揭开 DSD 的神秘面纱：数字音频编码之争 DSD vs. PCM

   不同数字音频的单元格式，里面有些微提到一些脉冲编码调变（Pulse-code modulation，PCM）的基础概念，但除了PCM或更精准地说是线性脉冲编码调变（Linear pulse-code modulation，LPCM）之外，近期还有一个非常受关注的DSD（Direct Stream Digital）编码格式。现在市面上的高阶播放器，大多打着能支持DSD译码来当作一个卖点，但是到底甚么是DSD编码格式？是否真的有如同厂商宣称提供更优良的音质？这就是本篇文章所要和大家一起探讨的，底下就让笔者来简单的介绍一下DSD历史。

Direct Stream Digital的历史

事实上DSD的起源已经非常久，早在60年代就已经有利用脉冲密度调变〈Pulse-density modulation，PDM〉编码，将音频讯号记录在数字媒体上，正确来说应该是由PDM一个特殊分支 -脉冲宽度调变（Pulse Width Modulation，PWM）来实现，这种编码方式目前已经完全被PDM格式所取代。

目前常见的DSD编码就是基于PDM规范，这个音乐编码格式的标准规范在1999年发表，是由当时领导音乐单元格式的巨头Sony和Philips合作开发，至于为何制定DSD规范的原因有些复杂。主要是因为那时候由Sony和Philips所制定的CD 〈Compact Disc〉规范专利快要过期，在即将失去由CD专利带来的大量收益情况下，Sony和Philips决定再次连手打造下一代的音乐储存规格Super Audio Compact Disc 〈SACD〉，所以DSD的出现绝大部分是因为商业考虑。

在储存编码上，SACD使用和CD常见PCM编码完全不同的音频格式，采用单位元的DSD编码。Sony花下重金聘请当时最顶尖的两位声音工程师Ed Meitner〈现任职于EMM Labs〉和Andreas Koch 〈现任职于Playback Design〉来制定SACD规范，并且在初期免费开放给大多数知名录音室使用，这成为DSD音讯单元格式第一次大规模被使用在商业活动上。

▲Direct Stream Digital标志

超级音频光盘〈SACD〉的起源

讲到DSD自然必须介绍一下SACD，SACD取样频率高达2822.4kHz，是一般CD取样频率44.1kHz的64倍，而且理论上具有能够再生100kHz以上频率范围的能力。此外由于SACD使用DSD的脉冲编码，因此省去位转换的过程，同时降低数字滤波可能产生失真和噪声的问题。

虽然这一切都让SACD听起来非常的美好，但SACD在推广的路途上却是相当艰难，因为当Sony和Philips决定用专利屏障再次垄断音讯单元格式时，其他音乐制作公司和硬件生产商却看上了正蓬勃发展的DVD光盘，并且希望利用这个容量更大的储存媒介来发行高质量音乐光盘，就此开启了新世代音乐储存媒介规格的战火。

Super Audio CD和传统CD音乐光盘规格比较

高质量音乐储存规格之争

DVD-Audio规格很迅速地在SACD出现的隔一年后正式上路，使用和CD相同的LPCM编码，并且可以储存高达192kHz/24bit双声道的高质量音乐。DVD-Audio在音乐制作上和传统的CD音乐并没有太大区别，由于多数音乐制作公司都历经过CD格式的洗礼，因此刚开始大部分音乐制作公司，偏向选择技术上更加成熟的DVD-Audio规格，当然也有一部分理由是可以摆脱Sony和Philips的专利束缚。

想当然，Sony和Philips为了捍卫自家格式和利益自然会做出反击，Sony和Philips藉由自己在硬件制造上的优势，拉拢大多数DVD播放器制造商，让后续生产的DVD播放器无法兼容DVD-Audio。这个作法严重的打击DVD-Audio阵营，虽然DVD-Audio阵营有不少大型公司支持，但是其内部意见却是相当分歧。由于每个成员都怕被另一个规范所束缚，这为DVD-Audio推广之路种下了失败的种子。

另外更令内部成员惊恐的是，在那音乐盗版猖獗的年代，DVD加密法很快地就被黑客所破解，每个音乐制作公司都害怕DVD-Audio会重演CD的盗版局面，因而都裹足不前。第一份正式DVD-Audio音乐光盘，居然是由一个发烧友，在缺乏良好录音设备的小型研究室录制。

