"迟钝的人耳"击败了最高的科技: 数码音频必须"与Jitter共舞"

小白

交易区新帖推荐

欢迎大家一起在本帖中讨论和交流关于Jitter的一切事. 我们都不是数码音频专家,但还是可以一起讨论这个问题的. 也希望通过讨论纠正一些错误的想法和观念.



作为开头,我想先引入一个大家未必熟悉的时间概念: 皮可秒(Picosecond). 它的含义是百亿分之一秒. 即一秒种"滴答"的百亿分之一.  

在一个皮可秒的时间内,世界上运动速度最快的光只能跑3厘米. 由此可以理解这个概念了吧? 这是科学中用到的最短的时间单位之一.  



大家知道,现行的数码音频(CD格式)就是把声音的模拟波形,按照规定的采样频率和比特率进行"数码化",把模拟波形化为一系列的数字. 圆滑的声波被锯齿形的网格"量化".  

当然,这种"量化"不可能做得彻底圆满,因为模拟波形本身是圆弧形的,而被数码化后,只能变成锯齿形的东西. 这个我们先不管它,因为44100赫兹的采样频率,和16比特的转换,对20-20000赫兹范围内的声波来说,已经够"精确"的了.

这个帖子先不想讨论这个. 我们讨论Jitter的问题.

所谓Jitter,你可以网上搜搜,有很多种定义描述方式. 我先不引用那些权威的定义了. 我写一个自己的定义: 所以Jitter,就是"最初把模拟声波信号数码化时的那套网格,和CD的重播过程中,根据数码信号重建模拟声波时,所用的那套网格,存在差异."

[ 本帖最后由 小白 于 2008-9-8 22:20 编辑 ]

liuyindong2007

还有飞秒。。

小白

那么,首先要问的就是,两套网格可能100%重合吗? 也就是说,模拟-数码转换时所用的频率,和数码-模拟转换时所用的频率,可能100%一致,而且始终保持如此一致吗?

我们知道,在CD播放器内,是一定有一个CLOCK,以此来同步CD信号的读取和解码过程. 不仅CD信号的读取和解码必须精确同步,而且这个时钟的频率必须精确地等同于CD格式的规定标准——因为原始的模拟声波就是按照这个频率被数码化的.

CD机内的这个时钟一般是晶振时钟. 那么,晶体振荡产生的时钟信号的精确度,是否足够呢?

[ 本帖最后由 小白 于 2008-9-8 21:54 编辑 ]

guyongsoft

当然不能，世界上没有两片一模一样的树叶，可以做出一片尽量接近的树叶还是可以的

小白

事实上,晶振时钟的精度,是非常之高的. 然而,有些人想当然式地认为,对于CD音频来说,晶振时钟已经足够精确 ...

然而,这是不对的. 人耳虽然有时很迟钝,比方人耳无法辨别10000赫兹的声波信号,和10010赫兹的声波信号, 在绝大多数情况下人耳也无法辨别1个分贝的强度差异,但是,人耳有一个奇特而怪异的地方——经研究发现,对CD音频而言,哪怕是皮秒级别的频率偏差(Jitter),也会造成可闻的音质区别!  也就是说,哪怕CD机内的时钟,和原始数码化时的时钟,两者之间存在百亿分之一秒级别的误差,人耳也能在最后的声音里察觉出来.

这样高的精度,是普通级别的晶振无法做到的. 所以不要再认为日本TEAC开发铷原子时钟是在发神经. 不是的.

小白

有时我们不禁去想,假如 ... 假如人耳对Jitter迟钝一些,不那么超级灵敏,灵敏到"百亿分之一秒"那么夸张,该有多好? 那么CD音频早已被完美化,毫无数码声,各个转盘之间会毫无音质差异. 真是一个理想的世界.

可惜不是这样的. 人耳对数码音频流程中Jitter造成的音质差异,就是如此超级灵敏!

这使得Jitter成为一个数码音频领域里极其重要的概念. 这个概念可以解释很多发烧友搞不清的问题.

在数码音频重播过程中,要把0和1弄对,做到不误码,不漏码,简直小菜一碟. 但要做到无Jitter,难如登天!

