前言
在笔者看来，HiFi 市场的高度信息不对等导致了消费主义玄学和片面伪科学盛行，不仅阻碍行业良性发展，更造成了玩家挑选设备困难，最终催生无休止的“以价论声”焦虑。此背景下，唯有提升科学认知，建立可验证的判断框架，身为局中人的我们才能在鱼龙混杂的产品叙事中保持清醒，少交“智商税“。
然而真正科学 HiFi 的门槛很高——既要学习信号系统、模电数电、物理&心理声学，又要仪器测量、实践验证，若非相关专业从事者，需要投入大量时间精力。
好在 AI 的迅速发展使得往高墙内一窥成为可能，本文所云便是通过大量 AI 问答（ Kimi 2.6/2.7、GPT 5.5 ）总结的，希望对读者有所启迪。
HiFi 系统漫游
音频文件 → 解码 → PCM/DSD 数据流 → (DSP 处理) → 传输协议+物理层 → [DAC] → 模拟信号 → 音量控制（衰减）→ 电压放大 → 电流放大 → [耳机] → 人耳 → [人脑] → 听觉
不难看出从内存中的音频文件到人脑产生的听觉，其中经过了 1 次衰减、2 次放大、3 次转换（数模转换、电声转换、声-感知转换），这几个步骤在整个路径中对声音影响最大。
常见的 HiFi 产品都可以被拆分为这些环节，值得注意的是我们常说的“解码器”其实是一个源于早期翻译的错误称呼。DAC 全称 Digital to Analog Converter 顾名思义功能是数模转换，而解码（decode）的概念和编码（encode）是对应的。
音源
信号表示方式
模拟音源
物理量连续变化——声音以连续的物理波形形式记录和重放。
- 记录原理：声波的振幅和频率直接对应记录介质上的物理变化（如黑胶沟槽的深浅/宽窄、磁带磁粉的磁化强度）
- 数学本质：连续函数 $f(t)$，在任意时间点都有定义
- 特点：信息密度"无限"（理论上），但每一次复制/传输都会引入噪声和失真（信噪比逐级劣化）
数字音源
离散采样+量化——将声波转换为一系列数字编码。
- 记录原理：按固定时间间隔（采样率）测量声波振幅，并用有限位数的数字表示（量化）
- 数学本质：离散序列 $f[n]$，仅在采样点有定义
- 核心参数：
- 采样率（如44.1kHz、96kHz）：决定可还原的最高频率（奈奎斯特极限：$f_{max} = f_s/2$）
- 位深（如16bit、24bit）：决定动态范围（~6dB/bit，16bit≈96dB）
- 特点：复制无损，但存在量化误差；需要重建滤波器将离散信号恢复为连续波形
数字音乐的文件格式：PCM 与 DSD 是两大流派，前者 多 bit，后者 1bit。PCM 原始格式为
.wav，FLAC 与 ALAC 编码是无损压缩。老烧认为能听出.wav与.flac区别是荒谬的——无损压缩是可逆的，编解码后的哈希值一致。若能听出区别，说明系统保真度堪忧。.m4a容器可以封装 AAC 有损编码和 ALAC 无损编码，大多来自 Apple Music，因 Apple 默认施加 digital master 处理，源文件已不同，故声音不同。
为什么 16bit 44.1khz 已经足够保真：
1.奈奎斯特-香农采样定理
人耳可听频率上限约为 20kHz（年轻人，且因个体差异和听力损伤会下降）。根据采样定理，采样率只需大于信号最高频率的 2 倍 即可无失真地重建原始信号。 44.1kHz 的奈奎斯特频率为 22.05kHz，完全覆盖了人耳可听范围，并留有约 2kHz 的过渡带用于抗混叠滤波器的滚降。
2.过采样（Oversampling）与重建滤波
早期的 CD 播放器确实面临重建滤波器设计困难的问题——需要在 20kHz 处近乎平坦，在 22.05kHz 处急剧衰减（“砖墙滤波器”），这在模拟域很难实现且会引入相位失真。
过采样解决了这个问题：
- 播放器内部以 2×、4×、8× 甚至更高倍数对 44.1kHz 进行过采样
- 将镜像频谱推到更高的频率，大幅降低了对模拟重建滤波器的陡峭度要求
- 现代 DAC（如 Delta-Sigma 架构）通常在内部以 MHz 级别运行，配合数字插值滤波器，重建过程极为精确
3.噪声整形（Noise Shaping）
Delta-Sigma DAC 利用噪声整形将量化噪声从低频推向人耳不敏感的高频区域。对于 44.1kHz 的 16bit 信号，通过过采样+噪声整形，可听频段内的有效信噪比甚至可以超过 120dB，远超原始 16bit 的理论 96dB。绝大多数商业音乐的动态范围在 10-20dB 之间。即使是古典音乐现场录音，其动态范围也极少超过 60-70dB。
4.环境噪声本底
这是一个经常被忽略的关键因素：
- 安静的录音室环境噪声约为 20-30dBA
- 普通家庭的房间噪声约为 30-40dBA
- 即使是非常安静的消声室，本底噪声也在 10-15dBA 左右
这意味着，如果你想听到 16bit 量化噪声（约 -96dBFS），你的听音音量必须大到让峰值信号达到约 110dB SPL 以上——这已经接近痛阈，且在这种音量下，房间噪声和听力本身的非线性失真会完全掩盖量化噪声。
既然 16bit/44.1khz 已经足够，更高规格如 24bit/96khz 的意义是？
1.录音和混音阶段：24bit 的"动态余量"
数字增益调整：在混音中，音轨经常被衰减 20-40dB 后再进行后续处理。如果用 16bit，衰减后有效位深可能只剩 8-10bit，会引入明显的量化失真。24bit 提供了充足的"数字余量"（headroom）。
多轨叠加：数十轨叠加时，噪声会累积。24bit 确保在复杂的 DSP 链路中始终保持高保真。
2.回放端 DSP 处理中的精度损失
几乎所有的数字信号处理（数字音量衰减、EQ、采样率转换等等）都会引入舍入误差。24bit（甚至 32bit float）作为工作精度，可以确保即使经过数十次处理，累积误差仍远低于可闻阈值；而 16bit 可能经由 DSP 之后只剩 12bit 甚至更低。
3.96kHz/192kHz 的混音优势
插件处理：许多数字音频算法（尤其是非线性处理如失真、压缩、模拟建模）在更高采样率下表现更好，因为减少了混叠失真。
采样率转换：从 96kHz 向下转换到 44.1kHz 时，数字滤波器有更多空间进行优化，最终 44.1kHz 的成品质量可能略好于直接在 44.1kHz 下制作。
4.母带和存档
作为"数字母带"，24bit/96khz 提供了更高的安全余量，未来如果需要重新处理或重新发行，有更大的灵活性。类似于摄影中的 RAW 格式——交付给用户的是 JPEG，但摄影师需要 RAW 来修图。
产品形态详解
黑胶唱片
| 维度 | 科学细节 |
|---|---|
| 记录方式 | 沟槽的左右摆动（立体声）/上下深度变化（单声道 legacy）直接对应声波振幅 |
| 物理限制 | 低频需要大振幅→沟槽变宽→唱片容量减少；高频受唱针质量/循迹能力限制（一般有效上限15-20kHz） |
| 失真来源 | 唱针摩擦沟槽（磨损）、偏芯/抖晃（wow & flutter）、共鸣、静电噪声 |
| “温暖感"来源 | 谐波失真（尤其是偶次谐波）、低频共振、高频衰减形成的特定频响曲线 |
黑胶的本底噪声（~-60dB）和动态范围（~60-70dB）远低于CD，其自然度来自无数模转换和失真特性。
CD
| 维度 | 科学细节 |
|---|---|
| 标准参数 | 44.1kHz/16bit（1982年Sony/Philips红皮书标准） |
| 物理载体 | 聚碳酸酯基盘上的凹坑（pit）和平地（land），激光读取 |
| 容量 | 74分钟（源于贝多芬第九交响曲时长） |
| 纠错机制 | CIRC（交叉交织里德-所罗门码），可修复轻微划痕 |
| 理论性能 | 动态范围~96dB，频响0-22.05kHz |
现代数字音频系统
当代数字音频已分化出多条技术路径：
基于电脑的音频（PC-HiFi）
| |
技术要点：
- USB音频：异步传输模式（DAC主导时钟，减少抖动）
- 文件格式：PCM、DSD
- 位流 vs 包传输：USB Audio Class 2.0支持高达PCM 768kHz/32bit或DSD 512
- 抖动（Jitter）：数字时钟精度影响时域误差，现代异步方案已将其降至可忽略水平
关于 USB 音频传输以及 USB 线材，强烈推荐阅读：https://www.rainlain.com/index.php/2026/05/07/5957/
网播&数播
| |
科学优势：
- 电气隔离：网络传输（TCP/IP）天然隔离前端噪声，优于USB直连
- 专用系统：精简OS（如Volumio、Roon）减少电脑的多任务干扰
流媒体协议：
- UPnP/DLNA、AirPlay 2（ALAC编码）、Roon RAAT（专有低延迟协议）
- MQA：折叠高频信息至较低采样率容器，声称"无损"但涉及专利与认证争议
DAC
数字信号的本质
声音是空气的振动，麦克风把这种振动转换为连续变化的电压（模拟信号）。为了存储和传输，我们需要对这个连续信号进行采样和量化：
| |
每个采样点用一个数字表示。比如用16位二进制：
| 采样电压 | 量化值 | 16位二进制 |
|---|---|---|
| +满幅 | 32767 | 0111 1111 1111 1111 |
| 0 | 0 | 0000 0000 0000 0000 |
| -满幅 | -32768 | 1000 0000 0000 0000 |
关键：数字信号只是一串0和1，每个位代表一个“开关”是开还是关。它不是电压，不是声音，也不是任何物理量本身——它只是对信息的编码。
DAC 的任务
DAC（Digital-to-Analog Converter，数模转换器）的任务很简单：
根据一串数字码，生成一个与其数值对应的模拟电压或电流。
例如：
| |
理想情况下：
$$ V_{out}=k\times\sum_{k=0}^{N-1}b_k2^k $$其中：
- $b_k$ 是第 $k$ 位的值（0或1）
- $N$ 是数字码的位数
- $k$ 是比例系数
因此，DAC的核心问题可以简化为：
如何让不同的数字位产生不同的模拟权重？
最直观的答案是：使用不同大小的电阻。
权电阻网络
权电阻网络是最直观的DAC。
二进制权重
以4位数字为例：
| |
例如：
| |
如果每一位都控制一条电流路径，就可以让不同的位产生不同大小的电流：
$$ I_k=\frac{V_{ref}}{2^kR} $$最终：
$$ I_{total}= \sum_{k=0}^{N-1} b_k\frac{V_{ref}}{2^kR} $$再通过电流-电压转换得到输出。
权电阻网络的问题
| |
它的思想非常直观：
| |
问题也同样明显。
如果是8位DAC：
| 数字位 | 所需电阻 |
|---|---|
| MSB | R |
| bit 2 | 2R |
| bit 3 | 4R |
| bit 4 | 8R |
| bit 5 | 16R |
| bit 6 | 32R |
| bit 7 | 64R |
| LSB | 128R |
如果：
$$ R=1k\Omega $$那么最大和最小电阻之间已经相差128倍。
对于更高位数的DAC，电阻比例会以指数形式增长：
| |
在芯片内部制造并精确匹配如此巨大的电阻范围显然非常困难。
因此，工程师提出了R-2R梯形网络。
R-2R 梯形网络
核心思想
R-2R网络只需要两种名义阻值：
| |
通过重复的结构，利用电阻分压实现二进制权重。
| |
二进制权重的实现
R-2R网络的关键在于：
从每一级看进去，后面的网络都可以被等效为相同的负载。
因此，每经过一级，电压或电流就会减半：
| |
恰好对应：
| |
R-2R 相比权电阻的优势
| 特性 | 权电阻网络 | R-2R网络 |
|---|---|---|
| 所需名义阻值 | 多种 | 2种 |
| 匹配关系 | 多种比例 | 主要是1:2 |
| 匹配难度 | 很高 | 相对较低 |
| 芯片面积 | 较大 | 较小 |
| 工程实现 | 困难 | 成熟 |
但R-2R仍然依赖：
- 电阻匹配
- 开关精度
- 参考电压稳定性
- 温度稳定性
- I/V转换电路
因此，R-2R DAC的核心难点不是“能不能产生电压”，而是：
能否让每一个数字码都产生足够准确的模拟电平。
电流舵
R-2R网络的开关需要在不同电压节点之间切换。
当速度提高时，开关的：
- 导通电阻
- 寄生电容
- 电荷注入
- 开关延迟
都会影响线性度。
电流舵DAC采用另一种思路，把转换从电压域搬到电流域：
使用一组电流源，并通过开关将这些电流导向不同的输出节点或支路。
| |
在一个简化的差分结构中：
| |
而不是：
| |
因此可以避免部分电流源反复启停造成的问题，并有利于降低高速转换中的毛刺；但实际毛刺性能仍取决于开关结构、时序和电流单元的匹配。
电流舵 DAC 的分段结构
单元电流源
假设每个单元都是：
$$ I_{unit}=I $$那么：
| 数字码 | 接通单元数 | 输出电流 |
|---|---|---|
| 0000 | 0 | 0I |
| 0001 | 1 | 1I |
| 0010 | 2 | 2I |
| 0011 | 3 | 3I |
| … | … | … |
| 1111 | 15 | 15I |
这种方式称为温度计码（Thermometer Code）。
为什么不直接使用二进制权重？
假设一个4位DAC使用二进制电流源：
| |
从：
| |
变化时，四个开关可能同时翻转。
由于每个开关的实际延迟不同：
| |
输出可能短暂经过错误的电流值，从而产生毛刺。
温度计码则将输出分成许多相同的单元：
| |
在理想的单调码转换过程中，相邻输出码只需要增加或减少一个相同的电流单元。
因此高位通常使用温度计码，低位使用二进制码，这种结构称为分段式DAC。
实际的分段点需要根据具体架构进行设计：
| |
I/V 转换
电流型DAC输出的是：
$$ I_{out} $$而音频系统通常需要：
$$ V_{out} $$因此需要：
$$ I\rightarrow V $$电阻负载
最简单的方式：
| |
根据欧姆定律：
$$ V_{out}=I_{out}R_{load} $$缺点是：
- DAC输出端电压会随电流变化
- 电流源的工作状态会受到输出电压影响
- 线性度可能下降
- 输出摆幅受到限制
运放 I/V 转换
更常见的方式是跨阻放大器：
| |
负反馈使：
$$ V_-\approx V_+=0V $$因此DAC输出端的电压变化较小。
理想情况下：
$$ V_{out}=-I_{out}R_{fb} $$这就是：
跨阻放大器（Transimpedance Amplifier，TIA）。
重建滤波器
DAC 为什么还需要滤波？
数字采样产生的频谱并不只有原始音频。
以44.1kHz采样为例：
| |
因此DAC之后需要：
| |
理想滤波器：
| |
实际滤波器不可能无限陡峭。
这就产生了一个问题：
| |
44.1kHz系统的过渡带非常窄。
这就是为什么现代DAC大量使用数字过采样。
NOS
NOS（Non-Over-Sampling）DAC的特点是：
输入采样率是多少，DAC核心就以多少采样率工作，不进行数字插值。
例如：
| |
而现代过采样DAC：
| |
NOS 并不是“没有滤波器”。它只是：不在数字域进行插值。
NOS 的高频衰减
如果 DAC 将每个采样值保持一个完整的采样周期：
| |
这称为：Zero-Order Hold（ZOH，零阶保持）。
零阶保持的频率响应为：
$$ H(f)=T\cdot \mathrm{sinc}(fT) $$归一化后：
$$ |H(f)| = \left| \frac{\sin(\pi f/f_s)}{\pi f/f_s} \right| $$因此：频率越高，零阶保持的输出幅度越低。
对于采用零阶保持等传统保持型输出方式的 NOS DAC，这就是其高频滚降的主要数学原因。
不过，实际产品的最终频响还会受到以下等因素影响：
- DAC 输出结构
- 模拟滤波器
- 输出级带宽
- 是否采用 sinc 补偿
因此，理论 ZOH 响应不一定等于最终测得的产品频响。
定量计算理论衰减
当：
$$ f_s=44.1kHz $$$$ f=20kHz $$则：
$$ |H(f)| = \left| \frac{\sin(\pi\times20000/44100)}{\pi\times20000/44100} \right| \approx0.694 $$换算为分贝：
$$ 20\log_{10}(0.694) \approx-3.17dB $$因此：
理想 44.1kHz NOS DAC 仅考虑零阶保持时，在20kHz处的理论幅度衰减约为 3.17dB。
对于不同采样率：
| 采样率 | 20kHz处理论ZOH衰减 |
|---|---|
| 44.1kHz | ≈ -3.17dB |
| 96kHz | ≈ -0.63dB |
| 192kHz | ≈ -0.16dB |
采样率越高，20kHz 相对于采样率越低，ZOH造成的高频衰减越小。
NOS 产生较近的采样镜像
NOS 不进行数字插值，因此镜像频谱仍然靠近基带：
| |
因此 NOS DAC 的信号流是：
| |
所以：
NOS DAC 不是没有重建滤波器，而是把更多的重建任务交给了模拟滤波器。
过采样
如果对44.1kHz信号进行8倍插值：
| |
那么第一组镜像的中心位于 352.8kHz 附近。
如果原始音频带宽为 0～20kHz，则第一组镜像大约位于：
$$ 352.8-20=332.8kHz $$到：
$$ 352.8+20=372.8kHz $$之间。
| |
相比原始 44.1kHz 系统：
| |
模拟滤波器的过渡带大幅变宽，因此：
过采样并不是为了创造新的音频信息，而是为了让重建滤波器更容易实现，把滤波工作搬到数字域。
Delta-Sigma DAC
现代音频DAC的主流架构之一是 Delta-Sigma（ΔΣ）DAC。它的基本思路是用速度换精度，即：
提高采样率，并利用噪声整形把量化噪声推向高频。
典型结构：
| |
噪声整形
量化一定会产生误差。
普通量化：
| |
Delta-Sigma 通过反馈环路重新分配噪声：
| |
结果：音频带内，噪声尽可能低；超声频段，噪声被推高。
需要注意的是：
噪声整形并没有消除量化噪声，而是重新分配了噪声的频谱能量。
通过模拟低通滤波器，可以去除其中的大部分超声频率成分。
1-bit 不等于 ΔΣ
早期和部分经典 ΔΣ DAC使用 1-bit 量化器，其优势是：
- 只有两个模拟状态
- 不需要匹配多个模拟电平
- 理论上容易保证单调性
但缺点是：
- 量化器本身的量化误差较大
- 需要更强的噪声整形
- 需要更高的过采样率
- 高频超声噪声可能较强
因此：
“Delta-Sigma DAC 内部是 1-bit ”是对部分架构的描述，不是现代 Delta-Sigma DAC 的普遍规律。
现代 ΔΣ DAC通常采用多位量化
现代音频DAC中存在大量多位 Delta-Sigma 架构。
但需要注意：现代音频 ΔΣ DAC 并不存在统一的量化器位数。
量化器可以采用：
| |
具体选择取决于整个架构的工程折中。
例如：
| |
这里必须区分：
输入PCM的位深，与 Delta-Sigma 调制器输出的位数不是同一个概念。
并不意味着：
| |
更准确的理解是：
| |
在过采样和噪声整形的帮助下，系统可以用较低的单次量化精度和更高的时间采样密度，降低音频带宽内的量化噪声。
现代 ΔΣ DAC 的量化位数
为什么许多现代多位 Delta-Sigma DAC 选择几位到数位量化？这是一个工程折中。
| 量化器 | 优点 | 缺点 |
|---|---|---|
| 1 bit | 模拟匹配简单 | 量化噪声和噪声整形压力大 |
| 2～4 bit | 在复杂度和噪声之间折中 | 仍有一定噪声整形压力 |
| 5～6 bit | 单次量化误差较低 | 需要更好的模拟匹配 |
| 更高位数 | 单次量化精度更高 | 模拟线性度和匹配难度增加 |
因此：
增加量化器位数可以降低单次量化误差，减轻噪声整形的压力；但同时，DAC核心需要生成更多精确的模拟电平，对电流源或电阻的匹配提出更高要求。
实际设计通常需要在以下因素之间进行折中：
| |
因此：
5～6 bit可以是某些现代多位 ΔΣ 架构的典型范围，但不能代表所有现代音频 DAC。
多位 DAC 需要 DEM
假设多个电流单元理论上应该完全相同：
| |
但实际制造中：
| |
如果每次都使用固定的电流单元：
| |
误差就会形成确定性的失真。
**DEM（Dynamic Element Matching，动态元件匹配）**的做法是轮换使用不同的单元：
| |
这样：
| |
DEM 的本质不是让元件变得完全一致，而是将固定的元件失配误差转换成更容易处理的动态误差。
DAC 架构对比
| 特性 | NOS R-2R | 过采样 Delta-Sigma |
|---|---|---|
| 数字插值 | 无 | 有 |
| DAC工作采样率 | 原始采样率 | 通常更高 |
| 20kHz附近频响 | 可能存在ZOH滚降 | 通常可以实现更平坦的频响 |
| 镜像频率 | 较近 | 被推远 |
| 模拟滤波器要求 | 较高 | 相对较低 |
| 主要难点 | 电阻匹配 | 噪声整形与多位匹配 |
| 典型实现 | R-2R | 多位ΔΣ |
因此：
NOS的核心代价是可能存在ZOH高频滚降和较近的镜像；过采样的核心代价是更复杂的数字滤波和更高的超声频率能量。
两者都是工程取舍。
完整信号流总结
从文件到耳朵：
| |
关键物理量总结
| 概念 | 物理意义 | 主要决定因素 |
|---|---|---|
| 分辨率 | 最小可分辨电压步进 | 位数 |
| 满幅电压 | 最大输出电压 | 参考电压、增益 |
| 线性度 | 实际输出偏离理想值的程度 | 元件匹配、温度 |
| 建立时间 | 输出达到稳定值所需的时间 | 开关速度、带宽 |
| 毛刺 | 码变化时的瞬态误差 | 开关时序、寄生参数 |
| SNR | 信号与噪声的比值 | 噪声底 |
| 动态范围 | 最大信号与噪声底之差 | 模拟和数字噪声 |
