采样定理
前置知识回顾
采样定理连接连续时间信号和离散时间信号。读这一节前，先确认下面几件事：
- 连续时间傅里叶变换：知道频谱 $X(j\Omega)$ 描述连续频率成分。
- 冲激函数与冲激串：采样可以写成连续信号乘以周期冲激串。
- 卷积定理：时域相乘对应频域卷积。频谱复制正是这个定理的结果。
- 离散时间序列：采样后的 $x[n]=x_a(nT)$ 是序列，不再是连续波形。可回看 离散时间信号与系统。
数字系统不能直接处理连续时间波形，所以必须先把连续信号变成样本序列。表面看这只是“隔一段时间读一次数”，但实质上它会改变频谱结构：时域离散化会让频域周期化。这个对偶关系在 通信原理第二章：确定信号分析 的“抽样（采样）信号”一节中也作为 Fourier 家族四象限的关键推论出现。#Communication-Principles-Chapter-2
采样不是信息无损动作，只有在满足一定条件时，才能从样本序列中无失真恢复原信号。设连续信号最高频率为 $f_{\max}$，采样频率为 $f_s=1/T$。奈奎斯特采样定理给出条件：#Nyquist-Shannon-Sampling-Theorem
若用角频率表示，信号带宽为 $\Omega_m$，采样角频率为 $\Omega_s=2\pi/T$，条件写成：
这条不等式不是经验口号，而是“频谱副本不重叠”的几何条件。
理想采样模型把连续信号 $x_a(t)$ 乘上周期冲激串。这里沿用 DSP 课本常用记号 $T$，通信原理笔记中同一个量写作 $T_s$：
采样信号为
这一步保留了每个采样时刻的幅值，并把它放在冲激位置上。真正进入数字系统时，我们通常只保存序列
补充：采样为什么会把 $s$ 平面映到 $z$ 平面
模拟系统和数字系统的根本差别，是时间变量不同。模拟系统生活在连续时间 $t$ 中，常用拉普拉斯变量 $s=\sigma+j\Omega$ 描述；数字系统生活在离散时间 $n$ 中，常用 $z$ 变换描述。采样正是把二者连接起来的动作：
模拟系统的一个极点 $s_k$，不是孤立的代数符号，而代表冲激响应中的一个连续指数模态：
在采样时刻 $t=nT$ 观察这个模态，就得到
而数字系统的基本指数序列正是 $p^n u[n]$。它的 Z 变换为
因此它的数字极点在 $z=p$。把 $p=e^{s_kT}$ 代入，就得到采样下最自然的极点映射：
| 连续时间模拟系统 | 采样后数字系统 | 含义 |
|---|---|---|
| $e^{s t}$ | $(e^{sT})^n$ | 连续指数模态变成离散指数模态 |
| $s=\sigma+j\Omega$ | $z=e^{\sigma T}e^{j\Omega T}$ | 实部控制半径，虚部控制角度 |
| $\operatorname{Re}(s)<0$ | $|z|=e^{\sigma T}<1$ | 左半平面稳定极点映到单位圆内 |
| $\Omega$ | $\omega=\Omega T$ | 模拟角频率变成数字角频率 |
所以“为什么二者差了一个 $e$”的答案是：模拟系统的自然模态本来就是指数函数 $e^{st}$；采样只是把 $t$ 换成 $nT$，于是连续指数的单步增长因子 $e^{sT}$ 就成了数字系统中的 $z$。
冲激串的傅里叶变换仍是冲激串。这个结论也可以从周期冲激串的傅里叶级数系数 $c_k=1/T$ 推出：#Communication-Principles-Chapter-2
由于时域相乘对应频域卷积，采样后频谱为
代入冲激串可得
采样定理最核心的一行公式
时域采样 = 频域周期复制：采样后的频谱是原频谱以 $\Omega_s$ 为间隔的无限复制，并带有 $1/T$ 的幅度缩放。如果复制副本之间不重叠，就可以用理想低通滤波器取回中间那一份；如果重叠，就会产生混叠。
如果 $\Omega_s\le 2\Omega_m$，相邻频谱副本发生重叠。重叠后，某个低频位置上的能量可能来自原来的高频副本，也可能来自原主谱。系统无法再区分它们，信息已经在采样时被不可逆地混合。
这就是混叠（aliasing）。它不是简单的“采样少了所以图像粗糙”，而是一个高频信号产生了和某个低频信号完全相同的样本序列。一旦两个连续信号在采样点上给出同样的序列，后续数字处理就不可能知道原来是哪一个。
