响度与分贝：声强、对数感知与 dB 公式的完整推导

上一篇讲了频率与音高。这一篇讲响度：为什么声音大小要用”分贝”这种奇怪的对数单位？振幅和响度到底是什么关系？ 我们会从声强开始，一步步推导出分贝公式，并解释音频播放器里 RMS 和 dB 的用途。

---

1. 声强：声音携带的能量

1.1 振幅和能量

声波是空气压强的振动。振动的幅度 $A$ 越大，单位时间、单位面积上携带的能量越多。对正弦波，平均声强（单位 W/m²）正比于振幅的平方：

$$I \propto A^2$$

为什么是平方？因为能量正比于”振动速度的平方”，而速度正比于振幅。所以：

• 振幅 ×2 → 声强 ×4；
• 振幅 ×3 → 声强 ×9；
• 振幅 ×10 → 声强 ×100。

1.2 声强的范围极其巨大

人能听到的最轻声音（听阈）大约是 $10^{-12}$ W/m²，而能忍受的最响声音（痛阈）大约是 $1$ W/m²。两者相差 $10^{12}$ 倍——一万亿倍。

如果直接用线性数值表示，从 0.000000000001 到 1，非常不方便，而且人耳也不是这么感知的。

---

2. 韦伯-费希纳定律：感知为什么是对数

19 世纪的心理物理学研究发现，人对很多感觉（声音、亮度、重量）的感知遵循近似对数规律：物理刺激每乘一个固定比例，感觉增加一个固定量。

用公式表示：

$$\text{sensation} \propto \log(\text{stimulus})$$

举例：

• 1 个单位的声音，增加到 2 个单位，我们感觉”响了一些”；
• 10 个单位增加到 20 个单位（同样是 ×2），我们感觉同样”响了一些”；
• 10 个单位增加到 100 个单位（×10），我们感觉”响了很多”，但远没有”10 倍响”。

也就是说，人耳把”频率比值”感知为”音高差”，把”声强比值”感知为”响度差”。两个领域都是对数。

---

3. 分贝的推导

3.1 用对数压缩一万亿倍的范围

既然感知是对数的，就用对数来表示响度。取以 10 为底的对数，再乘以 10，得到声强级：

$$L_I = 10\log_{10}\frac{I}{I_0}$$

其中 $I_0 = 10^{-12}$ W/m² 是听阈。这个单位叫 dB（分贝，decibel），“分”表示它是”贝（bel）“的十分之一（1 B = 10 dB）。

为什么要乘 10？纯属历史习惯：贝尔（bel）单位太大，用十分之一更精细。

3.2 从声强到振幅

音频程序里我们更常直接操作振幅 $A$。因为 $I \propto A^2$：

$$\frac{I}{I_0} = \left(\frac{A}{A_0}\right)^2$$

代入声强级公式，利用对数性质 $\log x^2 = 2\log x$：

$$L = 10\log_{10}\left(\frac{A}{A_0}\right)^2 = 20\log_{10}\frac{A}{A_0}$$

这就是音频里最常见的分贝公式：

$$\boxed{L = 20\log_{10}\frac{A}{A_0} \text{ dB}}$$

3.3 关键数值

振幅变化	声强变化	dB 变化
×1	×1	0 dB
×√2	×2	+3 dB
×2	×4	+6 dB
×4	×16	+12 dB
×10	×100	+20 dB
×100	×10000	+40 dB

几个必须记住的结论：

• +3 dB = 功率翻倍（振幅 ×√2）；
• +6 dB = 振幅翻倍；
• +10 dB = 人耳感觉”响了一倍”左右；
• +20 dB = 振幅 ×10；
• 0 dB 不是”没有声音”，而是相对某个参考值的 0。

---

4. 不同场合的 dB

4.1 dB SPL：声压级

测量空气压强时，参考值取人耳听阈：

$$L_{\text{SPL}} = 20\log_{10}\frac{p}{p_0}, \qquad p_0 = 20\ \mu\text{Pa}$$

常见声源的 dB SPL：

声源	大约响度
呼吸声	10 dB
安静的图书馆	30 dB
正常交谈	60 dB
繁忙街道	80 dB
摩托车	95 dB
摇滚演唱会	110 dB
痛阈	120–130 dB

