为什么非均匀量化？因为人耳就是这么"偏心"！

你有没有发现，同样的音量变化，在安静时你敏感得要命，在嘈杂时却浑然不觉？人耳对声音的感知从来不是线性的——微小的差别在低声区会被放大察觉，而在高声区却需要更大的变化才能引起注意。如果用均匀量化把声音切成等大的"台阶"，大部分比特位都浪费在了人耳不敏感的高声区，真正需要精细刻画的地方反而捉襟见肘。

非均匀量化的核心思路就是"好钢用在刀刃上"。量化台阶不再是等宽的，在信号幅度小的区域台阶更密、精度更高；在幅度大的区域台阶稀疏、大步流星。这种"前细后粗"的策略，用同样的比特数，显著提升了整体的信号质量。μ律和A律压扩就是经典的非均匀量化方案，它们把输入信号先压缩再均匀量化，等效实现了非均匀的效果。 实际生活中，电话系统就是一个活生生的例子。传统的PCM编码采用8kHz采样、8bit非均匀量化，64kbps的码率就能让语音清晰可辨。如果傻乎乎地用均匀量化，想要达到同样的听感质量，可能需要12bit甚至更多，带宽直接翻倍。非均匀量化看似"不公平"，实则是对人耳特性的精准适配，是工程智慧对生理限制的巧妙回应。

说到底，非均匀量化的存在，提醒我们一个道理：最公平的分配不一定是均等的分配。了解接收者的特性，把资源投在真正敏感的地方，才能用最小的代价获得最大的效果。这不仅适用于信号处理，放在生活里也一样管用。

说真的，你有过这种感觉吗？