带通采样定理定义-带通采样定理定义

把一段信号切成两半，切成另一半再切回原样，信号还是它，但频率范围变了。
这就是带通采样定理最原始的直觉，也是工程师们从频谱图里自己悟出来的逻辑。 想象一下，你手里拿着一把录音笔，想要把一段声音录下来。
一般/平平的录音笔要么能录大范围的音，要么只能录特定频率的声音。带通采样定理实际上就是说，要是你有一把能录“中间范围”声音的录音笔，并且你预备好把这段声音切成两半，分别录进这两把录音笔里，再让这两份数据重新拼回去，那么理论上你依然能还原出原来那整段声音。关键点在于，切割的时候不能忒乱，也不能把声音彻底切成零碎的小块让信号彻底消亡。 举个例子，假设你要记录一段 100 赫兹到 1000 赫兹的声音。
这把原始信号在频谱上是一条宽宽的大横幅。
要是你直接录，带宽就得是 900 赫兹，刚好够用了。但目前你有个新的想法：你连成两段，一段录 50 到 500 赫兹，另一段录 500 到 1000 赫兹。
这时候，这两段数据加起来就不再是原来的 100 到 1000 赫兹了，变成了 50 到 1000 赫兹，什么的，这就多出来了 50 赫兹到 100 赫兹的新范围。
这时候，你需求的总带宽就从原来的 900 赫兹变成了 1000 赫兹。多出来的这 100 赫兹，恰恰就是新频率范围的一半。
这个逻辑有点绕，但本质就是如此好办：只要你的原始信号在某个频率段里，只要能把这个段分成两半，分别采样，最终拼起来，整个频段就自动扩展了，并且扩展后的总带宽只会增添，不会削减。 这个定理最早是在 1987 年，由施瓦泽（Schwarz）在《数字信号处理》里提出的。
那时候他写的论文，用词贼严谨，像是在讲道，把公式列得密密麻麻的，那个年代的技术文档里还有整整两页纸的公式推导。
那时候的人总认定，能不能用带通采样，彻底取决于你的信号是不是规则得像个矩形。
那时候，工程师们还在争论，要是信号是圆形的，带通采样还能不能成立。 到了 2000 年代初期，事件启动变了。_signal_形状不可能是矩形，但带通采样定理依然是成立的。
这时候，人们启动给信号加点“折子”，给它加点花边，让它不那么直，不那么圆，再加一些随机性的噪点来破坏规则的漂亮。你会发现，只要信号略微有点“脏”，带通采样就变得贼灵活。就连在一些极端情况下，信号只要知足一个特定的形状条件，带通采样不仅能工作，还能让采样率降下来，就连降到原来的 1/4 要么更低。
这彻底打破了人们“带宽务必和采样率成正比”的刻板印象。 目前来看个具体的数据场景。假设我们要采集一段长度为 10 秒、中心频率为 1000 赫兹的音频。为了撇脱计算，我们设定采样间隔为 10 赫兹，那么一般/平平的采样率就是 100 赫兹。在这个频率下，要是直接采样，数据量的确是充足的。但要是你确实采用带通采样策略，想把频率范围从 100 到 1000 赫兹扩展到 50 到 1000 赫兹，这时候需求的采样率是多少呢？根据定理，新的采样率应当是原始采样率的两倍，也就是 200 赫兹。
那么，采样间隔就是 0.005 秒。
这个间隔忒短了，人眼都看不到如此小的颗粒，但在计算机眼里，它就是海量的数据。
这时候，总的数据量从原来的 1000 赫兹正负 100 赫兹之间的数据量，变成了 50 到 1000 赫兹之间的数据量，数据量翻了四倍。 别看数据量暴增了，但处理起来依然不难。出于你只需求对频率范围做一劳永逸的处理，后续的所有滤波和重构，实际上都是沿用同一个算法，只是输入的数据窗口略微大一点罢了。
这就好比你原本需求 10 米长的木板，目前只需求 5 米长的木板了，剩下的 5 米你在旁边把剩下的木板拼起来用。
只要你的原始素材里包含那段 10 米长的板子，带通采样确实能帮你省下一大截木料。 自然，这需求你贼小心。
要是你切得忒碎，信号在切割瞬间就崩坏了，那么拼回去的时候，就没有充足的能量把碎片重新组合成原本的波形。
这时候，带通采样定理就失效了，信号会消亡，变回一片空白。
故此，带通采样有一个严格的界限，这个界限取决于你原始信号的频带宽度还有你打算切分的位置。 在实际工程中，我们极少直接用整个的带通采样定理，出于它的计算量忒大，并且对硬件要求也高。
一般的做法是，先确定你需求啥样的采样率，然后反推你的原始信号应当包含啥频率范围。
比如你要用 100 赫兹的采样率，那么你就务必确保你的原始信号里，起码有一段频率的跨度，其宽度大于等于采样率的一半。
然后你再微调这个范围，把它直接覆盖在你的采样点上，剩下的空隙你就用滤波补进去。
这样，你就不用费力气去重新推导公式，也不用揪心信号在切割时崩塌。 回顾一下这个定理，它实际上是在提醒我们：数字信号处理里，频率和采样率并不是绝对绑死的关系。你能够通过转变信号本身的性质，要么转变数据处理的逻辑，来突破常规思维的束缚。它让工程师们有了更多的自由度，能够在特定的应用场景里，用更低的资源代价去获取更高的信息量。 最终再总结一下。带通采样定理的核心在于，通过分段采样和频率重组，实现信号频带的扩展。它不需求原信号是完美的矩形，就算信号挺复杂、挺不规则，只要知足根本条件，依然有效。在实际应用中，它往往作为一种灵活的策略，用来下降数据量或提升采样效率。当你面对一个频率跨度挺大的信号时，不妨试试能不能切成几段，分别采样，看看能不能凑出一个更合理的采样方案。
毕竟，在数字世界里，最智慧的玩法，往往不是让东西变得好办，而是让好办变得无处不在。