{
  "id": "sampling-theorem",
  "title": "采样定理",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "采样定理给出了从离散样本精确重建连续信号的条件，并阐明带宽与采样率带来的限制。",
  "category": "mathematics",
  "subcategory": "analysis",
  "type": "concept",
  "aliases": [
    "奈奎斯特–香农采样定理",
    "香农采样定理",
    "惠特克–香农采样定理",
    "抽样定理"
  ],
  "generated_at": "2026-11-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/sampling-theorem/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/sampling-theorem/",
      "json": "https://aiwiki.page/en/sampling-theorem.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "采样定理给出了连续信号可由一系列离散测量值完全确定的条件。在其经典形式中，如果信号不含高于 \\(B\\) 赫兹的频率成分，那么以每秒超过 \\(2B\\) 个样本的速率进行等间隔采样，就能从所得样本中精确重建该信号。这一定理将声音、图像及其他物理量的连续数学描述，与计算机和通信系统所使用的离散表示联系起来。\n\n这一定理的重要性在于，它区分了单纯记录大量测量值与记录足以唯一重建信号的信息。频率被限制在已知范围内的信号具有特定的数学结构，使精确插值成为可能。如果没有这类限制，就会有无穷多个不同的连续信号在每个采样时刻都取相同的值。因此，采样定理不仅涉及重建公式，也涉及使重建具有意义所必需的假设。\n\n这一经典结论是一种理想化结果：它假定样本值精确、信号具有严格的频率上限，并且可以获取无限延伸的样本序列。实际系统通过滤波、有限时长插值以及对测量误差的严格控制，来近似满足这些条件。采样定理的推广则涵盖非均匀采样、多维信号、随机过程，以及结构不同于简单频率截止模型的信号模型。"
    },
    {
      "heading": "数学表述与带宽约定",
      "text": "设 \\(x(t)\\) 表示连续时间信号，时间 \\(t\\) 以秒为单位，其傅里叶变换定义为\n\n\\[X(f)=\\int_{-\\infty}^{\\infty}x(t)e^{-i2\\pi ft}\\,dt.\\]\n\n此时，频率变量 \\(f\\) 的单位为赫兹。若信号满足\n\n\\[X(f)=0\\qquad\\text{for }|f|>B.\\]\n\n则称该信号带限于 \\(B\\)。一种标准的严格数学设定是假定 \\(x\\) 具有有限能量，即 \\(\\int_{\\mathbb R}|x(t)|^2\\,dt<\\infty\\)，且除去零测集后，其傅里叶变换在 \\([-B,B]\\) 之外为零。这类信号存在连续的代表元，因此其各点的采样值都有明确定义。\n\n均匀采样采用固定间隔 \\(T>0\\)，得到\n\n\\[x[n]=x(nT),\\qquad n\\in\\mathbb Z,\\]\n\n其中采样频率为 \\(f_s=1/T\\)。若 \\(f_s>2B\\)，这些样本就能唯一确定原始信号。