{
  "id": "aliasing",
  "title": "混叠",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "混叠指不同信号经采样后无法区分，产生虚假频率或图案；在编程中则指多个引用指向同一存储位置。",
  "category": "computer-science",
  "subcategory": "algorithms-theory",
  "type": "concept",
  "aliases": [
    "混迭",
    "频率混叠"
  ],
  "generated_at": "2026-11-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/aliasing/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/aliasing/",
      "json": "https://aiwiki.page/en/aliasing.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "混叠是指不同的连续信号产生相同的采样表示，因而仅凭样本无法区分这些信号的现象。在数字信号处理中，如果采样不足以分辨信号的变化，就常会发生混叠：高频成分可能表现为低频成分，精细的图像图案可能变成虚假的粗大图案，运动物体则可能显得静止或反向运动。混叠是数字音频、成像、计算机图形学和科学测量中的一个基本问题。在编程中，aliasing 有另一种含义，通常称为“别名”：两个或多个引用或表达式指向同一个对象或内存位置。"
    },
    {
      "heading": "采样与不可区分性",
      "text": "采样用信号在选定点上的取值来表示信号。对于连续时间信号 \\(x(t)\\)，以采样率 \\(f_s\\) 进行均匀采样，得到序列\n\n\\[x[n]=x\\left(\\frac{n}{f_s}\\right),\\]\n\n其中，\\(n\\) 为整数，\\(f_s\\) 的单位为样本数每秒。\n\n考虑频率为 \\(f\\) 的复正弦信号，其样本为\n\n\\[x[n]=e^{i2\\pi fn/f_s}.\\]\n\n对于任意整数 \\(k\\)，都有\n\n\\[e^{i2\\pi(f+kf_s)n/f_s} = e^{i2\\pi fn/f_s}.\\]\n\n因此，频率相差采样率整数倍的复正弦信号，会产生完全相同的采样序列。除非对原始信号施加额外限制，否则采样只能确定频率所属的等价类，无法区分这些等价频率。\n\n对于实值正弦信号，正频率与负频率之间还存在额外的对称性。一个频率可以折叠到零至 \\(f_s/2\\) 的区间内。对于单个实值正弦信号，其表观频率可以表示为\n\n\\[f_{\\mathrm{alias}}=\\min_{k\\in\\mathbb{Z}}|f-kf_s|,\\]\n\n其值介于零与 \\(f_s/2\\) 之间。在比较完整的采样波形时，还必须考虑相位关系。\n\n例如，以 10 kHz 的采样率对一个 7 kHz 的余弦信号进行采样，所得样本与相位相应匹配的 3 kHz 余弦信号完全相同。如果没有先验信息，仅凭样本无法确定原来的连续信号究竟是哪一个。"
    },
    {
      "heading": "采样定理与频率折叠",
