Stereofonia (pot. stereo z gr. στερεός "twardy, stały, sztywny, przestrzenny" i φωνή "dźwięk, ton, głos") – elektroakustyczna metoda odbierania, zapisywania, transmitowania i odtwarzania dźwięku, tak aby u słuchającego wywołać wrażenie przestrzennego rozmieszczenia jego źródeł. Zapis dźwięku odbywa się za pomocą co najmniej dwóch niezależnych mikrofonów, osobno dla kanału lewego i prawego, transmisja zaś poprzez dwa oddzielne kanały do dwóch osobnych głośników^[1].

Rozwinięciem stereofonii jest stereofonia wielokanałowa.

Rozróżnia się dwa podstawowe ustawienia mikrofonów stereofonicznych: XY i AB. Przy ich użyciu kierunek, a nawet miejsce, rzeczywistego źródła dźwięku może być dowolny. Wyróżnia się również stereofonię słuchawkową, jednakże wymaga ona specjalnych nagrań przy użyciu dwóch mikrofonów zamontowanych w miejsce bębenków usznych na sztucznej głowie manekina (jest to tzw. nagrywanie binauralne). Takie nagrania są rzadkością, a tylko wtedy przy użyciu słuchawek meloman odczuwa właściwą lokalizację pozornych źródeł dźwięku.

Rozróżnia się następujące rodzaje stereofonicznych technik mikrofonowych:

• AB – czasowa (fazowa),
• MS / XY – natężeniowa (mikrofony koincydencyjne),
• mieszana – MS / XY i AB albo mikrofony „podpórkowe”
• wielomikrofonowa,
• nagrywanie binauralne.

Obecnie większość transmisji radiowych w paśmie UKF (FM) realizowana jest jako transmisja stereofoniczna. W celu zachowania zgodności z poprzednio nadawanym sygnałem monofonicznym w radiofonii UKF, sygnał nadawany jest w technice Mid/Side, czyli jako sygnał sumy, odtwarzany przez odbiorniki monofoniczne, oraz sygnał różnicy pozwalający na wydzielenie obu kanałów dla odbiorników stereofonicznych

Od chwili powstania telewizji przez długi czas nie przywiązywano większego znaczenia do jakości odtwarzania dźwięku towarzyszącego obrazowi. Dotyczyło to szczególnie ubogich możliwości w zakresie przetwarzania niskich częstotliwości i zakłóceń wnoszonych do toru fonii przez sygnały wizyjne. W miarę rozpowszechniania się techniki hi-fi, zaczęto udoskonalać i rozbudowywać tor foniczny telewizora, stosując zespoły głośników o znacznie lepszych parametrach elektroakustycznych i większej mocy^[2].

Podstawowym kanałem transmisji fonii towarzyszącej obrazowi był kanał monofoniczny o pasmie przenoszenia ograniczonym od dołu przydźwiękiem 50 Hz, pochodzącym zarówno z zasilacza, jak i układu odchylania pionowego, a od góry częstotliwością wybierania linii ok. 15 kHz. Nośna fonii, zmodulowana w częstotliwości, zajmowała miejsce w górnej części kanału telewizyjnego, zaraz powyżej górnej wstęgi sygnału wizyjnego i jest oddalona od nośnej wizji o^[3]:

• 4,5 MHz w standardzie amerykańskim M (525/60/NTSC),
• 5,5 MHz w standardzie zachodnioeuropejskim B i G (625/50/PAL),
• 6,0 MHz w standardzie brytyjskim I (625/50/PAL),
• 6,5 MHz w standardzie wschodnioeuropejskim D i K (625/50/SECAM i PAL) oraz D1(625/50/PAL),
• 6,5 MHz (AM) w standardzie francuskim L (625/50/SECAM) i −6,5 MHz w standardzie L’.

Rozpowszechnienie stereofonicznych płyt gramofonowych LP i radiofonii stereofonicznej UKF FM dodatkowo uwypukliło niską jakość dźwięku wydobywającego się z głośniczka typowego telewizora. Jednak długo jeszcze utrzymywała się wśród specjalistów opinia, że stereofonia zapewniająca szeroką bazę odsłuchową nie pasuje do niewielkiego obrazu, a nawet może utrudniać odbiór. Pozytywne efekty otrzymywano jedynie przy projekcji obrazu na dużym ekranie. Dlatego pierwsze próby wprowadzenia drugiego kanału fonicznego były prowadzone w krajach wielojęzycznych (Szwajcaria, Belgia), aby zapewnić widzom możliwość wyboru innej ścieżki językowej^[3].

W latach 70. XX w. Telewizja Polska wspólnie z Programem II Polskiego Radia prowadziły transmisje stereofoniczne z koncertów symfonicznych pod nazwą „Stereo i w Kolorze”. Do odbioru takiego sygnału należało mieć telewizor i stereofoniczny radioodbiornik UKF FM. Podobne transmisje miały miejsce w Wielkiej Brytanii^[3].