利用归一化的 sinc 函数\n\n\\[\\operatorname{sinc}(u)= \\begin{cases} \\dfrac{\\sin(\\pi u)}{\\pi u},&u\\ne0,\\\\ 1,&u=0, \\end{cases}\\]\n\n可写出如下重建公式：\n\n\\[x(t)=\\sum_{n=-\\infty}^{\\infty} x(nT)\\operatorname{sinc}\\!\\left(\\frac{t}{T}-n\\right).\\]\n\n对于有限能量带限信号，这一公式在临界采样率 \\(f_s=2B\\) 下也成立，其中收敛应按适当的数学意义理解。\n\n许多工程表述采用严格不等式，以避开频带边界处的微妙问题。例如，\n\n\\[x(t)=\\sin(2\\pi Bt)\\]\n\n虽然并非恒为零，但在所有 \\(t=n/(2B)\\) 处的采样值都为零。这个正弦信号不是有限能量信号；其傅里叶变换由位于频带边缘的频谱冲激组成。因此，它并不违背针对有限能量信号的临界采样率定理。不过，它确实说明了为什么取等号时必须明确指定信号类别及边界假设。\n\n带限于 \\(B\\) 的低通信号，其奈奎斯特速率为 \\(2B\\)；而以 \\(f_s\\) 运行的采样系统，其奈奎斯特频率为 \\(f_s/2\\)。这两个量相互关联，但并不相同：前者描述信号，后者描述采样系统。如果改用角频率 \\(\\omega=2\\pi f\\)，则截止角频率为 \\(\\Omega\\) 时，要求 \\(f_s>\\Omega/\\pi\\)，等价地，要求 \\(T<\\pi/\\Omega\\)。不同表述中出现的 \\(2\\) 和 \\(2\\pi\\) 因子通常源于这些约定，而不是结论本身有差异。"
    },
    {
      "heading": "频谱复制与频域推导",
      "text": "将样本序列表示为冲激序列，就能看清采样的核心机制。利用狄拉克δ分布，定义\n\n\\[x_s(t)=\\sum_{n\\in\\mathbb Z}x(nT)\\delta(t-nT).\\]\n\n形式上，这是 \\(x(t)\\) 与周期冲激序列\n\n\\[p_T(t)=\\sum_{n\\in\\mathbb Z}\\delta(t-nT).\\]\n\n的乘积。这些表达式应通过分布理论来理解，而不能视为在每一点都取有限值的普通函数。\n\n周期冲激序列的傅里叶变换仍是冲激序列：\n\n\\[P_T(f)=\\frac{1}{T} \\sum_{k\\in\\mathbb Z}\\delta(f-kf_s).\\]\n\n时域中的乘法对应频域中的卷积，因此有\n\n\\[X_s(f)=\\frac{1}{T} \\sum_{k\\in\\mathbb Z}X(f-kf_s).\\]\n\n因此，采样会产生原始频谱的多个平移副本，相邻副本的间隔为 \\(f_s\\) 赫兹。这一恒等式与泊松求和公式密切相关，也给出了采样定理的几何解释：只要能将所需的频谱副本与其他副本分离，就可以重建信号。\n\n若 \\(X(f)\\) 的支集包含于 \\([-B,B]\\)，则中心副本占据该区间，而与它最近的两个副本分别占据以 \\(\\pm f_s\\) 为中心的区间。当 \\(f_s\\ge2B\\) 时，这些区间的内部互不重叠。当 \\(f_s>2B\\) 时，相邻副本之间存在正的间隙。理想低通重建滤波器可以保留中心副本，去除其余所有副本，并将其幅度乘以 \\(T\\)，从而抵消采样引入的因子 \\(1/T\\)。\n\n一种特别方便的理想滤波器具有如下频率响应：\n\n\\[H(f)= \\begin{cases} T,& |f|<f_s/2,\\\\ 0,& |f|>f_s/2. \\end{cases}\\]\n\n其傅里叶逆变换为\n\n\\[h(t)=\\operatorname{sinc}(t/T).\\]\n\n将 \\(h\\) 与采样得到的冲激序列卷积，即可得到基数插值重建公式。