样主频候选: 2000 Hz
抗混叠后主频候选: 1000 Hz18 kHz 在 16 kHz 采样域里无法被原样表示,错误抽取后折叠成 2 kHz;先低通后,1 kHz 成为主要保留成分。真实库通常会用更高效的多相实现,但判断链路正确性的原则完全相同。
在系统边界判断是否必须转换
必须重采样的典型情况包括:录音设备固定输出 48 kHz,而语音模型只接收 16 kHz;解码器输出 44.1 kHz,而播放设备工作在 48 kHz;混音器要求所有输入统一到同一采样率;网络协议或编解码器规定了固定时钟。
选择转换位置时,优先把重采样放在边界明确且只做一次的地方。不要在多个模块之间来回 44.1 kHz、48 kHz、16 kHz 转换,因为每次转换都会增加计算量、滤波延迟和数值误差。实时链路还要同时确认块大小、滤波器群延迟与时钟漂移策略,而不能只看最终采样率是否对得上。