在DVD-Audio阵营内部互相猜忌的情况下，Sony乘胜追击的许诺SACD将永远不能被计算机所播放，这几个举动成功稳固住SACD作为新一代音乐光盘的地位，并且也解决了双方阵营长久以来惧怕盗版的疑虑。

▲SACD标志及SACD的种类。由左至右分别为 〈1〉单层SACD〈4.7 GB〉 〈2〉双层SACD〈8.5 GB〉 〈3〉混和型SACD〈4.7 GB〉

SACD的殒落

经过上面一大串折腾和较劲之后，Sony和Philips阵营开始自信满满地宣传和推广多声道格式SACD，并且宣称未来是高质量多声道音乐的年代，而且也渐渐获得多数音乐制作公司的认同。眼看着单元格式大战就要分出胜负的时候，Apple的iPod迅雷不及掩耳上市了，尔后几年将在线数字音乐下载量，更提升到了一个惊人的程度。

面对Apple所掀起的在线数字音乐潮流，Sony选择继续维持SACD的生产和发行，并且在2003年规划出同时拥有传统CD层和SACD层的混和型SACD，期望在实体音乐光盘销售上有所突破。但是这很快地就碰上SACD播放器销售不佳的问题，因为当年的SACD播放器价格大多落在5,000元美金以上〈约新台币15万〉，非常少消费者愿意购买昂贵，而且只能播放音乐的SACD播放器，因此让SACD的销售受到直接的影响。

再加上几年后，Wavelength Audio发布了基于计算机播放的异步USB DAC，这使得利用计算机播放高质量音频档案变得更加容易。尔后又随着全世界网络速度的提升，和在线音乐的流行，出门购买音乐光盘渐渐的不再是获得高质量音乐唯一来源，SACD就此成为只有少部分音乐爱好者的选择。

▲混和型SACD结构图和读取机制，混和型SACD具有一层4.7GB容量的DSD层〈上层〉，同时还包含一个符合PCM红皮书的CD音乐层〈下层〉，这使得它能够兼容于传统的CD播放器。

2006年，在体认到SACD几乎已经不可能成功的情况下，Sony做了一个策略上的大转变，推翻之前SACD将不会被计算机播放的承诺。Sony推出以SACD为基础的DSD-Disc，这个格式的SACD将旧有物理防拷贝保护层移除，使得计算机也能够读取这类型光盘片。

但是由于已经失去市占率，DSD-Disc在完全没有推出过任何商业音乐光盘下就被抛弃，从2009年后就已经没有大型商业音乐制作商，使用SACD当做音乐储存媒介。虽然到这边，由Sony和Philips主导的SACD已经完全溃败，但也为后续的DSD格式音乐打开了另一扇大门。

DSD音乐播放原理

上面看完了DSD音乐格式的历史信息，这边笔者想先来介绍一下DSD到底和PCM有甚么不同，首先我们就从介绍DSD音频编码开始。DSD编码DSD则使用不同于以往PCM逻辑来记录音频，DSD讯号是以ΔΣ调变后的PDM编码形式储存在储存媒介上，DSD的内部记录的是一个连续时间的单一位序列，以固定的时间间隔来记录，在标准的SACD规格下每个取样间隔是1/2822400秒，取样频率为CD规格 〈44.1kHz〉 的64倍之高。

DSD每一次取样会比对本次取样和上一个样本值的变动，接下来使用0和1来记录振幅的变化，0代表比上一个讯号值来得低，1代表比上一个讯号值来格高，所以每一个取样的讯号是和前一个讯号的相对值。DSD藉由非常高的取样频率，将以往量化不精准所造成的失真，下降到一个位以内的误差。

▲DSD音频PDM编码示意图，DSD在每1/2822400秒记录下一个单位元的数据，每一次记录的数据是和前一个数据的相对值

为了确保每一位读者，都能够轻易理解等一下的DSD和PCM比较，在这边快速地介绍一下PCM编码。PCM编码主要包含取样〈Sampling〉、量化〈Quantization〉、编码〈Coding〉三个过程，如下图上半部所示，PCM也是在一个固定的间隔时间内〈如CD是1/44100秒〉记录下原始模拟讯号的振幅。