      "text": "奈奎斯特—香农采样定理规定了采样不丢失信息的条件。在常见的低通形式下，如果信号不含高于带宽 \\(B\\) 的频率成分，那么当\n\n\\[f_s>2B.\\]\n\n时，就可以由理想的均匀样本精确重建该信号。\n\n其中，\\(2B\\) 是该信号的奈奎斯特速率，而 \\(f_s/2\\) 是给定采样率对应的奈奎斯特频率。这两个术语描述的是不同的量。\n\n该定理是一个理想化的数学结论，假定信号满足适当的带限条件、样本值精确无误，并采用理想的重建过程。当采样率恰好等于最高频率的两倍时，需要特别谨慎：例如，频率等于奈奎斯特频率的正弦信号，在某个特定相位下可能所有样本都为零。\n\n傅里叶变换从频域角度解释了这一现象。均匀采样会产生原始频谱的周期性副本，副本之间的间隔为 \\(f_s\\)。当这些副本相互重叠时，来自不同频率范围的成分会共同贡献于同一个采样频率。这种重叠就是频谱混叠。\n\n常见的低通条件是充分条件，但并非普遍适用的必要条件。如果已知信号仅占据一个远离零频率的频带，有时可以使用低于其最高频率两倍的采样率，而不发生频谱重叠。这称为带通采样，其可行性取决于信号占用的带宽及频谱副本的位置，而不只是最高频率。\n\n采样的数学基础由多位研究者逐步建立，其中包括哈里·奈奎斯特、弗拉基米尔·科捷利尼科夫和克劳德·香农。采样定理后来成为数字通信和信号处理系统设计的核心理论。"
    },
    {
      "heading": "时间混叠与空间混叠",
      "text": "音频及其他随时间变化的信号\n\n在音频采集中，高于可用输入频带的频率可能折叠进录音频带。与普通背景噪声不同，这些混叠成分与原始信号及采样率之间存在规律性的关系。\n\n即使原始录音的采样符合要求，数字系统内部仍可能发生混叠。削波、失真以及某些音频合成方式等非线性操作会产生额外的谐波。如果处理过程未加控制，高于奈奎斯特频率的谐波就会折叠进系统所表示的频带。\n\n混叠与量化不同，后者是用有限的一组数值来表示信号幅度。采样关注在何处或何时测量信号；量化关注每个测量值以多高的精度表示。仅仅提高幅度精度，并不能防止混叠。\n\n图像与摄影\n\n在图像中，采样发生在空间上，而非时间上。细密条纹、织物、屋顶瓦片以及其他重复结构的变化可能过于迅速，超出照相机传感器或输出图像网格的分辨能力。\n\n由此产生的伪影包括虚假条带、锯齿状边缘和莫尔图案。对于采用彩色滤光片阵列的传感器，空间细节还可能被误判为颜色变化。这些伪影的具体表现取决于光学分辨率、传感器布局和彩色重建过程之间的相互作用。\n\n对于矩形采样网格，理想的无混叠区域由沿网格各轴方向的频率界限来描述。因此，分辨率不仅取决于图案的间距，还取决于其方向。\n\n在图像处理中，缩小图像尺寸也是一种采样操作。如果只是简单地丢弃行和列，精细细节就可能变成虚假的粗大结构。在缩小之前进行适当滤波，可以抑制较小图像无法表示的细节。\n\n运动与帧序列\n\n视频中的时间混叠会产生车轮效应：旋转的辐条看起来可能转得很慢、静止不动，甚至反向旋转。这是因为连续帧中记录的位置可以对应多种不同的运动。\n\n曝光时间同样重要。一帧图像通常是在有限时间区间内积分得到的结果，而不是瞬时测量值。这种积分会引入运动模糊，并衰减一部分时间变化，但并不能保证运动记录不发生混叠。\n\n空间混叠与时间混叠还可能相互作用。精细纹理在屏幕上移动时，即使单独查看各个静止帧似乎没有问题，播放起来仍可能出现闪烁或爬动。"
    },
    {
      "heading": "计算机图形学中的混叠",
      "text": "渲染将场景描述转换为离散的像素。几何形状、纹理细节、阴影、反射和光照，都可能在比输出网格更小的尺度上发生变化。\n\n如果每个像素只在中心位置对场景采样一次，就可能产生阶梯状边界、纤细物体消失以及高光不稳定等问题。更恰当的理解是：像素值是对有限图像区域内的贡献进行滤波后的结果，并且还可能涉及时间及其他渲染维度上的积分。\n\n抗混叠技术以不同方式近似实现这种滤波：\n\n- 超采样：为每个像素计算多个样本并加以合并。它可以处理几何、纹理和着色的变化，但会增加渲染开销。\n- 多重采样抗混叠：增加覆盖率和深度采样，同时通常共享着色计算。它对许多几何边缘有效，但不会自动消除纹理或着色内部的混叠。\n- 纹理预滤波：包括多级渐远纹理和各向异性过滤，用于削弱相对于像素投影足迹而言过于精细的纹理频率成分。\n- 时间抗混叠：结合连续帧的信息，通常会使用略有偏移的采样位置。它可以减轻画面的不稳定性，但如果对运动或可见性变化的估计不准确，也可能引入重影或模糊。\n- 后处理边缘平滑：修改已经渲染完成的图像。它可以柔化可见的阶梯状边缘，但通常无法恢复先前采样过程中已经丢失的信息。\n\n在光线追踪中，不规则地分布采样点，可以将明显的规则性伪影转变为类似噪声的误差。这只是改变了误差的外观，并不意味着可以省去充分的采样和滤波。"