所以我们面对的事实就是,所有CD机,甚至电脑光驱,都轻而易举地读出了CD盘上的数码信号. 但在把这些数码信号重建成原始模拟波形时,所有的设备都或多或少受到Jitter的影响,还原出来的波形,或多或少,和原始的模拟声波,有了偏差.

小白

我发明的"拆砖"比喻. 希望这个比喻能帮助大家理解AD,DA的流程,和Jitter对它的影响.




CD规格,按照CD Red Book(这是CD的技术规范),是两声道立体声,采样频率44100Hz(即一秒钟内对模拟声波切割44100次),比特率为16比特.

这样很容易算出,一秒钟的声音,被"数码化"后,变成多少数据: 2 X 44100 X 16比特 = 1411200比特. 141万多个二进制数据(0和1组成的数据).

一秒钟的时间内容纳的声音,滴答,一眨眼功夫,被CD这个超精密网格(每声道44100X16的网格)切分为141万多个比特的数据.



我最喜欢打比方了. 来打一个比方:

大家想象一下,假如一块砖头,被一下切分为141万个小块 ...... 注意不是随便瞎切的,而是根据一个严格的切法的,横向切44100刀,纵向切32刀 (每声道16刀,注意这还只是简化的说法,实际上应该是2的16次方,即65526刀!) . 这样切下来的141万多个小砖(如果还能叫"砖"的话),被按照一个严格的次序直线排列,放在传输带上,运送到另外一个地方去. (这就是模拟声波被数字化,然后以二进制数据传输的样子.)

然后在解码器这里,你收到了141万块小砖. 你要重新把这141万个小砖重新构建回那块砖   (这就是DA转换!).  注意,这个重新构建是要严格按序的! 原来在某个位置的小砖,重建完了还必须在原先的地方,不能挪动位置!(否则就是失真).

我问一下,你怎么做这件事?

我们算一下. 一秒种产生出来141万多块小砖,那么拆下每块小砖所费的时间为1/1410000秒. 拆砖必须以这个速率进行. 而且拆下的每块砖必须编上号,以避免重装时装错位置. 我们假定是这样拆的: 把一块砖横向切为44100排,每一排纵向切为32块(两个声道假定叠在一起). 那么第一块小砖为第一排的第一块,最后一块砖是第44100排的第32块砖.  


那么,在收到141万块小砖后,进行原砖重建时,最精确理想的做法,就是也按照原先的1/1410000秒一块的速率,根据序号进行,放完一排,再排第二排(每排放32块小砖). 这样可以保证把传送带上的141万多块小砖重新构建回原先的大砖,一分一毫都不错. 每块小砖还在原先的位置.

那么,现在的实际困难是: 1/1410000 秒 这个速率太难精确保持了. 你怎么保证每拆一块砖都正好化1/1410000秒的时间? 装的时候也是,你怎么保证每1/1410000秒装回一块小砖?

好,如果无法控制得那么精确,会出现什么情况,是否能成功重建原砖,我们来看一下!

别的不管,呵呵,我继续说我的"拆砖装砖"的比喻. 希望通过这个比喻更多人能搞懂AD和DA的大致流程(就是拆砖装砖!).

假如拆的时候无法严格保持每隔1/1410000秒种拆下一块小砖(太难了!! ),那么 ... 为说明问题我讲得夸张些,在第一个1/1410000秒内拆了第一块小砖,但在下一个1/1410000秒内一下拆了30小块. 下一个1/1410000秒呢,一块都没拆下.   也就是说,限于能力,这拆砖的活干得不匀速,忽快忽慢的. 但也不得不接受这个事实!


注意这些小砖可是放在一条直线上,被传输到装砖头的那位手里的. 不是保持着原来砖头的形状过去的!

负责重新安装回砖头的那位呢? 拿着到手的直线排列的看不到尽头的"小砖列",他要按照严格的每1/1410000秒叠一快小砖的速率,去重新堆这些小砖块.

但他做得到严格匀速地每1/1410000秒叠一块小砖吗? 大家可以想象得到. 他也无法保持这个严格速度. 他也是只能叠得忽块忽慢的. 可能第一个1/1410000秒他叠了18块小砖,第二个1/1410000秒他叠了5块,然后他歇了歇 .... 歇了7/1410000秒!   等等等等.

