1. 为什么我们需要信源编码想象一下你正在用手机录制一段海浪声。麦克风捕捉到的声音是连续的声波这种连续的信号就是我们常说的模拟信号。但手机存储和传输的却是0和1组成的数字信号。这个从连续到离散的转换过程就是信源编码的核心任务。我刚开始学通信原理时总觉得编码这个词特别抽象。直到有次拆解老式磁带录音机看到磁带上连续的磁性痕迹再对比手机里MP3文件的二进制数据才真正理解编码的价值。信源编码就像一位翻译官把自然界连续的语言翻译成计算机能理解的数字语言。模拟信号直接传输会遇到三个致命问题首先是抗干扰能力差就像用粉笔在黑板上画线稍微蹭到就会模糊其次是难以存储传统唱片体积大且易磨损最重要的是无法与现代数字系统兼容。而数字化后的信号就像乐高积木可以随意拆解重组还能通过纠错码实现自修复。2. 模拟信号数字化的三大关键步骤2.1 抽样捕捉瞬间的艺术抽样定理是通信工程师的魔法杖。我当年在实验室第一次验证这个定理时用信号发生器产生1kHz正弦波用10kHz采样率抓取波形。当看到示波器上完美重建的波形时突然理解了为什么说抽样是用离散抓住连续。低通抽样定理告诉我们对于最高频率fH的信号采样频率fs必须大于2fH。这就像拍电影24帧/秒能骗过人眼低于这个频率就会感觉卡顿。有次我测试8kHz语音信号故意用12kHz采样结果重建的声音就像感冒时鼻塞的感觉——高频分量严重丢失。带通信号抽样更有意思。当信号频率范围在fL到fH之间时最小采样频率可以低于2fH。这就像给高楼拍照不一定需要拍到地面只要保证每层楼都有窗户入镜就行。实际工程中这个技巧能大幅节省ADC的采样资源。2.2 量化幅度上的断舍离量化是把连续幅度砍成离散台阶的过程。记得第一次做PCM编码实验时8位量化把平滑的正弦波变成了锯齿状导师却说这就是数字世界的浪漫。均匀量化简单粗暴就像用等间距的格子丈量土地。但问题很明显小信号时信噪比惨不忍睹。有次我录制吉他solo弱音部分全是噪声就像把咖啡洒在了乐谱上。后来改用非均匀量化相当于给弱音用了放大镜给强音用了缩小镜动态范围立刻改善。A律和μ律是两种经典的非均匀量化方案。13折线A律在我国通信系统广泛应用它的神奇之处在于用折线段逼近对数曲线。就像用乐高积木拼出蒙娜丽莎虽然粗糙但神韵俱在。2.3 编码给幅度穿上数字外衣编码是把量化后的数值变成二进制码的过程。有次我拆解电信设备的PCM编码器发现它用8位码表示256个电平就像给每个音量级别发身份证。折叠二进制码特别聪明最高位表示正负其余位表示绝对值。这就像温度计零度以上和以下对称处理。在语音信号中小信号出现概率高这种编码能减少平均码长。ADPCM更是个妙招。它只编码相邻样值的差值就像只记录股票涨跌幅度而非绝对价格。实测下来32kbps的ADPCM语音质量堪比64kbps的PCM带宽直接减半。3. 脉冲调制家族巡礼3.1 模拟脉冲调制三兄弟PAM、PDM、PPM就像调制界的三原色。实验室里用脉冲发生器调制的经历让我印象深刻PAM脉幅调制最直观脉冲高度随信号变化像用弹簧秤称重PDM脉宽调制通过改变脉冲宽度传递信息类似摩斯电码的长短音PPM脉位调制让脉冲位置跳舞如同指挥家变换的节拍自然抽样和平顶抽样的对比特别有趣。前者像用梳子划过沙堆轮廓自然后者像用模具压饼干顶部平整。重建时平顶抽样需要均衡补偿就像给照片加滤镜还原真实色彩。3.2 数字脉冲调制双雄PCM和ΔM代表了两种数字化思路。在搭建简易语音传输系统时我深刻体会到PCM像精细的工笔画通过多位编码忠实还原每个样值。但它的数据量就像春运火车站的人流需要很宽的通道。而ΔM则像写意画只用1位表示信号变化趋势数据量小得像自行车道但对快速变化的信号就会手忙脚乱。DPCM取了折中路线就像天气预报只报温度变化。ADPCM更智能能根据信号特点自动调整预测力度实测语音质量比固定预测的DPCM提高6dB以上。4. 现代通信中的编码艺术4.1 从电话到5G的进化之路早期电话用7位对数PCM编码就像用7色画笔描绘世界。现在VoLTE采用的AMR-WB编码相当于用调色盘作画能根据网络状况动态调整码率。我在测试场测过从6.6kbps到23.85kbps的多档切换就像汽车自动换挡般流畅。5G时代的语音编码更神奇。EVS增强语音服务编码能在丢包50%时仍保持可懂度就像破译残缺的古籍。它的秘密在于参数编码技术——不再传输波形本身而是传输声带、口腔等发声器官的参数模型。4.2 图像编码的智慧JPEG和MPEG本质上也是信源编码。有次我对比RAW格式和JPEG照片发现10:1的压缩比下人眼几乎看不出差别。这得益于DCT变换把能量集中在少数系数上就像把杂物收进储物箱只展示关键物品。最新的AV1视频编码甚至引入机器学习像经验丰富的剪辑师知道哪些画面细节可以精简。实测4K视频码率比H.265再降30%但暗场细节保留更好。5. 