因此，频域中的频谱分离论证与时域中的 sinc 展开，是对同一操作的两种描述。\n\n这一推导也揭示了采样率低于所需值时问题出在哪里。当频谱副本发生重叠时，采样后的频谱包含来自不同原始频率的贡献之和。在没有额外信息的情况下，滤波器通常无法将已经相加的量重新分离。由此产生的歧义并非重建算法不够完善所致，而是采样映射本身在指定的信号类别上已不再具有唯一性。采用不同的先验约束，例如已知信号仅占据某个高频频带，可能会改变结论，因为这改变了允许的原始频谱范围。"
    },
    {
      "heading": "基数插值与信号空间的几何结构",
      "text": "重建公式称为基数插值，因为每个插值函数在自身对应的采样时刻取值为一，在其他所有采样时刻取值为零：\n\n\\[\\operatorname{sinc}(m-n)= \\begin{cases} 1,&m=n,\\\\ 0,&m\\ne n, \\end{cases} \\qquad m,n\\in\\mathbb Z.\\]\n\n因此，在 \\(t=mT\\) 处计算重建信号的值，得到的就是 \\(x(mT)\\)。仅凭这一性质，还不能证明插值所得的信号在采样点之间也与原信号相等。精确性来自两者共同满足的带宽限制，以及插值函数在这一受限空间中的完备性。\n\n自然的数学框架是带限希尔伯特空间\n\n\\[PW_B= \\left\\{ x\\in L^2(\\mathbb R): \\operatorname{supp}X\\subseteq[-B,B] \\right\\}.\\]\n\n这一空间通常称为佩利—维纳空间。其范数衡量信号的能量，内积则衡量信号在能量意义上的相关性。当采样间隔取临界值 \\(T=1/(2B)\\) 时，函数\n\n\\[\\phi_n(t)=\\frac{1}{\\sqrt T} \\operatorname{sinc}\\!\\left(\\frac{t}{T}-n\\right)\\]\n\n构成 \\(PW_B\\) 的一组标准正交基。采样值经过归一化后，就是信号在这组基下的坐标。\n\n因此，采样展开类似于傅里叶级数，但其基函数是平移后的 sinc 函数，而不是复指数函数。在频域中，这些 sinc 函数变为限制在有限区间上的指数函数，因此，普通傅里叶级数的完备性便可提供直接证明。相应的能量恒等式为\n\n\\[\\int_{\\mathbb R}|x(t)|^2\\,dt = T\\sum_{n\\in\\mathbb Z}|x(nT)|^2.\\]\n\n这一恒等式不仅确立了唯一性，也确立了稳定性：采样值在平方和意义下的微小变化，只会使重建信号在能量意义下产生成比例的微小变化。\n\n在这一有限能量的框架下，基数级数在 \\(L^2\\) 中收敛，同时也在整个实轴上一致收敛。说明这一点的一种方法是：根据傅里叶逆变换公式和柯西—施瓦茨不等式，频谱局限于长度有限的频率区间内的误差信号满足\n\n\\[\\|e\\|_\\infty\\le\\sqrt{2B}\\,\\|e\\|_2,\\]\n\n因此，能量意义下的收敛可以一致地控制逐点重建误差。对于其他信号类别，相应的结论需要各自的收敛性假设。\n\n当 \\(f_s>2B\\) 时，相对于较小的信号空间，采样数据存在冗余。这种冗余使我们可以采用不同于整个区间 \\([-f_s/2,f_s/2]\\) 所对应的 sinc 函数的重建核。滤波器的频率响应可以在信号频带内恒等于 \\(T\\)，并在到达不需要的频谱副本之前平滑地衰减至零。平滑过渡能够产生在时域中衰减更快的插值核，从而改善有限长度实现的效果。因此，过采样既提供了频谱上的安全裕量，也为选择稳定且局部化的重建方法提供了更大的自由度。"
    },
    {