| THD | 谐波失真 | 转换器与输出级非线性 |
| 抖动 | 采样时刻的时间误差 | 时钟系统 |
| ZOH滚降 | 零阶保持导致的高频衰减 | 采样率 |
| 重建滤波 | 去除采样镜像和超声噪声 | 数字/模拟滤波器 |
核心结论
从信号处理角度看：
- R-2R：用精密模拟元件直接实现数字码到模拟量的映射
- 电流舵：通过将电流导向不同输出路径实现高速数模转换
- I/V转换：把DAC输出的电流转换为电压
- 重建滤波：去除采样产生的镜像频谱
- NOS：不进行数字插值，因此传统零阶保持结构可能产生随频率升高而增加的高频滚降
- 过采样：把镜像推向更高频率，降低模拟滤波器的过渡带要求
- Delta-Sigma：利用高采样率和噪声整形降低可听频段内的量化噪声
- 现代多位Delta-Sigma：通过量化器位数、过采样率、噪声整形和模拟DAC核心线性度之间的工程折中实现高带内性能
因此：
DAC并不是简单地把“0和1”变成电压。
它实际上是：
| |
不同 DAC 架构的主要差异，不在于某一种架构是否拥有某种神秘的“声音”，而在于：
它们把精度、噪声、失真、滤波和实现难度分配到了信号链的不同位置。
DSP：以 HQPlayer 为例
在信号抵达 DAC 之前，数字域是最后一个可以精确控制、无损处理的环节。HQPlayer 本质上是一个高精度数字信号处理引擎，它将重采样、抖动/噪声整形、Delta-Sigma 调制、卷积均衡与矩阵路由等工具整合为一条完整的处理链路。
重采样滤波器
DAC 章节已阐明过采样的物理意义：将采样镜像推向更高频率，降低模拟重建滤波器的压力。但具体选择何种数字滤波器，涉及对理想低通重建核的不同工程逼近。
理想重建滤波器的脉冲响应为 sinc 函数：
$$ h(t) = \frac{\sin(2\pi f_c t)}{2\pi f_c t} $$该响应在时域无限延伸且非因果（$t<0$ 时非零），任何实际实现都必须在时域截断，并引入窗函数。截断导致吉布斯现象（频域通带波纹与阻带泄漏），而非因果性则表现为预振铃（pre-ringing）——在瞬态信号到达之前出现非零输出。
HQPlayer 的滤波器家族可按相位特性与时频权衡分类：
线性相位滤波器
系数满足对称性 $h[k] = h[N-1-k]$，所有频率分量具有相同群延迟，保持波形完整性。代价是存在对称的预振铃与后振铃。
| 滤波器 | 特点 | 适用场景 |
|---|---|---|
poly-sinc-lp | 通用线性相位，适度预振铃 | 古典音乐、室内乐 |
poly-sinc-long-lp | 更长核，更陡峭滚降、更高阻带衰减 | 对频响纯净度要求高的场景 |
poly-sinc-ext2 | 极陡峭滚降，完全截止于奈奎斯特频率，两阶段处理 | 追求极致频响与谐波结构 |
poly-sinc-gauss-long | 高斯型，最优时频联合分辨率，极高阻带衰减 | 兼顾时域与频域性能 |
sinc-M / sinc-Mx | 百万级抽头，恒定或自适应长度 | 最高技术质量源素材 |
最小相位滤波器
将能量集中于因果部分，消除预振铃，但引入相位非线性（不同频率群延迟不同）。适合包含强瞬态的录音。
| 滤波器 | 特点 | 适用场景 |
|---|---|---|
poly-sinc-mp | 无预振铃，后振铃较长 | 流行、摇滚、电子 |
poly-sinc-shrt-mp | 更短后振铃，瞬态响应最优 | 鼓点、打击乐 |
poly-sinc-long-mp | 更长后振铃，改善滚降陡度 | 需要更好衰减的最小相位场景 |
中间相位与切趾滤波器
中间相位（Intermediate Phase） 如 poly-sinc-long-ip，在预振铃与相位非线性之间取折中：极小预振铃 + 轻微群延迟差异，适合爵士、布鲁斯等既需要一定空间感又含瞬态的音乐。
切趾（Apodizing）滤波器 的设计目标是修复源信号中已存在的预振铃缺陷。许多现代录音在 ADC 或母带阶段使用了锐截止数字滤波器，引入了可测量的预振铃误差。HQPlayer 主界面的 “Apod” 计数器 统计了此类误差的检测次数。手册明确指出：当单 track 的 Apod 计数超过 10 时，强烈建议使用 apodizing 滤波器（如 poly-sinc-gauss-xla）。其原理并非简单叠加"味道”，而是用具有优化时频响应的核覆盖原始缺陷。
特殊用途滤波器
poly-sinc-mqa/mp3-lp：针对 MQA 或 MP3 编码内容优化，清理编码过程引入的高频噪声，早期缓滚降poly-sinc-hires-lp：专为 HiRes 内容设计，极高阻带衰减，同时适用于有损压缩格式回放IIR/IIR2：模拟风格滤波器，无预振铃但长后振铃，类似模拟滤波器的相位特性
选择逻辑：先观察 Apod 计数 → 超过 10 则必须用 apodizing；未超过时，古典/真实声学录音优先线性相位，流行/电子/强瞬态优先最小相位，爵士/布鲁斯可考虑中间相位。
字长缩减
HQPlayer 内部以 64-bit 浮点精度运算，但 DAC 硬件通常只接受 24-bit、16-bit 或 1-bit（DSD）。将高位深信号降至硬件位深的过程称为字长缩减（Word-length Reduction），其核心挑战是控制量化误差。
设量化步长为 $\Delta$，舍入量化器定义为：
$$ Q(x) = \Delta \cdot \text{round}\left(\frac{x}{\Delta}\right) $$量化误差 $\epsilon = x - Q(x)$，满足 $|\epsilon| \leq \Delta/2$。
若输入 $x[n]$ 为低频正弦信号，确定性舍入会使 $\epsilon[n]$ 呈现与信号相关的周期性模式，产生谐波失真。例如 1kHz 正弦经 16-bit 直接舍入，谐波失真可能达到 -90dB 以下，但在安静段落或高增益系统中仍可闻。
抖动
抖动（Dither）通过添加随机噪声打破量化误差与信号的相关性。设抖动噪声为 $\nu[n]$，则：
$$ Q(x[n] + \nu[n]) - x[n] \approx \nu[n] + \epsilon_q[n] $$其中 $\epsilon_q[n]$ 为与信号独立的量化噪声。
RPDF（矩形分布）：白噪声，概率密度 $p(\nu) = \frac{1}{\Delta}$（$|\nu| \leq \Delta/2$），方差 $\Delta^2/12$。计算轻量，但仅适合 24-bit 以上输出。
TPDF（三角分布）：两个独立 RPDF 之和，概率密度：
$$ p(\nu) = \frac{1}{\Delta}\left(1 - \frac{|\nu|}{\Delta}\right), \quad |\nu| \leq \Delta $$方差 $\sigma^2 = \Delta^2/6$。TPDF 是行业标准，可将谐波完全转化为白噪声，适用于任何采样率，是 44.1/48kHz 回放的首选。
Gauss1（高斯分布）：平坦频谱的高质量抖动，推荐用于 ≤96kHz 且不使用噪声整形的场景。
噪声整形
抖动将谐波转化为白噪声，而噪声整形（Noise Shaping）进一步利用反馈环路将噪声能量从低频推向高频。$M$ 阶噪声整形系统的 z 域噪声传递函数为：
$$ NTF(z) = (1 - z^{-1})^M $$频域功率谱密度：
$$ S_{noise}(f) = S_q(f) \cdot \left|2\sin\left(\frac{\pi f}{f_s}\right)\right|^{2M} $$在音频带内（$f \ll f_s$），近似有：
$$ |NTF(f)| \approx \left(\frac{2\pi f}{f_s}\right)^M $$即每倍频程噪声功率下降 $6M$ dB。但代价是超声频段噪声被急剧放大，必须由后级模拟低通滤波器抑制。
HQPlayer 提供的噪声整形选项具有明确的工程定位：
| 选项 | 阶数/类型 | 推荐采样率 | 说明 |
|---|---|---|---|
NS1 | 1阶 | ≥176.4kHz | 简单噪声整形，超声敏感设备慎用 |
NS4 | 4阶 | ≥88.2kHz | 类似传统"shaped dither" |
NS5 | 5阶 | 8x/16x (352.8kHz+) | 激进整形，适合 PCM1704 等 |
NS9 | 9阶 | 4x (176.4/192kHz) | 专为 4x 率设计，适合 TDA154x 等老式 16-bit DAC |
LNS15 | 15阶线性 | 16x (705.6/768kHz) | 平滑斜率，专为最高 PCM 率优化 |
shaped | 成型 dither | ≥88.2kHz | 噪声频谱经成型以降低可闻度 |
关键认知：噪声整形并未消除噪声，而是依据人耳听觉掩蔽特性（A-weighting 下低频敏感、高频不敏感）重新分配频谱能量。配合过采样将噪声推向 MHz 级频率，后级模拟滤波器可在保留音频带内极高动态范围的同时，去除超声噪声。
Delta-Sigma 调制
当输出模式设为 SDM（DSD）时，HQPlayer 需要将多 bit PCM 转换为 1-bit 或少数几位的超高采样率码流。这一过程由 Delta-Sigma 调制器完成。
$M$ 阶 ΔΣ 调制器的线性化模型给出信号传递函数（STF）与噪声传递函数（NTF）：
$$ STF(z) = 1, \quad NTF(z) = (1 - z^{-1})^M $$频域幅度响应：
$$ |NTF(f)| = \left|2\sin\left(\frac{\pi f}{f_s}\right)\right|^M $$调制阶数 $M$ 的选择是噪声抑制与超声噪声能量的权衡：
- 5 阶：超声噪声能量相对较低，适合模拟重建滤波器较简单的 DAC
- 7 阶：低频噪声抑制更强，但超声噪声更激进，要求 DAC 具备更好的高频滤波能力
HQPlayer 调制器体系
| 系列 | 阶数 | 特性 | 适用 DAC |
|---|---|---|---|
DSD5 / DSD7 | 5 / 7 | 固定配置，非自适应 | 简单重建滤波的 DAC |
ASDM5EC / ASDM7EC | 5 / 7 | 自适应 + 扩展补偿 | 主流 ΔΣ DAC；ESS Sabre 推荐 5 阶 |
ASDM*EC-light | 5 / 7 | 轻量版，降低 CPU 负载 | 性能受限系统 |
ASDM*EC-fast | 5 / 7 | 瞬态与负载优化 | 实时性要求高的场景 |
ASDM*EC-super | 5 / 7 | 超级版，更高精度 | 计算资源充足时 |
ASDM*EC-512+fs | 5 / 7 | 专为 512x 及以上率优化 | DSD512/DSD1024 输出 |
AMSDM7 | 7 | 伪多比特 | ≥20.48 MHz 输出率 |
AHM7EC5L | 7 | 5电平混合（实验性） | 扬声器系统，不建议作为数字音量控制 |
自适应调制器（ASDM） 的核心在于根据输入信号动态调整调制器参数。对于低电平高动态信号，优化噪声频谱分布；对于大信号，防止调制器过载。手册特别指出：
使用 PCM→SDM 转换时，建议数字音量不超过 -3 dBFS。高过采样比会产生显著的样间过冲（inter-sample overs），而过载 ΔΣ 调制器会产生明显的噪声。HQPlayer 会自动监测调制深度，必要时限制在 50% 以维持保真度。
DirectSDM 选项可在源为 DSD 且输出为 DSD 时完全旁路所有处理（包括音量控制），此时 PCM 音量固定为 -3 dBFS。这实现了 bit-perfect 的 DSD 直通，但牺牲了数字音量调节能力。
卷积引擎
卷积是 LTI（线性时不变）系统在时域的完全表征。输出信号 $y[n]$ 是输入 $x[n]$ 与系统脉冲响应 $h[n]$ 的离散卷积：
$$ y[n] = \sum_{k=0}^{L-1} h[k] \cdot x[n-k] $$对于房间校正或耳机均衡，脉冲响应长度 $L$ 可达数万甚至数十万样点，直接卷积的计算复杂度为 $O(N \cdot L)$，计算量巨大。
HQPlayer 提供两种基于 FFT 的快速卷积算法：
Overlap-add：将输入信号分块，每块补零后做 FFT，与 $H(k)$ 频域相乘，IFFT 后将重叠部分相加。计算复杂度降至 $O(N \log L)$，CPU 占用较低，推荐。
Overlap-save：另一种分块 FFT 方法，通过重叠保留而非重叠相加实现，计算量略大，但在某些边界条件下具有数值优势。
脉冲响应的工程要求
- 格式：单声道 RIFF (WAV) 格式
- 采样率：建议使用 352.8kHz 采样的扩展频响滤波器。此时高频响应已覆盖所有可能的需求，可禁用 “Expand HF”，避免 HQPlayer 对低频 IR 进行高频外推引入 artifacts
- 增益补偿：HQPlayer 自动计算 IR 的估计增益，显示于 “IR gain” 框。用户可据此设置 “Gain compensation”。当选择正增益补偿时，该补偿在卷积被禁用时以负增益形式应用，便于 A/B 对比
重要：当源素材采样率与脉冲响应采样率不同时，HQPlayer 会自动将 IR 重采样至源素材率。对于大型 IR 文件，此操作可能显著增加 CPU/GPU 负载。建议预先准备与目标播放率匹配的 IR 文件。 注意：卷积引擎与矩阵处理器不建议同时启用。若需在矩阵处理中使用 EQ，应直接在矩阵的 “Process” 列加载 IR 文件，而非同时开启简单卷积引擎。
矩阵处理
矩阵处理是 HQPlayer 最强大的 DSP 功能，支持最多 128 个虚拟通道（pipeline），可实现跨通道混合、滤波、延迟与相位控制。
通道路由与混合
- Source Ch：指定输入源通道
- Mix Ch：指定逻辑输出通道
- Gain：支持 dB 或线性标度。线性标度下负值可实现相位反转，支持 M/S（Mid/Side）处理
当多个虚拟通道映射到同一输出通道时，输出为各通道之和：
$$ y_{out}[n] = \sum_{i} g_i \cdot x_{src_i}[n] $$参数均衡（IIR 插件）
基于双二次（Biquad）滤波器，标准传递函数：
$$ H(z) = \frac{b_0 + b_1 z^{-1} + b_2 z^{-2}}{1 + a_1 z^{-1} + a_2 z^{-2}} $$支持的滤波器类型及参数：
| 类型 | 参数 | 说明 |
|---|---|---|
lp / hp | f=频率, q=Q / s=斜率 | 低通/高通 |
lp1 / hp1 | f=频率 | 一阶低通/高通 |
peak | f, q/bw, g=增益(dB) | 峰值/凹陷 |
lshelf / hshelf | f, q/s, g | 低/高搁架 |
notch | f, q/bw | 陷波 |
biquad | b0,b1,b2,a0,a1,a2 | 原始系数 |
IIR to FIR 转换：HQPlayer 可将参数 EQ 转换为 FIR 卷积实现。勾选时转换为线性相位 FIR（引入预振铃，适合平缓 EQ）；未勾选时转换为最小相位 FIR（保留原始最小相位特性）。高 Q 值、大增益的 EQ 设置在线性相位转换下会产生显著预振铃，需谨慎使用。
延迟与距离补偿
“delay” 插件支持三种延迟定义：
- 样本数：
s=样本数 - 时间：
t=秒数 - 距离：
d=米数，声速默认 $v = 343.956,\text{m/s}$
距离到延迟的转换：
$$ \Delta t = \frac{d}{v} $$HQPlayer 自动按当前目标采样率将时间转换为样本延迟。结合 “Channel balance” 中的距离设置，可精确补偿多声道系统中各扬声器到听音位的到达时间差。值得注意的是，距离处理在 DirectSDM 模式下依然可用，实现了 DSD bit-perfect 直通下的时延补偿。
后处理
- Bauer cross-feed：耳机交叉馈送，通过模拟扬声器串扰增强空间感。支持自定义截止频率与电平
- Loudness：响度自适应控制，随音量调整低频/高频补偿
- Correction：特定 DAC 型号与输出率下的校正曲线，修正 DAC 的非理想频响
电平控制与动态管理
限幅器
HQPlayer 内置软膝限幅器，当任何通道输出超过 0 dBFS 时自动衰减。限幅触发时：
- 音量旋钮颜色变为红色
- “Limited” 计数器递增
限幅灵敏度取决于所选滤波器和过采样比。高过采样比会放大样间过冲概率，因此手册强烈建议常规听音音量不超过 -3 dBFS。
固定音量
当不需要 HQPlayer 数字音量控制时（如使用外置模拟音量控制），可启用 Fixed Volume：
- 勾选：固定音量约为 -3 dB，为典型音乐内容提供足够 headroom
- 未勾选（灰色）：固定音量约为 -6 dB，适合包含大量数字限幅/削波的重度压缩内容
将 Volume min 和 Volume max 设为相同值也可实现固定音量，但 Fixed Volume 选项针对典型 inter-sample over 进行了优化。
PCM 增益补偿
由于 DSD 的调制特性，许多 DAC 的 PCM 0 dBFS 与 DSD 0 dB 输出电平不同。HQPlayer 提供补偿表：
| DAC 类型 | 补偿值 |
|---|---|
| AK4490 | -3.5 dB |
| AK4493 | -1 至 -3.5 dB |
| AK4499 | -4.1 dB |
| ESS Sabre | 0 dB |
| Holo Audio | -6 dB |
| Denafrips | -3.2 dB |
自适应增益
开启自适应增益（Adaptive Gain）后，HQPlayer 会基于 ReplayGain 或库分析数据自动调整回放电平。库扫描时计算的关键指标包括：
- True Peak：dBTP，提示是否存在样间过冲
- RMS：均方根电平
- LUFS：集成响度
- LU：响度范围
- Apod 计数：提示是否需要 apodizing 滤波器
若元数据包含正值增益，需预留额外 headroom，否则限幅器将频繁触发。
20kHz 滤波器
针对伪 HiRes 或先前被不良上采样的内容，HQPlayer 提供极高性能的 20kHz 低通滤波器。其设计优化了时间-频率性能，对 20kHz 以上提供快速陡峭衰减。
启用条件：仅在源采样率 ≥2x（≥88.2kHz）时生效。对于 44.1kHz 素材，20kHz 已接近奈奎斯特极限（22.05kHz），该滤波器无意义。
DSP 链路总览与决策框架
完整的 DSP 处理链路可概括为：
| |
参数选择决策树：
- 源分析：查看格式、采样率、Apod 计数、true peak
- 输出模式：R2R DAC → PCM；ΔΣ DAC → SDM（极少数 DAC 两种模式均优）
- 滤波器：Apod > 10 → 必用 apodizing；古典/真实声学 → 线性相位；流行/电子/强瞬态 → 最小相位；爵士/布鲁斯 → 中间相位
- 字长缩减：≤96kHz → TPDF/Gauss1；4x 率 → NS9；8x/16x 率 → NS5/LNS15
- SDM 调制器：ESS Sabre → ASDM5EC；其他多位 ΔΣ → ASDM7EC；512x+ → 选用
512+fs优化版本；计算受限 → light 版本 - 后处理：先完成 Channel balance（电平/距离），再按需启用矩阵 EQ 或卷积
DSP 不是"调味剂"，而是信号重建链路的最后一段数字优化。所有参数选择都应回归到可测量的目标：降低带内噪声、消除镜像、补偿物理系统缺陷、防止调制器过载。脱离测量数据的"听感描述"，往往只是大脑对特定时域振铃或频响倾斜的适应性反应。
耳机
耳机是整个 HiFi 系统中最复杂的换能环节。DAC 和放大器主要处理电信号，而耳机需要把电信号转换为振膜的机械运动，再通过空气形成声压，最终与人的耳廓、耳道和鼓膜耦合。因此，耳机实际上是一套电—机械—声学耦合系统。
理解耳机，也就意味着需要从一个更基本的问题开始：
输入一个电信号之后，耳机的机械结构究竟如何把它变成空气压力？
在进入换能器结构之前，首先需要知道我们究竟应该如何测量这套系统。
耳机的重要测量指标
| 指标 | 主要回答的问题 |
|---|---|
| 频率响应 | 耳机在不同频率输出多少声音？ |
| 阻抗曲线 | 耳机在不同频率下有多难驱动？ |
| 灵敏度 | 给定电压或功率能够产生多少声压？ |
| THD | 振膜运动是否保持线性？ |
| 谐振 / Q 值 | 系统储存了多少机械或声学能量？ |
| IR / CSD | 信号停止后，系统还会持续多久？ |
一般认为频率响应是最重要的测量指标。原因很简单：人耳对频谱变化非常敏感，而耳机的频响偏差往往远大于现代电子设备的频响偏差。
但频率响应又有一个非常特殊的问题：
耳机测到的并不只是耳机本身，而是“耳机 + 耳廓 + 耳道 + 测量系统”共同形成的结果。
因此，理解耳机测量，首先必须理解“测量到的声音究竟在哪里产生”。
频率响应
频率响应（Frequency Response）描述的是：当输入信号电平保持一定时，改变信号频率，耳机最终能够在耳道中产生多少声压。
假设输入电压固定为：
$$ V_{in}=1V_{rms} $$然后依次输入：
| |
测量耳道中的声压级：
$$ SPL=20\log_{10}\left(\frac{p}{20\mu Pa}\right) $$就可以得到一条频率响应曲线。
例如：
| |
它描述的并不是“耳机振膜在不同频率下移动了多少”，而是：
整个耳机系统最终在测量位置产生了多少声压。
这一区别非常重要，因为从振膜到鼓膜之间还存在大量声学结构：
| |
因此最终测得的频率响应实际上可以理解成多个环节传递函数的乘积：
