为什么需要 DSEE？
无损音频编码（FLAC、WAV）可以保留 20Hz-22.05kHz 的完整频谱。但现实中的数字音乐源远没有那么理想——MP3/AAC 有损编码在 16kHz 以上基本被削平，老旧录音的麦克风和模拟磁带本身就没有拾取到足够的高频泛音，即使是现代录音，采样率低于 96kHz 也会在 20kHz 处遇到奈奎斯特墙。
对于 SACD 制品的最终呈现，我们希望母带的频带尽可能延伸到 30kHz 甚至 50kHz 以上——不是为了让人耳\"听到\"（人耳的上限约 20kHz），而是为了让可听频段内的滤波器过渡带更平缓、高频互调失真更低，以及最重要的：将 DSD 调制器的噪声整形推到更远的超声区域，为人耳最敏感的 2k-8kHz 频段创造更干净的声底。
传统的做法是直接做上采样——用高质量 FIR 滤波器把信号的采样率翻倍、翻四倍。但上采样不产生新信息，它只是改变了信息的呈现方式。一个 44.1kHz/16bit 的 MP3 文件，上采样到 88.2kHz 后，16-22kHz 范围内仍然是空的（只有上采样插值的平滑过渡，没有真实的谐波结构）。
DSEE 的思路不同：从已有的低频谐波中，生成高频谐波。
技术原理：SSB 频移
DSEE 的核心是基于 Hilbert 变换的单边带（SSB）频移。这是通信工程中经典的技术——将基带信号调制到更高的载波频率上，只保留上边带（LSB 被抑制）。
数学原理
给定一个实信号 x(t)，其 Hilbert 变换为：
x_h(t) = H{x(t)}
Hilbert 变换等价于对 x(t) 做相移 -90°：对于正频率分量的相位减 90°，负频率分量加 90°。
构造复数解析信号（Analytic Signal）：
x_a(t) = x(t) + j·x_h(t)
该信号的频谱只在正频率存在，负频率为零。将解析信号乘以复指数 e^{jωt}：
x_a(t)·e^{jωt} = (x(t) + j·x_h(t))·(cos(ωt) + j·sin(ωt))
取实部得到上边带（USB）频移信号：
y(t) = Re{x_a(t)·e^{jωt}} = x(t)·cos(ωt) - x_h(t)·sin(ωt)
这一公式将信号 x(t) 的所有频率分量整齐地向上搬移了 ω。如果 x(t) 包含 1kHz、5kHz、8kHz 的分量，则输出包含 1+Δf、5+Δf、8+Δf 的分量——高频泛音就这样从原始信号\"生长\"了出来。
DpdoEngine 的实现
DpdoEngine 的 DSEE 处理器扩展了基础 SSB 的原理：
- 8 次频移叠加 — 不是将信号只搬一次，而是搬移 8 次：Δf、2Δf、3Δf … 8Δf，形成一个密集的延伸谐波层
- 指数衰减 — 每次频移的增益指数递减（decay=0.5），越远的频移越弱，贴合真实乐器泛音的自然衰减特性
- 3kHz 预 HPF — 在进入 SSB 链之前滤除低频段的能量，防止低频的大幅值主导调制过程，让中高频成分主导泛音生成
- 16kHz 后 HPF — 只保留 16kHz 以上的 SSB 产物，确保延伸层不污染原始信号的可听中低频段
- 自适应增益 — 延伸层的峰值不超过原始信号的 50%，避免过度增强导致的高频炸裂
- 干湿混合 — 全链路群延迟（pre-HPF + LPF + Hilbert + post-HPF）与干信号对齐，实现无相位失真的混音
14kHz pre-LPF：必要的取舍
为什么要加 LPF？
Hilbert 变换在工程实现上是有限阶 FIR 滤波器（DpdoEngine 使用 63 抽头 Kaiser 窗 Hilbert FIR）。理想 Hilbert 需要无限长冲击响应——有限长近似在高频段会引入非理想的过渡响应。
DSD 转换链路通常包含 88.2kHz 的上采样阶段（44.1kHz→88.2kHz）。上采样插值在奈奎斯特频率附近会产生镜像频率残差——尽管经过高质量 FIR 滤波，阻带衰减不可能完全无穷。这些镜像残差与原始信号一起进入 SSB 调制器时，会产生下边带互调产物，卷绕进入可听频段（20Hz-20kHz）。