但和DSD不同的是，PCM记录的是一个绝对值而非DSD的相对值，每一个不同的振幅强弱都有其代表的数值。然后再将记录下来的数值转换成离散时间讯号，最后再依据PCM规范给予一个编码就是常见的LPCM格式数字音频。简单来说，PCM编码就是在连续的时间〈X轴〉坐标下，记录当时的振幅〈Y轴〉大小。

▲Linear-PCM编码示意图，在固定时间间隔下〈图中为1/44100秒〉，记录当下的振幅大小的绝对值

DSD音乐播放

DSD音乐的记录和播放流程，相较于传统PCM编码来得简化许多，由于目前市面上主流是使用基于单位元的模拟数字转换器（analog-to-digital converter，ADC），来进行音乐录制。所以如果将录下来的声音直接使用DSD格式储存的话，在播放时只需要在输出端，经过一个开关电容网络构成的低通滤波器，来还原成模拟讯号即可。

整个流程相较于传统的PCM处理，省去了在录音端单位元转多位的过程，和在播放端必须经由超取样和ΔΣ调变成PDM讯号的手续。这使得DSD具有非常好的先天优势，并且理论上能够在硬件端节省下多余的处理组件，也间接地降低处理过程所产生的失真。

SACD较早时期采用1bit转换技术造成的高频抖动〈dithering〉与谐波〈Idle Tone〉等问题，目前的DAC芯片为了因应1bit译码缺点，大多使用多位〈例如：6 bit，64阶〉的ΔΣ调变。此种调变混合1bit PDM和PCM的优点，在低电位输出时直接调整输出脉冲电压为低电压，可以让后续的低通滤波电路设计问题简化不少。在理论上看起来是如此的完美，但是人算不如天算，完美的事情永远只在理想状态下发生，笔者将在后面的章节和各位讨论DSD所需要面对的问题和优势。

▲〈上图〉PCM音频的录制和播放流程简图，总共历经两次超取样处里和两次位数转换，〈下图〉理想状态下DSD音乐录制和播放流程简图，过程中无须经过超取样和位数转换

DSD和PCM编码比较

由上面的介绍就可以看出，DSD和PCM是两种完全不同思维模式的编码，而两种规格也拥有各自的优点和缺点，底下笔者将非常浅显的介绍DSD编码相对于PCM编码的优缺点。

DSD编码优势

1. 理论上极高的取样带宽

标准的DSD音乐使用2.8224MHz取样频率，理论上能够记录最高到1411.2kHz〈取样频率的一半〉的声音，相较于传统CD使用的44.1kHz取样频率，这让DSD格式拥有非常宽广的取样带宽，即便和目前录音室常见的高规格24bit/192kHz PCM录音相比〈取样带宽最高达96kHz〉，DSD也拥有超过14倍之多的取样带宽。

2. 优良的动态范围〈0~20kHz〉

DSD讯号经由高频噪声整形〈noiseshaping〉电路处理，将DSD带有的高频噪声，提升到超越人耳聆听范围外的频率后，在0~20kHz的频率范围内，DSD拥有理论数据上高达150db的动态范围〈如下图〉，相较于16 bits/24 bits PCM编码的96db/144db动态范围，DSD编码理论上拥有更好的动态范围〈0~20kHz〉。

 ▲DSD和PCM编码比较，红色框格内代表24/96kHz PCM编码可记录的范围，橘色为24/192kHz，绿色为24/384kHz可记录范围，24bit的PCM讯号底噪坐落在记录范围之外，理论上小于-144db；蓝色线为2.8224MHz DSD在不同频率范围的底噪示意图，可以发现在大约30kHz后，DSD编码的底噪急遽上升，在接近极限频率时达到大约-6db的响度。〈图片来源：Playback Designs〉

3. 更小的音乐容量

DSD编码在储存容量上也具有一定的优势，随着音质的提高，PCM音乐的档案大小可以说是指数型成长。而DSD由于编码上的优势，在标准的2.8224MHz取样频率下，DSD的档案容量只约略超过24/96kHz的PCM音乐一些。这使得DSD不论是在储存或是网络下载，都比PCM格式来得有优势。