$$ H_{total}(f)=H_{driver}(f)*H_{acoustic}(f)*H_{ear}(f) $$其中 $H_{driver}$ 是换能器本身，$H_{acoustic}$ 是腔体、导管、耳罩等产生的声学传递函数，而 $H_{ear}$ 则代表人体耳廓、耳道等结构的影响。
这也是为什么耳机频响不能像 DAC 一样简单地追求：
| |
如果直接把一个扬声器放在自由空间中测量，“平坦”有一定意义；但耳机最终不是工作在自由空间，而是工作在人耳附近。
人工耳和耦合器
既然最终目标是测量耳膜附近的声压，那么最理想的方法显然是：
把麦克风放到人的耳膜旁边。
问题在于，这种方法既难以标准化，也无法重复。
每个人的耳道长度、截面积、耳廓形状都不同，即使同一个人重新佩戴一次耳机，耳机与耳朵之间的位置也可能发生变化。
因此工程上需要使用**人工耳（Artificial Ear）和耦合器（Coupler）**建立一个可重复的标准负载。
最简单的理解方式是：
| |
耦合器并不是简单的“一个麦克风”。
它需要尽可能模拟真实耳道在一定频率范围内的声学负载，包括空气体积、声学阻抗以及压力变化。因此不同标准会规定不同的耦合器结构。
对于入耳式耳机，常见测量系统会使用类似 IEC 60318-4 的标准耳模拟器。其意义不是“制造一个和真人完全一样的耳朵”，而是：
规定一个所有实验室都能够重复使用的标准声学负载。
这样一来，不同耳机之间才能进行相对公平的比较。
IEM高频测不准
入耳式耳机（IEM）的高频测量尤其容易出现差异。很多不同测量机构测试同一副 IEM 时，会发现：
| |
原因在于高频声波的波长已经与耳道尺寸处于同一数量级。
声波波长为：
$$ \lambda=\frac{c}{f} $$取空气中的声速：
$$ c\approx343m/s $$在 10kHz 时：
$$ \lambda=\frac{343}{10000} \approx34.3mm $$而人的耳道长度通常只有几厘米；这意味着在 10kHz 左右，耳道已经不再能够被简单看成一个“无限小的点”。
声波会发生：
- 反射；
- 干涉；
- 驻波；
- 相位变化。
因此，仅仅改变 IEM 在耳道中的插入深度，就可能明显改变高频响应。
例如插入位置发生约 1mm 的变化，在高频区域就可能造成数 dB 的变化。
可以简单表示为：
| |
因此 IEM 高频测量的主要困难并不是“麦克风不够好”，而是：
测量对象本身对几何位置极其敏感。
这也是为什么实验室通常需要重复插入、重复测量，然后进行统计处理。
因此，在阅读 IEM 高频频响时，尤其应该避免把 10kHz 以上每一个很小的峰谷都理解成耳机一定存在对应的物理缺陷。
低频到中频区域通常具有更高的测量一致性，而高频则需要考虑测量系统和佩戴位置带来的不确定性。
头戴式耳机需要HATS
头戴式耳机的问题更加复杂。
IEM 可以直接进入耳道附近，但头戴式耳机需要同时考虑：
- 耳廓；
- 头部绕射；
- 耳罩；
- 耳罩与皮肤之间的密封；
- 耳机在头部上的位置。
因此，仅仅使用一个标准耦合器已经不足以完整描述头戴式耳机，需要 HATS（Head And Torso Simulator，头部和躯干模拟器）。
典型结构可以理解为：
| |
HATS 的意义在于把耳机放置在一个具有标准几何尺寸的“人”上。这样，测量结果不仅包含耳机本身，还可以包含头部和耳廓对声波传播产生的影响。
耳廓并不是一个简单的障碍物，而是一个复杂的声学滤波器。不同方向进入耳廓的声音会产生不同的反射和干涉，因此：
$$ H_{ear}(f,\theta,\phi) $$实际上是一个同时依赖频率和空间方向的传递函数。
这也是 HRTF（Head-Related Transfer Function，头相关传递函数）产生的基础。
因此，一副头戴耳机的频率响应，本质上并不是：
| |
而更接近：
| |
这也是为什么仅仅把一个麦克风放在耳机前方，无法得到真正有意义的“人耳频响”。
不同测量机构的数据不同
即使使用同一人工耳或 HATS，不同实验室的结果仍然可能存在差异。
原因主要来自两个方面：
补偿曲线不同
同一个 Raw Response，可以根据不同 Target 进行不同的补偿。
佩戴方式不同
头戴式耳机尤其容易受到佩戴影响：
- 夹持位置；
- 耳罩角度；
- 耳罩密封；
- 耳机与耳廓距离
IEM 则对插入深度更加敏感。因此：
不同网站的频响曲线不能在不了解测量系统的情况下逐点比较。
应该首先确认：
| 条件 | 是否一致 |
|---|---|
| 测量设备 | 人工耳 / HATS 类型 |
| 耦合器 | 标准是否一致 |
| 补偿曲线 | Target 是否一致 |
| 佩戴方式 | 是否一致 |
| 插入深度 | 是否一致 |
| 重复测量 | 是否进行统计 |
只有这些条件大致一致，频响曲线之间的比较才具有意义。
从 Free Field 到 Diffuse Field 再到 Harman Target & BK5128
既然人体本身会改变频率响应，那么接下来就出现一个非常重要的问题：
耳机到底应该调成什么样才算“正确”？
答案并不是简单的“全频段 0dB”。
早期研究主要从扬声器和声场出发，形成了不同的参考目标。
其中一个思路是 Free Field（自由场）。它假设声音主要来自正前方，测量系统希望模拟人在自由声场中面对一个声源时的听觉条件。
另一种重要思路是 Diffuse Field（扩散场）。扩散场假设声音来自多个方向，耳朵因此会形成不同的频率响应。
这两种目标都试图回答：
如果耳机能够在耳膜处重现某种自然声场，它应该具有什么样的频率响应？
但随着大量主观听音实验的发展，人们逐渐发现，仅仅从物理声场推导目标并不一定能够得到最佳的听感偏好。
因此出现了以受试者主观评价为基础的 Harman Target。
Harman 思路的核心并不是声称“某一条曲线是物理上唯一正确的曲线”，而是通过受控听音实验寻找：
多数听者更偏好的频率响应形状。
因此需要区分三个概念：
| |
它们解决的问题并不完全相同。
而近年来，B&K 5128 等新一代测量系统进一步试图提高人工耳在高频区域对真人耳道声学特性的模拟能力。
传统 IEC 60318-4 耳模拟器在一定频率范围内非常实用，但到了更高频率，其标准耳道与真人耳之间的差异会越来越明显。
因此可以把这些测量体系理解成不同阶段的工程逼近：
| 方法 | 核心思想 | 主要意义 |
|---|---|---|
| Free Field | 模拟自由声场 | 从声场重建目标 |
| Diffuse Field | 模拟扩散声场 | 考虑多方向入射 |
| Harman Target | 基于主观偏好统计 | 寻找多数人的偏好 |
| IEC 60318-4 | 标准化耳模拟器 | 提供可重复测量 |
| BK5128 | 更接近真人耳的声学模拟 | 改善高频与个体耳道模拟 |
因此，所谓“目标曲线”本身并不是耳机声音的物理定律，而是：
测量系统对“自然声音”或“多数人偏好”的一种工程定义。
夹具测量的局限与 Personal HRTF：统计学意义和个人体验的矛盾
到了这里，就会出现耳机测量最根本的矛盾。
假设我们拥有一个完美的人工耳，它能够代表一群人的平均耳朵。
那么它可以非常准确地告诉我们“一般人”会得到什么样的频率响应。
但它仍然无法告诉某一个具体的人：
“你自己的鼓膜会接收到什么声音。”
原因就是 HRTF。
HRTF 可以简单理解为：
$$ HRTF(f,\theta,\phi) = \frac{P_{ear}(f,\theta,\phi)} {P_{free}(f,\theta,\phi)} $$它描述声音从某个方向进入耳朵后，头部、耳廓和耳道对频谱造成的改变。
其中：
- $f$ 是频率；
- $\theta$、$\phi$ 描述声源方向；
- $P_{ear}$ 是耳朵附近的声压；
- $P_{free}$ 是自由场中的参考声压。
问题在于，每个人的：
- 耳廓形状；
- 耳道长度；
- 耳道截面积；
- 头部尺寸；
- 耳道弯曲方式
都存在差异。
因此：
| |
这就形成了一个非常有意思的矛盾：
标准化测量越统一，越适合比较产品；但它越不可能完全代表某一个人的耳朵。
反过来，如果我们完全按照某个人的 HRTF 进行个性化校正，又会失去标准化比较的意义。
因此，耳机测量实际上存在两个不同目标：
| 目标 | 最重要的东西 |
|---|---|
| 产品之间公平比较 | 标准化夹具 |
| 预测个人听感 | 个人 HRTF |
| 大规模统计研究 | 平均 HRTF / Target |
| 个性化 EQ | 个人耳道与佩戴测量 |
这也是为什么“某条曲线在夹具上最接近目标曲线”与“某个人听起来最好”并不是完全等价的命题。
更准确的理解应该是：
标准化测量解决的是“如何公平描述产品”，而个人 HRTF 解决的是“这个产品在我的耳朵里究竟是什么声音”。
两者并不存在谁取代谁的问题。
阻抗曲线
如果频率响应描述的是：
耳机把输入信号变成多少声音。
那么阻抗曲线描述的就是：
耳机在不同频率下对输入电信号呈现怎样的负载。
最简单的交流阻抗可以写成：
$$ Z(f)=R+jX(f) $$其中：
- $R$ 是电阻部分；
- $X(f)$ 是随频率变化的电抗。
对于一个理想纯电阻负载，阻抗与频率无关。
$$ Z=R $$但真实耳机远远不是纯电阻。它同时包含：
- 音圈电阻；
- 音圈电感；
- 振膜机械阻抗；
- 悬边弹性；
- 空气负载；
- 腔体声学阻抗。
因此阻抗曲线实际上可以看作耳机内部机械和声学系统的一个“电学窗口”。
动圈阻抗峰：振膜机械谐振
动圈耳机通常会在低频区域出现一个明显的阻抗峰。
这是因为动圈振膜可以近似看成一个质量+弹簧+阻尼组成的机械振荡系统。
如果先忽略阻尼，其固有频率为：
$$ f_0= \frac{1}{2\pi} \sqrt{\frac{k}{m}} $$其中：
- $m$ 是系统等效质量；
- $k$ 是等效刚度。
当输入频率接近 $f_0$ 时，振膜的机械运动会发生明显变化。
这种机械谐振也会反映到电气侧，因此典型动圈耳机可能出现：
| |
这个峰值的位置和高度可以提供很多信息，例如：
- 峰值位置与机械谐振频率有关；
- 峰值高度与系统阻尼有关；
- 峰值附近的机械状态会影响低频响应；
- 耳放输出阻抗还可能通过这个阻抗变化进一步改变频响。
音圈具有电感
动圈耳机的音圈本质上是一组线圈。因此除了电阻 $R$ 之外，还存在电感 $L$。
理想电感的感抗为：
$$ X_L=2\pi fL $$随着频率增加：
$$ X_L\propto f $$所以音圈的阻抗通常会随着频率上升而增加。
一个简化的音圈模型可以写成：
$$ Z_{coil}=R+j2\pi fL $$实际耳机当然比这个模型复杂，因为音圈还与磁路、振膜机械运动和反电动势耦合。
因此真实阻抗曲线通常是：
| |
这也解释了为什么一个“标称 32Ω”的动圈耳机，在高频也并不一定始终保持 32Ω。
平板耳机：阻抗平坦
平板磁驱动耳机通常具有与传统动圈不同的阻抗特征。
由于平板振膜的驱动力分布更均匀，其机械谐振通常不像典型动圈那样表现出非常明显的低频阻抗峰。
因此很多平板耳机的阻抗曲线更加平坦：
| |
这并不意味着平板耳机完全没有机械或声学谐振，而是说：
其电气阻抗通常不会像典型动圈那样出现非常明显的低频机械谐振峰。
灵敏度
灵敏度（Sensitivity）描述的是：
给耳机施加规定的电压或功率之后，能够产生多大的声压。
标注值大多于 1khz 测得
很多耳机厂商会在规格表中给出：
| |
这些数字通常是在规定的测试条件和某个参考频率附近得到的，而不是“整个频段平均效率”。
最常见的参考频率是 1kHz。因此标注值并不意味着：
| |
因为耳机的频率响应本身就不是平坦的。
如果耳机在 1kHz 输出 96dB SPL，而在 100Hz 因为频响下降了 6dB，那么在相同输入功率下，100Hz 的输出就只有约 90dB SPL。
因此灵敏度主要用于回答：
这副耳机总体上需要多少电压/功率才能获得目标声压？
而不是用来替代完整频率响应。
两种单位的换算
常见单位有两种：
| |
已知耳机阻抗，可用
$$ Sensitivity_{mW} = Sensitivity_V - 10\log_{10}\left(\frac{1000}{R}\right) $$进行换算。
因此：
| 参数 | 固定条件 | 主要意义 |
|---|---|---|
| dB/mW | 功率固定 | 更适合比较电声效率 |
| dB/V | 电压固定 | 更适合估算实际设备输出 |
| 阻抗 | 负载固定 | 决定电压与功率之间关系 |
总谐波失真
如果频率响应主要描述耳机“发出什么声音”，那么 THD 描述的是：
耳机在输出过程中增加了多少原本不存在的谐波。
理想线性系统满足：
$$ y(t)=A\sin(\omega t) $$输入一个单频正弦波，输出仍然应该只有同一个频率。
但真实振膜存在各种非线性：
- 悬边刚度随位移变化；
- 音圈在磁隙中的磁场并非绝对均匀；
- 振膜可能发生弯曲；
- 空气负载可能出现非线性；
- 大振幅下机械结构可能偏离线性工作区。
因此输出可能变成：
$$ y(t) = A_1\sin(\omega t) + A_2\sin(2\omega t) + A_3\sin(3\omega t) + \cdots $$原本只有：
$$ f $$现在出现：
| |
这些整数倍频率就是谐波。
Distortion 的真实内涵
THD 定义为：
$$ THD= \frac{ \sqrt{V_2^2+V_3^2+V_4^2+\cdots} }{ V_1 } $$其中：
- $V_1$ 是基波；
- $V_2$ 是二次谐波；
- $V_3$ 是三次谐波；
- 后面依次类推。
例如输入：
| |
FFT 后可能看到：
| |
THD 把这些谐波的总能量合并成一个数字。
因此：
THD 是一个“总量指标”，而不是失真频谱本身。
两副耳机可能拥有相同的 THD：
| |
但其中一副可能主要产生二次谐波，另一副主要产生高阶谐波——它们的失真结构并不相同。
因此，如果要深入分析失真，不能只看一个 THD 数值，还需要看：
| |
这样才能知道耳机究竟在哪个频率、什么声压下开始进入明显的非线性区。
奇次谐波与偶次谐波
谐波可以进一步按照阶数分类：
| 类型 | 频率 | 例子 |
|---|---|---|
| 二次谐波 | $2f$ | 1kHz → 2kHz |
| 三次谐波 | $3f$ | 1kHz → 3kHz |
| 四次谐波 | $4f$ | 1kHz → 4kHz |
| 五次谐波 | $5f$ | 1kHz → 5kHz |
其中：
| |
奇次和偶次并不能简单对应为“好失真”和“坏失真”。真正重要的是：
- 失真的大小；
- 失真出现在哪个频率；
- 失真属于哪一阶；
- 随输入声压如何变化。
耳机尤其容易在低频出现更高的 THD。
原因是对于相同的声压级，低频需要更大的振膜位移。
因此：
| |
这也是为什么很多耳机的 THD 图在 20Hz～100Hz 区域明显高于中频。
对于平板耳机，由于整个振膜受到更加均匀的驱动力，很多产品在低频区域可以实现很低的失真，但这并不是平板结构的绝对保证。
因此：
THD 最重要的意义不是告诉我们“这副耳机好不好”，而是告诉我们它在多大的输出幅度下还能保持线性。
频率响应更接近回答：
“它会发出怎样的声音？”
THD 更接近回答：
“在这个声压下，它还能不能准确地发出这个声音？”
谐振与储能
频率响应、THD 和时间响应看起来是三个不同问题，但它们背后存在一个共同的物理概念：
谐振（Resonance）。
耳机中的振膜并不是自由运动的。它受到：
- 振膜质量；
- 悬边刚度；
- 空气弹性；
- 机械阻尼；
- 声学阻尼
共同作用。
因此，可以把一个简化的耳机单元看成质量—弹簧—阻尼系统。
其运动方程可以写成：
$$ m\ddot{x}+c\dot{x}+kx=F(t) $$其中：
- $m$ 是等效质量；
- $c$ 是阻尼；
- $k$ 是等效刚度；
- $x$ 是振膜位移；
- $F(t)$ 是驱动力。
忽略阻尼时，固有频率为：
$$ f_0= \frac{1}{2\pi} \sqrt{\frac{k}{m}} $$当输入频率接近 $f_0$ 时，系统容易产生明显的振幅响应，这就是谐振。
谐振是耳机结构对特定频率的“共鸣”现象；而储能是支撑这一现象的物理基础——能量在振膜、空气、悬边等元件之间的暂存与交换。
谐振不一定是坏事
很多人看到“谐振”两个字，会直接认为它代表设计缺陷。
实际上：
任何真实的机械系统都存在谐振。
真正需要控制的是：
- 谐振的位置；
- 谐振的 Q 值；
- 谐振的幅度；
- 谐振之后的衰减速度。
一个适当控制的谐振甚至可以提高系统效率。
例如低频单元需要较高的输出能力，如果完全没有任何机械共振，往往意味着需要付出更大的驱动力。
真正的问题是高 Q、低阻尼的谐振。
例如：
| |
因此，所谓“声音拖”“低频收不住”等描述，在一定程度上可以与系统储能联系起来。
品质因数（Q值）
Q 值用于描述谐振系统的“尖锐程度”以及能量损耗情况。
对于经典二阶系统，可以近似理解为：
$$ Q \propto \frac{\text{储存能量}} {\text{每周期损失的能量}} $$Q 越高：
| |
Q 越低：
| |
可以简单画成：
| |
因此，Q 值并不是一个单独决定音质的“越低越好”参数。
如果阻尼过强，系统效率可能下降；如果阻尼过弱，则容易形成明显峰值和长时间拖尾。
工程设计实际上是在：
| |
之间寻找平衡。
储能的来源
耳机中的储能并不只有一个来源。
首先是机械储能。
振膜和悬边具有质量与弹性，因此振膜运动时会不断进行动能和势能之间的转换。
其次是空气储能。
封闭腔体中的空气可以被压缩，因此具有类似弹簧的作用。
第三是声学腔体中的驻波和谐振。
空气柱、导管、耳道都可能在特定频率下储存能量。
因此：
| |
这也是为什么耳机的时间响应并不是单纯由“振膜轻不轻”决定的。一个非常轻的振膜，如果配合高 Q 的腔体，同样可能出现明显拖尾。
所以所谓“速度快”不能简单等价于：
振膜质量小。
更准确的说法应该是：
系统在激励停止之后，能够多快地释放储存的能量。
脉冲响应
前面的频率响应、阻抗和 THD 主要描述稳态或频域特性。
但耳机播放音乐时，声音并不是无限持续的正弦波，而是不断出现：
- 鼓点；
- 人声起音；
- 吉他拨弦；
- 打击乐；
- 音符停止。
因此还需要观察：
输入停止之后，耳机的输出如何随时间变化。
这就是脉冲响应（Impulse Response，IR）。
如果给一个理想系统输入：
$$ x(t)=\delta(t) $$那么系统输出：
$$ y(t)=h(t) $$其中 $h(t)$ 就是系统的脉冲响应。
对于线性时不变系统，只要知道 $h(t)$，理论上就可以描述系统对任意输入信号的响应。
这也是为什么脉冲响应具有如此重要的地位。
CSD（瀑布图）、方波测试、阶跃
CSD（Cumulative Spectral Decay）即累积频谱衰减，通常以瀑布图形式表示。
它同时包含：
| |
例如：
| |
如果某个频率附近存在高 Q 谐振，那么输入停止之后，该频率仍然可能持续存在。
因此 CSD 可以看到：
| |
所以 CSD 可以理解为：
连接频率响应与时间响应的一座桥梁。
方波测试则是另一种观察方式。
方波本身由大量谐波组成：
$$ Square(t) = \sum_{n=1,3,5...}^{\infty}\frac{1}{n}\sin(n\omega t) $$因此，如果系统能够保持这些谐波之间正确的幅度和相位关系，输出方波就能够较好地保持原来的形状。
但耳机的频响和相位响应会改变这些谐波，因此：
| |
可以通过方波的形状观察系统的频域特性。
不过，方波并不是一个独立于频率响应的“神奇测试”。它本质上仍然是在用一种特殊输入信号观察系统对不同频率成分的处理方式。
**阶跃响应（Step Response）**同样如此。
输入从：
| |
突然变成：
| |
观察系统输出：
| |
如果系统存在过冲、振铃或较长的衰减过程，就会反映在阶跃响应中。
因此：
| 测量 | 主要观察 |
|---|---|
| 频率响应 | 稳态幅频特性 |
| CSD | 频率随时间的衰减 |
| 方波响应 | 多频率成分共同作用后的波形 |
| 阶跃响应 | 系统对快速变化输入的响应 |
| IR | 系统完整的时域响应 |
这些测试并不是互相独立的“玄学指标”，而是从不同角度观察同一个系统。
从一个脉冲到所有测量
理解傅里叶变换之后，可以进一步看到这些指标之间的联系。
时域中的脉冲响应：
$$ h(t) $$经过傅里叶变换，可以得到频率响应：
$$ H(f)=\mathcal{F}{h(t)} $$因此：
| |
因此，一副耳机并不是“拥有十几个互不相关的指标”。
更准确的理解是：
同一个物理系统，可以从时域、频域、电域和机械域被不同方式观察。
频率响应告诉我们系统在不同频率下的稳态输出；
阻抗告诉我们这个机械—声学系统如何反映到电气负载上；
THD 告诉我们系统偏离线性的程度；
CSD 则告诉我们某些频率的能量是否会在激励停止后继续存在。
把这些指标放在一起，才能真正开始理解耳机。
而下一步的问题就自然出现了：
如果耳机是一套机械—声学系统，那么一个理想的换能器究竟应该如何运动？
理想换能器
在讨论具体耳机结构之前，需要先明确一个问题：
什么样的换能器，才算是理想换能器？
耳机的本质任务，是将输入电信号完全转换为对应的机械运动，再转换为空气压力变化。
理想情况下，输入：$x(t)$ 输出：$P(t)$
两者之间应该保持严格对应。
也就是说：输入振幅增加一倍，振膜位移增加一倍，声压增加一倍；同时，输入频率改变，振膜能够准确跟随，不产生额外振动。
因此，一个理想换能器应该满足：
- 完全线性的力转换；
- 振膜作为整体运动；
- 没有额外机械共振；
- 没有能量储存；
- 无限宽的频率响应。
然而现实中不存在这样的换能器。
所有耳机设计，本质上都是在有限材料和结构条件下，尽可能接近这一目标。
活塞运动
理想换能器最重要的特征之一，是振膜能够进行活塞运动。
所谓活塞运动，是指整个振膜作为刚体整体前后移动，整个振膜位移完全一致。