注意：每 +10 dB 响度感觉翻倍，所以 80 dB 的街道比 60 dB 的交谈”响 4 倍”（感觉上），但声强实际差了 100 倍。

4.2 dBFS：数字音频满刻度

在数字音频里，参考值是”满刻度”（full scale），也就是 16 bit 能表示的最大值（32767）：

$$L_{\text{dBFS}} = 20\log_{10}\frac{|x|}{x_{\max}}$$

因为振幅不会超过满刻度，dBFS 永远是负数：

• 0 dBFS = 削波临界点（再大就爆音）；
• −6 dBFS = 振幅是满刻度的一半；
• −20 dBFS = 振幅是满刻度的 1/10；
• −96 dBFS ≈ 16 bit 的量化底噪。

4.3 dB 只是比值

dB 本身是比值，没有绝对值。必须带上参考（SPL、FS、mW 等）才有绝对意义。这也是为什么”60 dB”在不同语境下含义不同。

---

5. RMS：怎么算”这段时间有多响”

5.1 为什么不能用瞬时振幅

瞬时振幅上下跳动太快：正弦波每秒过零两次，如果直接看瞬时值，大部分时间都是 0。人耳听到的”响度”是短时间内的平均感觉。

5.2 均方根（RMS）

先平方（能量正比于平方），再平均，最后开方，得到 RMS：

$$x_{\text{rms}} = \sqrt{\frac{1}{N}\sum_{n=0}^{N-1} x[n]^2}$$

对振幅为 $A$ 的正弦波，RMS 恰好是：

$$x_{\text{rms}} = \frac{A}{\sqrt{2}} \approx 0.707A$$

5.3 RMS 和 dB 一起用

把 RMS 代入分贝公式：

$$L = 20\log_{10}\frac{x_{\text{rms}}}{x_{\max}}$$

播放器每一帧都做这件事：算 RMS → 转 dB → 归一化到 $[0,1]$ → 驱动视觉。RMS 对应”平均响度”，峰值则对应”瞬间爆发”，两者结合使用。

---

6. 与可视化的关系

6.1 为什么能量先取对数再映射

如果直接把 FFT 的线性能量映射到颜色/高度，一个响的底鼓会把整个画面”打爆”，而人声的细微变化完全看不见。取对数（dB）后：

$$E_{\text{vis}} = \text{clamp}\left(\frac{L - L_{\min}}{L_{\max} - L_{\min}},\ 0,\ 1\right)$$

视觉变化才符合听觉感受。

6.2 噪声门与底噪

数字系统的底噪一般在 −60 到 −96 dBFS。如果不做处理，静音时 RMS 也是”某个小值”，地形会一直微微起伏。播放器加噪声门：

$$E' = \max(0,\ E - \theta)$$

把低于阈值的能量截断成 0，静音时地面才完全静止。

---

7. 小结

1. 声强 $I \propto A^2$，人耳对声强的感知近似对数；
2. 分贝公式由 $10\log_{10}(I/I_0)$ 推导而来，振幅形式是 $20\log_{10}(A/A_0)$；
3. +6 dB = 振幅翻倍，+3 dB = 功率翻倍，+10 dB ≈ 响度感觉翻倍；
4. dB SPL 用于声压，dBFS 用于数字满刻度；
5. RMS 是”平均响度”，正弦波 RMS = $A/\sqrt{2}$；
6. 可视化前先取对数再归一化，视觉才符合听感。

下一篇《数字化：采样、量化与信噪比》进入数字域，讲模拟信号怎么变成计算机能处理的数字。

8. 深入专题：RMS 窗口、dB 运算规则与常见误区

这一节把响度计算里最容易含糊的细节全部展开：RMS 窗口怎么滑、正弦波 RMS 的积分推导、dB 的加减规则、混音电平怎么算，以及一堆常见误区。

8.1 RMS 滑动窗口详解

RMS 需要一个窗口：取最近 $N$ 个采样计算均方根，窗口随时间滑动：

$$x_{\text{rms}}[m] = \sqrt{\frac{1}{N}\sum_{n=m}^{m+N-1} x[n]^2}$$

窗口长度 $N$ 的选择是权衡：

• $N$ 小（如 10 ms）：反应快，能跟住鼓点，但数值抖动；
• $N$ 大（如 200 ms）：平滑，但会”吞掉”瞬态；
• 音乐可视化常用 20–100 ms 窗口，节拍检测用更快的包络。

