"A jel ugye 1 vagy 0 lehet. De mégsem ilyen egyszerű ez, mert az egyik jel az egy gitárhang, a másik pedig egy gitárhang dobbal és basszusgitárral. Mégsem ugyanaz a jel, hiszen nem ugyanazt halljuk. Valami információ kell, hogy legyen a jelen belül, ami megkülönbözteti őket egymástól, és amitől különböző hangokat kapunk végeredményként."

Jaj. Szóval. A hang tulajdonképpen a nyomás időbeli változása. Bármilyen összetett is, a komponensek összeolvadnak, a fülünk egy értéket "mér".

A digitalizálás a következőképpen néz ki. Van az analóg jel, ami időben folytonos. A digitalizálás során ebből a jelből bizonyos időközönként mintát veszünk, vagyis "belehallgatunk", hogy adott pillanatban éppen milyen értéket (nyomást) vesz fel. Ezt a bizonyos időközt nevezzük mintavételezési frekvenciának, vagyis hogy másodpercenként hányszor veszünk mintát. Az emberi fül nagyjából 20 Hz-től 20 kHz-ig hall. A Nyquist-Shannon mintavételi elv azt mondja, hogy ahhoz, hogy a jel visszaállítható legyen, a mintavételezési frekvenciának a jel sávszélességének kétszeresének kell lennie, így jött a CD-k szabványos 44.1 kHz-es frekvenciája (másodpercenként 44100 minta!). Természetesen nem minden ember füle egyforma, és egyéb tényezők is szerepet játszhatnak, ezért van értelme magasabb frekvenciát is használni, de 96 kHz fölé már tényleg nem érdemes menni.

A következő lépésben a vett mintát számszerűsítjük, vagyis kvantáljuk. Fontos megérteni tehát, hogy a minta digitális reprezentációja egy szám, amit írhatunk úgy is, hogy 1654. De ezt így bonyolult eltárolni, sokkal egyszerűbb dolgunk van ha csak nullákat és egyeseket kell írni-olvasni, ezért ezt a számot átalakítjuk kettes számrendszerbe. A kvantálás során az érdekes kérdés az, hogy számok mekkora "készletéből" választunk, ami a jel értékét reprezentálni fogja. Nyilvánvaló, hogy minél nagyobb a készlet, annál pontosabban írhatjuk le az eredeti jelet, de itt is vannak elméleti maximumok. Mivel az értékeket kettes számrendszerben tároljuk, a készlet méretét azzal szokás megadni, hogy hány bitet használunk, vagyis hány jegyű a legnagyobb kettes számrendszerbeli számunk. A szabványos CD hang bitmélysége 16, azaz 16 darab nulla vagy egyes egymás után ír le egyetlen mintát! Ez 65536 egyedi érték. Ha a lejátszónk elég jó minőségű, 20, maximum 24 bitet érdemes még használni, ennél magasabb felbontást a jel-zaj arányok már elnyomnak.

Tehát nullák és nullák, egyesek és egyesek között nincs különbség, akár gitár, akár dobhangot reprezentálnak. Különbség a pl. 16 db nulla és egyes által megadott számban mutatkozik meg. Viszont ha egyetlen bitet rosszul olvasunk ki, egy teljesen más számot kaphatunk, vagyis adott pillanatban egy teljesen más hang fog kijönni a rendszerből, mint ami kéne, és ez nagyon jól hallható. (Most feltesszük, hogy a hiba elég súlyos ahhoz, hogy semmilyen javító algoritmus nem segített már rajta.)

Példa:

0011 1100 0110 1100 = 15468

1011 1100 0110 1100 = 48236

Pedig egy bitben különböznek csak. Ezért romlik a digitális jel másképp, mint az analóg.