此时：
- 相位一致；
- 声波方向稳定；
- 失真最低。
实际振膜并不是无限刚性的。当输入频率升高，振膜不同位置受到不同力，导致振膜产生弯曲。这种非整体运动称为：Break-up（分割振动）。
此时不同区域：
- 振幅不同；
- 相位不同。
最终输出声波发生叠加：
$$ P_{total} = P_1+P_2+...+P_n $$如果：
$$ \phi_1\neq\phi_2 $$则会产生：
- 声压抵消；
- 频响波动；
- 高频峰谷。
因此理想振膜需要同时满足：
- 足够轻；
- 足够刚；
- 足够阻尼。
这三个条件存在天然矛盾。
振膜质量、刚性与阻尼
振膜运动可以由牛顿第二定律描述：
$$ F=ma $$其中：
- $F$ 为驱动力；
- $m$ 为运动质量；
- $a$ 为加速度。
对于相同驱动力：
质量越小：
$$ a=\frac{F}{m} $$越大。
因此，轻质量有利于：
- 高频响应；
- 瞬态速度。
但如果只追求轻，会导致：
- 刚性不足；
- 容易弯曲；
- Break-up 提前出现。
因此振膜还需要高刚性。
材料刚性通常由杨氏模量表示：
$$ E=\frac{\sigma}{\epsilon} $$其中：
- $\sigma$ 为应力；
- $\epsilon$ 为应变。
E 越高，材料越不容易形变。
然而，高刚性材料通常具有较低内部阻尼。
例如金属：
| 特性 | 表现 |
|---|---|
| 刚性 | 高 |
| 质量 | 较低 |
| 内阻尼 | 较低 |
容易：
- 高频延伸好；
- 但存在明显共振峰。
因此第三个重要参数是：
内部阻尼（Internal Damping）
阻尼决定机械振动能量如何消耗。如果阻尼不足，会产生长时间振铃。
波前
除了振膜本身的机械运动之外，理想换能器还需要考虑另一个重要问题：
振膜产生的声波，是否能够以正确的方式传播到听者耳中？
这涉及声波的空间传播特性，也就是波前（Wavefront）。
所谓波前，是指声波中所有具有相同相位的点所组成的曲面。
例如，一个理想点声源产生的声波：
| |
声波以球面形式向外传播，每一个圆弧代表同一时间内具有相同相位的位置。
对于耳机而言，理想状态下振膜应该产生稳定、连续的波前，使不同区域产生的声波能够在耳道入口处正确叠加。
振膜尺寸与波长的关系
声波的基本关系为：
$$ \lambda=\frac{c}{f} $$其中：
- $\lambda$ 为波长；
- $c$ 为声速；
- $f$ 为频率。
空气中的声速约为：
$$ c\approx343m/s $$因此：
| 频率 | 波长 |
|---|---|
| 100Hz | 3.43m |
| 1kHz | 34.3cm |
| 10kHz | 3.43cm |
| 20kHz | 1.72cm |
可以看到，在低频区域，波长远大于振膜尺寸。
例如：
一个40mm耳机振膜：
$$ D=40mm $$而100Hz声波：
$$ \lambda=3.43m $$二者相差巨大。
此时整个振膜相当于一个点声源，因此低频通常更容易保持一致。
但随着频率升高：
当 $\lambda \approx D$ 时，不同位置产生的声波开始出现明显相位差，不同区域的运动状态不同。
最终：
$$ P_{total} = \sum_{n=1}^{N}P_n e^{j\phi_n} $$其中：
- $P_n$ 为局部声压；
- $\phi_n$ 为相位差。
如果不同区域相位不一致，会产生：
- 相互增强；
- 相互抵消。
最终表现为：
- 高频响应波动；
- 局部峰值；
- 声场不稳定。
Near Field 与耳机声场
耳机与音箱最大的区别之一，是听者距离振膜非常近。
音箱：
| |
声波经过较长距离传播，已经接近远场（Far Field）。
而耳机：
| |
通常处于近场（Near Field）。
近场中：
- 声压变化更复杂；
- 相位关系更敏感；
- 声学结构影响更明显。
因此耳机不能简单套用音箱理论。
耳机中的声学波导
为了控制波前，很多耳机都会加入声学结构。
例如：
- 导管；
- 网罩；
- 阻尼材料；
- 前腔。
这些结构实际上构成了声学波导（Acoustic Waveguide）。
其作用类似：
| |
通过控制：
- 空气质量；
- 声阻；
- 腔体容积；
调整不同频率的传播。
对于入耳式耳机，导管尤其重要，因为导管本身就是一个小型声学传输系统。
可以近似为：
| |
其长度、直径会影响：
- 高频共振；
- 相位响应；
- 输出阻抗。
因此不同 IEM 即使使用相同单元，仅改变导管结构，也可能产生完全不同的声音。
声波叠加与相位一致性
理想情况下，多个振膜区域应该同时运动；
并且：
$$ \phi_1=\phi_2=...=\phi_n $$此时，所有声波同相叠加：
$$ P_{total}=P_1+P_2+...+P_n $$输出效率最高。
但实际结构中，由于：
- 振膜弯曲；
- 材料阻尼；
- 腔体反射；
会产生：
$$ \Delta\phi\neq0 $$导致部分能量抵消。
这也是为什么：
- 大振膜不一定一定更好；
- 高频延伸需要严格控制振膜刚性；
- 单元结构不能只看尺寸。
理想波前与实际耳机的差距
理想换能器：
| |
实际耳机：
| |
因此最终听到的声音，是：
$$ Sound = Driver + Mechanical + Acoustic + HRTF $$共同作用的结果。
因此，理想换能器不仅要求振膜本身能够准确运动，还要求产生的声波能够以正确的方式传播。
这也是为什么现代耳机设计并不是简单追求：
- 更大的振膜；
- 更强的磁铁；
- 更高的频响范围。
真正重要的是：
让机械运动、声学传播和人耳响应形成一个协调的整体。
动圈
动圈（Dynamic Driver）是目前耳机中最成熟、应用最广泛的换能器结构。它的基本原理并不复杂：利用永久磁场与音圈电流之间产生的电磁力，推动振膜运动，再由振膜推动空气形成声波。
但“让振膜动起来”并不是动圈真正困难的地方。真正的工程问题是：
如何让振膜的运动尽可能准确地跟随输入电信号，同时把失真、储能和非线性控制在足够低的水平。
因此，一只动圈单元实际上是一个完整的机电系统：
| |
其中磁路、音圈、振膜和悬边并不是互相独立的零件，而是一个相互耦合的系统。磁路决定驱动力如何产生，音圈负责把电流转换为机械力，振膜负责把机械运动转换为空气运动，而悬边则负责约束振膜并提供机械回复力与阻尼。
基本工作原理
动圈换能器可以简化为：
| |
音频信号首先由放大器转换为随时间变化的电流。当电流流过处于永久磁场中的音圈时，导体会受到洛伦兹力（Lorentz Force）：
$$ \mathbf{F}=BIL $$其中：
- $B$ 为磁感应强度；
- $I$ 为通过音圈的电流；
- $L$ 为处于有效磁场中的导线长度。
因此，在理想情况下，如果磁场 $B$ 和有效导线长度 $L$ 保持不变，那么：
$$ F\propto I $$也就是说，电流发生怎样的变化，驱动力就按照相同的比例变化。这就是动圈能够重现模拟音频信号的根本原因。
例如输入一个正弦电流：
$$ I(t)=I_0\sin(\omega t) $$在理想磁路中：
$$ F(t)=BLI_0\sin(\omega t) $$于是振膜受到一个同频率、同相位的周期性驱动力，并进一步推动空气产生相应的压力变化。
整个过程可以表示为：
| |
因此动圈并不是“把电信号变成声音”这么简单，而是连续完成：
电 → 电磁力 → 机械运动 → 空气压力。
从电流到位移
如果暂时忽略阻尼和复杂的声学负载，可以把振膜看成一个质量-弹簧系统：
$$ m\ddot{x}+kx=F $$再代入：
$$ F=BLI $$得到：
$$ m\ddot{x}+kx=BLI $$这里可以看到一个非常重要的关系：
磁路决定驱动力，振膜和悬边决定这个驱动力最终如何转化为位移。
因此即使两个单元拥有完全相同的 $BL$，只要：
- 振膜质量 $m$ 不同；
- 悬边刚度 $k$ 不同；
- 阻尼 $c$ 不同；
最终频率响应和瞬态响应仍然会不同。
实际系统需要进一步写成：
$$ m\ddot{x}+c\dot{x}+kx=BLI $$其中 $c$ 为机械阻尼。
这也解释了为什么不能单独用“磁铁强不强”或者“BL 值大不大”判断一个动圈单元的性能。
交流电为什么能够重现音乐
假设输入的是一个 100Hz 的正弦信号，电流方向不断变化，因此洛伦兹力的方向也不断变化：
| |
于是振膜以 100Hz 的周期往复运动，空气中便形成 100Hz 的压力变化。
如果输入变成 1kHz，振膜每秒完成约 1000 次对应的周期性运动；如果输入达到 20kHz，则要求整个机械系统能够在每秒两万次的变化下仍然保持足够准确的响应。
因此，动圈高频能力的真正限制并不是“音频电路能不能输出 20kHz”，而是：
振膜、音圈和悬边能否在如此高的频率下保持接近理想的运动状态。
磁路
从：
$$ F=BIL $$可以直接看出，提高动圈驱动力的方法主要有三个：
$$ B\uparrow,\qquad L\uparrow,\qquad I\uparrow $$其中 $I$ 受到耳放输出能力、音圈阻抗和热容量等因素限制，因此换能器本身主要通过优化 $B$ 和 $L$ 来提高驱动力。
这就是磁路（Motor Structure）存在的意义：
在有限体积内建立足够强、足够均匀，并且随振膜位移变化尽可能小的磁场。
一个典型动圈磁路可以简化为：
| |
磁铁本身并不是最终目的。真正重要的是：
磁通是否能够被有效地集中到音圈所在的磁隙中。
磁感应强度
磁路最直接的指标之一是磁感应强度 $B$。
根据：
$$ F=BIL $$在其它条件相同的情况下：
$$ B\uparrow \Rightarrow F\uparrow $$因此更强的磁场能够让同样的电流产生更大的驱动力。
现代耳机大量使用钕铁硼（NdFeB）永磁材料，就是因为其具有较高的磁能积，可以在较小体积内提供较强的磁场。
但“磁铁越强越好”并不是完整的结论。因为如果磁场分布不均匀，即使中心位置的 $B$ 很高，音圈在实际运动过程中仍然会经历明显的磁场变化。
磁场均匀性
理想情况下，音圈在整个工作位移范围内都应该处于近似恒定的磁场：
$$ B(x)\approx B_0 $$于是：
$$ F(x)=B(x)IL $$能够近似保持：
$$ F\approx B_0IL $$但如果音圈移动后：
$$ B(x)\neq B_0 $$那么相同的输入电流会产生不同的驱动力。
例如：
| |
此时：
$$ F(-x)\neq F(0)\neq F(+x) $$于是输入信号与振膜驱动力之间不再保持严格线性，产生非线性失真。
因此，高性能动圈磁路追求的不只是高磁通密度，更重要的是在整个音圈运动范围内保持良好的磁场线性。
BL值
工程上经常使用 $BL$ Product 描述电机系统的驱动力能力：
$$ BL=B\times L $$因此：
$$ F=BL\cdot I $$$BL$ 越大，意味着在相同电流下可以产生更大的电磁力。
例如：
| 参数 | 单元 A | 单元 B |
|---|---|---|
| $B$ | 1.0 T | 1.5 T |
| $L$ | 0.01 m | 0.01 m |
| $BL$ | 0.010 T·m | 0.015 T·m |
如果两者通过相同电流：
$$ I=0.1A $$则：
$$ F_A=0.001N $$而：
$$ F_B=0.0015N $$单元 B 的理论驱动力更大。
但这并不意味着单元 B 一定更好。
因为最终性能还取决于：
- 振膜质量；
- 悬边刚度；
- 机械阻尼；
- 音圈质量；
- 磁场线性；
- 振膜最大位移。
因此 $BL$ 更适合被理解为电机系统的驱动力参数，而不是耳机音质的评分。
磁路结构
为了获得更好的磁场，不同动圈单元会采用不同磁路设计。
常见结构包括：
| 结构 | 特点 |
|---|---|
| 单磁体 | 结构简单、成本较低 |
| 双磁体 | 可以改善磁通利用 |
| 环形磁体 | 有利于围绕音圈形成对称磁场 |
| 对称磁路 | 减少运动过程中的磁场变化 |
| 高磁能积磁体 | 在较小体积获得较高磁通 |
高端动圈单元经常采用复杂磁路，并不是为了“堆磁铁”，而是为了同时优化：
$$ B $$和：
$$ B(x) $$也就是既提高磁通密度，又尽量保持位移范围内的磁场稳定。
磁路与失真
动圈的非线性失真来源之一，就是磁路的非线性。
如果：
$$ BL(x) $$随位移发生明显变化，那么驱动力：
$$ F(x)=BL(x)I $$就会随着位移变化。
由于输入信号本身又决定了位移，因此系统会产生非线性。可以简单理解为：
| |
因此优秀的磁路设计通常会努力扩大线性冲程（Linear Excursion）
即让音圈在较大的运动范围内仍然保持接近恒定的驱动力。
音圈
磁路负责建立磁场，而真正把电流转换成机械力的，是音圈（Voice Coil）。
音圈可以理解为固定在振膜上的轻质量导线线圈。
典型结构：
| |
音圈通常悬浮在磁路形成的狭窄磁隙中。
当电流流过线圈：
$$ F=BIL $$产生的力作用于音圈，并通过音圈骨架传递给振膜。
因此：
| |
音圈实际上就是电路和机械系统之间的连接桥梁。
音圈线材
音圈需要在：
- 低质量；
- 高导电率；
- 足够机械强度；
- 足够耐热；
之间进行平衡。
常见导体包括：
- 铜；
- 铝；
- 铜包铝（CCAW）等。
铜的电导率较高，因此相同长度和截面积下电阻较低；铝的密度更低，因此在追求低运动质量时具有优势。
音圈的导体材料、线径、匝数都会同时影响：
$$ R $$以及：
$$ M_{coil} $$因此音圈设计本质上也是一个电气与机械之间的折中。
音圈匝数与 BL
增加音圈有效导线长度 $L$ 可以提高：
$$ BL $$因为：
$$ F=BIL $$但增加匝数也会带来代价：
- 导线更长；
- 电阻增加；
- 音圈质量增加；
- 电感增加；
- 发热增加。
因此不能简单地通过增加线圈匝数无限提高驱动力。
最终需要优化：
$$ BL \quad\text{vs.}\quad M_{coil} \quad\text{vs.}\quad R_e \quad\text{vs.}\quad L_e $$这也是现代动圈单元中音圈设计越来越精细的原因。
音圈电阻与阻抗
音圈的直流电阻为：
$$ R_e $$而交流情况下还存在电感：
$$ X_L=2\pi fL_e $$因此音圈的阻抗可以近似表示为：
$$ Z(f)=R_e+j2\pi fL_e $$低频时：
$$ 2\pi fL_e $$较小，阻抗主要由电阻决定。
随着频率升高，电感抗逐渐增加，因此动圈耳机的高频阻抗通常会缓慢上升。
音圈电感与高频
音圈本质上是一个电感，因此：
$$ X_L=2\pi fL $$随着频率升高：
$$ X_L\uparrow $$于是：
$$ Z(f)\uparrow $$这会改变高频区域的电流：
$$ I=\frac{V}{Z} $$如果放大器输出电压保持不变，那么阻抗增加意味着电流下降。
因此音圈电感不仅影响阻抗曲线，也可能间接影响高频输出。
不过实际耳机的高频响应还受到：
- 振膜分割振动；
- 腔体；
- 声学阻尼；
- 磁路；
- 耳道；
等因素共同影响，因此不能把高频衰减简单归因于音圈电感。
音圈的热问题
音圈还承担一个非常现实的问题：
散热。
输入功率最终有一部分转换成热量：
$$ P=I^2R $$当大电流持续通过音圈时：
$$ P_{heat}\uparrow $$音圈温度升高，铜线或铝线的电阻也会发生变化。
对于金属导体：
$$ R(T)=R_0[1+\alpha(T-T_0)] $$温度升高：
$$ R\uparrow $$于是同样的输入电压下：
$$ I=\frac{V}{R} $$会下降。
这意味着音圈发热不仅关系到可靠性，也可能影响长时间大音量工作时的输出能力。
因此高功率耳机单元需要同时考虑：
- 音圈线径；
- 线圈面积；
- 磁隙结构；
- 通风；
- 磁体温度；
- 骨架导热。
音圈与振膜质量
音圈并不是一个“没有重量的导线”，它本身属于振动系统的一部分。
总运动质量可以近似表示为：
$$ M_{ms} = M_{diaphragm} + M_{voice\ coil} + M_{air} + \cdots $$因此音圈越重：
$$ M_{ms}\uparrow $$机械系统的高频运动能力通常越容易受到限制。
但如果为了减轻质量而过度缩小音圈：
- 散热能力下降；
- 有效导线长度减少；
- BL 可能下降；
- 最大输入功率下降。
因此音圈设计始终是在：
驱动力、质量、电阻、电感和散热之间寻找平衡。
振膜
如果说磁路负责“产生力”，音圈负责“传递力”，那么振膜就是动圈真正完成声学转换的部分。
振膜的任务可以概括为：
将音圈的机械运动转换为空气压力变化，并尽可能保持输入信号的时间和幅度关系。
不可能三角的应对方式：复合振膜
如前文所说，振膜设计存在一个经典的“不可能三角”：
轻、刚、阻尼，很难同时做到极致。
例如：
金属振膜
通常具有：
- 高刚性；
- 较低质量；
- 但内部阻尼相对有限。
因此容易获得良好的高频延伸，却需要控制高频共振。
软质聚合物
通常：
- 阻尼较高；
- 共振容易控制；
但刚性相对较低。
因此工程师开始使用复合振膜：
| |
不同材料承担不同任务。
例如：
- 刚性层负责提高弯曲模态频率；
- 轻质层负责降低运动质量；
- 阻尼层负责吸收残余振动。
因此现代所谓“复合振膜”的核心思想并不是简单地把材料叠在一起，而是：
让不同材料分别承担质量、刚性和阻尼三个维度的优化任务。
振膜尺寸与高频
振膜尺寸也会直接影响高频性能。
声波波长：
$$ \lambda=\frac{c}{f} $$频率越高：
$$ f\uparrow \Rightarrow \lambda\downarrow $$当波长逐渐接近振膜尺寸时，不同位置之间的相位差开始明显增加。
因此：
$$ D\sim\lambda $$时，振膜更难维持理想的整体活塞运动。
这也是为什么大振膜并不意味着一定拥有更好的高频。
大振膜：
- 低频移动空气能力强；
- 但高频更容易出现分割振动。
小振膜：
- 高频更容易保持整体运动；
- 但低频需要更大的位移才能移动相同空气体积。
因此振膜尺寸本质上也是：
低频效率与高频活塞运动之间的工程折中。
振膜几何
振膜并不一定是简单的平面。实际耳机经常采用：
- 圆顶；
- 椭圆；
- 环形；
- 锥形；
- 波纹；
- 多层曲面；
等结构。
原因在于：
几何形状本身就是一种机械设计手段。
例如增加曲率，可以提高结构刚性：
| |
相同材料和厚度下，具有合理曲率的结构通常能够获得更高的抗弯能力。
因此振膜性能不仅由材料决定：
| |
这也是为什么不能简单地说：“某种材料比另一种材料好。”
即使使用完全相同的材料，通过改变：
- 厚度；
- 曲率；
- 加强筋；
- 涂层；
- 悬挂方式；
也可以得到完全不同的机械响应。
悬边
振膜不能完全自由地悬浮，否则它会在受到驱动力后不断移动而无法稳定回到中心位置。
因此动圈单元需要**悬边（Surround）**将振膜固定在支架上。
悬边同时承担三个任务：
- 提供回复力；
- 限制振膜横向运动；
- 提供一定机械阻尼。
因此前面的质量-弹簧-阻尼模型：
$$ m\ddot{x}+c\dot{x}+kx=F $$其中：
- $m$ 主要来自振膜和音圈；
- $k$ 很大程度来自悬边；
- $c$ 则来自悬边材料、振膜材料以及其它机械损耗。
悬边与低频
系统固有频率：
$$ f_0= \frac{1}{2\pi} \sqrt{\frac{k}{m}} $$因此：
$$ k\downarrow \Rightarrow f_0\downarrow $$较柔软的悬边可以降低机械谐振频率，使单元更容易获得较低的低频延伸。
但悬边过软也会带来：
- 振膜控制力下降；
- 大位移时非线性增加；
- 横向运动增加；
- 最大位移受限。
因此低频设计不能简单理解成：
“悬边越软，低频越好。”
真正需要的是在目标频率下获得足够位移，同时保持良好的线性。
悬边的非线性
理想悬边应该满足：
$$ F=kx $$也就是位移增加一倍，回复力也增加一倍。
但实际悬边往往存在非线性：
$$ F(x)=k_1x+k_2x^2+k_3x^3+\cdots $$当振膜位移较小时，高阶项影响不明显。
当大音量低频信号使振膜产生较大位移时：
$$ k_2x^2,\quad k_3x^3 $$开始变得重要。于是系统产生非线性失真。
因此低频 THD 很大程度上取决于：
- 悬边线性；
- 磁路线性；
- 振膜刚度；
- 音圈位移范围。
悬边与振膜并不是独立的
最后需要注意，悬边并不是一个可以单独评价的部件。
例如：
| |
可能获得很低的谐振频率，但大位移下容易失控。
反过来：
| |
虽然机械系统稳定，但灵敏度和低频延伸可能受到限制。
因此完整的动圈单元实际上可以看成：
$$ \boxed{ 磁路 + 音圈 + 振膜 + 悬边 } $$四者共同构成一个机电换能系统。
其中：
| 部件 | 核心作用 | 主要影响 |
|---|---|---|
| 磁路 | 提供磁场 | BL、效率、失真 |
| 音圈 | 电→机械力 | 阻抗、质量、功率、BL |
| 振膜 | 机械→声学 | 频响、Break-up、瞬态 |
| 悬边 | 约束与回复 | f0、低频、位移、阻尼 |
因此，动圈单元真正的设计目标并不是单独优化任何一个零件，而是：
让磁路产生线性的力，让音圈尽可能轻而高效，让振膜保持稳定的活塞运动，让悬边提供线性的回复力，最终使整个系统尽可能接近理想换能器。
声学负载
前面讨论动圈单元时，主要关注的是：
| |
但振膜并不是系统的终点。
振膜真正需要推动的是空气。
因此，当振膜开始运动以后，整个耳机实际上还会进入另一个系统：
| |
空气并不是一个“什么都没有”的介质。它本身具有：
- 质量；
- 弹性；
- 阻尼。
因此空气也可以储存能量、产生共振，并对振膜运动形成阻力。
这意味着：
耳机最终的频率响应，并不只由换能器决定，而是由换能器与声学负载共同决定。
对于现代 IEM 来说，这一点尤其重要。
一个单元本身可以拥有非常优秀的频响，但只要改变：