大家可以想一下,最后叠回的砖,和原先的大砖,还是完全一致的吗?

肯定不一致了,肯定有大量的小砖被放错了地方. 应该是纵向32列,横向44100排的,最后可能很多排堆了38块小砖或27块小砖,而且也不是44100排了,也许是44211排. 等等. 141万块小砖肯定是一块不拉,都被塞回去了,但塞的位置,和原先拆的时候,是有很多不一致之处了,整块砖粗看看还是块方砖,但放在显微镜下看,是边缘不齐了,是厚薄不均匀了!

[ 本帖最后由 小白 于 2008-9-11 10:49 编辑 ]

atrain

可以简单理解为声音世界里的“拖影”现象？

zzz

到目前为止
此贴依然无法从科学的角度解释为何好的转盘比差的转盘好。

小白

接着说Jitter的来源问题. 这也是很多发烧友存在错误观念的地方.

一个常见的观念是,Jitter只存在于DA解码部分. 按照这个理念,所有的转盘声音都是一样的,所有的数码线声音也是一样的. 因为只到了DAC才开始受Jitter的影响嘛.

那为什么有超级昂贵的高级转盘,也有便宜的转盘? 为什么不同的转盘接入同一台DAC后,音质会存在区别? 为什么数码线既有几十块的,也有几千块的?

答案就是: 这个观念完全错误,大错特错.

Jitter存在于整个数码音频重播的流程中,虽然它只是到了DA解码之后,才反映出来(被听出来). 就好象一个人得了肝癌,他不知道,最后转移到肺部成为肺癌,被诊断出来了,他还以为他的肝是好的,是肺不好 ... (抱歉这是个很糟糕的例子.)

kliujun

音乐是艺术,不是科学.也无法用科学来解释.

musictigerhan

偶第一次听出线材的区别时, 也是想不通.

小白

让我们具体来指出会受到Jitter影响的环节:

首先是CD转盘.

然后是数码信号的传输界面. 通常是S/PDIF规格的传输(75欧同轴电缆或光纤).

再后面是DAC解码器的数字接收端(Digital Receiver).

最后,是DAC解码器.  

这几个环节都会受到Jitter幽灵的纠缠.



CD转盘里有时钟. 这个时钟不是绝对完美的,低档转盘的时钟,可能精度很一般. CD转盘的旋转机构不是完美的,会存在速率的抖晃. 电源的变化会造成整个机械结构的不稳定. 这些都会造成CD转盘读取出的数字信号,已经包含Jitter.

数码信号的传输界面,会引入Jitter. 这是不同数码线音质不同的根源.

带有Jitter的数字信号,通过传输界面传送到DAC的数字接收部分. 数字接收芯片本身还会引入新的Jitter.

最后,DAC的解码过程,是受与数码信号一起传输过来的时钟信号的控制. 解码器依据传输过来的转盘时钟信号生成一个"解码工作时钟". 这个过程中也存在Jitter.

小白

所以不同转盘的音质区别,在主要的层面上,可以归因到: 不同的转盘具有不同的"Jitter特性". 这些不同转盘的Jitter特性,包括Jitter大小,Jitter在不同频率的分布特征,被传输到同一台解码器后,造成的结果是有区别的,解码出来的模拟声波是有区别的. 这构成了"转盘音质不同"的主要原因.  

高档的转盘Jitter小,大家都应该可以猜到. 是这样的. 然而有着相近Jitter量的转盘,比方同为Jitter极少的高级转盘,还是有可能音质截然不同,这个现象,在目前阶段只能用"Jitter分布特征"来解释. 就是说,Jitter从绝对意义上说,是每台转盘都有的,谁也无法彻底幸免,但不同转盘的Jitter分布是不同的,特征是不同的,这一区别会造成不同的转盘在工作时,会给纯净的数码信号沾染上一层带自身特点的Jitter.

这有点象音频线的传输. 大家知道目前阶段不存在彻底没有特性的线材. 再高级的线材总有些微"自己的声音". 这是造成高级音频线音质存在差异的原因.

恶虫

此帖必火，强力占据第一页