雜訊整形（noise shaping）

雜訊整形是一招巧妙的障眼法，它並不移除量化雜訊，而是把它挪開。如果你無法避免在每個取樣上犯一點捨入誤差，至少你能安排讓那誤差堆在你不在乎的頻率——高高的、遠離你的訊號——然後把它濾掉。就像一個愛整潔的工人，無法避免製造鋸屑，卻總把它掃進一個容易清理的角落，讓工作檯保持乾淨。

訣竅是一個記得自己錯誤的回授迴路。每次粗略轉換後，轉換器算出它偏差了多少（量化誤差），並把那誤差透過一個積分器回授，加進「下一個」輸入。這迫使迴路不斷修正它的累積誤差，在數學上把雜訊頻譜推成隨頻率向上傾斜：在你訊號所在的低頻極小，在無關緊要的高頻很大。接著一個數位低通濾波器丟掉吵雜的高端，留下一個格外安靜的低頻帶。這就是讓三角積分轉換器從一個卑微的 1 位元比較器擠出 20 多個真實位元的祕訣。

為何重要：雜訊整形是三角積分魔法的後半段（過取樣是前半段）。單純的過取樣把雜訊均勻攤開；雜訊整形主動把它從你的訊號傾離，所以每一個八度的過取樣，你得到的解析度遠多於單靠平均所能給的。較高階的迴路（更多積分器）整形得更積極，帶內更安靜。誠實的陷阱：那些高階迴路若逼得太兇可能不穩定，而且這套方案只因與過取樣搭配才管用——必須有空著的高頻帶可供把雜訊掃進去。