1899年 - 阿瑟·凯恩
英国电报工程师阿瑟·凯恩（Arthur Kenyon）首次提出，采样率至少应为信号带宽的两倍，才能恢复信号。这是该理论最早的雏形。
抽样及抽样定理：数字世界的桥梁
在模拟信号向数字信号转换的宏大进程中，抽样及抽样定理（Sampling and Sampling Theorem）无疑是最为核心的理论基石。它不仅解释了如何将连续的时间信号离散化，更保证了这种离散化过程不会丢失原始信息。对于电子工程、通信工程以及数据科学领域的从业者而言，深刻理解这一原理是掌握数字信号处理（DSP）的前提。
为什么我们需要抽样？
自然界中的信号（如声音、光线、温度）大多是连续的模拟信号。然而，计算机和现代通信系统只能处理离散的数字数据。抽样就是连接这两个世界的桥梁。通过以特定的时间间隔对连续信号进行测量，我们得到了一系列离散的时间点上的幅值。如果抽样得当，我们不仅可以存储这些数据，还可以从这些离散数据中完美地重构出原始的模拟信号。
奈奎斯特-香农抽样定理定义
该定理由哈里·奈奎斯特（Harry Nyquist）和克劳德·香农（Claude Shannon）等人独立提出。其数学表述严谨而优美：
“一个带宽受限的连续时间信号，若其最高频率分量为 fm，则当采样频率 fs 满足 fs ≥ 2fm 时，该信号可以被其采样值唯一确定，且可以从采样值中无失真地重构原信号。”
其中，2fm 被称为奈奎斯特速率（Nyquist Rate），而 fs/2 被称为奈奎斯特频率（Nyquist Frequency）或折叠频率。这是信号处理领域最常被引用的准则之一。
⚡ ⚙️ 〓 ⚙️ ⚡
核心机制：混叠效应（Aliasing）
当采样频率不满足奈奎斯特准则（即 fs < 2fm）时，会发生一种称为混叠的现象。混叠是指高频信号在采样后，错误地表现为低频信号。这在视觉上的体现类似于车轮在电影中看起来倒转，或者音频中出现不自然的嗡嗡声。
时域视角的混叠
想象一个高频正弦波。如果我们采样点非常稀疏，这些采样点可能恰好落在正弦波的不同相位上。当我们用直线连接这些采样点时，形成的波形频率远低于原始信号频率。例如，一个频率为 100Hz 的正弦波，如果以 150Hz 采样，重构出的信号可能表现为 50Hz 的低频波。这就是为什么抽样及抽样定理强调必须保留足够的信息密度。
频域视角的频谱折叠
在频域中，采样过程等效于原始信号频谱以采样频率 fs 为周期进行复制。如果原始信号带宽超过 fs/2，相邻周期的频谱就会发生重叠。这种重叠导致高频成分“折叠”回低频区域，形成无法分离的干扰。为了消除这种干扰，必须在采样前使用抗混叠滤波器。
数学本质：泊松求和公式
从数学上看，采样可以表示为原始信号 x(t) 与冲激串 δ(t-nT) 的乘积。根据傅里叶变换的卷积性质，时域的乘积对应频域的卷积。因此，采样信号的频谱是原始信号频谱的周期性延拓。只有当延拓的周期足够大（即采样率足够高）时，各周期频谱才不会重叠，从而可以通过理想低通滤波器提取出原始频谱。
X_s(f) = f_s Σ X(f - kf_s)
其中 k 为整数，f_s 为采样频率。
当 f_s < 2f_max 时，求和项之间发生重叠。
【】（） ［］
抽样定理的历史演进
抽样及抽样定理的发展并非一蹴而就，而是经过了几位科学家的接力探索。
1928年 - 哈里·奈奎斯特
贝尔实验室的奈奎斯特发表了《Certain Topics in Telegraph Transmission Theory》，严格证明了对于无码间干扰的传输，最高波特率为带宽的两倍。这为数字通信奠定了基础。
1933年 - 克劳德·香农
香农在其开创性的论文《Communication in the Presence of Noise》中，将奈奎斯特的工作推广到随机信号，并给出了严格的数学证明和重构公式（Sinc插值）。从此，该定理也被称为奈奎斯特-香农抽样定理。
1948年 - 信息论诞生
香农发表《A Mathematical Theory of Communication》，抽样定理成为信息论的核心组成部分，彻底改变了现代通信的面貌。
☆ ★ ○ ●
工程应用：从音频到图像
理解抽样及抽样定理不仅有助于理论学习，更是解决实际工程问题的关键。以下是几个典型应用场景：
1. 音频处理：CD音质标准
人耳可听到的频率范围大约是 20Hz 到 20kHz。根据奈奎斯特准则，采样率必须至少为 40kHz。为了确保留出保护带并简化滤波器设计，CD音频标准采用了 44.1kHz 的采样率。而专业音频设备常使用 48kHz、96kHz 甚至 192kHz，这不仅是为了满足定理，更是为了捕捉更细腻的高频谐波和降低量化噪声的影响。
