采样率：时间轴上的频率还原逻辑
采样率决定了数字音频在时间维度上的离散密度，其核心作用在于准确捕捉声波在空气中的连续振动。根据奈奎斯特定理，为了无失真地还原模拟信号，采样频率必须至少是原始信号中最高频率的两倍。人类听觉系统的生理极限通常被认为在20kHz左右，因此标准的CD音质采用44.1kHz的采样率，这确保了能完整保留人耳可感知的所有频率成分，而不会因采样点过疏导致高频信息丢失或产生混叠失真。
在专业录音与后期制作领域，更高的采样率如96kHz或192kHz常被用于捕捉超高频细节或优化数字滤波器的相位特性。虽然人耳无法直接感知超过20kHz的声波，但高采样率能为数字音频工作站提供更宽的动态余量，减少抗混叠滤波器对可听频段造成的相位干扰。这种时间轴上的高密度采样，使得波形在重构时更加平滑，从而在听感上呈现出更自然的瞬态响应和空间感。
比特深度：动态范围与量化噪声的博弈
比特深度衡量的是采样过程中振幅信息的量化精度，它直接决定了音频信号的动态范围和底噪水平。每一个采样点的振幅值被转换为二进制数据，比特数越高，能表示的离散电平台阶就越细密。16比特音频的理论动态范围约为96分贝，足以应对绝大多数消费级聆听场景；而24比特音频的理论动态范围可达144分贝，这在录音阶段能更精细地记录从极微弱声音到极高声压级的变化，避免在低音量段落出现可闻的量化噪声。
在数字音频处理流程中，保留高比特深度的原始数据至关重要，因为每一次数字运算（如混音、均衡或压缩）都可能引入微小的误差。24比特的深度为这些处理步骤提供了充足的“数字余量”，防止在多次叠加处理后信号失真。当最终输出面向大众播放时，通常会通过抖动（Dithering）技术将24比特数据转换为16比特，这一过程通过引入受控的随机噪声，掩盖量化误差带来的失真，确保音质在降低数据密度的同时保持听感的纯净。
波形形态：频率组合与音色的物理本质
波形是声波在时域上的直观表现，其形状由基频与泛音列的叠加关系决定，这也是不同乐器或声音源具备独特音色的物理基础。正弦波是最简单的波形，仅包含单一频率，听起来纯净但缺乏色彩；而现实中的乐器声音由复杂的非正弦波构成，包含基频以及频率呈整数倍关系的泛音。例如，长笛的声音接近正弦波，泛音极少，音色圆润单薄；而小号的声音包含大量高频泛音，波形尖锐且复杂，因而显得明亮辉煌。
在数字音频中，波形表现为一系列离散的振幅采样点，这些点精确记录了声波在每一时刻的压力变化。通过傅里叶变换，可以将复杂的时域波形分解为频域中的频率成分，从而解析出土琴弦振动产生的独特频谱特征。这种时频对应关系解释了为何不同的声波即使具有相同的基频（音高），其听感却截然不同。波形中的谐波结构、包络特征（起音、衰减、 sustain、释音）共同构建了声音的“指纹”，决定了声音的质感、厚度以及情感色彩。