脉冲编码调制通常称为 PCM，是一种数字音频编码方法，用于把连续变化的模拟声音转换成一组有顺序的数字数值。它是现代音频技术的重要基础之一，广泛应用于电话通信、VoIP 系统、音频录制、广播、数字存储、对讲系统、会议平台、嵌入式设备以及专业通信网络。

PCM 不像 MP3、AAC、Opus 或 G.729 等编解码器那样通过感知压缩来减少数据量。它是在固定时间间隔测量原始模拟波形，并把每一次测量结果保存为数字值。因此，当可靠性、兼容性、可预测的音质和简单处理比极限压缩率更重要时，PCM 常常是优先选择。

从模拟声音到数字数值

现实世界中的声音是连续的。人的语音、一个音符或麦克风信号都会随着时间平滑变化，而计算机和数字通信系统只能处理离散数值。PCM 的作用，就是通过反复采样模拟信号，并为每个采样点分配数字数值，在模拟世界和数字系统之间建立桥梁。

这个过程可以理解为对音频波形连续拍摄很多张快照。每张快照记录某个特定时刻的信号强度。当每秒采集的样本足够多、每个样本的精度也足够高时，数字版本就能以较高准确度表示原始声音。

这也是 PCM 在许多音频系统中被用作参考格式的原因。它提供了一种清晰而有结构的方法，把音频从模拟世界带入数字网络、处理器、文件和播放设备。

PCM 的工作方式

采样

采样是 PCM 的第一步。系统会按照固定间隔测量模拟音频信号，每秒测量的次数称为采样率。采样率越高，系统越能捕捉信号随时间变化的细节。

例如，传统电话系统通常使用 8 kHz 采样率，也就是每秒采样 8000 次。CD 音质音频使用 44.1 kHz，而专业音频和部分通信系统可能使用 48 kHz 或更高采样率。需要多高的采样率，取决于要保留的频率范围。

量化

完成采样后，每个测得的值都必须被舍入到某个数字等级，这个过程称为量化。可用等级的数量取决于位深，位深越高，信号幅度的表示就越精细。

例如，8 位 PCM 的可表示等级少于 16 位 PCM。等级越少，量化噪声可能越明显；位深越高，动态范围通常越好，音频也更干净。语音通信往往可以使用低于音乐制作的精度，但具体质量仍要看应用需求。

编码

当信号完成采样和量化后，每个数值会被编码成二进制数据。这个数字流随后可以保存在文件中，通过网络传输，由软件处理，或通过数模转换器重新转换为模拟声音。

编码步骤让音频能够适配数字系统。系统不再直接处理连续变化的电压，而是处理数字。这使得音频可以被复制、路由、混音、分析、录制和传输，并且行为更加可预测。

重建

当 PCM 音频播放时，数字数值会被重新转换为模拟波形。数模转换器根据采样值重建信号，并通过扬声器、耳机、功放或通信终端输出声音。

重建质量取决于采样率、位深、时钟精度、滤波、数模转换器质量以及整个播放链路。PCM 提供的是数字表示，最终听感仍然取决于完整的音频系统。

为什么 PCM 成为核心音频格式

PCM 被广泛采用，是因为它直接、稳定，并且便于数字系统处理。与复杂的压缩格式不同，PCM 使用基于采样的直接结构保存音频，因此编辑、混音、测量、传输和格式转换都更容易。

在专业音频和通信系统中，可预测性非常重要。工程师需要明确音频如何表示、需要多少带宽，以及在不同设备之间会怎样表现。PCM 正好提供了这种可预测性。

PCM 重要的另一个原因是兼容性。许多音频格式、编解码器、电话标准和媒体系统，要么直接使用 PCM，要么会在进一步处理之前先把音频转换成 PCM。

PCM 不只是一个音频格式，它也是数字音频的基础，让声音能够以一致的结构被测量、存储、传输、处理和还原。

PCM 的音频优势

清晰且可预测的声音质量

PCM 能够提供清晰音频，因为它不依赖感知压缩，而是直接表示信号。当采样率和位深适合应用时，PCM 可以高准确度地保留语音和声音细节。

这使 PCM 适合用于音质不应过度依赖压缩算法判断的场景。录音、广播、通话监听、语音分析和专业通信流程都能从这种可预测性中受益。

较低的处理复杂度

PCM 对设备和软件来说相对容易处理。由于音频已经以采样形式存在，系统可以直接进行增益控制、混音、滤波、回声消除、降噪、录音、波形分析和播放，而不必先解码复杂的压缩格式。

这种简单性在实时通信中很重要。较低的处理复杂度有助于减少时延、提高可靠性，并让嵌入式设备、通信终端和媒体服务器更容易实现。

良好的兼容性

PCM 被大量设备、操作系统、音频接口、电话系统、媒体平台和专业工具支持。广泛兼容性使它成为跨系统传递音频时的常见选择。

例如，录制的语音文件、呼叫中心录音、会议平台、SIP 网关和音频编辑软件，在处理基于 PCM 的音频时通常比处理专用格式更少遇到兼容问题。

便于编辑和分析

由于 PCM 数据以采样为基础，因此非常适合编辑和分析。音频软件可以直接对 PCM 音频进行剪切、标准化、混音、滤波、可视化或测量。语音识别和语音分析工具也常在分析前把输入音频转换为 PCM。