- 后腔体积；
- 前腔体积；
- 导管长度；
- 导管直径；
- 阻尼材料；
- Vent 大小；
最终到达耳膜的频响就可能完全不同。
因此可以把整个系统写成：
$$ H_{total}(f) = H_{driver}(f) \cdot H_{acoustic}(f) \cdot H_{ear}(f) $$其中：
- $H_{driver}$：换能器本身；
- $H_{acoustic}$：腔体、导管、阻尼和开孔；
- $H_{ear}$：耳道和人耳本身。
也就是说：
振膜只是声学系统的起点，而不是终点。
空气
空气最重要的三个物理属性，可以分别对应到机械系统和电路系统中的三个基本元件：
| 空气的性质 | 声学参数 | 电路类比 |
|---|---|---|
| 空气质量 | Acoustic Mass | 电感 $L$ |
| 空气弹性 | Acoustic Compliance | 电容 $C$ |
| 空气阻尼 | Acoustic Resistance | 电阻 $R$ |
这并不是为了方便类比而强行套用电路概念。声学系统和机械、电路系统在数学形式上确实具有高度相似性。
因此可以利用电路理论分析：
- 腔体；
- 导管；
- Vent；
- 阻尼器；
- 耳道；
最终建立一个完整的声学阻抗网络。
空气质量：Acoustic Mass
空气虽然很轻，但只要空气柱被限制在一个通道中，它就具有明显的惯性。
例如一根导管：
| |
当振膜推动空气时，空气柱需要整体加速。因此空气会产生类似质量的作用。
在简化模型中，声学质量可以近似表示为：
$$ M_a\approx \frac{\rho l}{S} $$其中：
- $\rho$：空气密度；
- $l$：空气柱长度；
- $S$：截面积。
于是：
$$ l\uparrow \Rightarrow M_a\uparrow $$而：
$$ S\uparrow \Rightarrow M_a\downarrow $$也就是说：
导管越长，空气越“重”；导管越粗，空气越“轻”。
这就是为什么导管长度和直径能够影响耳机的频率响应。
空气弹性：Acoustic Compliance
如果空气被限制在一个封闭腔体中，振膜推动空气时会压缩空气。
空气被压缩以后，会产生恢复力。这就相当于一个弹簧。
对于小信号，可以近似表示为：
$$ C_a\propto\frac{V}{\rho c^2} $$其中：
- $V$：腔体体积；
- $\rho$：空气密度；
- $c$：声速。
因此：
$$ V\uparrow \Rightarrow C_a\uparrow $$也就是说：
腔体越大，空气弹簧越软。
反过来：
$$ V\downarrow \Rightarrow C_a\downarrow $$空气弹簧变硬。
这也是为什么 IEM 中非常微小的腔体尺寸变化，都可能改变最终频响。
空气阻尼：Acoustic Resistance
现实中的空气运动不会完全无损。
空气与：
- 管壁；
- 阻尼材料；
- 网孔；
- 狭窄通道；
之间会产生能量损耗。
因此可以定义声学阻力：
$$ R_a $$它描述的是声能在传播过程中被消耗的程度。
阻尼越大：
- 共振峰越低；
- Q 值越低；
- 振铃越短。
阻尼越小：
- 共振峰越明显；
- Q 值越高；
- 储能越强。
因此一个简单的声学共振器可以看成：
| |
也就是一个：
RLC 网络。
后腔
后腔（Rear Cavity）是位于振膜后方的空气空间。
典型结构：
| |
后腔最直接的作用，是决定振膜背后的空气负载。
由于空气具有弹性，后腔实际上会对振膜形成一个额外的空气弹簧。
因此：
$$ V_{rear}\downarrow \Rightarrow C_{rear}\downarrow $$空气弹性增强。
相应地，振膜会受到更明显的回复力。
所以：
后腔不是简单的“空腔”，而是换能器机械系统的一部分。
封闭式
封闭式耳机将后腔基本密封。
结构：
| |
当振膜向后运动：
| |
因此封闭后腔相当于给振膜增加了一根空气弹簧。
腔体越小：
$$ C_{air}\downarrow $$空气弹簧越硬。
这会改变单元的低频机械系统。
封闭后腔的优点
封闭结构能够：
- 隔离外部声音；
- 减少前后声波直接相消；
- 提供较稳定的低频加载；
- 提高低频隔离能力。
因此封闭式耳机通常能够获得较强的低频存在感。
但代价是：
后腔中的空气压力会更加直接地参与振膜运动。
如果设计不合理，就可能产生：
- 低频共振；
- 压力感；
- 较高 Q 值；
- 腔体储能。
开放式
开放式耳机允许后腔与外部空气连通：
| |
这样后腔空气不再完全封闭。
因此空气弹簧效应降低：
$$ C_{rear} \rightarrow 较弱 $$同时振膜背面的压力更容易释放。
开放式结构的另一个重要作用，是允许振膜背面的声波向外辐射。
这会影响：
- 低频响应；
- 声场；
- 与环境之间的声学耦合。
因此：
开放式 ≠ 单纯“漏音”。
它实际上改变了整个振膜的声学边界条件。
前腔
如果后腔主要决定振膜背面的空气负载，那么前腔就是：
振膜与耳膜之间的空气空间。
典型结构：
| |
对于耳机而言，前腔尤其重要，因为最终听到的声音就是经过这个空间以后到达鼓膜的。
前腔通常包括：
- 振膜前方空间；
- 耳罩内部空间；
- 耳套形成的密闭空间；
- IEM 导管；
- 耳道入口附近空间。
它们都会参与声学响应。
入耳式耳机的耳套
对于 IEM：
| |
耳套实际上是声学系统的一部分。它首先决定密封程度。
如果耳套与耳道形成良好密封，低频空气压力能够有效建立。
如果存在泄漏：
| |
低频能量就会被释放。
由于低频波长很长，对微小泄漏并不意味着“影响很小”。
实际上，耳套密封状态对 IEM 低频响应的影响往往远大于很多电子参数。
耳套还会改变：
- 前腔体积；
- 耳道入口距离；
- 导管长度；
- 耳机插入深度。
因此同一只 IEM：
| |
与：
| |
可能得到明显不同的频响。
尤其是高频，因为此时波长已经与耳道和导管尺寸处于同一数量级。
头戴式耳机的耳罩
头戴式耳机的前腔则主要由：
- 耳罩；
- 耳垫；
- 振膜；
- 耳廓；
共同形成。
可以简化为：
| |
耳垫的厚度、材料和密封程度都会改变前腔。
例如：
耳垫变厚：
$$ V_{front}\uparrow $$前腔体积增加。
耳垫变软：
- 耳机与头部贴合方式改变；
- 泄漏状态改变；
- 耳廓耦合方式改变。
因此耳垫并不是简单的“舒适性配件”。
它实际上是：
头戴式耳机的重要声学元件。
声学阻抗
机械系统中存在：
$$ F=ma $$电路中存在：
$$ V=ZI $$而声学系统也存在对应关系。
声学阻抗定义为：
$$ Z_a= \frac{P}{U} $$其中：
- $P$：声压；
- $U$：体积速度（Volume Velocity）。
因此：
声学阻抗描述的是空气运动有多“困难”。
如果某个结构声学阻抗很低，空气容易运动；如果声学阻抗很高，空气运动受到更强限制。
声学滤波器：空气组成的RLC网络
现代耳机中的：
- 导管；
- 腔体；
- Vent；
- 阻尼网；
- 阻尼棉；
- 耳道；
都可以被视为这个声学网络的一部分。
因此整个耳机实际上可以表示成：
| |
这也是为什么电声仿真中经常使用电路模型来模拟耳机。
共振频率
最简单的 LC 系统，其共振频率为：
$$ f_0= \frac{1}{2\pi\sqrt{LC}} $$换成声学参数：
$$ f_0= \frac{1}{2\pi\sqrt{M_aC_a}} $$这条公式说明：
只要改变空气质量或空气弹性，就可以改变共振频率。
例如：
导管变长：
$$ M_a\uparrow $$则：
$$ f_0\downarrow $$腔体变大：
$$ C_a\uparrow $$同样会使：
$$ f_0\downarrow $$因此一个很小的几何变化，就可能造成明显的声学频响变化。
阻尼材料
阻尼材料的作用，就是增加声学网络中的 $ R_a $
例如：
- 阻尼网；
- 海绵；
- 无纺布；
- 毛毡；
- 微孔材料；
都可以通过增加空气运动阻力来降低共振 Q 值。
简单来说：
| |
共振峰降低，响应更加平滑。
但阻尼并不是越大越好。
如果：
$$ R_a\uparrow\uparrow $$空气流动被过度限制，可能导致：
- 整体输出下降；
- 高频衰减；
- 瞬态改变。
因此阻尼材料真正的作用是：
控制特定频率的能量，而不是简单地“把声音变小”。
导管
导管（Nozzle / Tube）是 IEM 中最典型的声学元件。
它同时具有：
- 空气质量；
- 管壁损耗；
- 截面积；
- 长度；
因此本质上就是一个声学传输网络。
其空气质量近似：
$$ M_a\approx\frac{\rho l}{S} $$所以：
$$ l\uparrow \Rightarrow M_a\uparrow $$$$ S\downarrow \Rightarrow M_a\uparrow $$也就是说：长而细的导管具有更大的声学惯性。
导管还会形成管道共振。
对于近似一端封闭、一端开放的管道，其基频可以近似写成：
$$ f_0\approx\frac{c}{4L} $$其中：
- $c$ 为声速；
- $L$ 为有效长度。
例如：
$$ L=17mm $$则：
$$ f_0 \approx \frac{343}{4\times0.017} \approx5.0kHz $$这已经落在非常敏感的听觉区域。因此 IEM 导管的尺寸并不是随意设计的。
开孔（Vent）
Vent 是耳机中一个看起来非常简单、但实际作用非常复杂的结构。
| |
Vent 的基本作用是让空气能够从腔体流向外部。
因此它可以改变：
- 静态压力；
- 低频声学阻抗；
- 腔体共振；
- 振膜运动阻尼。
为什么完全封闭后腔会产生问题？
如果后腔完全封闭：
| |
尤其在低频大振幅情况下，空气弹簧作用会越来越明显。
加入 Vent 后：
| |
空气能够释放。于是后腔的等效声学刚度下降。
这会改变低频响应。
因此：
Vent 并不只是为了“让空气流通”，而是在主动改变后腔的声学阻抗。
Vent大小的影响
Vent 的尺寸会直接影响空气流动阻力。
Vent 越大：
- 泄压越容易；
- 低频压力更容易释放；
- 后腔负载减弱。
Vent 越小：
- 空气流动受到限制；
- 后腔更接近封闭；
- 低频加载更强。
但实际关系并不是简单的：“孔越大，低频越少”。
因为 Vent 本身还可能与腔体形成新的声学共振。
亥姆霍兹共振
亥姆霍兹共振（Helmholtz Resonance）是理解耳机声学结构最重要的例子之一。
最经典的结构就是：
| |
它由一个空气腔体和一个狭窄开口组成。
其核心思想是：开口中的空气柱相当于质量，腔体中的空气相当于弹簧。
因此：
| |
两者组合以后，就形成一个共振系统。
Helmholtz 共振频率
理想化条件下：
$$ f_H= \frac{c}{2\pi} \sqrt{ \frac{A} {V L_{eff}} } $$其中：
- $A$：开口面积；
- $V$：腔体体积；
- $L_{eff}$：开口的有效长度。
由公式可以直接得到：
$$ A\uparrow \Rightarrow f_H\uparrow $$$$ V\uparrow \Rightarrow f_H\downarrow $$$$ L_{eff}\uparrow \Rightarrow f_H\downarrow $$因此只需要改变：
- Vent 面积；
- 腔体体积；
- Vent 长度；
就可以改变共振频率。
为什么 Helmholtz 结构可以调音？
假设一个腔体的 Helmholtz 共振位于：
$$ f_H=100Hz $$那么在该频率附近，空气柱会发生明显振荡。
如果结构设计得当，它可以：
- 增强某一频段；
- 抵消某一频段；
- 改变阻抗；
- 改变相位。
因此它本质上就是一个：
声学滤波器。
现代耳机中大量结构都可以从这个角度理解。
例如：
| |
或者：
| |
从 RLC 网络理解 Helmholtz
前面已经建立：
$$ M_a\leftrightarrow L $$$$ C_a\leftrightarrow C $$因此 Helmholtz 共振器实际上就是一个简单的 LC 共振器。
其共振：
$$ f_H= \frac{1}{2\pi\sqrt{M_aC_a}} $$而阻尼对应：
$$ R_a $$因此实际 Helmholtz Resonator 并不是一个无限尖锐的理想共振，而是一个具有有限 Q 值的 RLC 网络。
这就把前面的所有概念连接起来：
| |
耳机真正的“调音”是什么
到这里，可以重新理解所谓的“调音”。
调音并不只是换一个振膜材料或者磁铁。
现代耳机设计实际上可以同时调整：
| 结构 | 主要控制 |
|---|---|
| 振膜 | 机械响应 |
| 磁路 | 驱动力与线性 |
| 后腔 | 后侧空气负载 |
| 前腔 | 耳前声学负载 |
| 导管 | 空气质量与共振 |
| 阻尼网 | 共振 Q 值 |
| Vent | 压力与低频负载 |
| 耳套 | 密封与前腔 |
| 耳道 | 最终声学滤波 |
因此：
$$ Sound=Driver+Cavity+Tube+Damping+Vent+Ear $$这也是为什么：
耳机不是“一个换能器”，而是一个完整的机电声学系统。
而对于多单元 IEM 来说，这种思路更加重要。
因为多个单元之间除了需要解决：
| |
还需要解决：
| |
因此现代 IEM 的复杂程度，并不是简单地来自“单元数量更多”。
真正复杂的是：
如何让多个不同换能器经过一整套空气组成的 RLC 网络后，在正确的频率、幅度和相位上到达耳膜。
这也正是后续平板、静电和动铁单元仍然需要面对的共同问题：
换能器可以改变，但空气永远是最后一级负载。
平板
基本思想与最大改变
动圈单元存在一个根本的结构问题：
振膜并不是被整个面积同时驱动，而是由中央或局部的音圈进行集中驱动。
真正直接受到洛伦兹力作用的，是位于磁隙中的音圈。振膜其它区域必须依靠材料本身的刚性，把音圈产生的力传递出去。
这就产生了前面讨论过的问题：
- 振膜不同区域运动不同步；
- 局部弯曲；
- Break-up；
- 相位差；
- 波前畸变。
即使使用非常高刚性的振膜材料，也只能尽量推迟这些问题，而不能从驱动方式上彻底消除集中驱动的缺陷。
点驱动 → 面驱动
这是平板磁驱（Planar Magnetic）最重要的改变。
它不再使用一个独立的传统音圈，而是将导体线路（Trace）直接布置在整个振膜表面。
当电流通过这些线路，同时磁场覆盖整个振膜区域时，洛伦兹力就不再集中作用于某一个小区域，而是分布在整个振膜上。
因此两种结构可以简单对比：
| |
动圈需要：
$$ 音圈\rightarrow振膜\rightarrow其它区域 $$逐渐传递机械应力。
平板则更接近：
$$ 驱动力\rightarrow整个振膜 $$因此振膜内部为了“把中心的力传到边缘”而产生的额外应力明显降低。
为什么面驱动更加理想？
洛伦兹力仍然满足：
$$ F=BIL $$区别只在于：力作用在哪里。
动圈：
$$ F_{driver} \rightarrow 局部区域 $$平板：
$$ F_{driver} \rightarrow 大面积分布 $$如果整个振膜上的单位面积驱动力能够尽可能保持一致：
$$ \frac{F_1}{A_1} \approx \frac{F_2}{A_2} \approx ... $$那么振膜各区域就不需要依赖自身刚性来完成如此强的力传递。
这会直接改善几个问题：
| 项目 | 动圈 | 平板 |
|---|---|---|
| 驱动方式 | 点驱动 | 面驱动 |
| 力的分布 | 局部集中 | 大面积分布 |
| 振膜内部应力 | 较高 | 较低 |
| Break-up | 更依赖振膜刚性 | 更容易控制 |
| 波前一致性 | 受局部驱动影响 | 通常更容易保持 |
| 运动质量 | 音圈增加质量 | 导体直接布置在振膜 |
| 低频失真 | 取决于磁路/悬边 | 取决于磁路/振膜/悬边 |
因此，平板真正解决的问题并不是简单的：“振膜更薄”。
而是从驱动力分布的根本上改变了振膜的工作方式。
面驱动并不意味着没有Break-up
面驱动降低了 Break-up 的驱动因素，但任何有限尺寸、有限刚性的振膜，都存在机械模态。
即使整个振膜受到完全均匀的驱动力：
- 振膜仍然有质量；
- 材料仍然存在有限刚性；
- 振膜仍然存在边界条件；
- 空气仍然提供声学负载。
因此仍然会存在：
$$ f_{mode1},f_{mode2},f_{mode3},... $$只不过合理设计的平板振膜可以让这些模态：
- 更晚出现；
- 更弱；
- 更分散；
- 更容易被阻尼。
所以真正的目标仍然不是消灭 Break-up。
而是让 Break-up 尽可能晚、尽可能弱，并且不要形成尖锐的高 Q 共振。
为什么平板振膜可以非常薄？
传统动圈音圈属于运动系统的一部分，因此：
$$ M_{moving} = M_{diaphragm} + M_{voice\ coil} + \cdots $$而平板的导体可以直接沉积或形成在薄膜表面，不再需要传统意义上的独立绕制音圈。
因此：
$$ M_{moving} \downarrow $$可以进一步降低运动质量。
不过这里仍然存在一个工程折中：
振膜越薄，越容易降低质量，但也越依赖材料本身的刚性、张力和磁路设计来维持稳定运动。
因此“薄”本身并不是性能指标。真正重要的是：
$$ \frac{刚性}{面密度} $$以及：
$$ 阻尼 $$之间的综合关系。
导体线路
平板振膜上真正承担电流的，是导体线路（Trace）。
很多人理解平板耳机时，会把注意力放在：
- 磁铁；
- 薄膜；
- 磁场强度。
但实际上，Trace 的几何结构同样是核心设计。
因为：Trace 不只是负责导电，它同时决定驱动力在振膜上的空间分布。
Trace 如何产生驱动力？
假设一条导体位于磁场中：
| |
电流通过以后：
$$ F=BIL $$产生垂直于导体和磁场方向的力。
如果振膜上有大量平行 Trace：
| |
那么这些区域都能够产生驱动力。
因此 Trace 的：
- 宽度；
- 间距；
- 数量；
- 走线方向；
- 分布密度；
都会影响最终的受力均匀性。
为什么要尽可能均匀？
理想状态下：
$$ F(x,y)\approx constant $$也就是振膜不同位置受到的单位面积驱动力尽可能接近。
如果某个区域：
$$ F_1\gg F_2 $$那么振膜就会出现：
| |
不同区域加速度不同。
最终就会产生：
- 局部弯曲；
- 模态；
- 相位差；
- 波前变化。
因此平板耳机中的 Trace 设计，本质上也是：
振膜机械结构设计的一部分。
Trace 宽度与间距
Trace 太窄：
- 有效导体面积降低；
- 电阻增加；
- 发热增加。
Trace 太宽：
- 振膜有效面积被大量金属覆盖；
- 运动质量增加；
- 线路之间的空间减少。
因此需要在：
$$ R $$与：
$$ M $$之间平衡。
同样，Trace 间距也影响：
- 驱动力密度；
- 振膜质量分布；
- 局部刚性；
- 电流分布。
因此不能简单地认为：
“Trace 越多越好。”
真正需要的是：
让电气、机械和磁场分布同时达到合理状态。
Trace 的阻抗
平板耳机经常具有较低的直流阻抗。
原因之一就是其导体线路需要覆盖很大的振膜面积，而为了降低运动质量，导体又不能无限增厚。
因此：
$$ R_e $$可能较低。
根据：
$$ P=I^2R $$在相同输出功率下：
$$ I=\sqrt{\frac{P}{R}} $$当：
$$ R\downarrow $$则：
$$ I\uparrow $$这就是为什么很多平板耳机虽然并不一定需要极高的电压，却需要耳放具备较好的电流输出能力。
因此平板耳机常见的驱动特点是：低阻抗、高电流需求。
当然，具体型号仍然取决于其 Trace 设计、灵敏度和磁路结构，不能只根据“平板”这一类别判断驱动难度。
磁路
平板振膜与传统动圈最大的区别之一，是磁场必须覆盖整个振膜区域。
因此磁路设计会直接决定：
$$ B(x,y) $$是否均匀。
如果磁场分布不均：
| |
即使 Trace 完全均匀：
$$ F=BIL $$仍然会因为 $B$ 不同而产生不同驱动力。
因此：Trace 均匀只是第一步，磁场同样需要均匀。
单面磁路
最简单的平板结构可以在振膜一侧放置磁铁：
| |
这种结构的优点是：
- 结构简单；
- 重量较低；
- 磁铁数量较少；
- 成本相对较低。
但缺点是：振膜两侧的磁场分布并不完全对称。
因此在设计过程中需要仔细优化磁铁间距、磁场方向以及磁通路径。
双面 Push-Pull 磁路
更典型的高性能平板结构是Push-Pull 双面磁路。
结构可以简化为：
| |
振膜位于两排磁体之间，这样做是为了让振膜两侧形成更加对称的磁场。
理想情况下：
$$ B_{front}\approx B_{rear} $$从而使振膜在向前和向后运动时都能够获得较为一致的驱动力。
Push-Pull 为什么能够降低失真？
假设单面磁路中：
$$ B(x) $$随着振膜位移 $x$ 变化明显。
那么：
$$ F(x)=B(x)IL $$就会产生较强的位移相关非线性。
而对称 Push-Pull 磁路的目标是让：
$$ B(+x)\approx B(-x) $$于是正向和反向运动时的驱动力更加对称。这能够降低部分偶次非线性成分，并改善整体驱动线性。
因此双面磁路的重要价值是提高振膜工作区域内的磁场均匀性与对称性。
双面磁路的代价
但双面磁路也会带来明显代价。
需要：
- 更多磁体；
- 更复杂的磁路；
- 更大的结构厚度；
- 更高重量；
- 更高制造成本。
因此平板耳机通常比结构相近的动圈耳机更重。
振膜形状
平板振膜看起来通常是一张平面薄膜，但“平”并不意味着几何结构可以忽略。
振膜的：
- 长宽比；
- 边界；
- 张力；
- 加强结构；
- 导体分布；
都会影响其机械模态。
因此平板振膜实际上仍然是一个复杂的二维振动系统。
张力
很多平板振膜依靠预张力保持稳定。可以简单理解为：