      "heading": "混叠、临界频率与带通采样",
      "text": "当不同的、符合条件的连续信号产生相同的样本时，就会发生混叠。对于复正弦信号，\n\n\\[e^{i2\\pi(f+kf_s)nT}=e^{i2\\pi fnT} \\qquad(k,n\\in\\mathbb Z),\\]\n\n因为 \\(f_sT=1\\)。因此，采样后的频率只能在模采样率的意义下确定。对于实正弦信号，正负频率之间的对称性还使我们可以从频率折叠的角度理解这一现象：频率可以表示在零到 \\(f_s/2\\) 的区间内。\n\n当采样率为每秒 \\(8{,}000\\) 个样本时，一个 \\(7{,}000\\) 赫兹的余弦信号，与一个振幅及相位约定相应匹配的 \\(1{,}000\\) 赫兹余弦信号，会产生相同的样本。一旦这些样本被记录下来，且没有其他可用于区分的信息，后续数字处理就无法判断原来是哪一个连续正弦信号。电影中常见的旋转物体看似反向转动的现象，就是这种歧义在时间采样中的一个例子；其中，角位置取代了信号幅度，而各帧的拍摄时刻取代了采样时刻。\n\n对于整个频谱都位于 \\(-B\\) 到 \\(B\\) 之间的任意信号，条件 \\(f_s>2B\\) 是一条充分准则。但这并不意味着采样率在任何情况下都必须达到信号中最高频率的两倍。如果信号局限于高载波频率附近的一个已知窄频带，只要平移后的各频带不发生重叠，就可以采用低于该载波频率两倍的采样率。这称为带通采样，也称为有意欠采样。\n\n对于频谱仅分布在正频率带 \\([f_L,f_H]\\) 及其负频率镜像中的实信号，令 \\(W=f_H-f_L\\)。一组保证频谱不重叠的条件为\n\n\\[\\frac{2f_H}{m}\\le f_s\\le \\frac{2f_L}{m-1},\\]\n\n其中，整数 \\(m\\ge2\\) 须使上述区间非空。常规的低通采样方案则另行对应于 \\(f_s\\ge2f_H\\)。实际选择采样率时，通常会留出严格大于零的保护间隔，而不让频谱边界恰好相接。尽管 \\(2W\\) 是这类实带通信号采样率的一个下限基准，但并非任意高于 \\(2W\\) 的采样率都适用：频带及其频谱副本的位置同样重要。\n\n例如，在理想模型中，一个占据 \\(90\\)–\\(100\\) 兆赫兹频带的实信号，可以按每秒 \\(25\\) 百万个样本的速率采样。其正频率带映射到 \\(-10\\) 至 \\(0\\) 兆赫兹，负频率带则映射到 \\(0\\) 至 \\(10\\) 兆赫兹，两者的内部区域仍不重叠。这种采样仍然需要能够处理接近 \\(100\\) 兆赫兹频率的模拟输入级，以及能够排除无用信号的选频滤波器。低采样率并不意味着对模拟带宽的要求也低。"
    },
    {
      "heading": "实际采集、滤波与误差来源",
      "text": "实际测量系统通常无法严格满足采样定理的各项假设。在通常的傅里叶分析框架下，非零信号不可能同时严格时限和严格带限。记录有限时间区间内的信号，实际上相当于将信号乘以一个时间窗，从而使其频谱展宽。反过来，理想带限会产生在时间上无限延伸的信号。该定理描述的是一个无限长信号模型，其实用性取决于受控的近似，而不是现实中确实存在满足全部假设的有限长度记录。\n\n采样之前，抗混叠滤波器会衰减那些会折叠进目标频带的频率分量。由于可实现的滤波器具有有限宽度的过渡带，有效信号频带的上限通常低于 \\(f_s/2\\)。对于以 \\(44.1\\) 千赫兹采样的数字音频，奈奎斯特频率为 \\(22.05\\) 千赫兹；若所需通带的上限设在 \\(20\\) 千赫兹附近，就能留出过渡带，而不必要求滤波器在通带边缘陡然截止。所需的衰减量取决于非期望输入的强度和可接受的误差，而不只是标称采样率。\n\n模数转换器还会引入幅度量化。