====== 奈奎斯特定理详解 ======

奈奎斯特定理通常指“奈奎斯特采样定理”。它回答了一个核心问题：

> 连续的模拟信号，至少要用多快的速度采样，才能从采样结果中完整恢复原信号？

===== 1. 定理的基本表述 =====

假设一个连续信号中包含的最高频率为 ''f_max''，为了在理论上无失真地恢复该信号，采样频率 ''f_s'' 必须满足：

<code>
f_s > 2 × f_max
</code>

其中：

  * ''f_s''：采样频率，即每秒采集多少个样本，单位为 Hz
  * ''f_max''：原信号中包含的最高频率
  * ''2 × f_max''：奈奎斯特率（Nyquist Rate）
  * ''f_s / 2''：奈奎斯特频率（Nyquist Frequency）

注意，奈奎斯特率和奈奎斯特频率是两个容易混淆的概念。

^ 概念 ^ 含义 ^
| 奈奎斯特率 ''2 × f_max'' | 为采集某个信号所需要的最低理论采样率 |
| 奈奎斯特频率 ''f_s / 2'' | 在给定采样率下，理论上能够表示的最高频率 |

例如，一个信号的最高频率为 10 kHz，则需要满足：

<code>
f_s > 2 × 10 kHz
f_s > 20 kHz
</code>

因此，理论上采样频率应该高于 20 kHz。

===== 2. 为什么至少需要每周期采样两次？ =====

考虑一个频率为 ''f'' 的正弦信号：

<code>
x(t) = A × sin(2πft + φ)
</code>

其中：

  * ''A'' 是信号振幅
  * ''f'' 是信号频率
  * ''φ'' 是初始相位
  * ''t'' 是时间

一个周期内至少需要两个采样点，才能描述信号最基本的周期变化。

如果每个周期少于两个采样点，采样系统就可能把原来的高频信号误认为另一个低频信号。

但是，“每周期两个采样点”只是一个理论极限，并不代表实际系统中两个采样点一定足够。

例如，考虑信号：

<code>
x(t) = sin(2πft)
</code>

如果恰好使用下面的采样频率：

<code>
f_s = 2f
</code>

并且采样点恰好全部落在正弦波的过零点上，那么得到的样本可能全部为零：

<code>
x[n] = sin(πn) = 0
</code>

采样系统就会误以为原信号始终为零。

因此，奈奎斯特采样条件通常严格写成：

<code>
f_s > 2 × f_max
</code>

而不是：

<code>
f_s = 2 × f_max
</code>

===== 3. 欠采样与混叠 =====

当采样频率不满足奈奎斯特条件时，就会发生“混叠”（Aliasing）。

混叠的含义是：

> 高频信号经过采样后，伪装成了另一个低频信号。

仅仅根据混叠后的采样结果，通常无法判断原信号的真实频率。

混叠频率可以表示为：

<code>
f_alias = |f - k × f_s|
</code>

其中：

  * ''f'' 是原信号频率
  * ''f_s'' 是采样频率
  * ''k'' 是某个整数
  * ''f_alias'' 是采样后观察到的混叠频率

选择合适的整数 ''k''，使混叠频率落在以下范围内：

<code>
0 ≤ f_alias ≤ f_s / 2
</code>

==== 混叠示例 ====

假设使用 8 kHz 的采样频率，采集一个 6 kHz 的正弦波：

<code>
f_s = 8 kHz
f = 6 kHz
</code>

该采样系统的奈奎斯特频率为：

<code>
f_s / 2 = 8 / 2 = 4 kHz
</code>

原信号的频率为 6 kHz，超过了奈奎斯特频率 4 kHz，因此会发生混叠。

选择 ''k = 1''：

<code>
f_alias = |6 - 1 × 8|
        = |-2|
        = 2 kHz
</code>

因此，一个 6 kHz 的信号经过 8 kHz 采样后，可能被观察为一个 2 kHz 的信号。

也就是说：

<code>
原信号：6 kHz
采样频率：8 kHz
观察结果：2 kHz
</code>

6 kHz 和 2 kHz 的信号可以在采样时刻产生完全相同的样本。因此，采样结束后，系统通常无法判断原信号究竟是哪一个。

===== 4. 从频域理解奈奎斯特定理 =====

采样可以看成原信号与一串周期性采样脉冲相乘。

采样以后，原信号的频谱会以采样频率 ''f_s'' 为间隔周期性重复。

可以用下面的形式表示：

<code>
X_s(f) = (1 / T_s) × Σ X(f - k × f_s)
</code>

其中：

<code>
T_s = 1 / f_s
</code>

各符号的含义如下：

  * ''X(f)''：原信号的频谱
  * ''X_s(f)''：采样后信号的频谱
  * ''T_s''：采样周期
  * ''f_s''：采样频率
  * ''k''：任意整数