动手实验用Python实现PCM编码import numpy as np import matplotlib.pyplot as plt # 生成1kHz模拟信号 fs_analog 100000 # 模拟信号采样率 t np.arange(0, 0.01, 1/fs_analog) signal 0.5 * np.sin(2 * np.pi * 1000 * t) # 8kHz抽样 fs_digital 8000 sample_indices np.arange(0, len(t), int(fs_analog/fs_digital)) sampled_signal signal[sample_indices] # 8位量化 quantized np.round(sampled_signal * 127 128).astype(int) binary_code [format(x, 08b) for x in quantized] # 可视化 plt.figure(figsize(12,6)) plt.subplot(311) plt.plot(t, signal) plt.title(原始模拟信号) plt.subplot(312) plt.stem(sample_indices/fs_analog, sampled_signal, r) plt.title(抽样后信号) plt.subplot(313) plt.stem(sample_indices/fs_analog, quantized, g) plt.title(量化后信号) plt.tight_layout()这个实验生动展示了数字化全过程。运行后会看到原始光滑的正弦波模拟信号→红色采样点抽样→绿色阶梯状量化值。尝试修改fs_digital观察混叠现象就像用网兜捕鱼网眼太大时小鱼都会漏掉。6. 工程实践中的那些坑实际部署编码系统时教科书不会告诉你这些时钟抖动会导致抽样时刻偏移就像用晃动的相机拍照量化间隔不匹配会产生非线性失真如同走调的音阶。有次项目验收发现语音中有咔嗒声查了三天才发现是编码器电源纹波太大。抗混叠滤波器设计是另一个深坑。过渡带太宽会损失高频太陡又会引入相位失真。我习惯用FIR滤波器加窗函数就像给镜头加柔光罩既要去除伪影又要保留细节。测试时一定要用实际信号而非单纯正弦波。有次用纯音测试系统指标完美但播放真实语音就出问题。后来发现是信号动态范围超出预期就像准备了小酒杯却来了个酒桶。
【现代通信原理笔记】6 信源编码：从模拟到数字的桥梁
发布时间：2026/7/9 17:05:51
1. 为什么我们需要信源编码想象一下你正在用手机录制一段海浪声。麦克风捕捉到的声音是连续的声波这种连续的信号就是我们常说的模拟信号。但手机存储和传输的却是0和1组成的数字信号。这个从连续到离散的转换过程就是信源编码的核心任务。我刚开始学通信原理时总觉得编码这个词特别抽象。直到有次拆解老式磁带录音机看到磁带上连续的磁性痕迹再对比手机里MP3文件的二进制数据才真正理解编码的价值。信源编码就像一位翻译官把自然界连续的语言翻译成计算机能理解的数字语言。模拟信号直接传输会遇到三个致命问题首先是抗干扰能力差就像用粉笔在黑板上画线稍微蹭到就会模糊其次是难以存储传统唱片体积大且易磨损最重要的是无法与现代数字系统兼容。而数字化后的信号就像乐高积木可以随意拆解重组还能通过纠错码实现自修复。2. 模拟信号数字化的三大关键步骤2.1 抽样捕捉瞬间的艺术抽样定理是通信工程师的魔法杖。我当年在实验室第一次验证这个定理时用信号发生器产生1kHz正弦波用10kHz采样率抓取波形。当看到示波器上完美重建的波形时突然理解了为什么说抽样是用离散抓住连续。低通抽样定理告诉我们对于最高频率fH的信号采样频率fs必须大于2fH。这就像拍电影24帧/秒能骗过人眼低于这个频率就会感觉卡顿。有次我测试8kHz语音信号故意用12kHz采样结果重建的声音就像感冒时鼻塞的感觉——高频分量严重丢失。带通信号抽样更有意思。当信号频率范围在fL到fH之间时最小采样频率可以低于2fH。这就像给高楼拍照不一定需要拍到地面只要保证每层楼都有窗户入镜就行。实际工程中这个技巧能大幅节省ADC的采样资源。2.2 量化幅度上的断舍离量化是把连续幅度砍成离散台阶的过程。记得第一次做PCM编码实验时8位量化把平滑的正弦波变成了锯齿状导师却说这就是数字世界的浪漫。均匀量化简单粗暴就像用等间距的格子丈量土地。但问题很明显小信号时信噪比惨不忍睹。有次我录制吉他solo弱音部分全是噪声就像把咖啡洒在了乐谱上。后来改用非均匀量化相当于给弱音用了放大镜给强音用了缩小镜动态范围立刻改善。A律和μ律是两种经典的非均匀量化方案。13折线A律在我国通信系统广泛应用它的神奇之处在于用折线段逼近对数曲线。就像用乐高积木拼出蒙娜丽莎虽然粗糙但神韵俱在。2.3 编码给幅度穿上数字外衣编码是把量化后的数值变成二进制码的过程。有次我拆解电信设备的PCM编码器发现它用8位码表示256个电平就像给每个音量级别发身份证。