采样使时间离散化，量化则使幅度离散化。采样定理讨论的是前一种操作，并不意味着能够恢复因后一种操作而丢失的数值信息。对于步长为 \\(\\Delta\\) 的理想均匀量化器，一种常用误差模型给出的方差为 \\(\\Delta^2/12\\)。该模型要求误差服从适当的分布，对于确定性信号或高度相关的信号可能不成立。在通常采用的满量程正弦信号和理想量化假设下，\\(N\\) 位量化的信号与量化噪声之比约为 \\(6.02N+1.76\\) 分贝。\n\n时序误差构成了另一项限制。如果在 \\(nT+\\epsilon_n\\) 时刻采样，一阶展开给出\n\n\\[x(nT+\\epsilon_n)-x(nT)\\approx x'(nT)\\epsilon_n.\\]\n\n因此，斜率较大的信号对时钟抖动更为敏感。对于频率为 \\(f\\) 的正弦信号，若时序抖动较小、互不相关且均方根值为 \\(\\sigma_t\\)，则受抖动限制的信噪比近似为\n\n\\[\\mathrm{SNR}_{\\mathrm{jitter}} =-20\\log_{10}(2\\pi f\\sigma_t).\\]\n\n这一关系解释了为什么有意采用带通采样时，即便采样率相对不高，也可能对时钟提出严格要求。\n\n实际器件测得的可能是短暂孔径时间内的平均值，而非瞬时值。孔径平均在形成离散测量值之前起着滤波作用。在输出端，数模转换器通常会将每个数值保持一个采样间隔，从而产生阶梯状波形，以及呈 sinc 形状、在高频处衰减的频率响应。重建滤波器会抑制其频谱镜像，也可以补偿这种高频衰减。这些效应源于采集和输出硬件；仅仅满足采样率的数值不等式，并不能消除它们。"
    },
    {
      "heading": "有限长度重建与数字采样率转换",
      "text": "理想的 sinc 插值核在时间轴的两个方向上都无限延伸。要实现它，就需要无穷多个样本，其中还包括未来的样本，以及理想的砖墙式频率响应。实时系统则必须采用有限长度或递归实现的滤波器，引入延迟，并接受可控的近似。插值核的选择决定了如何在通带失真、过渡带宽度和频谱镜像抑制之间权衡误差。\n\n直接截断 sinc 级数会引起频域波纹，因为在时域乘以有限长度的窗函数，对应于在频域进行卷积。更平滑的窗函数可以降低旁瓣，但代价是过渡带变宽。有限冲激响应滤波器的设计明确体现了这些权衡。过采样有助于实现滤波，因为有效频带与不需要的频谱副本之间的间隔，为实际可实现的过渡带留出了空间。在有限长度记录的起点或终点附近，重建结果还取决于如何假设那些无法获得的样本，例如采用补零、对称延拓或周期延拓。\n\n离散傅里叶变换本身并不能消除这些边界假设。\\(N\\) 点变换通过周期性表示来描述有限序列。在频域插入零值进行插值时，只要采用恰当的归一化方式并正确处理各频率单元，就能对该周期三角函数模型进行精确插值。但这并不能证明任意非周期物理信号都已被精确恢复。同样，有限窗变换中的频谱泄漏也不同于混叠：泄漏源于观测窗的影响，而混叠反映的是离散采样造成的歧义。\n\n采样理论也决定了数字采样率转换应遵循的规则。若要将采样率降低为原来的 \\(M\\) 分之一，通常需要先对序列进行低通滤波，再每隔 \\(M\\) 个样本保留一个。否则，高于新奈奎斯特频率的分量就会折叠到保留的频带中。若要将采样率提高为原来的 \\(L\\) 倍，可以在现有样本之间插入零值，再用插值滤波器去除由此产生的频谱镜像。按有理数比例 \\(L/M\\) 进行转换，则是将这两种操作结合起来。\n\n多相实现通过重新组织滤波器，避免将运算浪费在插入的零值或随后会被丢弃的样本上。这类方法并不改变采样定理，而是高效地实现定理所要求的滤波。例如，将音频采样率从 \\(48\\) 千赫转换为 \\(44.1\\) 千赫，其精确的有理数比值为\n\n\\[\\frac{44{,}100}{48{,}000}=\\frac{147}{160}.\\]\n\n因此，实际的转换器会将插值与抽取相结合，并使用通带、过渡带和阻带衰减均满足预期保真度要求的滤波器。仅仅修改采样率标记，只会改变播放速度和音调，并不会完成这种重建与重采样操作。"