这也是即使最终交付使用压缩编码，PCM 仍然重要的原因。音频可以先以 PCM 形式采集、处理和编辑，然后再编码为其他格式。

需要关注的技术特性

采样率

采样率决定音频信号每秒被测量的次数。在语音通信中，8 kHz 通常对应窄带语音，而 16 kHz 或更高采样率可以支持更宽的语音频率范围和更好的清晰度。音乐、广播和专业音频通常使用更高采样率。

采样率的选择需要平衡。更高采样率可以捕捉更多音频细节，但也会增加存储、处理和传输带宽。对许多语音系统来说，目标不是最大音频范围，而是清晰且高效地传输语音。

位深

位深决定每个音频采样能多精确地表示信号幅度。位深越高，动态范围越大，量化噪声越低。常见 PCM 位深包括 8 位、16 位、24 位，有些制作环境还会使用 32 位浮点格式。

语音通信系统使用的位深可能低于录音棚制作，因为语音与音乐的需求不同。但如果位深不足，音频可能会显得噪声明显或不够自然。

比特率

PCM 的比特率由采样率、位深和声道数量共同决定。例如，8 kHz、16 位、单声道未压缩音频所需带宽，明显低于 48 kHz、16 位、立体声音频。

这对网络规划很重要。PCM 可以提供可靠质量，但相比压缩编解码器，它可能消耗更多带宽。组织应根据应用需求、网络容量和音质要求选择 PCM 参数。

单声道与立体声

语音通信通常使用单声道，因为一个声道已经足以传递讲话内容。音乐、广播和媒体制作则可能使用立体声或多声道 PCM，以保留空间信息。

声道越多，数据量越大。对企业通信而言，单声道 PCM 往往更合适，因为它更简单、更高效，并且足以满足语音通信。

时钟精度

PCM 依赖稳定的采样时序。如果采样时钟不稳定，音频可能出现咔嗒声、漂移、失真或同步问题。这在专业音频、电话网关、数字调音系统和同步广播环境中尤其重要。

当音频在多个设备或系统之间传递时，时钟问题会更加复杂。正确同步有助于保持 PCM 音频清洁、稳定。

PCM 在电话与语音通信中的应用

PCM 在数字电话系统中有很长的历史。传统数字电话网络使用基于 PCM 的方法把模拟语音转换为数字信道。在许多系统中，语音以 8 kHz 采样，并使用 A-law 或 μ-law 等 8 位压扩方法编码。

这些电话 PCM 格式的目标，是在固定数字信道结构内让语音可懂。虽然它们不能提供高保真音频，但效率高、行为可预测，并且被广泛支持。

在现代 VoIP 中，基于 PCM 的 G.711 等编解码器仍被广泛使用。G.711 编码简单、时延低、兼容性强，但在较低码率下，它比 G.729 或 Opus 等压缩编解码器占用更多带宽。

PCM 常见应用场景

VoIP 与 SIP 系统

当低时延和兼容性很重要时，VoIP 系统经常使用基于 PCM 的编解码器。例如 G.711 常见于 SIP 电话、IP PBX 系统、网关、呼叫中心和运营商互联。

在网络稳定时，基于 PCM 的语音可以保持清晰。但由于它不是高度压缩格式，管理员必须认真规划带宽，尤其是在大量并发通话同时进行时。

音频录制

PCM 是录音的标准选择之一，因为它以直接且便于编辑的形式保留音频。例如，WAV 文件常用于保存 PCM 音频。这使其适合呼叫录音、会议、采访、广播制作、培训资料和质量监测。

录音系统后续可能会把 PCM 音频转换为压缩格式以提高存储效率，但在采集或编辑阶段，PCM 常被优先采用，因为它可以避免反复压缩带来的损失。

广播与媒体制作

广播和媒体制作流程常使用 PCM，因为它能提供高质量、可预测的音频。工程师可以更精确地编辑、混音、处理和母带制作 PCM 音频。

即使最终媒体以压缩格式分发，PCM 也常在制作流程中持续使用，直到最后导出阶段，以便尽量保持质量。

嵌入式音频设备

许多嵌入式系统内部使用 PCM，因为它处理方式直接。对讲机、报警器、语音终端、录音设备、广播系统、数字助手和通信模块等设备都可能采集或播放 PCM 音频。

当设备需要可靠播放、简单处理或与其他数字音频组件兼容时，PCM 很有价值。

语音识别与语音 AI

语音识别系统通常需要 PCM 格式的音频，或会在分析前把输入音频转换为 PCM。稳定的采样率、位深和干净的音频输入，有助于提高识别表现。

对语音 AI 而言，PCM 是特征提取、声学建模、转写和命令识别的实用输入格式。不过，识别质量仍取决于麦克风质量、背景噪声、说话清晰度和模型设计。

PCM 与压缩音频编解码器的比较

与许多现代音频编解码器相比，PCM 属于未压缩或结构很轻的音频表示方式。这带来了可预测的质量和较低的处理复杂度，但也意味着数据量更大。压缩编解码器通过移除信息或更高效地表示音频来降低比特率，但需要更多编码和解码工作。