折叠二进制码特别聪明最高位表示正负其余位表示绝对值。这就像温度计零度以上和以下对称处理。在语音信号中小信号出现概率高这种编码能减少平均码长。ADPCM更是个妙招。它只编码相邻样值的差值就像只记录股票涨跌幅度而非绝对价格。实测下来32kbps的ADPCM语音质量堪比64kbps的PCM带宽直接减半。3. 脉冲调制家族巡礼3.1 模拟脉冲调制三兄弟PAM、PDM、PPM就像调制界的三原色。实验室里用脉冲发生器调制的经历让我印象深刻PAM脉幅调制最直观脉冲高度随信号变化像用弹簧秤称重PDM脉宽调制通过改变脉冲宽度传递信息类似摩斯电码的长短音PPM脉位调制让脉冲位置跳舞如同指挥家变换的节拍自然抽样和平顶抽样的对比特别有趣。前者像用梳子划过沙堆轮廓自然后者像用模具压饼干顶部平整。重建时平顶抽样需要均衡补偿就像给照片加滤镜还原真实色彩。3.2 数字脉冲调制双雄PCM和ΔM代表了两种数字化思路。在搭建简易语音传输系统时我深刻体会到PCM像精细的工笔画通过多位编码忠实还原每个样值。但它的数据量就像春运火车站的人流需要很宽的通道。而ΔM则像写意画只用1位表示信号变化趋势数据量小得像自行车道但对快速变化的信号就会手忙脚乱。DPCM取了折中路线就像天气预报只报温度变化。ADPCM更智能能根据信号特点自动调整预测力度实测语音质量比固定预测的DPCM提高6dB以上。4. 现代通信中的编码艺术4.1 从电话到5G的进化之路早期电话用7位对数PCM编码就像用7色画笔描绘世界。现在VoLTE采用的AMR-WB编码相当于用调色盘作画能根据网络状况动态调整码率。我在测试场测过从6.6kbps到23.85kbps的多档切换就像汽车自动换挡般流畅。5G时代的语音编码更神奇。EVS增强语音服务编码能在丢包50%时仍保持可懂度就像破译残缺的古籍。它的秘密在于参数编码技术——不再传输波形本身而是传输声带、口腔等发声器官的参数模型。4.2 图像编码的智慧JPEG和MPEG本质上也是信源编码。有次我对比RAW格式和JPEG照片发现10:1的压缩比下人眼几乎看不出差别。这得益于DCT变换把能量集中在少数系数上就像把杂物收进储物箱只展示关键物品。最新的AV1视频编码甚至引入机器学习像经验丰富的剪辑师知道哪些画面细节可以精简。实测4K视频码率比H.265再降30%但暗场细节保留更好。5. 动手实验用Python实现PCM编码import numpy as np import matplotlib.pyplot as plt # 生成1kHz模拟信号 fs_analog 100000 # 模拟信号采样率 t np.arange(0, 0.01, 1/fs_analog) signal 0.5 * np.sin(2 * np.pi * 1000 * t) # 8kHz抽样 fs_digital 8000 sample_indices np.arange(0, len(t), int(fs_analog/fs_digital)) sampled_signal signal[sample_indices] # 8位量化 quantized np.round(sampled_signal * 127 128).astype(int) binary_code [format(x, 08b) for x in quantized] # 可视化 plt.figure(figsize(12,6)) plt.subplot(311) plt.plot(t, signal) plt.title(原始模拟信号) plt.subplot(312) plt.stem(sample_indices/fs_analog, sampled_signal, r) plt.title(抽样后信号) plt.subplot(313) plt.stem(sample_indices/fs_analog, quantized, g) plt.title(量化后信号) plt.tight_layout()这个实验生动展示了数字化全过程。运行后会看到原始光滑的正弦波模拟信号→红色采样点抽样→绿色阶梯状量化值。尝试修改fs_digital观察混叠现象就像用网兜捕鱼网眼太大时小鱼都会漏掉。6. 工程实践中的那些坑实际部署编码系统时教科书不会告诉你这些时钟抖动会导致抽样时刻偏移就像用晃动的相机拍照量化间隔不匹配会产生非线性失真如同走调的音阶。有次项目验收发现语音中有咔嗒声查了三天才发现是编码器电源纹波太大。抗混叠滤波器设计是另一个深坑。过渡带太宽会损失高频太陡又会引入相位失真。我习惯用FIR滤波器加窗函数就像给镜头加柔光罩既要去除伪影又要保留细节。测试时一定要用实际信号而非单纯正弦波。有次用纯音测试系统指标完美但播放真实语音就出问题。后来发现是信号动态范围超出预期就像准备了小酒杯却来了个酒桶。