    },
    {
      "heading": "非均匀采样与多维格点",
      "text": "等间距采样足以使定理具有特别简单的形式，但并非所有精确恢复方法都要求等间距采样。对于采样位置 \\(t_n\\)，核心问题是：样本值 \\(x(t_n)\\) 能否唯一确定信号，以及这种确定是否稳定。这是两个不同的要求：一组测量值即使能够区分任意两个不同的信号，仍可能使重建对微小误差任意敏感。\n\n\\(PW_B\\) 的稳定采样集满足如下形式的界限：\n\n\\[A\\|x\\|_2^2 \\le \\sum_n|x(t_n)|^2 \\le C\\|x\\|_2^2,\\]\n\n其中常数满足 \\(0<A\\le C<\\infty\\)。这类不等式很自然地可以用框架理论来表述；该理论将正交归一基展开推广到了冗余系统。因此，重建可能需要使用对偶框架或求解线性方程组，而不是直接套用基数 sinc 插值公式。\n\n采样集的几何分布与其平均密度同样重要。对于归一化带宽 \\([-\\tfrac12,\\tfrac12]\\)，卡德茨四分之一定理指出，当整数网格的扰动满足\n\n\\[\\sup_n|t_n-n|<\\frac14\\]\n\n时，相应的里斯基性质仍然成立。这是针对有界采样时刻扰动的精确稳定性结论，并不意味着任何平均采样率合适的采样集都能满足要求。即使其他位置的样本高度密集，过长的采样空隙仍可能导致恢复不稳定。亨利·兰道于 1967 年取得的成果，为从更一般的频谱集稳定恢复信号确立了采样密度的必要界限。\n\n在多维情形下，频率区间变为频率空间中的区域，均匀网格则变为格点。对于频谱支撑于\n\n\\[|f_x|\\le B_x,\\qquad |f_y|\\le B_y,\\]\n\n内的二维信号，当间距 \\(T_x,T_y\\) 满足\n\n\\[T_x\\le\\frac{1}{2B_x}, \\qquad T_y\\le\\frac{1}{2B_y},\\]\n\n时，矩形网格采样便足以实现重建，但边界情形仍须满足与一维情况相同的附加条件。此时，重建核是两个一维 sinc 函数的乘积。\n\n对于其他形状的频谱，矩形网格采样未必最为高效。支撑区域为圆形的频谱，可以沿三角形倒格点复制，对应的空间采样格点也呈三角形分布，通常称为六角采样。在频谱副本恰好相切的理想极限下，对于相同的圆形截止频率，这种采样方式所需的样本密度是正方形格点的 \\(\\sqrt3/2\\) 倍，约减少 \\(13.4\\)%。起决定作用的条件是频谱副本互不重叠，而不是分别针对水平和垂直方向制定规则。这种多维视角解释了空间混叠、摩尔纹，以及图像采样要求为何会随方向而变化。"
    },
    {
      "heading": "经典带限信号类之外的信号模型",
      "text": "采样定理的常见表述容易让人以为，仅凭带宽就能确定任意信号所包含的信息量。事实上，所需的测量取决于整个信号模型。任意函数、有限个正弦信号之和、稀疏脉冲序列以及已知微分方程的输出，各自具有不同的自由度。经典定理为线性带限空间给出了完整的结论，但它并不是所有结构化信号族都必须满足的普适下界。\n\n随机过程是一个重要的推广方向。零均值的广义平稳过程，其二阶统计特性可由自相关函数及相应的功率谱测度描述。如果该频谱被限制在有限频带内，适当的采样展开就能在均方误差意义下重建这一过程。这里的收敛指的是误差平方的期望趋于零，而不一定是每个具体实现都一致收敛。