若采样频率满足 $\Omega_s>2\Omega_m$，主谱与副本之间有空隙。此时可以用理想低通滤波器保留中心频谱。为了覆盖中心主谱，同时避开相邻副本，通带通常取在主谱带宽内，理想表达可写成：
系数 $T$ 用来抵消采样频谱前面的 $1/T$。若取标准归一化形式，理想低通的冲激响应是 sinc 函数：#Nyquist-Shannon-Sampling-Theorem
频域截取主谱后，时域等价于 sinc 插值：
这说明采样后的恢复并不是“把点连起来”这么简单，而是用一组 sinc 基函数重构连续波形。现实系统不能实现无限长理想 sinc，所以通常用近似重建滤波器。
例题 1：判断正弦采样是否混叠
题目：设 $x_a(t)=\cos(2\pi f_0t)$，采样频率为 $f_s$。判断何时无混叠。
- 该信号频谱在 $\pm f_0$ 处有两个冲激。
- 采样后频谱以 $f_s$ 为周期复制。
- 无混叠要求 $f_s>2f_0$。
答案：当 $f_s>2f_0$ 时可无混叠采样；若 $f_s<2f_0$，频率会折叠成低频假象。#DSP-Course-Materials
例题 2：课程作业中的重建失真判断
题目：给定抽样角频率和理想低通重建滤波器，再给两个输入正弦，判断输出是否失真。
- 定位输入频率：先把 $\cos(\Omega_0t)$ 的频率分量画在 $\pm\Omega_0$。
- 检查奈奎斯特条件：判断 $\Omega_s>2\Omega_0$ 是否成立。
- 画频谱副本：看复制后的谱是否进入重建低通通带。
- 判断输出：如果通带只截出原主谱，则无失真；如果截入折叠成分，则失真。
结论：例如低频 $x_1(t)=\cos(2\pi t)$ 可无失真恢复，而高频 $x_2(t)=\cos(5\pi t)$ 在采样后折叠到较低频区域，重建输出失真。
真实模拟信号很少严格带限。即使目标信号主要在低频，也可能混有高频噪声、传感器干扰或尖峰。如果直接采样，这些高频成分会折叠进低频，变成后续无法区分的伪信号。
因此实际系统常在 ADC 前加入抗混叠滤波器（anti-aliasing filter），先把高于奈奎斯特频率的成分压掉。它的目标不是让信号更漂亮，而是保护采样过程不把不可恢复的错误写进样本序列。#Analog-Devices-DSP-Guide
采样之后得到的是离散序列，后续就进入 DTFT、DFT 和数字滤波器的世界。DTFT 中频谱 $2\pi$ 周期，正是连续采样后频谱周期复制在离散时间中的对应表现；这和通信原理笔记中“时域离散化 → 频域周期化”的 Fourier 对偶律是同一件事。DFT 则是在一个周期内进一步取有限个频点。#Communication-Principles-Chapter-2
| 概念 | 核心公式 | 作用 | 常见误区 |
|---|---|---|---|
| 采样频率 | $f_s=1/T$ | 决定频谱副本间距 | 只看采样间隔不看频域 |
| 奈奎斯特条件 | $f_s>2f_{\max}$ | 避免副本重叠 | 误写成 $f_s>f_{\max}$ |
| 频谱复制 | $X_s=\frac1T\sum_k X_a(\Omega-k\Omega_s)$ | 解释混叠和重建 | 只背结论不画谱 |
| 混叠 | 副本重叠 | 高频伪装成低频 | 以为后期滤波可完全修复 |
| 重建 | sinc 插值 | 从样本恢复连续波形 | 以为只是折线连接 |
| 抗混叠滤波 | 采样前低通 | 阻止高频折叠 | 采样后才想补救 |
参考来源
- 本地课程材料：《数字信号处理教程（第五版）》绪论与第 1 章抽样相关内容；第一讲课程讲义；第一讲作业第 6 题。
- 通信原理第二章：确定信号分析：用于补充抽样信号的 Fourier 对偶推导、频谱周期复制和 sinc 恢复解释。
- Stanford EE264 · Digital Signal Processing：用于补充采样与离散时间频域的课程视角。
- Analog Devices · A Beginner's Guide to DSP：用于补充工程采样和抗混叠解释。
- Wikipedia · Nyquist–Shannon Sampling Theorem：用于核对采样定理表述、Whittaker-Shannon 插值公式和术语。