    },
    {
      "heading": "预防、重建与局限",
      "text": "抗混叠系统通常会结合采用多种措施。\n\n采样前滤波。 在模数转换器之前，使用模拟低通滤波器衰减不需要的高频成分。在数字图像缩放或降低采样率时，则使用数字滤波器，在丢弃样本之前完成相应操作。\n\n提高采样率。 更高的采样率会拉大频谱副本之间的间距，使实际滤波器更容易设计。过采样并不会自动消除混叠：在后续任何降低采样率的操作之前，仍必须充分衰减不需要的成分。\n\n控制生成信号的带宽。 数字振荡器、非线性音频处理器和渲染系统，可以限制或预先滤除它们所生成的频率成分。如果混叠成分已经折叠进所需频带，再进行滤波，通常无法将其与该频带中原本有效的内容分离。\n\n利用先验信息。 已知的频谱占用情况、物理约束或受限的信号模型，有时能够区分常规重建方法无法区分的候选信号。这种恢复依赖于额外假设，并不意味着任意欠采样信号都能被唯一恢复。\n\n实际滤波器的过渡带宽度和衰减能力都是有限的。因此，真实系统通常规定可接受的残余混叠水平，而不是达到带外能量为零这一数学理想状态。\n\n混叠还应与频谱泄漏区分开来。观察信号的有限片段时，某个频率成分的表观能量会在离散傅里叶变换中扩散到多个频率格点，这就是频谱泄漏。窗函数可以减轻泄漏，但无法消除采集阶段已经引入的混叠。"
    },
    {
      "heading": "编程中的别名",
      "text": "在编程语言中，当不同的名称、指针、引用或访问路径指向同一对象或相互重叠的内存区域时，就会出现别名。因此，通过一条访问路径进行的修改，可能通过另一条访问路径被观察到。\n\n例如，如果两个变量引用同一个可变列表，那么通过任一变量向列表追加元素，都会改变通过这两个变量所看到的列表。复制引用并不一定等同于复制该引用所指向的对象。\n\n这种别名现象在多个领域都很重要：\n\n- 程序推理： 要确定一次更新是否会影响另一个表达式，就需要知道它们的访问路径是否重叠。\n- 优化： 如果两次操作之间的写入可能修改同一存储位置，编译器就可能无法重排内存操作，也无法重用先前加载的值。\n- 并发： 如果未对访问进行适当协调，共享可变数据的别名可能导致竞态条件。\n- 语言设计： 所有权机制、借用规则、不可变性以及对指针使用的限制，有助于控制哪些别名可以存在，以及如何使用它们。\n\n在C编程语言中，restrict 限定符允许程序员就访问方式作出特定保证，从而支持优化。基于类型的别名规则同样会约束通过不同类型表达式进行的某些访问；违反适用规则可能导致未定义行为。\n\n编程中的别名与信号混叠是两个不同的技术概念。前者涉及访问同一存储位置的多条路径；后者涉及多个不同的原始信号因采样而变得无法区分。"
    }
  ],
  "links": [
    "computer-graphics",
    "nyquist-shannon-sampling-theorem",
    "fourier-transform",
    "camera",
    "image-processing",
    "pixel",
    "anti-aliasing",
    "ray-tracing",
    "discrete-fourier-transform",
    "programming-language",
    "compiler",
    "race-condition",
    "c-programming-language"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}