单条样本路径的总能量未必有限，因此不能不加限定地直接套用确定性有限能量信号的采样定理。\n\n压缩感知采用了另一种限制条件：信号在指定表示下具有稀疏性。对于仅有少量非零系数的高维向量，只要测量算子和稀疏表示满足适当条件，有时就能用远少于其所在空间维数的线性测量来恢复它。恢复过程通常使用凸优化或相关算法。这类结果与奈奎斯特–香农采样定理并不矛盾，因为它们排除了不受额外约束的带限信号类中的大多数信号，而且所用的测量也未必是等间隔的点采样。\n\n有限新息率方法则作出了另一种区分。由少量冲激组成的序列并不带限，但在有限的观测区间内，未知的位置和幅度参数可能只有有限个。通过适当设计滤波和采样过程，可以将这些参数编码到样本中，再用代数方法恢复。马丁·韦特利、皮娜·马尔齐利亚诺和蒂埃里·布吕于2002年提出了一个影响深远的表述框架。特征的数量与间距、采样核以及对噪声的敏感性，都会影响能否恢复。\n\n对于近似带限的信号，研究重点从精确恢复转为近似重建与误差分析。带外分量可能混叠进入保留的频段，测量噪声和重建过程的截断则会引入额外误差。当样本缺失或采样不规则时，正则化可以提高重建的稳定性，但也引入了经典定理之外的假设或惩罚项。因此，成功的重建可能是测量信息与模型约束共同作用的结果。区分这两者的贡献，是逆向成像、稀疏谱估计及其他逆问题中的核心问题，因为看起来合理或数值上合理的输出，未必能由观测数据唯一确定。"
    },
    {
      "heading": "历史发展与归属",
      "text": "采样定理源于多个数学与工程领域的发展，而非某一次孤立的发现。19 世纪关于插值、调和分析和整函数的研究，为其奠定了大部分数学基础。早在数字通信使其实际意义广为人知之前，sinc 函数和基数插值就已出现。因此，这一定理的不同名称往往侧重于其发展过程中的不同阶段。\n\nE. T. 惠特克于 1915 年发表的论文《论可用插值理论中的展开式表示的函数》，对基数插值作了奠基性的论述。他的工作属于这一结果在数学分析方面的发展脉络：满足适当频谱限制的函数，可以通过其在等间距网格上的取值来表示。后来的研究将这一插值理论与傅里叶分析及带限函数空间的结构联系起来。“惠特克–香农插值公式”这一名称，既肯定了这项数学工作，也肯定了后来以通信理论形式表述这一定理的贡献。\n\n哈里·奈奎斯特于 1928 年发表的论文《电报传输理论中的若干问题》，考察了信号传输速率与信道带宽之间的关系。对于理想化信道，他的分析揭示了这样一个上限的重要性：在带宽为 \\(B\\) 的条件下，每秒最多可传输 \\(2B\\) 个独立的实数信号元素。这一结果与采样密切相关，但其着眼点是传输和码间干扰，而不只是任意连续波形的重建。两者都出现了因子 \\(2B\\)，这也解释了“奈奎斯特速率”这一术语的由来。\n\n弗拉基米尔·科捷尔尼科夫于 1933 年在研究通信信道容量时，提出了一般性的采样结果。此后，克劳德·香农将该定理纳入其通信理论研究，包括 1949 年发表的《噪声存在下的通信》。香农的论述推动了这一结果成为现代通信的基本原理。历史叙述也认可卡尔·屈普夫米勒等其他研究者的贡献，并区分了早期的工程观察、明确的重建命题，以及在特定函数空间假设下得到的严格结果。\n\n不应将采样定理与香农的有噪信道编码定理混淆。采样定理规定，在数学模型中，何时可以用离散测量值表示连续信号而不损失信息。信道容量则规定了在给定约束下，有噪通信信道能够实现的可靠信息传输速率。两者都涉及带宽，但噪声水平、信号功率、编码和错误概率属于后一个问题。两者在历史上有着深厚的联系：采样定理提供了一种用离散坐标描述连续波形的方法，而信息论则研究这些坐标通过不完美信道传递消息时能够达到怎样的可靠程度。"
    },
    {
      "heading": "在通信、成像与测量中的应用",