| |
如果张力增加：
$$ T\uparrow $$振膜抵抗局部形变的能力通常会提高。
因此：
- 模态频率改变；
- 振膜更加稳定；
- 某些低频大位移问题得到控制。
但张力过高也会增加机械约束，并改变低频顺性。
所以平板振膜不是简单地“越松越好”或“越紧越好”，而需要精确控制张力。
矩形与椭圆结构
振膜的边界形状会影响模态分布。
例如矩形振膜：
| |
其不同方向的模态可能存在较明显的规律。
而改变为：
| |
可以改变模态之间的关系。
因此振膜形状不仅影响外观，还可以用于：
- 调整第一模态；
- 分散共振；
- 改变高频响应；
- 优化波前。
为什么平板振膜不是越大越好？
平板振膜可以做得很大，但大振膜同样会面临：
$$ D\uparrow \Rightarrow 更多模态 $$因为振膜尺寸增加以后：
- 不同位置之间的传播距离增加；
- 模态数量增加；
- 高频下更容易产生相位差。
因此：
大面积面驱动解决了“驱动力集中”的问题，却没有消除有限尺寸振膜本身的波动问题。
这也是为什么平板仍然需要：
- 合理的振膜尺寸；
- 高刚性/低质量材料；
- 合理张力；
- 合理 Trace；
- 磁场均匀性；
共同控制高频响应。
静电
基本原理与最大改变
前面的平板单元已经完成了一次重要改变：把动圈的点驱动变成了面驱动。
但即使是平板耳机，振膜仍然需要携带金属 Trace 和导体线路。这些导体虽然已经比传统音圈轻得多，但仍然属于运动系统的一部分。
于是问题自然变成：如果连振膜上的导体都尽可能去掉，只让振膜本身运动，会怎样？
这就是静电单元（Electrostatic）的基本思想。
它不再依靠：
$$ F=BIL $$产生机械驱动力。
而是直接利用电场产生的静电力。
因此，从换能方式来看：
| |
这是静电单元相对于前两种结构最大的改变。
基本结构
一个典型的静电耳机由三层组成：
| |
真正运动的只有中间那层极薄的振膜，两侧定子本身并不运动。
为了让声音能够通过，定子通常具有大量开孔：
| |
因此定子同时承担两个作用：
- 建立电场；
- 让声波能够穿过。
静电振膜为什么可以如此轻？
静电单元与动圈、平板最大的区别之一，是振膜不需要携带传统意义上的驱动导体。
它通常只需要：
- 一层极薄的聚合物薄膜；
- 表面一层极薄的导电层。
其中真正承担机械支撑作用的是聚合物薄膜。
导电层主要用于：
- 保持电荷；
- 与外部电场发生作用。
因此它对运动质量的增加非常有限。
于是可以得到：
$$ M_{moving} = M_{diaphragm} + M_{conductive\ layer} $$而导电层极薄，所以：
$$ M_{moving}\approx M_{diaphragm} $$这使静电振膜能够达到非常低的单位面积质量。
质量为什么如此重要？
前面已经知道：
$$ a=\frac{F}{m} $$当驱动力 $F$ 相同的时候：
$$ m\downarrow \Rightarrow a\uparrow $$所以振膜越轻，就越容易快速响应输入信号。
这并不意味着“轻”自动等于“声音更好”，但它确实降低了运动系统的惯性。
因此静电单元特别容易实现：
- 较高的瞬态响应；
- 较低的运动储能；
- 很好的高频延伸；
- 较小的机械惯性。
其核心并不是所谓的“静电音色”。
而是极低的运动质量 + 大面积均匀驱动。
静电力从哪里来？
对于理想平行板结构，单位面积上的静电压力可以近似写成：
$$ p= \frac{1}{2}\varepsilon E^2 $$其中：
- $\varepsilon$：介质介电常数；
- $E$：电场强度。
而：
$$ E\approx\frac{V}{d} $$其中：
- $V$：两电极之间的电压；
- $d$：间距。
于是：
$$ p \approx \frac{1}{2} \varepsilon \left( \frac{V}{d} \right)^2 $$这个公式非常重要，因为它直接说明：
静电驱动力与电压平方相关，并且会随着电极间距减小而快速增强。
这也是为什么静电单元需要：
- 很小的振膜质量；
- 很小而且稳定的电极间距；
- 很高的工作电压。
为什么采用Push-Pull结构？
如果只在振膜一侧建立电场：
| |
振膜受到的力容易产生明显的不对称性；现代静电耳机通常采用Push-Pull（推挽）结构。
| |
两侧定子分别施加相反极性的音频电压。
例如：
| |
振膜受到的电场作用方向发生变化，于是：
| |
这样可以让正、负半周期的驱动力更加对称。
为什么 Push-Pull 能够提高线性？
静电力本身与电场平方有关：
$$ F\propto E^2 $$如果只采用单侧驱动，振膜位置变化会明显影响电场分布，因此容易产生非线性。而在对称 Push-Pull 结构中，两侧电场共同作用。
理想情况下：
$$ F_{left}(x) + F_{right}(x) $$能够形成更加对称的总驱动力。因此可以降低部分偶次非线性，并改善整体线性度。
所以Push-Pull 的意义不是简单增加驱动力，而是让驱动力更加对称。
偏置电压（Bias）
静电振膜需要先保持一个稳定的静电荷，因此系统需要一个直流偏置：
$$ V_{bias} $$同时再叠加音频信号：
$$ V_{audio}(t) $$可以简化为：
| |
偏置电压的作用，是让振膜处于一个稳定的静电工作状态。
静电耳机通常需要数百伏量级的偏置电压。需要特别注意：高电压不等于高功率。
因为静电耳机的振膜与定子之间主要是电容性负载。
理想电容的电流满足：
$$ I=C\frac{dV}{dt} $$因此在静态情况下并不存在像传统电阻负载那样持续的大电流。
所以：
$$ 高电压 \neq 大功耗 $$这也是静电耳机需要专用高压驱动器，而不能简单用普通耳放直接驱动的原因。
为什么静电的驱动力更加均匀？
平板已经实现面驱动，但平板的驱动力来自大量离散的 Trace：
| |
因此它仍然是由一个个导体区域提供驱动力。
静电单元则不同。只要电场能够在整个振膜区域内保持较好的均匀性：
| |
那么整个振膜都会处于近似连续的电场中。
于是理想状态下：
$$ F(x,y)\approx constant $$这比平板的离散 Trace 驱动更加接近理想的均匀面驱动。
因此，从：
| |
可以看到换能器一直在朝着更均匀的驱动力分布发展。
并非完美
静电单元虽然在：
- 运动质量；
- 驱动力均匀性；
- 高频响应；
- 低失真潜力；
等方面具有非常明显的优势，但它并不是一个在所有频段都更理想的换能器。
静电耳机的阿喀琉斯之踵，就是低频。
这并不是某一个品牌或者某一个型号的设计缺陷，而是静电换能原理本身受到多重约束的结果。
低频为什么需要更大的位移？
首先需要明确，低频并不等于需要更大的加速度。
对于正弦信号：
$$ x(t)=X\sin(2\pi ft) $$其速度：
$$ v(t)=2\pi fX $$加速度：
$$ a(t)=-(2\pi f)^2X $$如果希望在不同频率下产生相同的声压，振膜所需要的体积位移是一个非常重要的因素。
对于近似活塞式振膜：
$$ U=S v $$其中：
- $U$：体积速度；
- $S$：有效振膜面积；
- $v$：振膜速度。
而声压与体积速度相关，因此在频率降低时：
$$ v\propto\frac{1}{f} $$也就是说，频率越低，如果希望维持相同的声压，振膜就需要更大的位移。
这恰好与静电单元的结构特点发生了冲突。因为静电振膜通常：
- 极薄；
- 极轻；
- 工作间隙很小；
- 张力较高；
- 两侧存在固定定子。
它天然适合小位移、高精度运动，而不是大位移、低频高声压运动。
定子间距限制了最大位移
这是静电低频问题中最直接的限制。
静电结构通常是：
| |
振膜必须始终保持在两个定子之间，因此 $ |x|<d $ 是最基本的几何约束。
而实际工作中不可能让 $ |x|\rightarrow d $
因为一旦振膜距离定子过近，就可能产生：
- 接触；
- 电弧；
- 局部放电；
- 非线性急剧增加。
所以实际允许的最大位移：$ X_{max}\ll d $
这意味着：
静电单元的最大线性位移从结构上就是有限的。
而低频恰恰最需要大位移，这就形成了一个非常直接的矛盾。
为什么不能简单地把定子间距做大？
乍看之下，解决方法非常简单：把定子离振膜远一点。
$$ d\uparrow \Rightarrow X_{max}\uparrow $$似乎就可以解决低频问题。
但问题在于静电压力：
$$ p= \frac{1}{2}\varepsilon \left( \frac{V}{d} \right)^2 $$当：
$$ d\uparrow $$如果电压 $V$ 不变：
$$ p\downarrow $$而且是：
$$ p\propto\frac{1}{d^2} $$也就是说：
为了获得更大的振膜位移而增大间距，会同时显著降低静电驱动力。
如果想维持原来的电场强度：
$$ E=\frac{V}{d} $$就必须同时提高 $ V $
即：
$$ d\uparrow \Rightarrow V\uparrow $$而电压越高，又会带来：
- 绝缘要求提高；
- 空气击穿风险增加；
- 电弧风险增加；
- 驱动器设计更加困难。
所以这里形成了一个无法轻易绕开的三角矛盾：
| |
因此：
静电单元无法简单通过“加大间距”获得无限大的低频位移。
振膜张力又限制了低频位移
静电振膜通常需要保持一定的机械张力。
原因很简单：
| |
因此振膜通常需要预张紧，但是张力本身又会提高机械恢复力。
简单理解：
$$ F_{restoring}\propto kx $$其中 $k$ 可以理解为等效机械刚度。
当振膜张力提高：
$$ T\uparrow \Rightarrow k\uparrow $$于是想让振膜产生较大的低频位移，就需要更大的驱动力。
而静电驱动力受到：
$$ V,\ d,\ A $$等参数限制。
因此静电振膜必须在：
$$ \boxed{ 低质量 \leftrightarrow 高张力 \leftrightarrow 大位移 } $$之间进行折中。
低频还受到空气负载限制
振膜并不是在真空中运动，它需要推动空气。
因此低频输出还受到：
- 前腔；
- 后腔；
- 耳垫；
- 耳道；
- 泄漏；
等因素影响。
为什么低频失真会迅速上升？
当静电单元试图提高低频声压时，通常需要：
$$ X\uparrow $$也就是提高振膜位移。
但随着：$ x\rightarrow d $
振膜与定子之间的电场分布会越来越明显地偏离理想的小位移条件。
于是：$ F(x) $ 不再是简单的线性关系。
最终表现为：$ THD\uparrow $
因此：
| |
所以静电单元的低频问题不仅仅是“声音不够大”。更准确地说是：
当它被要求在低频产生很大的声压时，需要让极薄振膜进行较大的位移，而这正是它最不擅长的工作状态。
为什么加大振膜面积可以改善低频？
如果增加有效振膜面积：$ S\uparrow $
那么在相同振膜速度下：$ U=Sv $
因此：
$$ S\uparrow \Rightarrow U\uparrow $$可以在较小位移下产生更大的体积速度。这确实是静电耳机改善低频能力的重要办法之一。也就是说：
静电真正适合的低频解决方案不是无限增加位移，而是增加有效振膜面积。
但振膜面积也不能无限增加
因为 $ S\uparrow $ 同时意味着：
- 振膜尺寸增加；
- 定子尺寸增加；
- 电极面积增加；
- 结构重量增加；
- 模态数量增加；
- 机械张力控制更加困难；
- 声学负载更加复杂。
更大的振膜还会产生新的问题：
| |
增加面积只是把“大位移问题”转化为“大面积工程问题”。
它能够改善低频，但无法让静电获得无限大的低频动态能力。
为什么静电低频很难达到顶级水平？
把前面的限制全部叠加起来：
| |
因此静电单元在低频区域面临一个非常典型的工程矛盾：
$$ \boxed{ 低频声压\uparrow \Rightarrow 位移\uparrow \Rightarrow 非线性\uparrow } $$如果想降低位移：$ S\uparrow $
那么又会导致：
$$ 面积\uparrow \Rightarrow 结构复杂度\uparrow $$如果想增加驱动力：$ V\uparrow $
又会导致：
$$ 绝缘要求\uparrow + 击穿风险\uparrow $$如果想增加定子间距：$ d\uparrow $
又会导致：
$$ E=\frac{V}{d}\downarrow $$必须进一步提高电压。
所以这些参数并不是可以独立优化的。
静电的频段优势实际上非常明确
因此，如果把静电单元的优势和弱点按照频率划分，就会得到一个非常清晰的结果：
| 频段 | 静电单元的主要特点 |
|---|---|
| 低频 | 位移受限，大动态困难 |
| 中频 | 极低质量 + 均匀驱动，优势明显 |
| 高频 | 极低质量 + 小位移，优势最明显 |
虽然设计优秀、密封良好的静电耳机完全可以拥有：
- 很好的低频延伸；
- 很低的低频失真；
- 很准确的低频响应。
但问题依旧存在：
当要求进入极高声压、大动态、极低失真的低频区域时，静电结构很难像优秀的大动态动圈或其它大位移换能器那样拥有充足的位移余量。
动铁
原理及名称内涵
前面的三种换能器，虽然工作原理不同，但都存在一个共同特点：振膜本身就是主要的受力对象。
而动铁（Balanced Armature，BA）采取了完全不同的思路：
不直接让整个振膜参与电磁转换，而是先让一个极小的衔铁运动，再通过驱动杆推动振膜。
因此可以将其简化为：
| |
这也是动铁与动圈最重要的结构区别。
为什么叫 Balanced Armature？
Balanced Armature 中的 Armature 指的是衔铁
而 Balanced 并不是“频响更加平衡”，而是指衔铁在静态磁路中处于近似磁力平衡的位置。
典型结构可以简化为：
| |
衔铁位于两个磁极之间。
静止状态下：
$$ F_L\approx F_R $$因此：
$$ F_{net}\approx0 $$衔铁不会自行向某一侧偏移。
当线圈通入交流信号以后，线圈产生附加磁场：
$$ B_{coil}(t) $$使左右两侧的磁通发生变化：
| |
随着电流方向改变：
$$ I(t)\rightarrow-I(t) $$磁通不平衡的方向也随之反转，于是衔铁不断进行微小摆动。
源于助听器
动铁真正重要的地方，并不是“声音一定比动圈好”，而是：
它在极小体积和极低功耗下，可以获得非常高的电声转换效率。
这项技术最早的重要应用之一就是助听器。
助听器与普通耳机的设计目标非常不同。
普通高保真耳机往往关注：
- 低失真；
- 宽频带；
- 大动态；
- 低噪声；
- 频率响应。
而助听器首先面对的是：
极小的体积 + 极低的功耗 + 足够的声压。
因此：
$$ Efficiency \gg 极限低失真 $$在这样的应用场景中，动铁的优势非常明显。
固定线圈与运动衔铁
动圈的音圈本身就是运动系统的一部分：
| |
而动铁则是线圈基本固定不动：
| |
真正运动的是极小的衔铁。
因此运动系统中不需要携带一个完整的音圈，这也是动铁能够实现极小体积和高效率的重要原因。
为什么衔铁可以产生很大的驱动力？
衔铁位于高磁通密度的小型磁隙区域，线圈只需要产生很小的磁场变化，就可以显著改变衔铁两侧的磁通。
因此，动铁并不是简单地依靠传统音圈形式来推动振膜，而是利用磁路磁阻变化所产生的电磁力矩。
当衔铁发生微小偏转时，左右磁路的磁阻发生变化：
$$ \mathcal{R}_L \neq \mathcal{R}_R $$磁通会更加倾向于磁阻较低的一侧，于是产生恢复力和驱动力，使衔铁围绕平衡位置运动。
这实际上是一种高磁通密度 + 极小机械位移的电磁转换结构。
为什么动铁的运动幅度这么小？
动铁衔铁的摆动通常非常有限，典型量级是：$ X\sim几十\ \mu m $
这与大尺寸动圈振膜的运动相比非常小。
但它并不需要通过大位移来获得高效率，因为动铁的目标不是让整个振膜大幅度运动。
而是通过极小的机械运动，把能量高效率地传递给一个小型振膜和声学负载。
因此它的工作逻辑与动圈明显不同：
| |
驱动杆
衔铁本身通常不会直接推动空气。
它通过：**Drive Rod（驱动杆）**连接到振膜：
| |
因此 Drive Rod 实际上是整个机械系统中的一个关键接口，它需要同时满足：
- 足够高的刚性；
- 足够低的质量；
- 合理的机械阻尼；
- 精确的连接。
如果驱动杆自身发生明显弯曲：
$$ F\rightarrow Drive\ Rod\ deformation $$而不是：
$$ F\rightarrow Diaphragm $$那么输入信号就会被机械结构重新过滤。
因此最终频率响应和失真并不只由磁路决定，还取决于：
$$ 磁路+衔铁+Drive\ Rod+振膜 $$组成的完整机械系统。
为什么动铁效率极高？
动铁最重要的优势可以从运动质量理解。
动铁的主要电磁运动部分只是：
$$ M_{armature} \ll M_{voice\ coil} $$同时衔铁又处于高磁通密度区域。
因此：
$$ \frac{F}{M} $$可以做到非常高。
这使动铁具有：
- 极高灵敏度；
- 极低功耗；
- 极小体积。
这也是它非常适合便携设备和助听器的原因。
缺陷
动铁最大的优势：
$$ \boxed{极小体积 + 极高效率} $$恰好也是它最大的限制来源，因为为了获得极高效率，动铁牺牲了振膜面积和最大位移。
所以动铁并不是一个“缩小版的动圈”，它实际上是完全不同的工程取舍。
最大问题：空气位移有限
低频重放最终需要的是足够的空气位移。
动铁的典型问题是：
$$ S\downarrow $$同时：
$$ X_{max}\downarrow $$因此最大空气位移：
$$ V_{air}\propto SX_{max} $$也会受到限制。
这就是为什么单动铁系统通常很难自然地获得：
- 很深的低频；
- 很高的低频声压；
- 很大的低频动态。
需要注意，这并不意味着动铁“不能做低频”。
而是在相同体积条件下，它能够推动的空气体积通常远小于大尺寸动圈。
动铁为什么经常需要声学导管？
动铁的振膜面积很小，因此它通常不会像头戴式动圈那样直接向耳朵大面积辐射声音，而是通过一个小型声学出口连接：Sound Tube（声管）。
| |
这意味着动铁的声音很大程度上是“单元 + 导管”共同产生的。
导管本身具有：
- 声学质量；
- 声学阻尼；
- 声学顺性；
因此可以构成前面介绍过的声学网络。
例如：
$$ Z_a = R_a + jX_a $$导管中的空气质量可以表现为：
$$ M_a $$而腔体则可以表现为：
$$ C_a $$再加入阻尼：
$$ R_a $$就形成类似：
$$ RLC $$的声学滤波网络。
因此一个 BA 单元最终的频率响应并不是 $ Driver\ Response $ 这么简单，而更接近 $ Driver+Tube+Damping+Cavity $ 共同决定。
这也是为什么不同品牌即使使用相似的 BA 单元，最终声音仍然可以完全不同。
为什么动铁失真通常更值得注意？
动铁的机械结构非常小，而且：
- 衔铁运动幅度有限；
- 磁路间隙非常小；
- 驱动杆与振膜存在机械连接；
- 声学出口又非常狭窄。
因此它的非线性可能来自多个环节：
| |
尤其当振膜和衔铁逐渐接近机械极限时，$ F(x) $ 可能明显偏离理想线性关系。
因此动铁虽然 $ Efficiency\uparrow $ ，但并不意味着：$ THD\downarrow $
这也是为什么不能简单使用：“运动质量低 = 失真低”这样的逻辑。
为什么现代 IEM 很少只用一个动铁？
如果单个 BA $ S\downarrow $ ，那么最直接的解决方式就是：$ N_{BA}\uparrow $ ，也就是增加多个动铁单元。
例如：
| |
再利用：
- 电子分频；
- 声学分频；
- 导管；
- 阻尼器；
将不同单元限制在各自擅长的频段。
因此多 BA 并不是简单地“堆单元”，而是把一个大问题拆成多个小问题。
例如：
| |
这就是现代混合 IEM（Hybrid）产生的基本逻辑。
换能器对比
到这里可以重新理解四种主要换能器。
它们并不是简单的：$ A>B>C>D $ ，而是在不同物理量上分别占据优势。
| 指标 | 动圈 Dynamic | 平板 Planar | 静电 Electrostatic | 动铁 BA |
|---|---|---|---|---|
| 驱动力 | 洛伦兹力 | 洛伦兹力 | 静电力 | 电磁力 |
| 驱动方式 | 局部 | 面分布 | 近似连续面驱动 | 局部衔铁驱动 |
| 运动质量 | 中等 | 较低 | 极低 | 极低 |
| 振膜面积 | 较大 | 较大 | 较大 | 很小 |
| 最大空气位移 | 高 | 高 | 中等 | 较低 |
| 灵敏度 | 中等～高 | 较低～中等 | 中等 | 很高 |
| 高频潜力 | 良好 | 优秀 | 极优秀 | 优秀 |
| 低频潜力 | 优秀 | 优秀 | 良好但大动态受限 | 一般 |
| 驱动要求 | 普通耳放 | 电流要求较高 | 专用高压 | 很低 |
| 体积 | 中等～大 | 中等～大 | 大 | 极小 |
| 多单元组合 | 较少见 | 较少见 | 较少见 | 非常适合 |
| 制造复杂度 | 较低 | 较高 | 很高 | 中等 |
这张表真正想表达的不是“排名”，而是每一种换能器都在优化不同的物理量。
关键物理量总结
| 物理量 / 指标 | 物理意义 | 主要决定因素 | 对耳机性能的主要影响 |
|---|---|---|---|
| 运动质量 $M$ | 振膜及附属运动部件的等效质量 | 振膜、音圈、驱动结构 | $M$ 越低，惯性越小，高频与瞬态响应潜力越高 |
| 驱动力 $F$ | 驱动系统施加在振膜上的机械力 | 磁场/电场强度、音圈、驱动结构 | 决定振膜能够获得多大的加速度与位移 |
| 驱动力均匀性 | 驱动力在振膜表面的空间分布是否均匀 | 磁路、电极、导体布局 | 越均匀越容易维持活塞运动，降低 Break-up 与局部模态 |
| 振膜面积 $S$ | 有效推动空气的面积 | 振膜尺寸、结构形状 | 面积越大，单位位移能够产生的空气位移越大 |