Założono, że system dźwięku dwukanałowego w telewizji powinien umożliwiać następujące tryby transmisji^[3]:

• M – monofoniczny,
• S – stereofoniczny,
• DD – dwa niezależne kanały monofoniczne.

System taki określa się w skrócie jako MSDD. W tej chwili w Europie używa się dwóch systemów MSDD: analogowego A2 i cyfrowego NICAM^[3].

System A2 został wprowadzony w Niemczech w latach 80. XX w. Urządzenia nadawcze zostały skonstruowane przez firmę Rohde & Schwarz(inne języki). Symbol systemu (A2 – audio zwei) nawiązuje do systemu transmisji i został wdrożony przez 2. program TV niemieckiej^[3].

Dodatkowa fonia jest transmitowana na nośnej FM umieszczonej ok. 242 kHz powyżej nośnej dźwięku podstawowego. Częstotliwość i poziom drugiej nośnej został dobrany tak, by zminimalizować widoczność zakłóceń na ekranie. Na drugiej nośnej transmituje się sygnał kanału prawego lub dodatkową fonię monofoniczną. System ten rozpowszechnił się głównie w krajach niemieckojęzycznych Europy stosujących standard B i G^[3].

Istnieje druga wersja tego rozwiązania dostosowana do standardu wschodnioeuropejskiego D i K, z nośną fonii podstawowej 6,5 MHz, zwana czeską. W tym wypadku druga nośna została umieszczona 242 kHz poniżej nośnej fonii podstawowej. W Polsce była stosowana przez niektóre sieci telewizji kablowej przed oficjalnym wyborem standardu przez Telewizję Polską^[3].

 Osobny artykuł: Near Instantaneous Companded Audio Multiplex.

System NICAM (ang. Near-Instantaneously Companded Audio Multiplex) opracowano w laboratoriach badawczych BBC w pierwszej połowie lat 80. i wdrożono w Wielkiej Brytanii w 1986 r. Pełne oznaczenie – NICAM 728, pochodzi od przepływności sygnału, wynoszącej 728 kbit/s. System zapewnia transmisję stereofoniczną o jakości nieco niższej od płyty CD (stosunek sygnału do szumu 60 dB, pasmo 15 kHz, częstotliwość próbkowania 32 kHz, kwantyzacja nierównomierna 14/10 bitów). Transmisja odbywa się na dodatkowej nośnej przy użyciu modulacji DQPSK z rozpraszaniem widma. Nośna ta została umieszczona 552 kHz powyżej nośnej fonii podstawowej (6 MHz w standardzie I). W celu ograniczenia widoczności zakłóceń na ekranie moc dodatkowego sygnału została obniżona do 20 dB poniżej nośnej wizji, a widmo zostało ukształtowane filtrem o szerokości ok. 700 kHz^[3].

W standardzie B i G, gdzie nośna fonii jest oddalona o 5,5 MHz od nośnej wizji, wprowadzono NICAM na nośnej oddalonej o ok. 350 kHz powyżej nośnej fonii, czyli 5,85 MHz powyżej nośnej wizji. W celu ograniczenia widoczności zakłóceń na ekranie moc dodatkowego sygnału obniżono do 20 dB poniżej nośnej wizji, a widmo zostało ukształtowane filtrem o szerokości ok. 500 kHz. Ta wersja upowszechniła się najpierw w krajach skandynawskich, a potem w innych krajach, także poza Europą. Również Polska i Francja wprowadziły odmianę skandynawską u siebie, chociaż druga nośna wypada poniżej nośnej fonii podstawowej^[3].

W Polsce TVP rozpoczęła próbne transmisje stereofoniczne NICAM w Łodzi w roku 1994, a regularne w styczniu 1997 r.^[3]

• Pierwszą audycję stereofoniczną nadało w 1925 roku radio BBC.
• Pierwszego nagrania stereofonicznego dokonała w 1938 roku Judy Garland. Był to utwór zatytułowany „Zing! Went The Strings of My Heart” (część ścieżki dźwiękowej do filmu „Listen Darling”). W 1932 roku Duke Ellington dokonał przypadkowego nagrania stereofonicznego – firma nagraniowa RCA Victor używała wtedy (dla bezpieczeństwa) dwóch urządzeń nagrywających wraz z dwoma wzmacniaczami i mikrofonami, które były w pewnej odległości od siebie. Ponieważ z obu matryc tłoczono płyty, możliwe stało się dopasowanie obydwu nagrań i uzyskanie efektu stereofonii^[4]
• Pierwsza polska płyta stereofoniczna z komentarzem Jerzego Waldorffa STXL001 ukazała się w roku 1962^[5] Komentarz Jerzego Waldorffa^ⓘKomentarz Jerzego Waldorffa
• Proces wprowadzania stereofonii do telewizji zapoczątkowały Japonia i RFN^[2].
• W roku 1982 szacowano, że wprowadzenie stereofonii do TV w Polsce pociągnie za sobą wzrost ceny odbiorników od 15 do 25%^[2].

• kwadrofonia