2. 图像采集：摩尔纹的产生
在数码相机中，图像传感器以离散像素阵列对连续的光学图像进行空间抽样。当拍摄具有规则纹理的物体（如百叶窗、衬衫条纹）时，如果纹理频率高于传感器的空间采样频率（即像素密度），就会产生摩尔纹（Moiré Pattern）。这是空间域中的混叠现象。解决方法是使用光学低通滤波器（OLPF）或在后期处理中进行模糊去混叠。
3. 雷达与通信：脉冲压缩
在现代雷达系统中，抽样及抽样定理决定了脉冲采样率。为了准确测定目标距离和速度，雷达接收机必须以足够高的速率采样回波信号。此外，在软件定义无线电（SDR）中，直接射频采样技术挑战了传统混频架构，要求ADC直接对高频射频信号进行奈奎斯特采样或亚奈奎斯特采样，这对硬件提出了极高要求。
关键参数对比表
| 应用领域 | 信号最高频率 (f_m) | 奈奎斯特速率 (2f_m) | 实际采样频率 (f_s) | 备注 |
|---|---|---|---|---|
| 电话语音 | 3.4 kHz | 6.8 kHz | 8 kHz | ITU-T G.711标准 |
| CD音频 | 20 kHz | 40 kHz | 44.1 kHz | 留有保护带 |
| DVD音频 | 20 kHz | 40 kHz | 48 kHz | 视频同步方便 |
| 高清视频 (1080p) | ~74 MHz (色差) | ~148 MHz | 74.25 MHz | 逐行扫描 |
| 超声波医学 | 15 MHz | 30 MHz | 40-100 MHz | 过采样以提高分辨率 |
↖ ↗ ↘ ↙
MATLAB 仿真示例：验证混叠
为了直观地展示抽样及抽样定理的重要性，我们可以通过MATLAB代码模拟一个高频信号在不同采样率下的表现。
% 参数设置
f_signal = 5; % 信号频率 5 Hz
fs_high = 50; % 高采样率 50 Hz (满足 > 25)
fs_low = 8; % 低采样率 8 Hz (不满足 > 25，发生混叠)
t = 0:0.001:1; % 连续时间轴
% 生成原始信号
x = sin(2pif_signalt);
% 高采样率重构
t_high = 0:1/fs_high:1;
x_high_sampled = sin(2pif_signalt_high);
% 此处应使用 sinc 插值或 ideal lowpass filter 进行重构
% 结果显示：完美还原 5Hz 正弦波
% 低采样率采样
t_low = 0:1/fs_low:1;
x_low_sampled = sin(2pif_signalt_low);
% 计算重构频率
% f_alias = |f_signal - round(f_signal/fs_low)fs_low|
% f_alias = |5 - 18| = 3 Hz
% 结果显示：采样点看似构成一个 3Hz 的低频信号
运行上述逻辑，我们可以清晰地看到，当 f_s = 8Hz 时，原本 5Hz 的信号被错误地解释为 3Hz 的信号。这就是混叠带来的灾难性后果。
① ② ③ ④
《》『』 〓
常见问题解答 (FAQ)
Q: 采样率越高，信号质量就一定越好吗？
A: 不一定。虽然更高的采样率可以保留更多高频信息并降低抗混叠滤波器的设计难度，但它也会增加数据量、存储需求和处理负担。对于带宽有限的信号（如语音），超过一定限度（如16kHz）后，人耳或应用系统无法感知显著提升，反而可能引入更多的量化噪声或处理延迟。关键在于满足奈奎斯特准则并留有余量。
Q: 什么是重建滤波器（Reconstruction Filter）？
A: 重建滤波器是DAC（数模转换器）后的模拟低通滤波器。它的作用是去除采样产生的高频镜像分量（Image Spectra），只保留基带信号，从而平滑阶梯状的输出，恢复出连续的模拟波形。其截止频率通常设置为奈奎斯特频率。
Q: 如果信号不是带限的怎么办？
A: 自然界中严格带限的信号是不存在的。因此，我们必须人为地通过前置抗混叠滤波器将信号限制在某个带宽内。这意味着总会有一些超出截止频率的高频信息被丢弃。工程上的目标是将这些信息控制在可接受的误差范围内。
★ ☆ ◆ ◇
抽样及抽样定理不仅是数字信号处理的理论起点，更是现代信息社会的基石。从你手机里的语音通话，到太空探测器传回的高清照片，再到医院的MRI成像，无不依赖于这一原理的正确应用。随着压缩感知、深度学习等新技术的发展，我们对信号采样的理解正在不断深化，但其核心思想——如何在离散中捕捉连续的本质——依然熠熠生辉。
© 2023 抽样及抽样定理研究中心 | 致力于传播信号处理知识