假设原信号只包含以下频率范围内的成分：

<code>
-f_max ≤ f ≤ f_max
</code>

那么，每份频谱占据的总宽度为：

<code>
2 × f_max
</code>

为了使相邻的频谱副本不发生重叠，采样频率必须满足：

<code>
f_s > 2 × f_max
</code>

整个过程可以概括为：

<code>
原信号
  ↓
以 f_s 进行采样
  ↓
原频谱每隔 f_s 重复一次
  ↓
判断 f_s 是否大于 2 × f_max
  ├─ 是：频谱副本不重叠，理论上可以恢复原信号
  └─ 否：频谱副本发生重叠，产生混叠
</code>

一旦频谱副本发生重叠，不同频率成分就会混合在一起。这就是从频域角度理解的混叠。

===== 5. 如何恢复原信号？ =====

当原信号严格带限，并且采样频率满足奈奎斯特条件时，可以使用理想低通滤波器，从采样后重复出现的频谱中提取出原始频谱。

在时域中，这个过程对应“sinc 插值”。

理论上的重建公式为：

<code>
x(t) = Σ x[n] × sinc((t - nT_s) / T_s)
</code>

其中：

<code>
x[n] = x(nT_s)
</code>

''x[n]'' 表示第 ''n'' 个采样值。

每一个采样点都对应一个 sinc 函数。将所有采样点对应的 sinc 函数叠加起来，就可以在理论上精确恢复原来的连续信号。

不过，这种精确恢复依赖理想条件：

  * 原信号必须严格带限
  * 采样时间必须完全准确
  * 采样过程不能引入误差
  * 重建滤波器必须是理想滤波器
  * 需要无限长时间范围内的采样数据

现实系统无法完全满足这些条件，原因包括：

  * 理想低通滤波器无法真正实现
  * sinc 函数在时间上无限延伸
  * 真实信号通常不是严格带限的
  * 采样时钟可能存在抖动
  * 模数转换会产生量化误差
  * 电路本身会引入噪声

因此，现实系统只能近似恢复原信号。

===== 6. 为什么采样前需要抗混叠滤波器？ =====

现实中的信号通常会包含目标频带以外的高频成分，例如：

  * 高频噪声
  * 电磁干扰
  * 传感器产生的谐波
  * 瞬态变化产生的高频成分
  * 电路自身产生的噪声

即使目标信号的最高频率只有 10 kHz，输入信号中也可能存在 30 kHz 或更高频率的成分。

如果直接采样，这些高频成分就可能混叠到正常的目标频带内。

因此，在模数转换器 ADC 之前，通常需要设置一个低通滤波器：

<code>
模拟信号
  ↓
抗混叠低通滤波器
  ↓
ADC 模数转换器
  ↓
数字信号
</code>

这个低通滤波器称为“抗混叠滤波器”（Anti-aliasing Filter）。

它的主要作用是：

  * 保留目标频带内的信号
  * 衰减奈奎斯特频率以上的成分
  * 防止高频噪声混叠到低频范围

需要特别注意：

> 混叠一旦发生，通常无法通过后续的数字滤波消除。

这是因为混叠后的高频信号已经落入正常频带，系统无法判断它究竟是真实的低频信号，还是由高频信号混叠产生的假象。

===== 7. 为什么实际采样率通常高于理论值？ =====

假设需要采集最高频率为 20 kHz 的音频信号。

理论上的最低采样频率为：

<code>
2 × 20 kHz = 40 kHz
</code>

但是，实际音频系统通常使用：

  * 44.1 kHz
  * 48 kHz
  * 96 kHz
  * 192 kHz

而不是恰好使用 40 kHz。

这是因为现实中的滤波器无法做到在某个频率处立即完全截止。实际滤波器需要一段“过渡带”。

以 48 kHz 采样为例：

<code>
奈奎斯特频率 = 48 / 2 = 24 kHz
</code>

如果需要保留的音频最高频率约为 20 kHz，那么：

<code>
目标通带：0 ～ 20 kHz
过渡区域：20 ～ 24 kHz
阻带范围：24 kHz 以上
</code>

从 20 kHz 到 24 kHz 的范围可以留给抗混叠滤波器作为过渡带。

实际选择采样率时，需要综合考虑：

  * 信号的最高频率
  * 抗混叠滤波器的过渡带
  * 所需的信噪比
  * ADC 的工作性能
  * 数据存储量
  * 数据传输带宽
  * 后续数字信号处理的需求
  * 系统成本和功耗

