在上一篇文章當中，我們簡單地說了一下最常見的均衡分類。今天的這一篇，我們來了解一下另外一種均衡的分類以及應用。
在目前的音頻系統當中，越來越多設備走向數字化，也就是說很多系統都會采用DSP或者CPU運算，而DiGiCo的調音臺就采用了FPGA多線程處理技術，讓整個數字處理系統變得快捷高效，解決了數字系統所帶來的延時問題。
Quantum338
我們今天的分類，就和系統的數字化有關。
我們在之前所講的分類當中，不管是參量均衡，還是圖示均衡，實際上我們默認了一件事：在沒有特殊說明的情況下，我們普遍所談論的均衡種類是IIR均衡，即Infinite Impulse Response（無限脈沖響應均衡）。相對于IIR均衡，還有一類均衡叫做Finite Impulse Response（有限脈沖響應均衡）。
那么兩種均衡有什么不同呢？我們可以通過一個實驗來向大家解釋。
我們先來模擬一下經常會出現的一個現象。
有時候，我們用Smaart或者其它軟件所測得左右立體聲音箱在某個聲場當中的頻率響應幾乎完全一樣。單獨聽其中任意一只音箱，沒有什么問題，但是兩只音箱同時打開后聽起來卻有一些不同，這是為什么呢？
我們與之前一樣，先要將討論范圍圈定，再來分析問題。
首先，我們將環境理想化，假設我們的測量點位或聽音位置為兩個相干聲源完全疊加的位置，即兩個聲源距離測量點的距離完全一樣。
這樣一來，可以避免
由于距離問題所產生的聲干涉及延時所產生的聽感不一。理論上，在這個點上，我們聽一只音箱和一對音箱的區別，僅僅是聲音大小，而聲音的成分不應該有任何改變。但實際情況是我們聽出了不同，是什么造成了這個現象？如果我們想了解這個問題，我們就不能單單看頻率方面的問題，還要多了解一下相位對于系統的影響。
用過Smaart或類似測量軟件的用戶都知道，除了頻率響應窗口，還有一個相位窗口，而相位窗口就是從一個側面反映了各個頻段到達測量點的時間差異。
通常來說相位曲線圖例的中部是0°線，當相位曲線與0°線十分接近甚至完全重合的時候，我們可以說，參考信號和對比信號的相位是一致的。當頻率曲線偏離0°線的時候，就意味著某個頻率或頻段發生了相位偏移，這個時候的參考信號和對比信號的成分，已經有所不同，可以說，產生了失真，而且不同頻段的偏移量，也會有所不同。
在本文中，我們先不去討論偏離所產生的原因以及表現。我們首先將問題聚焦在聽感與相位之間的聯系上。
實驗中我們使用L-Acoustics X8作為測試音箱，
L-Acoustics X8
由于L-Acoustics高品控的一致性，讓兩只音箱在相位上幾乎表現一樣，這會讓我們所希望展示的現象非常的不明顯。
為了能夠讓大家從視覺上顯著地了解相位對于聽感的影響，我們人為地將其中一只音箱反向，進行實驗。
我們在Network Manager當中對B音箱做了反相，再出來的曲線，我們命名為B1。
Network Manager
可以看到，B1與B在頻響上幾乎是完全一樣，不一樣的，只是在相位上有了近乎180°的改變。
將A與B1放到一起對比，可以看到兩者的頻響幾乎完全一樣，但相位差距較大。
可以對比一下當同相位疊加時（A+B=C）與有相位差時（A+B1=C1）的曲線的區別。
從上圖當中，我們可以清楚地證明，即使兩只音箱頻響曲線完全一樣，單只聽起來沒有不同。但是由于相位的原因，在多只音箱疊加時，出現了很大的區別。
在證明了相位對于聽感的影響之后，我們來看一下IIR和FIR對于相位的影響。
假設我們需要對音箱進行均衡的修正，我們先來使用IIR均衡，為了更明顯的向大家演示，我們對均衡做了比較大改動。
這個時候，我們看到由于調整了某個頻段的均衡，該頻段內的相位曲線（A1）發生了變化。
也就是說我們在改變頻率曲線的同時，也改變了相位曲線。
我們知道在IIR均衡的沖激響應在理論上應該是無限持續的，而由這種無限持續帶來的后果就是其相位不線性。用通俗的語言來說，IIR均衡會改變相位。
FIR均衡的沖激響應是有限的，可控的，其相位是線性的。用一句話來翻譯的話，就是FIR均衡在調整頻率時不會產生相位的改變。
為了證明這一點，我們在同樣頻段，添加一個FIR均衡，并使其改變量與IIR均衡的改變量盡量相等。
在測量出的曲線中，我們可以看到，FIR均衡所調整的頻段，并沒有對相位產生影響。
為了從視覺上更加明確這一點，我們將三條曲線放在一起進行對比。
看到這里，我們也會有一個問題，既然FIR均衡對于相位沒有影響，那為什么還在使用IIR均衡呢？這里面就要涉及到FIR均衡在設計上需要有更多的參數進行控制。相比于IIR均衡，FIR均衡在數字系統里面需要的儲存單元及算力都比IIR均衡要大。對于現場演出系統來說，這會產生一個致命的問題--數字延時。高階的FIR均衡可以導致系統以毫秒級別進行延時，這對于現場觀眾來說，就會產生音畫不同步的感觀。目前來說，FIR均衡在音頻領域的應用暫時還不是全能的，還需要考慮應用場景以及算力的問題。當然，隨著算力的提升，相同采樣率及階數的FIR所需的時間會越來越短，對系統的影響也會大大降低。這樣一來就方便我們在不影響相位的情況下調整均衡，將兩者獨立調整，達到我們所需的理想狀態。
通過兩篇文章，我們簡單地了解了一下均衡的兩種常見分類方法，當然還有更多更細致的方面我們沒有涉獵。希望能對各位讀者學習音頻有一定的幫助，也希望各位讀者能夠指出文中錯誤，及會產生誤會的描述。
