双声道立体声的物理基础与时间差效应
双声道立体声的核心在于利用人耳对声音到达左右耳的时间差异（Interaural Time Difference, ITD）和强度差异（Interaural Level Difference, ILD）来构建空间听觉。当声源位于听者正前方时，声音同时到达双耳且强度一致，感知为居中；当声源向左或向右偏移，声波到达两耳的路径长度不同，导致相位偏移，同时由于头部的遮挡效应（头影效应），高频段声音在远离声源的耳部会有显著衰减。这种物理层面的差异构成了大脑判断声源方位的基础逻辑，也是立体声录音与回放必须保留的关键空间信息。
在录音环节，常见的XY制式或AB制式麦克风摆放方式直接捕捉了上述物理差异。XY制式采用两个指向性麦克风极轴夹角，主要依赖相位差和强度差，适合单声道兼容性较好的场景；AB制式则使用两个全向麦克风保持一定距离，更强调时间差，能提供更宽广的声场宽度。这些原始模拟信号通过高保真链路转换为数字信号时，必须严格保留左右声道的非对称性特征，任何导致左右声道完全同步或幅度完全一致的处理，都会直接破坏声场的立体感，使声音退化为扁平的单声道。
AAC编码中的心理声学模型与频域变换
AAC（Advanced Audio Coding）作为一种高效的有损压缩格式，其核心原理基于心理声学模型，旨在去除人类听觉系统无法察觉或不易察觉的信息，从而在降低数据率的同时维持可接受的音质。编码器会将音频信号通过滤波器组转换为频域数据，计算每个频段的掩蔽阈值。当强音存在时，邻近频率的弱音会被掩蔽，这些被掩蔽的信息在编码过程中可以被安全丢弃。对于立体声信号，AAC还会利用声道间相关性，通过联合立体声（Joint Stereo）技术，将左右声道中相似的高频成分合并为中信号（M信号）和差信号（S信号），从而减少需要存储的数据量，这是其在有限带宽下保持声场信息的关键手段。
在比特率分配阶段，AAC编码器会根据信号的复杂度动态调整量化精度。对于声场定位至关重要的低频和中频部分，编码器通常会保留较高的精度，因为人耳对这些频段的时间差和相位变化极为敏感。相反，在高频区域，由于掩蔽效应较强，量化步长可以适当加大。这种精细的比特分配策略确保了声音的基音和主要谐波结构得以保留，而背景噪声和细微的空洞感则被优先压缩。通过这种方式，AAC能够在较低的比特率下（如128kbps或192kbps）维持相对完整的频谱结构，为声场还原提供必要的数据基础。
声道间相关性处理与声场信息的保留
在AAC编码过程中，联合立体声技术（Joint Stereo）是实现高效压缩与声场保留的关键环节。该技术基于立体声信号中左右声道在高频段具有高度相关性的特性。编码器检测左右声频段的互相关性，如果相关性高于特定阈值，则不再独立编码左右声道，而是编码一个代表平均响度的“中信号”和一个代表差异的“差信号”。解码器在还原时，结合头部相关传输函数（HRTF）相关的解码参数，将中差信号重新映射回左右声道。这种处理方式极大地节省了比特数，同时保留了声道间差异所蕴含的声场宽度信息，避免了因独立编码高频导致的比特率浪费。
然而，过度的联合立体声处理可能导致声场定位模糊，特别是在处理单声道源或强相位差异的声音时。因此，现代AAC编码器采用自适应的立体声模式切换，在低频段通常使用独立立体声（Independent Stereo）以保留精确的相位和时间差信息，而在高频段则倾向于使用M/S编码以优化压缩效率。这种分段处理的策略确保了低频部分的坚实定位感和高频部分的宽广氛围感。解码器必须严格遵循编码器嵌入的立体声模式标识，才能正确执行逆变换，从而在回放时重建出符合原始录音意图的声场空间分布。
解码端的逆过程与声场重建逻辑
解码器在接收到AAC比特流后，首先进行逆量化和熵解码，恢复出行波编码前的频域系数。随后，解码器根据帧头信息判断该帧采用的是独立立体声还是联合立体声模式。若是联合立体声，解码器执行M/S到L/R的逆变换，利用存储的立体声模式标识和强度差信息，将合并的信号分离回左右声道。这一过程必须精确还原编码器计算的相位和幅度关系，任何解码错误或参数误读都会导致声道间相位失真，进而引发声场定位漂移或中心声像漂移。解码算法的稳定性直接决定了最终输出的左右声道信号是否严格对应原始录音时的物理差异。
在得到左右声道的数字信号后，数模转换器（DAC）将数字样本转换为模拟电压信号，通过左右扬声器回放。人耳通过比较两个扬声器发出的声音到达耳膜的时间差和强度差，结合大脑听觉皮层的处理，重建出声源的空间位置。由于AAC编码在压缩过程中尽可能保留了低频和中频的相位完整性以及高频的相关性特征，解码后的信号在通过扬声器辐射到听音环境时，能够形成稳定的干涉图样，使听者感知到清晰的声像定位。这种从数字比特到模拟声波再到神经感知的全过程，构成了AAC压缩还原声场定位的完整闭环。
听感验证与声场定位的主观评估
在实际听音环境中，声场定位的还原效果会受到听音室声学特性、扬声器摆位以及听者位置的影响。双耳听觉系统会整合直达声、早期反射声和混响声，形成对声源距离和方位的综合判断。AAC编码由于去除了部分被掩蔽的高频细节，可能会使声场的“空气感”略有减弱，但在128kbps以上的比特率下，主要声源（如人声、主奏乐器）的定位精度依然能够保持在可接受的范围内。听者通过聆听声像的稳定性、声场的宽度以及乐器间的分离度，可以间接评估编码过程中声场信息保留的程度。
专业评估中常使用双耳录音（Binaural Recording）配合耳机回放来检验声场还原能力，因为耳机能更直接地将左右声道信号送入耳道，消除房间反射的干扰。在双耳录音中，声源定位完全依赖于HRTF生成的微时间差和频谱染色。AAC编码器在处理此类信号时，需特别注意保留HRTF引入的高频峰值和谷值结构，因为这些细微的频谱变化是大脑判断声源高度和前后位置的关键线索。若编码过程中对这些高频特征量化过度，声场定位将变得扁平，听者难以分辨声源的前后层次，仅能感知到左右宽度的变化。