      "text": "数字音频是人们熟悉的低通采样应用。CD 音频每声道每秒采集 \\(44{,}100\\) 个样本，采用 16 位幅度值，对应的奈奎斯特频率为 \\(22{,}050\\) 赫兹。专业音频和视频制作中常用的 \\(48\\) 千赫兹采样率，对应的奈奎斯特频率为 \\(24\\) 千赫兹。这些采样率并不意味着所有录制内容都能达到相应的频率上限。实际如何利用可用频谱，取决于所需的音频频带以及滤波器的过渡带要求。位深则独立决定幅度分辨率和量化特性。\n\n通信接收机常利用带通采样，或先将射频频带变换到较低的中频，再进行采样。复基带表示使用两个实数分量，通常称为同相分量和正交分量。在理想的频谱支撑条件下，所占频谱区间宽度为 \\(W\\) 的复信号，可以用每秒约 \\(W\\) 个复数样本来表示。每个复数样本包含两个实数值，因此，与实数采样率比较时，必须将这两个分量都计算在内。真正需要计算的是独立实数测量值的数量，而不只是设备采样率规格中标示的数字。\n\n在数字摄影中，像素阵列对随空间位置变化的光学图像进行采样。当空间频率超出传感器采样网格可恢复的范围时，细密的重复纹理可能产生虚假图案或伪色。光学模糊、镜头响应、像素孔径以及可能采用的光学低通滤波器，都会影响到达采样网格的频谱。彩色滤光片阵列又引入了一层结构，因为不同颜色分量是在不同位置测量的。因此，重建全彩图像既涉及空间采样理论，也需要对颜色通道之间的关系作出假设。\n\n磁共振成像尤其清楚地体现了采样与傅里叶变换之间的联系：测量数据沿空间频率域中的轨迹采集，这一空间通常称为 \\(k\\) 空间。对于简单的笛卡尔采集方式，\\(k\\) 空间样本之间的间距决定无混叠视野的大小，而所采集空间频率的覆盖范围则决定分辨率。采样点分布过疏，可能导致所选视野之外的解剖结构折叠到重建图像中。非笛卡尔轨迹则需要采用能够考虑其不同采样几何结构的重建方法。\n\n科学仪器同样需要区分采样极限与仪器的整体分辨能力。即使传感器的采样速度很快，也无法恢复已被其物理响应滤除的细节；而高带宽传感器若采样过慢，则可能产生混叠。因此，在振动测量、光谱分析和天文成像中，要正确解读数据，就必须综合考虑模拟带宽、采样点分布、曝光或积分时间、噪声以及重建过程的影响。采样定理将这一链条中的一个关键环节单独提炼出来：在什么条件下，将自变量离散化仍能保留指定信号类别中所包含的信息。"
    }
  ],
  "links": [
    "interpolation",
    "fourier-transform",
    "convolution",
    "poisson-summation-formula",
    "hilbert-space",
    "inner-product",
    "orthonormal-basis",
    "fourier-series",
    "cauchy-schwarz-inequality",
    "aliasing",
    "discrete-fourier-transform",
    "system-of-linear-equations",
    "stochastic-process",
    "stationary-process",
    "mean-squared-error",
    "convex-optimization",
    "regularization",
    "inverse-problem",
    "claude-shannon",
    "channel-capacity",
    "information-theory",
    "magnetic-resonance-imaging"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}