奈奎斯特香农定理-奈奎斯特香农定律

实际上咱们先说说这东西到底是个啥。想象一下，你手里拿着一根弹簧，往两端一拉，它就颤；要是拉得忒紧，弹簧就断了；要是拉得够远，它可能就彻底崩了。奈奎斯特香农定理跟这个实际上是一回事，不过咱们不用拿弹簧当例子，得把那个“信噪比”的比喻换成更贴近生活的。 信噪比就是信号里真话和假话的比例。
要是真话是红色的苹果，假话是红色的石头，那你眼能分辨出苹果和石头，说明信噪比高。
要是全变成石头，你就认不出了，这信噪比就低。香农定理说，哪怕是真话和假话长得一模一样，带宽再宽，只要信噪比不够高，你依然听不出区别。
这就是混沌理论里说的“区别度”难题。 要搞懂带宽有多宽，光靠公式可不中。咱们得看信号在时域的分布，也就是波形在工夫轴上占着多大功夫。假设你有个音频信号，频率是 1 赫兹到 10 赫兹，带宽就是 9 赫兹。
要是你想把这个声音传出去，你得把每个频率点都记录下来，这就是采样。采样定理告诉我们，采样频率起码得是原始信号的两倍，也就是 18 赫兹，你才能还原原声。可要是采样频率只有 18 赫兹，数据量会爆炸，全不算数。
这时候你得想想，如何在有限的空间里存下这些信息？ 这就引出了压缩的概念。香农定理的核心实际上是信息论，它告诉我们能够从数据里取出多少“有效信息”。在通信里，信号是有噪声的，我们一般用信噪比 S/N 来表示。
要是 S/N 是 20dB，意味着信号强，噪声弱，系统性能好；要是 S/N 是 6dB，那就挺糟糕。
这时候，能传多远，取决于信噪比。
比方说，一段语音信号，信噪比要是 3dB，能传多远？信噪比要是 10dB，能传多远？这些数据得查表要么算出来，不能靠感觉。 再说说带宽。带宽实际上就是信号频率范围，也就是最高频率和最低频率之差。广播信号带宽可能只有几千赫兹，但手机蓝牙信号带宽可能到了几兆赫兹。带宽越宽，能容纳的信息量就越大。但带宽不是越大越好，带宽忒宽就像把水管管得忒大，水就流不走多少了。
故此，带宽的利用效率才是关键。香农公式里的 C 是信道容量，也就是最大传输速率，它和带宽 B、对数底数 2 还有信噪比 S/N 都相关系。公式别看看起来复杂，但核心思想好办：带宽越宽，要么信噪比越高，就能传输越快。 举个例子，假设你有一个带宽为 3kHz 的手机信号，信噪比是 10dB。按照公式算一下，这个信道的理论最大传输速率大约是多少？先算一下对数局部，10dB 换算成分贝比数大约是 3.32 的用对数形式。代入公式，C = 2 B log2(S/N)。
这里 B 是 3000 赫兹，log2(3.32) 大约是 1.73。
那 C 就是 2 3000 1.73，结局大约是 10000 比特每秒。
这意味着，理论上你每秒顶多能传 10000 个数据位。
要是信号质量差，比如信噪比降到了 5dB，那 log2(2.82) 大约是 1.5，结局就是 9000 比特每秒。
这就说明，在同样的带宽下，信号越好，传输速度越快。
反过来，要是要达到同样的传输速度，信号越好，需求的带宽就越宽。 这里有个好办被漠视的点，就是编码。香农定理预测的是理想情况下的极限速度。现实里，我们总要用某种编码，比如哈夫曼编码要么 LDPC 码。编码会增添数据量，也就是冗余。10000 比特每秒的理想状态下，经过编码后，可能变成 10050 比特每秒。
这时候，信道的容量 C 就变成了编码后的速率乘以信噪比。
故此，实际应用中，往往需求牺牲一点带宽来换取更稳定的通信。
比方说，WiFi 协议为了在干扰强的环境下稳定传输，会牺牲带宽，增添纠错码，确保数据包不丢。 还有，带宽和噪声也是相互纠缠的。噪声本身是一种干扰，它是随机形成的，频率分布可能挺广。
要是你想要抗噪本事强的通信，就得提升信噪比。提升信噪比一般有两个办法：一是做大带宽，增添信号在频域里的分布范围；二是增大信号功率。前者是“做减法”，把噪声挤掉；后者是“做加法”，让信号更亮。 实际上，大量系统都是在这个“带宽 vs 信噪比”的平衡点上运行。
比方说，你给一个老式对讲机配一个喇叭。
要是喇叭忒小，声音就小，讲话距离近，信噪比自然高；要是喇叭忒大，声音洪亮，但在宁静房间里讲话忒远，信噪比就低。
这时候，你得寻思一下，是追求传得远一点，还是传得稳一点。
要是想在嘈杂的楼道里传得远，就得用大带宽和高功率的喇叭；要是是在宁静的会议室里传得稳，就得用小带宽和低功率的喇叭。 最终咱们总结一下，奈奎斯特香农定理实际上是个边界。它告诉我们，在给定带宽和信噪比的情况下，信息传输有一个理论上限。
这个上限不是真空里的数字，而是受物理定律限制的。
只要还在这个定理划定的圈子里，通信技术就能越做越好；一旦越界，比如试图在没有噪声条件下传输数据，要么带宽无限大但干扰无限大，那是不可能的。
这就是为啥我们要不断发明新的编码算法，要么寻找新的频段。出于科学一直在逼近这些边界，每一次突破，都是对人类感知和传递信息本事的一次升级。