播放器里通常做两级平滑：先用短窗口算 RMS，再用指数平滑（见系列后续篇目）让它既不抖也不迟钝。

8.2 为什么正弦波 RMS = A/√2

对振幅 $A$、周期 $T$ 的正弦波 $x(t) = A\sin(\omega t)$：

$$x_{\text{rms}} = \sqrt{\frac{1}{T}\int_0^T A^2\sin^2(\omega t)\,dt} = A\sqrt{\frac{1}{T}\int_0^T\sin^2(\omega t)\,dt}$$

利用 $\sin^2\theta = (1-\cos 2\theta)/2$：

$$\frac{1}{T}\int_0^T\sin^2(\omega t)\,dt = \frac{1}{T}\int_0^T\frac{1-\cos(2\omega t)}{2}dt = \frac{1}{2}$$

（$\cos$ 在一个整周期内积分为 0。）所以：

$$x_{\text{rms}} = \frac{A}{\sqrt{2}} \approx 0.707A$$

8.3 dB 的运算规则

dB 是对数，所以乘除变加减：

$$L_1 + L_2 = 20\log_{10}\frac{A_1}{A_0} + 20\log_{10}\frac{A_2}{A_0}$$

但注意：两个信号合并时的总 dB 不是简单相加。两个不相关的信号，功率相加：

$$P_{\text{total}} = P_1 + P_2$$

对应 dB：

$$L_{\text{total}} = 10\log_{10}\left(10^{L_1/10} + 10^{L_2/10}\right)$$

两个同响度信号合并：

$$L_{\text{total}} = L + 10\log_{10}2 = L + 3.01\ \text{dB}$$

所以”两个 -6 dBFS 的音轨合并”不是 -12 dBFS，而是约 -3 dBFS。

8.4 dBFS 与真实响度

dBFS 是相对满刻度的比值，永远是 0 或负数：

电平	振幅比例	听感
0 dBFS	1.000	削波临界
−6 dBFS	0.500	常见安全上限
−12 dBFS	0.250	常见平均电平
−20 dBFS	0.100	安静段落
−60 dBFS	0.001	很轻
−96 dBFS	0.0000158	16 bit 底噪

8.5 混音例子：两个音源怎么算

例：人声 -10 dBFS，伴奏 -8 dBFS，两个信号互不相关。

先转成功率比例：

$$10^{-10/10} = 0.1, \qquad 10^{-8/10} \approx 0.158$$

总功率比例：

$$0.1 + 0.158 = 0.258$$

总电平：

$$10\log_{10}0.258 \approx -5.88\ \text{dBFS}$$

如果混音时想让人声”高 6 dB”，应该把人声调到 -4 dBFS（-10 + 6），而不是”翻倍音量滑块”。

8.6 常见误区

误区一：“0 dB = 没有声音”

0 dB 只是”相对参考值 0”。0 dBFS 是满刻度，0 dB SPL 是听阈，含义完全不同。

误区二：“两个 -6 dB 的信号叠加等于 -12 dB”

同响度不相关信号叠加是 -3 dB（功率相加），不是 -12 dB。只有把同一个信号复制两份（相关叠加）才会 +6 dB。

误区三：“响度是振幅的线性函数”

感知是对数的：+10 dB ≈ 响度感觉翻倍。

误区四：“RMS 越大越好听”

RMS 只是统计量。响度战争（loudness war）里把 RMS 压到接近 0 dBFS，声音”响但累”，动态范围反而变小。

误区五：“可视化直接用 RMS 就行”

播放器会把 RMS 转 dB、归一化、再做噪声门和指数平滑，否则数值范围巨大且抖动，视觉没法看。

8.7 扩展练习

1. 用积分证明振幅 A 的三角波 RMS 是 $A/\sqrt{3}$。
2. 两个 0 dBFS 的不相关信号叠加，理论峰值会超过 0 dBFS，为什么？实际会怎样？
3. 人声 -12 dBFS、伴奏 -15 dBFS，合并后大约是多少 dBFS？
4. 为什么 +10 dB 被说成”响度翻倍”而不是 +6 dB？

练习

1. 一个信号 RMS 为 0.5，换算成 dBFS 是多少？
2. 振幅从 0.1 提高到 0.4，响度增加了多少 dB？
3. 为什么 RMS 是 $A/\sqrt{2}$？用 $\frac{1}{T}\int_0^T \sin^2(\omega t)dt = 1/2$ 验证。
4. 播放器里为什么需要噪声门？阈值设太大会有什么副作用？