因此，在某些系统中，采样率会选择为最高信号频率的 4 倍、10 倍，甚至更高。这种方法称为“过采样”。

===== 8. 常见误区 =====

==== 误区一：采样率越高，采到的信号频率就越高 ====

更准确的说法是：

> 采样率越高，能够在不发生混叠的情况下表示的频率范围越宽。

但整个系统实际能够处理的最高频率，还受到以下因素限制：

  * 传感器带宽
  * 放大器带宽
  * 抗混叠滤波器带宽
  * ADC 模拟输入带宽
  * 电路设计

因此，仅仅提高采样率，并不能让一个低带宽传感器测量到更高频率的信号。

==== 误区二：满足两倍采样率就一定能完美恢复 ====

不能简单地这样认为。

精确恢复还要求：

  * 原信号严格带限
  * 采样时刻完全准确
  * 采样过程理想
  * 重建滤波器理想
  * 没有噪声和量化误差

现实系统只能近似满足这些条件，所以工程设计中通常会为采样率预留一定的裕量。

==== 误区三：提高量化位数可以解决混叠 ====

不可以。

采样率和量化位数解决的是不同问题。

^ 参数 ^ 主要作用 ^ 参数不足造成的问题 ^
| 采样率 | 决定时间轴上的采样密度 | 频率混叠 |
| 量化位数 | 决定每个样本的幅值精度 | 量化误差和量化噪声 |

例如：

  * 采样率不足，会将高频信号错误地表示成低频信号
  * 量化位数不足，会导致信号幅值不够精确

增加量化位数不能修复已经发生的混叠。

==== 误区四：一个周期采两个点就能直接看出正弦波形 ====

奈奎斯特定理说明，在满足相关条件时，略高于两倍的采样率可以用于恢复信号。

但如果只是把离散采样点用直线连接起来，得到的图形不一定看起来像正弦波。

理论上的精确恢复依赖：

  * sinc 插值
  * 理想低通重建滤波
  * 原信号严格带限

所以“可以恢复”和“直接看起来像原波形”不是同一个概念。

===== 9. 与通信中的奈奎斯特公式的区别 =====

通信领域还有另一个经常被称为“奈奎斯特定理”的公式：

<code>
R_max = 2B × log2(M)
</code>

其中：

  * ''R_max''：理想无噪声信道的最大数据传输速率
  * ''B''：信道带宽
  * ''M''：每个码元可以采用的离散状态数量
  * ''log2(M)''：每个码元能够携带的比特数

如果使用二进制信号：

<code>
M = 2
log2(2) = 1
</code>

因此：

<code>
R_max = 2B
</code>

这个公式讨论的是：

> 在理想无噪声、带宽受限的信道中，数据最多能够传输多快。

它与采样定理密切相关，但讨论的并不是同一个问题。

两者的区别如下：

^ 定理或公式 ^ 研究的问题 ^
| 奈奎斯特采样定理 | 连续信号至少需要多高的采样率才能被恢复 |
| 奈奎斯特无码间串扰公式 | 理想带限信道最多能够传输多少码元或数据 |
| 香农公式 | 存在噪声时，信道的理论最大传输能力 |

香农公式为：

<code>
C = B × log2(1 + SNR)
</code>

其中：

  * ''C''：信道容量
  * ''B''：信道带宽
  * ''SNR''：信噪比

奈奎斯特公式主要考虑带宽限制，而香农公式进一步考虑噪声和信噪比的影响。

===== 10. 总结 =====

奈奎斯特采样定理可以概括为：

> 对于最高频率为 ''f_max'' 的带限连续信号，采样频率 ''f_s'' 必须严格高于 ''2 × f_max''。只有这样，采样后产生的频谱副本才不会互相重叠，原信号才有可能从离散样本中唯一恢复。

核心公式是：

<code>
f_s > 2 × f_max
</code>

需要记住以下几点：

  - ''2 × f_max'' 称为奈奎斯特率。
  - ''f_s / 2'' 称为奈奎斯特频率。
  - 采样率不足会产生混叠。
  - 混叠一旦发生，通常无法通过后续数字处理消除。
  - ADC 前需要使用抗混叠低通滤波器。
  - 实际采样率通常需要高于理论最低值。
  - 采样率和量化位数解决的是不同问题。
  - “理论上可以恢复”不等于“直接连接采样点就能看到原波形”。