用Python生成20Hz到20kHz的正弦扫频信号：一个音频工程师的实用脚本与避坑指南

在音频工程领域，扫频信号就像一把声学尺子，能精准测量设备在不同频率下的响应特性。想象一下，当你需要测试新入手的耳机是否在低频部分存在衰减，或者验证会议室音响系统是否在某个频段产生共振时，手动播放单个频率不仅耗时，还容易遗漏关键问题点。这就是为什么专业音频工程师的工具箱里，正弦扫频信号生成器总是占据重要位置。

人耳能感知的20Hz到20kHz频率范围，实际上是个充满感知陷阱的领域。我们的大脑对中频特别敏感，而对极低频和极高频的感知则非线性衰减。这种特性决定了优秀的扫频信号必须采用对数增长模式——就像钢琴键盘上每个八度音阶的等比分布。本文将带你用Python打造一把符合人耳特性的"声学游标卡尺"，从原理推导到实战代码，再到那些教科书不会告诉你的工程经验。

1. 扫频信号的声学原理与数学本质

1.1 为什么对数扫频优于线性扫频

在声学测量中，线性增加的扫频信号（如每秒增加100Hz）会带来严重的感知偏差。让我们做个简单实验：播放从100Hz到200Hz的扫频，再播放从10kHz到10.1kHz的扫频，虽然两者都是100Hz跨度，但人耳会觉得前者变化剧烈而后者几乎静止。这是因为人耳的频率分辨力遵循韦伯-费希纳定律，对低频变化敏感，对高频变化迟钝。

对数扫频的数学表达为：

code复制f(t) = f0 × (f1/f0)^(t/T)

其中f0是起始频率(20Hz)，f1是终止频率(20kHz)，T是总时长。这种指数增长模式确保每个八度音阶所用时间相同，符合人耳的感知特性。下表对比两种扫频方式的特点：