声波是随时间连续变化的物理量，可以用随声波变化的电压或电流信号来模拟。传统的录音方式是直接记录模拟信号。随着计算机技术的发展，特别是大容量存储设备和大容量存储器在计算机中的实现，使得音频媒体的数字化成为可能。
1939年，法国工程师A . Rivers发明了脉码调制(PCM)信号，将连续的模拟信号转换成时间和幅度离散的二进制码，并申请了专利。
1962年，贝尔实验室为ATT制造了世界上第一个商用PCM电话系统，这标志着通信数字化的开始。计算机技术的发展进一步推动了通信的数字化，并逐渐与通信结合。为了让计算机处理音频，有必要将声音信号数字化。
就像模拟声音信号在时间和幅度上是连续的一样，经过采样、量化和编码后，它就变成了离散的数字信号。
1、取样
采样又称取样，是将一个在时间和幅度上连续的模拟信号，在采样脉冲的作用下，转换成一个在时间上离散(时间间隔固定)但幅度连续的离散模拟信号。所以采样也叫波形的离散化过程。能量音的具体方法是：短时间等间隔或不等间隔采样。等间隔抽样是均匀抽样，也称为线性抽样；不等间隔采样是非均匀采样，也称为非线性采样；在声音数字化过程中，通常采用均匀采样。每秒的采样频率称为采样频率。采样频率越高，数字化的声波越接近原始波形，即声音的保真度越高，但量化的声音信息存储量越大。采样必须遵循奈奎斯特采样定理，即只有当采样频率高于声音信号最高频率的两倍时，模拟信号才能在采样后仍然包含原始信号中的所有信息，也就是说，可以无失真地恢复原始模拟声音信号。用于将声音数字化的主要设备是模数转换器(ADC)。
目前多媒体系统捕捉声音有三种标准采样频率：44.1 kHz，22。05千赫和11.025千赫。但人耳能接收到的声音频率范围是20 Hz ~ 20 kHz。在实际应用中，音频的频率范围是不同的。例如，根据CITT出版的声音编码标准，声音按照使用范围分为以下三个等级：
电话语音水平：300 Hz ~3.4kHz。
调幅广播电平：50 Hz-7 kHz。
高保真立体声水平：20Hz-20 kHz。
11.025 kHz、22.05 kH、44.1 kHz的采样频率对应电话语音、AM广播、高保真立体声(CD音质)三级使用。DVD标准的采样频率是96 kHz。
2、量化
声音信号经过采样后成为时间上离散、幅度上连续的瞬时值，其幅度通过量化进一步分散，即瞬时采样值用一组指定电平中最接近的电平值表示，通常为二进制。
量化信号和采样信号之间的差异称为量化误差。量化误差不能完全消除，在接收端表现为噪声，称为量化噪声。量化级数越多，误差越小，对应的二进制码位数越多，要求传输速率更高，频带更宽。为了使量化噪声尽可能小，并且所需的码位数不太多，通常采用非均匀量化的方法进行量化。非均匀量化根据幅度的不同区间来确定量化区间。根据声音振幅普遍较低的特点，振幅小的区间量化区间小，振幅大的区间量化区间大。
一个模拟信号经过采样和量化后，得到的是一个量化的脉冲调幅信号，这个信号只有有限的几个。
3、编码
编码就是用一组二进制码，把每一个量化值用一个固定的电平表示出来。脉码调制在一个过程中同时完成量化和编码。
对于电话语音，CCITT规定采样率为8 kHz，每个采样值的编码位数为8 bit，即有28或256个量化值，所以每个脉码调制后的标准数字速率为64kbit/s.为了解决均匀量化存在的量化误差大、小信号音质差的问题，实际中采用了非均匀量化区间的非线性量化方法，并使用了两种对数压缩特性：A律和律。A-law PCM在欧洲和中国使用，主要用于30/32初级集团系统；-law PCM在北美和日本使用，主要用于24路初级组系统。