在上一篇文章当中，我们简单地说了一下最常见的均衡分类。今天的这一篇，我们来了解一下另外一种均衡的分类以及应用。

在目前的音频系统当中，越来越多设备走向数字化，也就是说很多系统都会采用DSP或者CPU运算，而DiGiCo的调音台就采用了FPGA多线程处理技术，让整个数字处理系统变得快捷高效，解决了数字系统所带来的延时问题。

我们今天的分类，就和系统的数字化有关。

我们在之前所讲的分类当中，不管是参量均衡，还是图示均衡，实际上我们默认了一件事：在没有特殊说明的情况下，我们普遍所谈论的均衡种类是IIR均衡，即Infinite Impulse Response(无限脉冲响应均衡)。相对于IIR均衡，还有一类均衡叫做Finite Impulse Response(有限脉冲响应均衡)。

那么两种均衡有什么不同呢?我们可以通过一个实验来向大家解释。

我们先来模拟一下经常会出现的一个现象。

有时候，我们用Smaart或者其它软件所测得左右立体声音箱在某个声场当中的频率响应几乎完全一样。单独听其中任意一只音箱，没有什么问题，但是两只音箱同时打开后听起来却有一些不同，这是为什么呢?

我们与之前一样，先要将讨论范围圈定，再来分析问题。

首先，我们将环境理想化，假设我们的测量点位或听音位置为两个相干声源完全叠加的位置，即两个声源距离测量点的距离完全一样。

这样一来，可以避免由于距离问题所产生的声干涉及延时所产生的听感不一。理论上，在这个点上，我们听一只音箱和一对音箱的区别，仅仅是声音大小，而声音的成分不应该有任何改变。但实际情况是我们听出了不同，是什么造成了这个现象?如果我们想了解这个问题，我们就不能单单看频率方面的问题，还要多了解一下相位对于系统的影响。

用过Smaart或类似测量软件的用户都知道，除了频率响应窗口，还有一个相位窗口，而相位窗口就是从一个侧面反映了各个频段到达测量点的时间差异。

通常来说相位曲线图例的中部是0°线，当相位曲线与0°线十分接近甚至完全重合的时候，我们可以说，参考信号和对比信号的相位是一致的。当频率曲线偏离0°线的时候，就意味着某个频率或频段发生了相位偏移，这个时候的参考信号和对比信号的成分，已经有所不同，可以说，产生了失真，而且不同频段的偏移量，也会有所不同。

在本文中，我们先不去讨论偏离所产生的原因以及表现。我们首先将问题聚焦在听感与相位之间的联系上。

实验中我们使用L-Acoustics X8作为测试音箱

由于L-Acoustics高品控的一致性，让两只音箱在相位上几乎表现一样，这会让我们所希望展示的现象非常的不明显。

为了能够让大家从视觉上显著地了解相位对于听感的影响，我们人为地将其中一只音箱反向，进行实验。

我们在Network Manager当中对B音箱做了反相，再出来的曲线，我们命名为B1。

可以看到，B1与B在频响上几乎是完全一样，不一样的，只是在相位上有了近乎180°的改变。

将A与B1放到一起对比，可以看到两者的频响几乎完全一样，但相位差距较大。

可以对比一下当同相位叠加时(A+B=C)与有相位差时(A+B1=C1)的曲线的区别。

从上图当中，我们可以清楚地证明，即使两只音箱频响曲线完全一样，单只听起来没有不同。但是由于相位的原因，在多只音箱叠加时，出现了很大的区别。

在证明了相位对于听感的影响之后，我们来看一下IIR和FIR对于相位的影响。

假设我们需要对音箱进行均衡的修正，我们先来使用IIR均衡，为了更明显的向大家演示，我们对均衡做了比较大改动。

这个时候，我们看到由于调整了某个频段的均衡，该频段内的相位曲线(A1)发生了变化。

也就是说我们在改变频率曲线的同时，也改变了相位曲线。

我们知道在IIR均衡的冲激响应在理论上应该是无限持续的，而由这种无限持续带来的后果就是其相位不线性。用通俗的语言来说，IIR均衡会改变相位。

FIR均衡的冲激响应是有限的，可控的，其相位是线性的。用一句话来翻译的话，就是FIR均衡在调整频率时不会产生相位的改变。

为了证明这一点，我们在同样频段，添加一个FIR均衡，并使其改变量与IIR均衡的改变量尽量相等。

在测量出的曲线中，我们可以看到，FIR均衡所调整的频段，并没有对相位产生影响。

为了从视觉上更加明确这一点，我们将三条曲线放在一起进行对比。

看到这里，我们也会有一个问题，既然FIR均衡对于相位没有影响，那为什么还在使用IIR均衡呢?这里面就要涉及到FIR均衡在设计上需要有更多的参数进行控制。相比于IIR均衡，FIR均衡在数字系统里面需要的储存单元及算力都比IIR均衡要大。对于现场演出系统来说，这会产生一个致命的问题--数字延时。高阶的FIR均衡可以导致系统以毫秒级别进行延时，这对于现场观众来说，就会产生音画不同步的感观。目前来说，FIR均衡在音频领域的应用暂时还不是全能的，还需要考虑应用场景以及算力的问题。当然，随着算力的提升，相同采样率及阶数的FIR所需的时间会越来越短，对系统的影响也会大大降低。这样一来就方便我们在不影响相位的情况下调整均衡，将两者独立调整，达到我们所需的理想状态。

通过两篇文章，我们简单地了解了一下均衡的两种常见分类方法，当然还有更多更细致的方面我们没有涉猎。希望能对各位读者学习音频有一定的帮助，也希望各位读者能够指出文中错误，及会产生误会的描述。