| 最大位移 $X_{max}$ | 振膜能够保持正常工作的最大位移 | 悬挂、磁路、结构间隙、驱动方式 | 决定低频大动态下的空气位移能力 |
| 空气位移 $U$ | 振膜推动的空气体积变化量 | $S$、振膜速度 $v$ | 低频声压能力的核心物理量之一，近似满足 $U=Sv$ |
| 频率响应 | 不同频率最终产生的声压 | 换能器、腔体、阻尼、耳垫/耳塞、耳道 | 直接决定最终频谱，是最重要的耳机测量指标之一 |
| 阻抗 $Z$ | 耳机对输入电信号表现出的电气负载 | 音圈电阻、电感、机械谐振、反电动势 | 决定不同频率下的电压/电流需求以及耳放与耳机的耦合 |
| 灵敏度 | 给定电压或功率下能够产生的声压 | 换能效率、阻抗、驱动结构 | 决定耳机是否容易达到目标声压，但不直接代表失真或音质 |
| 谐振频率 $f_0$ | 机械/声学系统最容易储存和交换能量的频率 | 振膜质量、悬挂刚度、声学负载 | 影响低频响应、阻抗峰以及系统的时间响应 |
| Q 值 | 谐振系统的阻尼程度 | 质量、刚度、机械/声学阻尼 | $Q$ 越高，谐振越尖锐，能量储存和振铃通常越明显 |
| THD | 非基波成分相对于基波的比例 | 磁路、电机、悬挂、振膜、声学负载 | 衡量系统非线性失真，尤其需要结合不同声压与频率观察 |
| 时间响应 / IR / CSD | 系统对瞬态信号以及残余能量的响应 | 振膜模态、阻尼、腔体、声学结构 | 反映振铃、衰减和能量储存特性 |
| 声学阻抗 | 空气负载对振膜运动形成的阻碍 | 前腔、后腔、导管、Vent、耳道 | 改变振膜实际运动状态，并直接参与最终频率响应的形成 |
| 声学容积 / 腔体共振 | 腔体中空气的弹性与质量效应 | 腔体体积、开孔、导管 | 形成或改变低频与中高频的共振、衰减和峰谷 |
| 佩戴耦合 | 耳机与耳廓、耳道之间的实际声学耦合 | 耳垫、耳塞套、佩戴位置、耳道几何 | 使同一副耳机在不同人耳上产生不同的实际频率响应 |
| 驱动效率 | 输入电能转化为机械/声学输出的效率 | 电机结构、阻抗、振膜、声学负载 | 决定功耗与最大输出能力，但不是独立的音质指标 |
核心结论
从物理本质上看，耳机是一套完整的电—机械—声学耦合系统：电信号经过磁场或电场转换为振膜运动，再通过振膜推动空气，最终经过腔体、导管、阻尼、耳垫或耳塞套以及耳道形成到达鼓膜的声压。因此，耳机的最终声音并不是换能器单独决定的，而是整个系统共同作用的结果。
对于换能器而言，核心问题始终围绕运动质量、驱动力、振膜面积、最大位移和驱动力均匀性展开。降低运动质量有利于高频和瞬态响应，而较大的振膜面积与位移则有利于低频空气位移；但这些目标之间存在天然的工程折中。因此，动圈、平板、静电和动铁并不存在绝对的优劣，它们只是针对不同物理约束所形成的不同解决方案。
最终评价耳机时，与其关注“采用什么单元”，不如观察它实际实现了什么：频率响应决定最终频谱，阻抗和灵敏度决定驱动需求，THD反映非线性失真，时间响应反映系统的能量储存与衰减，而声学负载和佩戴耦合则进一步决定最终到达鼓膜的声音。
耳机设计本质上不是追求某一个参数的极致，而是在运动质量、驱动力、位移、线性度、声学负载和人体耦合之间进行整体优化。换能器的技术类型只是实现这一目标的手段，最终仍应回到实际测量结果，而不是技术标签本身。
耳放
耳放并不是“把声音变大”的黑盒子，而是 DAC 输出与耳机之间负责电压、电流、增益、阻抗匹配和线性度的模拟信号处理环节。
DAC 完成数模转换后，已经得到模拟电压，但这个电压并不意味着它可以直接把耳机驱动到目标声压。耳机本质上是一个随频率变化的电气负载，同时还需要足够的电压摆幅和电流供给。
因此可以把耳放的任务概括为：
在不显著改变输入波形的前提下，把已有的模拟信号转换成耳机所需要的电压和电流，并在目标声压下保持足够的线性、低噪声和稳定性。
前一章解决的是“耳机究竟需要什么”；这一章则反过来解决：
一个耳放究竟需要提供什么，才能把耳机真正推好？
为什么 DAC 不能直推
DAC 的模拟输出通常面向的是高阻抗的线路输入，而不是低阻抗的耳机。
假设一个 DAC 输出：
$$ V_{DAC}=2V_{RMS} $$如果后级输入阻抗为：
$$ R_{in}=10k\Omega $$那么输入电流只有：
$$ I=\frac{V}{R} =\frac{2}{10000} =0.2mA $$对应功率：
$$ P=\frac{V^2}{R} =\frac{2^2}{10000} =0.4mW $$对于线路输入，这已经足够。
但假设直接连接一个：
$$ R_{HP}=32\Omega $$的耳机，仍然保持 2 Vrms：
$$ I=\frac{2}{32}=62.5mA $$$$ P=\frac{2^2}{32}=125mW $$这已经完全是另一种输出要求。
更重要的是，如果耳机需要更高的功率，电流需求会迅速增加。例如：
$$ P=1W,\quad R=32\Omega $$则：
$$ V=\sqrt{PR}=\sqrt{32}=5.66V_{RMS} $$$$ I=\sqrt{\frac{P}{R}} =\sqrt{\frac{1}{32}} =177mA_{RMS} $$因此：
线路输出与耳机输出最大的区别，不是“电压有没有放大”，而是负载能力完全不同。
DAC 输出级通常需要兼顾低噪声、低失真和线路接口，而耳放输出级还必须能够稳定地向低阻抗负载提供较大的电流。
耳放的任务
一个线性耳放可以近似写成：
$$ V_{out}=G_vV_{in} $$其中：
- $V_{in}$：输入电压
- $G_v$：电压增益
- $V_{out}$：输出电压
但耳机负载还要求：
$$ I_{out}=\frac{V_{out}}{Z_{HP}} $$因此耳放实际上同时受到：
$$ \boxed{V_{out}},\quad \boxed{I_{out}},\quad \boxed{Z_{out}} $$三个核心量约束。
功率则为：
$$ P_{HP}=V_{HP}I_{HP} =\frac{V_{HP}^2}{|Z_{HP}|} $$对于纯电阻负载，这个关系最简单；实际耳机的阻抗通常随频率变化，因此真正的驱动问题必须结合阻抗曲线讨论。
线性与失真
所谓耳放“线性”，不是一句抽象的音质评价，而是输入与输出之间尽可能满足：
$$ V_{out}(t)=G\cdot V_{in}(t) $$也就是说，不同幅度、不同频率的输入信号，都应该按照稳定比例被复制。
现实中会出现：
- THD：非线性产生谐波；
- IMD：多个频率相互调制产生额外频率成分；
- 频率响应误差：不同频率的增益不同；
- 噪声：没有输入信号时仍然存在输出；
- 输出阻抗：负载变化会影响实际输出电压；
- 削波：输出超过电源或器件摆幅能力后进入非线性区；
- 串扰：左右声道之间存在耦合；
- 瞬态/稳定性问题：复杂负载或高频下出现过冲、振铃甚至振荡。
因此评价耳放不能只看“多少瓦”，而应看：
在实际耳机负载、实际输出电平和实际频率范围内，它能否保持足够好的线性。
输入与增益
这几个参数经常被混在一起，但它们实际上描述的是不同环节。
输入灵敏度
如果某耳放规定：
$$ V_{in}=2V_{RMS} $$即可达到最大输出，那么这个 2 Vrms 可以理解为其输入灵敏度对应的条件之一。
更一般地：
$$ V_{out,max}=G_vV_{in,max} $$如果输入电平继续提高，而输出已经达到电源轨或器件允许的最大摆幅，就会进入削波。
增益
电压增益定义为：
$$ G_v=\frac{V_{out}}{V_{in}} $$用分贝表示：
$$ G_{dB}=20\log_{10}G_v $$反过来：
$$ G_v=10^{G_{dB}/20} $$例如：
| 电压增益 | 线性倍数 |
|---|---|
| 0 dB | 1× |
| 6 dB | 2× |
| 10 dB | 3.16× |
| 14 dB | 5.01× |
| 20 dB | 10× |
所以“20 dB 增益”并不是“多一点增益”，而是电压放大 10 倍。
最大输出与削波
假设耳放内部最大线性输出为：
$$ V_{max}=6V_{RMS} $$而输入为：
$$ V_{in}=1V_{RMS} $$如果增益为 20 dB：
$$ G=10 $$理论输出：
$$ V_{out}=10V_{RMS} $$但耳放只能线性输出 6 Vrms，于是：
$$ 10V>6V $$输出必须削波。
因此：
增益并不是“越高越强”。增益真正决定的是：给定输入信号时，耳放多久会把自己的输出摆幅用完。
增益的取舍
系统应该有足够的增益，使功放在需要时能够达到最大输出，但过高增益会带来噪声和音量控制范围缩小的问题。例如：电平下降 3 dB 时，电压约为满幅的 71%，功率约为满幅的一半；下降 6 dB 时，电压约为 50%，功率约为四分之一。
这对耳放同样成立。
假设耳放最大输出为：
$$ V_{max}=6V $$如果用户实际只需要：
$$ V_{use}=0.6V $$那么只需要：
$$ 20\log_{10}\frac{0.6}{6} =-20dB $$的电压衰减。
如果耳放却设置成高增益，使系统长期工作在：
$$ -40dB $$甚至：
$$ -50dB $$的衰减区域，那么虽然“推得动”，但音量控制器、噪声底和实际调节范围都会变得更加敏感。
电平与响度
耳放最终服务的是声压，而不是“旋钮上的数字”。
dB 单位
这些单位虽然都写成 dB，但参考量完全不同。
dBFS
数字系统中的满幅参考：
$$ 0dBFS $$表示数字系统允许的参考满幅。
因此：
$$ -6dBFS $$意味着线性幅度为：
$$ 10^{-6/20}\approx0.501 $$即约 50%。
dBu
以：
$$ 0.775V_{RMS} $$为参考：
$$ dBu=20\log_{10}\left(\frac{V}{0.775}\right) $$例如：
$$ 2V_{RMS} $$对应：
$$ 20\log_{10}\frac{2}{0.775} \approx8.24dBu $$dBV
以：
$$ 1V_{RMS} $$为参考：
$$ dBV=20\log_{10}(V) $$所以：
$$ 2V_{RMS}\approx6.02dBV $$dBSPL
声压级以：
$$ 20\mu Pa $$为参考：
$$ SPL=20\log_{10}\left(\frac{p}{20\mu Pa}\right) $$它描述的是耳朵实际接收到的声压，而不是 DAC 或耳放内部的电压。
因此：
dBFS → 模拟电压 → 耳机声压 → dBSPL 是一条完整的转换链，中间每一步都有自己的参考量，不能直接把不同的“dB”相加减。
电压、功率与声压
对于电阻性负载：
$$ P=\frac{V^2}{R} $$因此：
$$ V=\sqrt{PR} $$以及：
$$ I=\frac{V}{R} =\sqrt{\frac{P}{R}} $$这意味着同样的功率下：
- 阻抗越高，需要的电压越高；
- 阻抗越低，需要的电流越高。
所以“高阻难推”和“低阻难推”其实是两个不同的问题。
人耳响度
人耳对不同频率的敏感度并不相同。
在较低声压下：
- 中频最敏感；
- 低频和高频相对不敏感。
随着声压升高，频率敏感度差异会减小。
因此：
“声音变大了”并不等于“所有频率听起来同比变大”。
这也是为什么低音量试听时，人们可能感觉低频和高频较少，而提高整体声压后，频谱感受发生变化。
这属于人耳的生理特性，而不是耳放“推力变大以后改变了声音”。
在后面的计算中，可以把听音声压暂时分成三个仅用于系统设计的示例档位：
| 档位 | 目标平均 SPL | 用途 |
|---|---|---|
| 初烧 | 75 dB SPL | 长时间、较舒适的常规听音 |
| 中烧 | 85 dB SPL | 较充分的动态与细节试听 |
| 老烧 | 90 dB SPL | 较高声压的短时间试听 |
这三个数字不是“应该听多响”的建议，而是为了计算耳放余量而设置的示例工作点。实际听音还应考虑节目动态、持续时间、耳机佩戴方式以及个人听力安全。
需求为什么不同
耳放设计最容易陷入的误区，是试图寻找一个脱离使用场景的“最佳推力”。实际上，耳放面对的从来不是一个固定需求，而是三个变量共同决定的工作点：
| |
因此，同一台耳放对不同用户可能完全处于不同的工作状态；反过来，两台输出功率相近的耳放，也可能因为增益、输出阻抗和噪声水平不同而适合完全不同的系统。
音乐动态
首先，耳放需要满足的不是某个固定的“平均声压”，而是音乐在平均电平之上的峰值余量。
LUFS 描述的是经过特定加权与时间积分后的感知响度尺度，而 dBTP 描述的是 True Peak：
$$ LUFS\neq dBFS_{peak} $$也不能简单理解为：
$$ -14LUFS=-14dBFS $$因为同样的平均响度，可以对应完全不同的峰值结构。
例如，两段都让播放器听起来接近相同平均响度的音乐：
- 一段动态较大，平均电平较低，但鼓点、管弦乐高潮等瞬态峰值很高；
- 另一段经过较强压缩，平均电平已经很高，峰值与平均值之间的距离很小。
前者要求耳放保留更多瞬态电压、电流和功率余量；后者虽然平均声压可能更高，但峰值余量要求反而可能较低。
因此：
音乐的响度决定“平时需要多少”，动态决定“瞬间需要多少”。
Roon 的 Volume Leveling 使用 ReplayGain/R128 分析统一不同曲目的感知响度，并将响度分析与峰值分析分开处理。Apple Music 的 Sound Check 同样会调整不同歌曲之间的播放响度，但具体归一化目标不应在这里被当成固定常数。
耳机负载
第二个变量是耳机本身。仅看阻抗无法判断“难不难推”，因为真正决定需求的是：
$$ \text{需求}\sim f(Z_{HP},SPL,Sensitivity) $$在灵敏度以 dB/V 表示时，达到目标声压所需电压近似为：
$$ V_{req}=10^{(SPL-Sensitivity)/20} $$然后：
$$ I_{req}=\frac{V_{req}}{|Z_{HP}|} $$因此不同耳机可能落在完全不同的工作区域：
| 耳机特征 | 主要压力 | 典型问题 |
|---|---|---|
| 高阻 + 高敏 | 电压需求不高 | 更关注增益、噪声和余量 |
| 高阻 + 低敏 | 电压 | 输出摆幅不足 |
| 低阻 + 高敏 | 电流需求不一定大 | 噪声、输出阻抗、细调范围 |
| 低阻 + 低敏 | 电压 + 电流 | 真正考验输出级能力 |
这张表的意义并不是把耳机机械地分成四类，而是说明：
“推力”不是一个独立指标，而是耳机负载、目标声压和音乐峰值共同作用后的结果。
同一台耳放接高阻耳机时，可能主要利用的是电压摆幅；换成低阻耳机后，瓶颈可能立即变成电流；如果再换成高灵敏耳机，最大的挑战又可能变成噪声和音量控制精度。
听音电平
第三个变量来自用户本身。
假设同一只耳机、同一段音乐、同一台耳放：
- 用户 A 平时在较低声压下长时间听音；
- 用户 B 喜欢更高的平均声压；
- 用户 C 只在短时间试听时使用较高声压。
三者对耳放的要求并不会相同。
人耳还存在明显的等响特性：在较低声压下，中频比低频和高频更敏感；声压升高后，这种差异会减小。因此：
“需要多大耳放”不能脱离用户实际听音电平讨论。
为了后面的定量计算，可以把 75 / 85 / 90 dB SPL 作为三个示例工作点，但它们不是推荐的固定听音标准，而只是用来展示需求如何随目标声压变化。
三个变量叠加
真正有意义的系统计算应该把三个变量放在一起：
| 变量 | 改变什么 | 对耳放的影响 |
|---|---|---|
| 音乐动态 | 峰值与平均值的距离 | 决定峰值余量 |
| 耳机负载 | 电压、电流需求 | 决定输出能力 |
| 听音电平 | 整体目标声压 | 决定所需绝对输出 |
因此，不能简单地说：
“这副耳机需要 X W，所以买 X W 以上的耳放就够了。”
更完整的逻辑应该是：
$$ \boxed{ 音乐动态 +耳机负载 +目标听音电平 \rightarrow 实际输出需求 } $$这也是为什么耳放的设计不能只围绕一个“最大功率”数字展开。
音量控制
前面的计算已经说明：
耳放并不是越大增益越好。
如果系统本身已经有很高的输入电平，那么真正重要的反而是：
$$ \boxed{\text{如何把过大的信号衰减到合适的水平}} $$电阻衰减
最简单：
| |
输出：
$$ V_{out} = V_{in} \frac{R_2}{R_1+R_2} $$衰减量：
$$ A_{dB} = 20\log_{10} \frac{R_2}{R_1+R_2} $$电位器
连续可调电位器本质上也是一个可变分压器。
优点：
- 连续；
- 成本低；
- 结构简单。
缺点：
- 左右声道匹配有限；
- 极低音量位置可能出现声道不平衡；
- 电阻元件存在接触与磨损问题。
电阻阵列
继电器电阻阵列通过切换不同精密电阻实现离散衰减：
| |
可以组合出很多衰减量。
优势：
- 电阻匹配高；
- 左右声道一致性好；
- 接触电阻稳定；
- 可以实现精确的步进。
缺点：
- 成本高；
- 体积大；
- 有继电器声音；
- 控制复杂。
Schiit 在 Gain 章节中特别提到，relay ladder 与传统电位器的旋钮位置并不能直接比较；不同衰减网络在相同听音电平下可能处于完全不同的旋钮位置。
数字音量
数字音量本质上是：
$$ x[n]\rightarrow ax[n] $$其中：
$$ 0那么：
$$ a=10^{-20/20}=0.1 $$即信号幅度变成 10%。
现代 DAC / DSP 通常使用高位深或浮点内部运算，因此合理范围内的数字衰减并不等价于“直接丢掉 20 bit 信息”。
真正需要关注的是：
- 工作位深；
- dither；
- DAC 有效动态范围；
- 后续模拟增益；
- 最终信噪比。
高增益的代价
这是耳放设计中非常重要的一条逻辑链：
| |
噪声
假设耳放输入等效噪声：
$$ V_n $$高增益后：
$$ V_{n,out}=G V_n $$如果后面再衰减：
$$ A $$理想情况下，某些内部噪声也会随后级衰减，但放大器自身产生的噪声、后级噪声以及音量控制器位置决定最终噪声性能。
所以不能简单说：
“衰减越多，SNR一定越差。”
真正应该分析：
$$ SNR= 20\log_{10} \frac{V_{signal}} {V_{noise}} $$以及噪声产生的位置。
调节范围
假设总增益太高，正常听音只需要：
$$ -50dB $$那么一个传统电位器可能长期工作在：
| |
此时：
- 左右声道匹配误差更明显；
- 每一步旋转对应的音量变化更大；
- 很难精细控制。
所以：
正确的增益设计，本质上也是正确的音量控制设计。
增益与衰减匹配
前面的三个变量最终都会汇聚到一个问题：
耳放应该用多大的增益，让实际听音时既有足够余量，又不会长期依赖极端衰减？
不存在适用于所有系统的固定“最佳衰减”，因为实际工作点取决于：
- DAC 满幅输出；
- 音乐的平均电平与峰值；
- Track Gain / ReplayGain 等数字增益；
- 耳机灵敏度；
- 耳机阻抗；
- 用户目标 SPL；
- 耳放最大输出；
- 耳放本身的增益。
可以把耳放输入到耳机端的关系简化为：
$$ V_{HP} \approx V_{DAC,max} \times 10^{A_{digital}/20} \times 10^{G_{amp}/20} \times 10^{A_{analog}/20} $$实际还要加入音乐峰值、EQ headroom、输出阻抗等因素。
因此，一个合理的系统通常希望：
| |
如果正常听音长期需要极大的衰减，首先应该检查增益是否过高；如果几乎不需要衰减且峰值容易逼近满幅，则应该检查增益是否过低或 DAC 输出是否过低。
这比规定一个“模拟衰减最多只能 -X dB”的固定数字更合理。衰减器本身并不会因为衰减数字变大就自动产生更大的失真；真正需要分析的是衰减网络结构、阻抗、噪声、声道匹配，以及衰减发生在系统的什么位置。
一个统一例子
假设 DAC 满幅输出：
$$ V_{DAC,max}=2V_{RMS} $$耳放增益：
$$ G=6dB $$即：
$$ G_v\approx1.995 $$因此满幅输出约为：
$$ V_{amp,max}\approx3.99V_{RMS} $$如果某用户、某耳机、某段音乐在当前听音电平下只需要约 0.4 Vrms，那么需要的总衰减约为：
$$ 20\log_{10}\frac{0.4}{3.99} \approx-20dB $$但如果换成灵敏度更高的耳机，可能需要更多衰减；换成低灵敏度耳机或更高听音电平，又可能需要更少衰减甚至更高增益。
这正是前面三个维度最终汇合的地方：
不存在脱离系统的“最佳增益”，只有针对实际音乐、耳机和用户的合适增益。
推力计算器
耳放输出需求计算器
根据听音电平、音乐动态和耳机参数，估算耳放所需的电压、电流、功率与增益。
音乐动态
直接输入用于耳放峰值需求估算的动态余量。它不是严格定义的 Crest Factor。
在 Roon 使用自身 R128 音频分析、目标为当前填写的目标响度，且 Track Gain 确实来自该分析时，可用
目标响度 − Track Gain 反推估算的 Integrated LUFS。
若 Roon 使用了导入的 ReplayGain 标签、Album Gain 或其他音频处理，这个反推关系不应视为原始文件 LUFS 的严格测量值。
使用 True Peak − Integrated LUFS 得到“峰值—综合响度差”估算值。
该数值不是严格定义的 Crest Factor。
听音电平
所需峰值 SPL = 目标平均 SPL + 动态余量
耳机
系统增益
“总音量衰减”包含数字音量衰减和模拟音量衰减
计算结果
这是理想电阻模型下的估算。真实耳机阻抗随频率变化，音乐峰值也具有时间尺度，因此实际耳放选型还应检查最大电压、电流、功率以及保护/失真余量。
输出阻抗
前面解决的是“能不能达到目标声压”。
现在开始讨论：