4. 除了上列的优势之外，DSD音乐在播放时还具有无取样频率限制、直接支持DAC主要时钟和长传输距离的优点。

DSD编码缺点

上面提完DSD的主要优势，但就跟多数的规范一样，DSD也有其无法克服的技术缺点。而且这些实际操作上的缺点，反倒严重的抵销DSD上述的优势，并且在大多数情况下还产生更多的问题，底下就让笔者来介绍一下DSD编码相较于PCM编码有甚么样的缺点。

1. 实际上较窄的频率范围

标准的DSD编码有一个先天的缺点，相较于CD规格的16bit/44.1kHz的-96db〈16*6db〉底噪来说，DSD的底噪高达-6db，这个现象在实际测量上也可以观察到〈见图X〉。DSD编码在超过20kHz的时候，会产非常大量的高频噪声，如果不将这些噪声移除，将会对后端的音响器材造成伤害。所以必定需要经过滤波技术的处理，现在的处理方式是利用噪声整形电路，将噪声移到人耳聆听范围外〈>20kHz〉。

但这也说明后续就要由低通滤波器将这些噪声移除，由Sony的规范书来看，DSD讯号必须经由一个截断点为50kHz的低通滤波电路处理移除高频噪声。这使得现实上在播放时能使用的最大频率范围，大约只比30kHz高一点点，这直接影响到DSD其中一个优势：「理论上极高的取样带宽」。为了减少高频噪声的问题，目前最新的DSD档案都使用双倍的取样频率〈DSD128〉，理论上藉由噪声整形电路，能够将高频噪声推到更高的频率范围，但实际上还是无法解决通过低通电路后实际能用的频率范围。

2. 档案经过多次格式转换

由于DSD编码是一种单位元的记录格式，使得DSD音频几乎完全无法利用现在的音讯设备来编辑，因此在音乐后制的时候，DSD音讯还是必须被转换成PCM音讯来编辑。目前的DSD音乐编辑模式，是先将DSD转换成Digital eXtreme Definition〈DXD〉格式，DXD本质上就是352.8kHz/ 24bit的PCM编码音频，等后制和音乐编辑完毕后，再转换为DSD讯号。因此DSD音乐档案反倒同时继承DSD和PCM的缺点，并且在多次的转换过程中，还会额外导入另一层的高频噪声，这使得DSD原本希望移除PCM编码缺陷的初衷，完全不存在现在的DSD音乐中。

3. 相对高解析PCM编码没有显著优势

DSD编码当初的比较目标大多是CD规格的PCM音频，但在高分辨率的PCM音讯流行的当下，高分辨率PCM音讯实际可用的取样范围和噪声控制能力，完全优于标准的DSD格式〈见图X〉。为了解决这个问题，刚刚提到双倍取样的DSD128音讯就此诞生，虽然可以些微的降低DSD噪声过高的问题，但单位元编码先天上的缺陷依然存在，并且双倍取样的DSD128音乐档案大小，对比高解析PCM音讯来说，也变得没有储存容量上的优势。

4. 硬件支持度不广泛

DSD处理对于目前已经习惯PCM音乐已久的音乐制作公司来说，必须投入额外的成本才能进行后制，所以严重的影响到DSD格式的推广。此外目前市面上绝大多数支持DSD播放的DAC，是将DSD音频重新编码回PCM讯号的方式来播放，只有非常少部分的DAC支持原生播放DSD音乐。除此之外，DSD传输并没有被大多数传输规范所纳入，像是USB Audio 2.0和Mac平台的特性规范中，音讯传输就只有标准PCM一种格式。

好在最近被推广DSD-over-PCM〈DoP〉传输规范解决这部分的问题，这个传输规范使用24bit/ 176.4kHz PCM传输来包装DSD讯号，利用前面8个位来当做DSD的标记。又由于2.8224MHz取样的DSD音频数据量相当于16bit/176.4kHz的PCM音频数据量，所以后面的16位就可以用来包装DSD音讯，让有能力的硬件厂商自行研发DSD解决方案，并且也让不支持DSD传输的iOS系统有机会播放DSD音乐。当然这样的传输规范也有它的缺点，那就是由于数据是藉由PCM讯号的方式包装，如果当硬件误判DSD为PCM讯号时，就会在88kHz的地方产生一个大约-34db的杂音，并且播放DSD的相关操作和设定过程相当繁杂，所以DSD音乐规格还是相对地不普及。