这种泄漏在频谱上表现为一段持续的宽带噪声——尤其是在没有信号的段落（静音区间），这部分噪声会\"浮在底噪之上\"，影响背景的黑度。
LPF 的作用
在 Hilbert 变换之前对信号施加一个低通滤波器，阻止 14kHz 以上的信号进入 SSB 链，正是为了阻止这种互调泄漏。DpdoEngine 使用 Kaiser 窗 FIR LPF（161 抽头 @88.2kHz，~60dB 阻带衰减），截止频率设置在 14kHz 附近，完整过渡带控制在 14-16kHz。
这意味着 DSEE 只在原始信号有内容且内容频率≤14kHz 的时候工作。原始信号在 14-22kHz 的成分，不参与 SSB 频移——但这部分成分在上采样过程中已经被镜像残差污染，不参与更好。
固有 trade-off
LPF 的副作用是它移除了部分可用于 SSB 互调的材料。在我们的测试中：
- 无 LPF：DSEE 在 12-16kHz 范围可产生约 +5.4dB 的增强
- 正确 LPF（161-tap Kaiser）：增强降至约 +1.6dB
- 延迟脉冲占位符（只加延迟不滤波）：增强恢复到 +5.2dB→ 证明延迟本身不影响 DSEE，削弱来自 LPF 移除的高频材料
这是固有 trade-off，不是 bug：移除上采样伪影（SSB 泄漏的来源）必然减少 SSB 互调可用的材料。在真实全频带音乐信号上（而非测试正弦/扫频），由于低频至中高频段（20Hz-12kHz）的频谱密度远高于测试信号，LPF 的削弱效果会被宽带互调部分补偿。
SSB cos/sin 对齐修复
在 DSEE 的最初实现中，cos 项使用了原始信号（未经任何滤波），而 sin 项使用了 Hilbert 变换后的信号（经过 LPF + Hilbert 的完整路径）。两个分支在滤波路径上的差异导致 SSB 公式出现可测量的偏差——cos 项代表了\"有 LPF 的信号\"，sin 项代表了\"有 LPF + Hilbert 的信号\"，两者在时间对齐和频谱响应上不一致。
DpdoEngine 的当前实现修正了这个问题：cos 项和 sin 项都使用相同的 LPF 后信号（d_lpf），cos 项额外经过 filterDelayHilb_ 的延迟对齐以保证和 Hilbert 输出的群延迟一致。这一修复使 SSB 调制在数学上自洽，cos 项和 sin 项确保了干净的 SSB USB 输出。
效果指标
| 测试信号 | 频段 | 无 LPF 增强 | 正确 LPF 增强 |
|---|---|---|---|
| 1kHz 正弦 MP3 320kbps | 14-22kHz | ~+6.3dB | ~+1.6dB |
| 1kHz 正弦 MP3 320kbps | 6-12kHz | ~+8.8dB | ~+8.8dB |
| 真实音乐（宽带） | 16kHz+ | 待测 | 预期优于正弦测试 |
关键观察：6-12kHz 频段的增强不受 LPF 影响（+8.8dB 在有无 LPF 时一致），因为该频段的原始信号本身参与 SSB 互调，其产物落在 20kHz+ 的超高频区域，不会被 14kHz LPF 削弱。LPF 的影响集中在 14kHz 附近的过渡带及其以上的 SSB 产物。
结语
DSEE 不是魔法——它不会从无到有创造乐器本不存在的泛音。它是信号处理：从一个已存在的信号出发，通过 Hilbert SSB 频移生成与其谐波结构一致的高频延伸。
14kHz pre-LPF 的存在说明了一个更普遍的原理：任何信号增强技术都需要在\"增加内容\"和\"避免引入噪声\"之间找平衡。DSEE 的 LPF 选择了后者——宁可牺牲部分极端高频的增强量，也不允许不完美的 SSB 调制在可听频段留下可闻的污染痕迹。
DpdoEngine 的 DSEE 现已集成到 PCM→DSD 的母带流程中。如需体验 DSEE 对您作品的高频延伸效果，联系我们获取试用版本。