达到目标声压以后，耳放会不会改变耳机本身的工作状态？
电压源模型
耳放并不是理想电压源，可以等效为：
| |
因此耳机真正获得的电压为：
$$ V_{HP} = V_{amp} \frac{Z_{HP}} {Z_{HP}+R_{out}} $$如果：
$$ R_{out}\ll Z_{HP} $$那么：
$$ V_{HP}\approx V_{amp} $$耳放就更接近理想电压源。
阻抗曲线
假设耳机阻抗：
$$ Z_{HP}(f) $$随频率变化。
那么输出电压就会变成：
$$ V_{HP}(f) = V_{amp}(f) \frac{Z_{HP}(f)} {Z_{HP}(f)+R_{out}} $$于是输出阻抗会把耳机本身的阻抗曲线“映射”到频率响应上。
例如：
| |
因此：
输出阻抗不是单纯的“电流能力指标”，它可能直接改变耳机频率响应。
阻尼系数
常见的近似定义：
$$ DF=\frac{Z_{HP}}{R_{out}} $$例如：
$$ Z_{HP}=32\Omega $$$$ R_{out}=0.1\Omega $$则：
$$ DF=320 $$如果：
$$ R_{out}=10\Omega $$则：
$$ DF=3.2 $$二者对低阻、阻抗变化明显的耳机可能产生完全不同的电气耦合。
不过对于耳机而言，“阻尼系数越大声音越好”仍然过于简单，因为最终影响取决于耳机自身的电气、机械和声学系统。
负反馈
Schiit 在 Feedback 章节中把问题讲得很直接：放大器中的有源器件本身并不理想，因此负反馈是用开环增益换取更高线性度的一种工程手段。其列出的典型收益包括更高带宽、更低失真、更低噪声和更低输出阻抗。
为什么反馈
假设一个放大器开环增益为：
$$ A=1000 $$但器件本身存在非线性。
如果加入反馈系数：
$$ \beta=0.1 $$闭环增益为：
$$ G=\frac{A}{1+A\beta} $$代入：
$$ G=\frac{1000}{1+100} \approx9.90 $$于是：
$$ G\approx\frac{1}{\beta} $$只要：
$$ A\beta\gg1 $$闭环增益就主要由反馈网络决定。
这就是负反馈最重要的价值：
把一个高度依赖晶体管自身参数的放大器，变成一个更受外部反馈网络控制的系统。
反馈与失真
如果开环失真为：
$$ D_{OL} $$则在理想化条件下，闭环失真近似为：
$$ D_{CL} \approx \frac{D_{OL}}{1+A\beta} $$例如：
$$ D_{OL}=1\% $$而：
$$ A\beta=99 $$则：
$$ D_{CL}\approx0.01\% $$因此负反馈可以显著降低失真。
反馈与输出阻抗
理想情况下，电压负反馈可以使输出阻抗下降：
$$ R_{out,CL} \approx \frac{R_{out,OL}} {1+A\beta} $$所以负反馈不仅降低 THD，也能让耳放更接近理想电压源。
这也解释了为什么：
低输出阻抗、低失真和高带宽往往可以同时从反馈中获益。
反馈与稳定性
真实放大器存在：
- 极点；
- 零点；
- 相移；
- 器件延迟；
- 寄生电容；
- 负载反应。
因此当频率升高时：
$$ A(f)\beta $$不仅幅度下降，相位也会发生变化。
如果在环路增益接近 1 时仍然存在过大的相位延迟，就可能出现：
| |
因此反馈设计必须同时考虑：
增益、带宽、相位裕度和稳定性。
TIM 与反馈争议
历史上曾有一种观点认为，大环负反馈可能产生某种瞬态互调失真（TIM），并因此产生“负反馈声音”的说法。
真正需要区分的是：
- 反馈本身不是失真；
- 不合理的反馈环路设计可能导致稳定性和瞬态问题；
- 现代放大器通常可以通过补偿、布局、器件选择和负载设计控制这些问题；
- 最终仍应观察实际的 THD、IMD、频率响应、方波响应、稳定性和负载条件。
因此：
“有反馈”与“声音不好”之间不存在逻辑上的直接因果关系。
同样：
“零反馈”也不意味着天然线性。
反馈类型
Schiit 的技术文章还特别区分了 voltage feedback 与 current feedback。其核心观点不是“一个好一个坏”，而是两种结构各有工程取舍。
电压反馈
传统运放中非常常见。
特点通常包括：
- 高开环增益；
- 容易获得较高反馈深度；
- 电源抑制能力较好；
- 适合精密闭环增益设计。
电流反馈
电流反馈结构通常具有：
- 电压增益与反馈电流关系更直接；
- 可以实现较高压摆率；
- 在某些结构下更容易获得较宽带宽；
- 反馈节点阻抗成为重要设计变量。
但这并不意味着电流反馈天然“更有声音”或“更高级”。
因此：
反馈类型是电路拓扑选择，而不是音质等级。
全局与局部
如果反馈覆盖整个放大器：
| |
这是典型的：
Overall Negative Feedback
而一个标榜“zero feedback”的电路，通常只是：
没有从最终输出回到整个输入端的全局反馈。
电路内部仍然可能存在：
- 发射极退化；
- 源极退化；
- 局部反馈；
- 电流镜反馈；
- 偏置环路；
- 稳压反馈。
因此：
“零反馈”首先应该被理解为一个拓扑描述，而不是“电路完全没有反馈”。
放大类别
“Class A”是耳放领域最容易被营销化的术语之一。
Schiit 对 Class A 的解释非常强调一个基本定义：
Class A 的核心不是“声音高级”，而是输出器件在规定工作范围内不被截止。
A 类
最严格的定义是：
输出晶体管始终处于导通状态。
优点：
- 不存在传统意义上的交越截止；
- 电路概念简单；
- 在设计良好时可以获得良好的线性。
缺点：
- 静态功耗高；
- 发热大；
- 效率低；
- 大功率实现非常困难。
例如理想单端 A 类：
$$ P_{DC}=V_{rail}I_Q $$即使没有音乐，电路也会持续消耗功率。
Schiit 给出的极端示例是：100 W / 4 Ω 的纯单端 A 类理论上需要非常夸张的静态功耗，因此大功率 A 类必须付出巨大的散热代价。
推挽 A 类
通过上下两个器件分别承担正负方向的电流，可以降低维持 A 类所需的静态电流。
| |
相比单端 A 类：
同样的输出能力可以减少静态耗散。
Schiit 也将 White Cathode/Emitter Follower 和图腾柱结构作为典型的推挽 A 类讨论对象。
高偏置 AB 类
AB 类通过设置一定静态偏置，让输出器件在小信号范围内保持导通。
因此：
| |
这就是为什么很多所谓“Class A 耳放”实际是：
高偏置 AB 类，在一定输出功率范围内处于 A 类工作状态。
不能只看产品宣传，需要看：
- 静态功耗；
- 偏置电流；
- 输出级拓扑；
- A 类输出功率范围；
- 超过该范围后是否进入 AB。
Schiit 对此的判断非常明确：大型“Class A”功放很多实际上属于 complementary Class A / high-bias AB 的灰色区域。
D 类
D 类不是“数字放大器”，而是一种高频开关功率放大方式。
其基本思路：
| |
理想情况下：
$$ P_{loss}\ll P_{out} $$因此效率可以远高于 A 类和传统 AB 类。
对于耳放：
- D 类可以显著提高效率；
- 开关噪声与 EMI 需要控制；
- 输出滤波器与负载相互作用需要设计；
- 现代 D 类并不等于“音质差”。
因此 Class A、AB、D 本质上是在解决：
线性度、效率、散热、输出能力与实现复杂度之间的工程折中。
单端与平衡
“平衡”是另一个极易被营销化的词。
Schiit 在 Balanced 章节中特别强调：看到 XLR 接口并不能证明内部一定是全差分，也不能证明一定获得了“平衡”的全部收益。真正需要看的是信号从输入到输出的拓扑。
单端
典型结构：
| |
左右声道分别拥有：
| |
真平衡
典型结构：
| |
负载看到的是：
$$ V_{diff}=V_+-V_- $$如果：
$$ V_+=+V $$$$ V_-=-V $$则：
$$ V_{diff}=2V $$因此在相同单端幅度定义下，差分输出可以获得更大的负载电压摆幅。
平衡与串扰
如果左右声道共用地回路：
| |
一个声道的电流变化可能在公共阻抗上产生：
$$ V_{noise}=I\cdot Z_{shared} $$进而耦合到另一声道。
平衡结构可以通过独立的正负信号路径降低这类耦合。
因此对于耳机系统：
平衡真正可靠的优势之一是降低串扰，同时在合适的设计下提供更大的电压摆幅。
但如果内部只是：
| |
那么“XLR”本身并不会神奇地创造差分放大优势。Schiit 对这种 Balanced Converting 拓扑也进行了专门说明。
电源
耳放输出的电能最终都来自电源。
因此可以把耳放看成：
| |
线性电源
典型结构：
| |
优点：
- 结构直观；
- 开关噪声较少；
- 容易获得低纹波。
缺点：
- 效率低；
- 发热；
- 变压器体积较大。
开关电源
典型结构：
| |
优点：
- 高效率；
- 体积小；
- 轻；
- 可以方便地产生多组电压。
缺点：
- 高频开关噪声；
- EMI；
- PCB 布局要求高。
但：
“线性电源”不等于“低噪声”，“开关电源”也不等于“高噪声”。
最终应该看实际：
- 输出噪声；
- PSRR；
- 纹波；
- 负载瞬态；
- EMI；
- 接地设计。
纹波与 PSRR
假设电源存在：
$$ V_{ripple} $$理想情况下，放大器应该通过 PSRR 抑制它。
如果：
$$ PSRR=80dB $$则电压抑制倍数：
$$ 10^{80/20}=10000 $$输入纹波：
$$ 100mV $$理论上经过理想化 PSRR 后：
$$ V_{out,ripple} \approx \frac{100mV}{10000} =10\mu V $$真实电路还会受到频率、负载和布局影响。
因此：
电源纹波是否重要，不能只看电源本身的纹波，而要看放大器如何拒绝它。
储能电容
整流后的电源会在负载变化时产生电压波动。
电容满足：
$$ I=C\frac{dV}{dt} $$因此：
$$ \Delta V\approx\frac{I\Delta t}{C} $$例如在相同电流和时间窗口下：
$$ C\uparrow \Rightarrow \Delta V\downarrow $$但“电容越大越好”同样是错误的。
还要考虑：
- ESR；
- ESL；
- 稳压器稳定性；
- 浪涌电流；
- 整流器能力；
- 变压器容量；
- PCB 回路面积。
外部电源
这一类产品必须先问：
它究竟改变了系统中的哪个物理量？
如果一个电源产品确实改变了：
- 输入 EMI；
- 共模噪声；
- 接地电流；
- 地电位；
- 电源纹波；
- 瞬态压降；
那么它可能对系统产生影响。
但如果设备本身的电源已经：
- 有足够 PSRR；
- 有良好滤波；
- 有隔离；
- 有低噪声稳压；
那么外部电源产品的收益可能非常有限。
因此：
“插排更贵，所以声音更好”不是工程解释。真正的问题是它改变了什么，以及这种改变是否已经超出原设备自身的抑制能力。
分体与一体
分体式系统常被描述成：
| |
一体机则可能是：
| |
分体优势
- 电源与模拟级可以独立设计；
- 模拟输出级与耳放输出级物理分离；
- 外壳与散热空间更充裕；
- 更容易更换其中一个环节。
分体代价
增加了一段：
| |
因此增加：
- 接触电阻；
- 连接器；
- 电缆电容；
- 接地路径；
- 潜在地环路；
- 电磁耦合路径。
这并不意味着“线损一定会听得见”，而是说明：
分体的优势主要来自工程隔离与设计自由度，而不是“信号线越多越高级”。
线路电平
常见线路电平：
$$ RCA\approx2V_{RMS} $$$$ XLR\approx4V_{RMS} $$假设耳放增益：
$$ G=10 $$那么：
$$ 2V\times10=20V $$$$ 4V\times10=40V $$这对很多耳机显然已经远超实际需要。
因此：
高输出 DAC + 高增益耳放 + 高灵敏耳机，最容易产生的不是“推力不足”，而是音量控制器长期工作在极小衰减区域。
电路拓扑
集成运放
运算放大器把：
- 差分输入；
- 高增益级；
- 补偿；
- 输出级；
- 偏置
集成到一个芯片中。
优势：
- 参数一致性高；
- 成本低；
- 设计简单；
- 体积小；
- 可以获得很好的测量性能。
缺点：
- 电源电压有限；
- 输出电流有限；
- 稳定性受负载影响；
- 设计自由度有限。
但现代音频运放已经可以达到极高性能。
因此：
“分立 > 运放”不是技术规律。
分立设计
分立耳放使用：
| |
等器件自行构建放大器。
优势：
- 拓扑自由；
- 可以使用更高电压；
- 可以并联大量输出器件；
- 可以针对特定负载设计；
- 方便采用特殊反馈结构。
Schiit 在 Discrete 章节中强调，分立设计最大的优势之一就是设计自由度：可以自由选择低环路增益、电流反馈、差分、Class A、Class S、新型器件以及特殊拓扑。
但分立并不意味着：
$$ THD\downarrow $$因为分立器件也存在：
- 参数离散；
- 温漂；
- 匹配误差；
- 非线性；
- PCB 寄生；
- 偏置漂移。
晶体管耳放
晶体管的优势：
- 高电流能力；
- 低输出阻抗；
- 体积小；
- 易实现高功率；
- 易实现高反馈深度。
因此现代低阻耳机耳放绝大多数采用固态输出级。
电子管耳放
电子管通常具有：
- 较高工作电压；
- 较高输出阻抗；
- 较低电流能力；
- 较明显的非线性特征；
- 更容易通过输出变压器实现阻抗转换。
因此电子管耳放往往需要：
| |
或者采用专门的 OTL/OCL 结构。
静电耳放
静电耳机与普通动圈不同。
普通动圈需要：
$$ V\rightarrow I\rightarrow F $$而静电耳机需要高电压差来产生静电力。
静电力近似满足：
$$ F\propto\frac{V^2}{d^2} $$其中：
- $V$：电极与振膜之间的电压；
- $d$：间距。
因此静电耳机耳放需要：
- 很高的电压摆幅；
- 很低的输出噪声；
- 极高的绝缘；
- 稳定的偏置；
- 足够的带宽。
电子管天然适合高电压工作，因此历史上很多静电耳放采用电子管。
但这并不意味着：
电子管天然比晶体管更适合静电耳机。
现代高压固态电路同样可以完成这些任务。
完整信号流
从 DAC 输出到耳机：
| |
如果采用平衡结构：
| |
而如果内部采用单端转换：
| |
那么接口是平衡的，但整个内部信号路径并不一定是全差分。
关键物理量总结
| 物理量 / 指标 | 物理意义 | 主要决定因素 | 对耳放性能的主要影响 |
|---|---|---|---|
| 电压增益 $G_v$ | 输出电压与输入电压之比 | 反馈网络、拓扑 | 决定最大输出与音量控制范围 |
| 最大输出电压 $V_{max}$ | 保持线性的最大电压摆幅 | 电源电压、输出级 | 决定高阻耳机的驱动能力 |
| 最大输出电流 $I_{max}$ | 保持线性的最大电流 | 输出晶体管、偏置、电源 | 决定低阻耳机的驱动能力 |
| 输出功率 $P$ | 向耳机负载提供的功率 | $V$、$I$、负载阻抗 | 决定大动态下的输出余量 |
| 输入灵敏度 | 达到最大输出所需输入电平 | 增益、最大摆幅 | 决定系统是否需要前级增益 |
| 削波电压 | 输出进入明显非线性的临界点 | 电源轨、输出级 | 决定最大无失真输出 |
| 输出阻抗 $R_{out}$ | 耳放等效输出源阻抗 | 输出级、反馈 | 影响电压分配、频响和阻尼 |
| 阻尼系数 $DF$ | 负载阻抗与输出阻抗之比 | $Z_{HP}/R_{out}$ | 反映电气耦合强弱 |
| THD | 谐波失真 | 器件非线性、反馈、偏置 | 衡量非线性 |
| IMD | 互调失真 | 多频信号下的非线性 | 更接近复杂音乐信号下的非线性表现 |
| SNR | 信号与噪声之比 | 噪声源、增益、带宽 | 决定低电平信号的干净程度 |
| 输出噪声 | 无输入时的残余输出 | 电源、器件、布局、反馈 | 对高灵敏耳机尤其重要 |
| 带宽 | 放大器保持规定增益的频率范围 | 器件、补偿、反馈 | 决定频响与瞬态能力 |
| 相位裕度 | 反馈环路距离不稳定状态的余量 | 环路补偿、负载 | 决定稳定性与振铃倾向 |
| PSRR | 电源扰动被抑制的能力 | 拓扑、反馈、稳压 | 决定电源纹波是否进入输出 |
| 串扰 | 一个声道进入另一个声道的程度 | 接地、供电、PCB、拓扑 | 影响声道分离 |
| 静态功耗 | 无信号时消耗的功率 | 偏置、Class A 工作点 | 决定发热和效率 |
| 效率 | 输出功率 / 输入电功率 | Class A/AB/D 等拓扑 | 决定散热与体积 |
| 衰减量 | 音量控制降低的电平 | 电位器、继电器、数字 DSP | 决定实际工作电平和调节范围 |
| 电压余量 | 当前输出距离削波的余量 | 增益、输入电平、电源 | 决定动态峰值是否削波 |
| 电流余量 | 当前负载电流距离极限的余量 | 输出级、电源、负载 | 决定低阻大动态能力 |
耳放部分的核心结论
耳放的本质不是“增加音质”，而是把 DAC 已经产生的模拟信号，以足够低的噪声和失真转换成耳机所需要的电压与电流。高阻耳机主要考验电压摆幅，低阻耳机主要考验电流能力，而低阻低敏耳机则同时要求较高的电压、电流和功率余量；输出阻抗还会通过耳机阻抗曲线影响实际频率响应，因此“推得响”与“推得好”必须分开讨论。
增益应该以刚好能够在需要时达到最大无失真输出为原则，而不是越高越好。过高增益会使音量控制长期处于大衰减区域，增加噪声、调节范围和声道匹配方面的压力；真正合理的系统应让 DAC 输出、数字/模拟衰减、耳放增益、耳机灵敏度和目标 SPL 共同匹配。Schiit 对增益的总结也可以概括为：增益不足会导致系统无法达到最大输出，增益过高则容易带来噪声和较差的音量控制范围。
负反馈不是“好声音”或“坏声音”的开关，而是一种用开环增益换取线性度、带宽、低输出阻抗和低噪声的工程工具。真正需要关注的是反馈深度、环路带宽、相位裕度、稳定性以及实际测量结果；“零反馈”也只意味着缺少全局反馈，并不意味着电路内部没有任何反馈。
A 类、AB 类、D 类描述的是输出级的工作方式和能量转换方式，而不是音质等级。A 类的代价是静态功耗和散热，AB 类在效率与线性之间折中，D 类则通过高速开关获得高效率。Balanced 同样不是“XLR = 更好”，真正的差分结构可以获得更高电压摆幅并降低部分共模噪声与串扰，但接口本身不能证明内部拓扑。
电源的真正任务是提供稳定、低噪声并能够承受瞬态负载的能量。线性电源与开关电源没有绝对的音质等级，真正需要观察的是纹波、PSRR、负载瞬态、噪声、EMI 与接地。同样，分体 DAC 与耳放的价值主要在于电源、散热和电路隔离带来的设计自由度，而不是信号线越多越好。
因此，一台耳放最终应该从一条完整的工程链判断：
| |
耳放真正需要做到的，不是拥有某个“高级拓扑”或某个“发烧标签”，而是在实际负载和实际听音电平下，以足够的电压、电流和动态余量驱动耳机，同时把增益、噪声、输出阻抗、失真、反馈、供电和稳定性控制在可验证的范围内。
参考资料
Jason Stoddard, The Most Abused Audio Terms: “Class A”
https://www.head-fi.org/threads/schiit-happened-the-story-of-the-worlds-most-improbable-start-up.701900/page-7224#post-17354025Jason Stoddard, The Most Abused Audio Terms, Part 2: Balanced
https://www.head-fi.org/threads/schiit-happened-the-story-of-the-worlds-most-improbable-start-up.701900/page-7786#post-17518152Jason Stoddard, The Most Abused Audio Terms, Part 3: Discrete
https://www.head-fi.org/threads/schiit-happened-the-story-of-the-worlds-most-improbable-start-up.701900/page-7997#post-17603364Jason Stoddard, The Most Abused Audio Terms, Part 4: Feedback
https://www.head-fi.org/threads/schiit-happened-the-story-of-the-worlds-most-improbable-start-up.701900/page-9040#post-17911208Jason Stoddard, The Most Abused Audio Terms, Part 5: Gain
https://www.head-fi.org/threads/schiit-happened-the-story-of-the-worlds-most-improbable-start-up.701900/page-10356#post-18185665Roon Labs, Volume Leveling / Audio Analysis
https://help.roonlabs.com/portal/en/kb/articles/faq-what-s-volume-levelingRoon Labs, Dynamic Range
https://help.roonlabs.com/portal/en/kb/articles/dynamic-rangeApple Support, Sound Check
https://support.apple.com/en-us/109331
脑放
解构烧友语言
辨析科学 HiFi
批判发烧文化
展望未来
解放思想，实事求是，团结一致向前看！