2026 年 11 月 11 日，伦敦帝国理工学院发布了一项关于数字音频传感技术的最新研究成果。该研究挑战了自脉冲代码调制（PCM）发明以来近 90 年的传统数字化范式，提出了一种名为“无限传感”（Infinite Sensing）的新方法。
突破动态范围与比特深度的权衡
在传统数字音频处理中，工程师长期面临一个核心矛盾：在固定的比特数量下，扩大信号捕捉范围往往以牺牲细节精度为代价；而超出转换器范围的强信号会被截断，导致信息永久丢失。这一局限可追溯至 1937 年帝国理工学院校友 Alec Reeves CBE 与 Claude Shannon 奠定的现代数字通信基础。
帝国理工学院的研究团队通过开发 USF-Audio 系统改变了这一逻辑。该方法不再单纯增加比特位数，而是重新定义数字位所代表的内容。系统在模拟到数字转换之前，故意将大幅度的声音波形折叠到一个更小的数值范围内。尽管生成的波形在直观上可能显得混杂，但其内在的数学结构允许后续算法无损重建原始声音信号。
实验数据与听觉测试结果
研究人员郭文贵（Dr. Guo）、朱博士及艾乌什·邦达里（Dr. Aish Bhandari）结合了数学恢复理论、可扩展音频算法以及从麦克风到数字硬件的完整实现方案。他们使用现成电子元件构建了定制转换器原型。
实验数据显示，在仅使用 6 位精度的条件下，USF-Audio 系统的动态范围比传统 6 位转换器至少扩大了 18dB。这意味着在不增加比特深度的情况下，系统能够容纳的信号幅度范围大约增加了八倍。
为了验证技术在实际应用中的效果，团队进行了一项涉及 52 名参与者的听力测试。参与者对比了语音、音乐、心跳声和动物叫声等真实声学录音的重建音频与传统录音。结果显示，基于无限传感技术重建的音频在质量评分上高于同等比特深度的传统录音，且优于受截断影响的录音。这表明该技术带来的优势不仅停留在数学理论层面，也能被人类听觉感知。
超越音频：对 AI 与传感器领域的启示
这项研究的潜在影响远超音乐制作领域。对于需要同时区分微弱环境音（如细微的动物叫声）和强背景噪音的环境传感器，以及数字耳镜等医疗设备而言，保护弱信号不被强信号淹没是共同的技术难题。
随着人工智能越来越多地用于解释物理世界，传感器的性能变得与算法本身同样重要。如果数字化过程中信息丢失，即便拥有强大的 AI 模型也难以完全恢复。无限传感提供了一种新的起点：通过改变数字表示方式来保留信息，而非依赖后期计算去修复传统传感器丢弃的数据。
此外，该技术还可能提升能源效率。传统转换器通常需要更高的数字分辨率来兼顾宽动态范围和细节保留，而无限传感通过在低比特深度下扩展动态范围，为开发更小、更节能的传感硬件提供了可行路径。
相关论文《通过无限传感重新思考数字音频：理论，算法和硬件验证》已发表在 IEEE《音频、语音和语言处理交易》（IEEE Transactions on Audio, Speech, and Language Processing）上，DOI 编号为 10.1109/taslpro.2026.3739166。