在实际系统中，两种方式常常同时使用。PCM 可用于采集、内部处理和编辑，而压缩编解码器则用于存储、流媒体或带宽受限的传输。

通信系统中的实际优势

在低时延很重要的场景中，PCM 尤其有价值。由于 PCM 不需要复杂压缩算法，它可以减少处理延迟。这对实时语音通信、对讲系统、调度音频、会议和网关转换都很有帮助。

另一个优势是故障排查更直观。当音频以直接 PCM 形式表示时，工程师可以更容易查看波形、测量电平、发现削波、分析噪声并处理信号。这使 PCM 在诊断和质量保障中很有用。

兼容性同样重要。基于 PCM 的音频可以在许多工具和系统之间流转，而不需要专用解码器。当音频需要被不同平台录制、存储、监听、转换或分析时，这能减少集成问题。

使用 PCM 前的设计考虑

带宽规划

PCM 可能比压缩音频消耗更多带宽。在小型系统中，这可能不是问题。但在大型 VoIP 部署、呼叫中心或多站点通信网络中，总带宽需求可能变得很明显。

管理员在为大规模场景选择基于 PCM 的传输方式之前，应计算预计并发会话数、采样率、位深、声道数量、分组开销和网络条件。

存储需求

PCM 音频文件通常大于压缩文件。对录音系统来说，这会影响存储成本、保留周期规划、备份策略和归档性能。

一些系统会先用 PCM 录制以保证质量，然后再转换为压缩格式用于长期保存。这样可以在质量和存储效率之间取得平衡。

音频质量目标

并不是每个应用都需要高采样率或高位深。语音寻呼系统、电话通话、音乐制作工作室和语音识别引擎都有不同要求。

PCM 参数应与音频的真实用途匹配。更高规格并不总是更好，如果它只带来不必要的带宽或存储负担，就没有实际意义。

互操作性

PCM 的兼容性很广，但细节仍然重要。使用 8 kHz μ-law PCM 的系统，未必能直接匹配期望 16 kHz 线性 PCM 的系统。文件容器、字节序、采样格式和声道结构也会影响互操作。

清晰的格式定义有助于避免播放错误、音频失真、速度变化或集成失败。

PCM 的概念很简单，但采样率、位深、压扩规则和声道格式等实现细节，决定了系统能否正确协同工作。

维护与故障排查建议

当 PCM 音频听起来不佳时，问题并不一定来自 PCM 格式本身。技术人员应检查麦克风电平、模数转换质量、削波、噪声底、时钟稳定性、采样率不匹配、网络丢包、播放设备质量和增益设置。

如果音频播放过快或过慢，可能是采样率被错误解释。如果声音失真，系统可能使用了错误的采样格式、字节序、压扩规则或位深。如果噪声较大，则需要检查模拟输入级或量化设置。

在 VoIP 系统中，基于 PCM 的编解码器在稳定网络上表现良好，但遇到丢包或抖动时仍会受影响。由于 PCM 本身不具备高级压缩恢复能力，网络质量和抖动缓冲配置仍然重要。

什么时候 PCM 是合适选择

当系统需要低时延、高兼容性、可预测音质、简单处理或精确编辑时，PCM 是很强的选择。它常用于内部音频处理、专业录音、电话兼容、语音分析，以及希望音频尽量接近采样源的系统。

如果带宽或存储极其有限，PCM 可能不是最佳选择。在这些情况下，压缩编解码器可能提供更好的效率。最终决策应基于质量、时延、处理复杂度、带宽、存储和互操作性的平衡。

FAQ

PCM 是一种编解码器吗？

PCM 通常被描述为音频编码方法，而不是压缩编解码器。它把音频采样直接表示为数字值。某些电话编解码器，例如 G.711，是基于 PCM 原理构建的。

PCM 比 MP3 更好吗？

PCM 和 MP3 服务于不同目的。PCM 提供直接、未压缩的音频，适合编辑、录制和处理。MP3 通过压缩减少文件大小，更适合需要小文件的存储或分发场景。

为什么电话系统使用 PCM？

电话系统使用 PCM，是因为它能提供可预测的语音质量、低时延和可靠的数字表示。传统数字电话和 G.711 VoIP 编解码器都与基于 PCM 的语音编码密切相关。

更高的 PCM 采样率一定意味着更好的音频吗？

不一定。更高采样率可以捕捉更宽的频率范围，但实际收益取决于声源、麦克风、播放系统和应用。对普通语音而言，极高采样率可能只增加数据量，而没有明显改善。

PCM 音频失真的原因有哪些？

常见原因包括削波、位深解释错误、采样率不匹配、字节序错误、压扩规则错误、模拟输入质量差、增益过高或播放设备问题。