在数字信号处理（DSP）、通信工程以及多媒体技术的广阔领域中，时域抽样定理（Time Domain Sampling Theorem），又称奈奎斯特-香农采样定理（Nyquist-Shannon sampling theorem），占据着无可替代的核心地位。它是连接模拟世界与数字世界的桥梁，决定了我们如何准确地将连续变化的物理信号（如声音、图像、温度）转化为计算机可以处理的离散数字序列。
简单来说，时域抽样定理是什么？它规定了在不失真的前提下，对连续时间信号进行离散化采样所必须满足的最小采样频率条件。如果违反这一定理，我们将无法从采样后的数据中完美恢复原始信号，这种现象被称为“混叠”。本文将深入探讨这一理论的内核、数学推导、实际应用以及周边相关知识，为您提供一份详尽的攻略。
要理解时域抽样定理，首先需要明确几个关键概念：连续信号、离散信号、采样频率以及带宽。
如果一个连续时间信号 x(t) 是带限的，即其频谱中不包含高于 fm 的频率分量，那么该信号可以由时间间隔小于或等于 1/(2fm) 的均匀采样值唯一确定。
采样频率 fs 必须满足：
fs ≥ 2fm
其中，2fm 被称为奈奎斯特率（Nyquist Rate），而 fm 被称为奈奎斯特频率（Nyquist Frequency）。
为了完整捕捉一个正弦波的形状，至少需要在每个周期内采样两个点（一个波峰和一个波谷）。如果采样点少于两个，波形将无法被唯一识别。
想象一下车轮旋转的视觉效果。如果车轮转得很快，而摄像机的帧率（采样率）较低，你在屏幕上看到的车轮可能会倒转或静止，这就是视觉上的“混叠”。数学上，这可以通过傅里叶变换来解释：采样过程在频域上相当于原始频谱的周期性延拓。如果延拓的周期（即采样频率 fs）不够大，相邻周期的频谱就会重叠，导致高频信息“污染”低频信息，这就是混叠。
理解时域抽样定理的关键在于掌握两个对立统一的过程：采样与重建。而连接这两者的桥梁，就是理想低通滤波器。
当采样频率 fs < 2fm 时，频谱延拓会发生重叠。高频信号成分会被“折叠”到低频区域，形成虚假的低频信号。
根据时域抽样定理，只要满足采样条件，原始信号 x(t) 可以通过以下插值公式完美恢复：
x(t) = Σ x(nTs) sinc((t - nTs)/Ts)
其中，sinc 函数定义为 sin(πt)/(πt)。这个公式表明，原始连续信号是所有采样点与 sinc 函数加权后的叠加。在实际工程中，我们通常使用数字低通滤波器来近似实现这一理想过程。
虽然定理规定 fs ≥ 2fm 即可，但在实际工程中，我们往往采用远高于奈奎斯特率的采样频率。例如，CD音质使用44.1kHz采样，而人耳上限仅20kHz。
时域抽样定理是什么不仅仅是教科书上的公式，它无处不在。以下是几个关键领域的应用实例：
| 应用领域 | 最高频率 fm (估算) | 常用采样率 fs | 应用说明 |
|---|---|---|---|
| 音频 CD | 20 kHz | 44.1 kHz | 覆盖人耳听觉范围，留有余量。 |
| 电话语音 | 3.4 kHz | 8 kHz | 人声主要能量集中在300-3400Hz，8kHz采样刚好满足定理。 |
| 心电图 (ECG) | 150 Hz | 500 Hz - 1 kHz | 捕捉心脏电信号的快速变化，需高于150Hz以防止混叠。 |
| 地震波监测 | 100 Hz | 200 Hz - 500 Hz | 监测地壳运动的低频震动，需高精度采样。 |
| 高清视频 (1080p) | 视刷新率而定 | 60 Hz - 120 Hz | 虽然主要涉及空间采样，但时间上的帧率也受此定理约束，避免运动模糊。 |
许多音频发烧友关注采样率是否越高越好。从时域抽样定理的角度看，只要采样率超过人耳听觉上限（20kHz）的两倍，理论上就能完美还原人耳可听范围内的所有声音信息。更高的采样率（如96kHz或192kHz）主要优势在于：
时域抽样定理的发现并非一蹴而就，而是多位科学家在不同领域独立工作的结果。以下时间轴展示了其关键发展历程：
贝尔实验室的工程师奈奎斯特研究了电报信道的传输能力，提出了关于信道带宽与符号传输速率的关系，为采样理论奠定了基础。
巴特在奈奎斯特的基础上，进一步量化了信息传输的速率，明确指出了带宽与采样之间的关系。
苏联科学家科特利科夫独立发表了关于从有限带宽信号中恢复原始信号的研究，有时该定理也被称为科特利科夫定理。
信息论之父香农在其划时代的论文《通信的数学理论》中，系统地阐述了采样定理，并给出了严格的数学证明。因此，在英语世界中，它通常被称为奈奎斯特-香农采样定理。
以下是用户搜索时域抽样定理是什么时最常遇到的疑问：
理论上，如果 fs = 2fm，且采样点恰好落在正弦波的过零点上，采样值将全为0，导致信号完全丢失。因此，工程实践中通常要求 fs > 2fm，以留出安全裕量。
奈奎斯特频率定义为采样频率的一半（fs/2）。它是采样系统能够无混叠表示的最高频率。任何高于奈奎斯特频率的信号成分都会发生混叠。
是的。定理适用于所有带限信号，无论其是否周期。只要信号的频谱在有限带宽外为零，就可以通过采样和重建来恢复。
不矛盾，而是补充。传统采样定理要求 fs ≥ 2fm。而压缩感知指出，如果信号在某个域上是稀疏的（Sparse），我们可以通过远低于奈奎斯特率的随机采样，利用非线性优化算法重建信号。这是对经典定理在特定条件下的突破。
时域抽样定理是什么？它是数字时代的基石，规定了模拟信号数字化过程中的极限与规则。从电话网络到高清视频，从医疗影像到科学研究，理解并正确应用奈奎斯特准则，是确保数据准确性与完整性的关键。希望本文能帮助您深入理解这一重要概念，并在实际应用中避免混叠等常见错误。