声音的本质是振动。
声音的重放，需要经过声电转换（录音），声音数字化存储，电声还原这三个过程。
声电转换，声音传输使空气往复挤压收缩，使录音头的振膜产生细微的振动，要将这种振动转换成电信号，有两种方式。
其一是电磁感应，振膜上安装（粘接）有微线圈，振膜振动使线圈同步运动，这就和线圈下面的磁铁形成电磁感应，产生相应的电信号；
其二是电容变换，声音使振膜振动，这时拾音头可以看做是一个可变电容，电容量跟随振膜的振动而变化，给拾音头通电后，电容电压也就随着振膜振动而变化，从而形成电信号。
左电容式拾音头，右电磁感应式拾音头
声音数字化存储，得到声音的电信号后，那么存储也就是要把信号的波形数字化，通过芯片（A/D转换芯片）高速采样，把电信号任意一个时刻的电压大小变换成数值。采样的速度越高，声音的还原度也就越高。得到这些声音的电压采样数值，为了标准化存储并合理利用存储空间，还要按照统一标准进行运算处理，再保存成我们常见的各种数据格式WAV，MP3等等。
那么你们知道最早的留声机是怎么存储声音的呢？
电声还原，这时数字信号转换成电信号需要通过D/A模拟转换芯片。这个电信号最终经过放大后输送至喇叭，这时喇叭线圈可以看做是一个电磁铁，它产生的磁场跟随信号而变化，从而和磁铁产生相互作用（振动），通过空气传到耳朵里。
以上我们忽略了声音电信号的放大滤波的电路处理过程。
喇叭结构很简单，其本质和动圈拾音头一样，都是利用了电磁感应现象，录音头是线圈中变化的磁场产生电场，喇叭中变化的电场产生磁场。
以上内容多半人都能整明白，大家最困惑的是，喇叭为什么可以还原人声，声音为何如此丰富！
回到最初，声音的本质是振动。振动的频率不同，幅度不同，这些千差万别的组合就形成了不同的声音。
把这种声音振动转换成具体的电信号。
各种声音不同声调转换成电信号波形不同
每种声音的电信号波形都是不同的！耳朵也是通过检测这些声音在耳膜上的振动，来辨别。那振膜（包括我们的耳膜），能真实的还原声音振动吗？不一定，不同的人，不同的喇叭，对声音振动的敏感度不同。这样在任何一次声电信号转换的时候，会出现失真！
人耳结构图
聪明的人类，发明了一种精细而复杂的方法去分析声音的电信号！这种方法可以精确的描述声音信号。
这是一种数学方法：声音振动任一时刻的电信号波形，可以拆解成多个标准正弦波信号波形的叠加。
通过调整这些拆标准信号的强度比例，就可以去修饰声音的音色！那么这样，我们就可以校正声电信号转换过程中出现的失真问题，甚至可以通过删减不同的标准信号，来改变声音的特点！这就是音频DSP处理的一个过程。
实际上，当前流行的智能语音控制识别，也是利用了这种声学分析的底层原理。
,
