原理介绍What exactly is being claimed
我们每天都在把连续的模拟世界（声音、电压、图像）转成离散数字。一个根本问题：有限的样本点，凭什么能完整代表一条连续曲线？采样定理给出了精确的、可证明的答案——而非"采得够密就行"的经验之谈。
定义 1 · 采样 Sampling
以固定周期 Tₛ 读取信号的瞬时值，得到序列 x(nTₛ)，n ∈ ℤ。采样率（sampling rate）ƒₛ = 1/Tₛ。
定义 2 · 带限信号 Band-limited signal
若信号的频谱在某个频率 B 以上恒为零，即傅里叶变换满足 X(f) = 0, ∀ |f| > B，则称该信号带限于 B。B 是它包含的最高频率成分。
采样定理（Nyquist–Shannon）：设 x(t) 带限于 B。若采样率 ƒₛ > 2B，则 x(t) 可由其样本 { x(nTₛ) } 唯一且精确地重建。临界值 ƒNyq = 2B 称为奈奎斯特率（Nyquist rate）。
两个易混术语先厘清： 奈奎斯特率 = 2B 是对给定信号所需的最低采样率； 奈奎斯特频率 = ƒₛ/2 是对给定采样率能无歧义表示的最高信号频率。本页的证明将说明，这两个数为何恰好都卡在 "2 倍" 上。
下面的证明只用一个核心事实：时域采样，等价于频域的周期延拓。整条逻辑链分六步，每一步都配一幅同步的频谱/时域示意图。
完整推导From a Dirac comb to sinc interpolation
策略：把"采样"写成数学运算，跟踪它对频谱做了什么。一旦看清频谱发生了什么，"能否重建"就一目了然。
采样 = 信号 × 狄拉克梳状函数δ
理想采样可建模为：原信号乘以一列等间隔的冲激（Dirac comb，梳状函数，又称冲激函数，记作 δₜₛ(t)）。乘积只在采样时刻 t = nTₛ 留下被冲激"挑出"的样本值。
这一步只是把直观的采样翻译成数学语言中的乘法——为下一步进入频域做准备。
梳状函数的频谱仍是梳状，时域相乘 = 频域卷积
傅里叶变换有两条关键性质。其一，时域的冲激串，变换后仍是冲激串，间距变为 ƒₛ：
其二，时域相乘 ⟺ 频域卷积（卷积定理）：
采样信号的频谱 = 原频谱的无限多份拷贝
把第 1 步的乘积代入第 2 步的卷积。由于频域的冲激串与 X(f) 卷积，等价于把 X(f) 搬移并复制到每一个 ƒₛ 的整数倍处：
这是全部证明的枢纽：采样在频域制造出无穷多个等间隔（间距 ƒₛ）的频谱副本。原始信息是否还在，取决于这些副本是否相互踩踏。
相邻副本何时恰好不踩踏？
基带副本（k=0）占据 [−B, B]；最近的副本（k=1）中心在 ƒₛ，占据 [ƒₛ−B, ƒₛ+B]。两者不重叠，当且仅当后者的左边缘高于前者的右边缘：
这正是定理的不等式，从几何上自然冒出来。若 ƒₛ < 2B，副本在中心 ƒₛ/2 附近重叠，宽度为 2B−ƒₛ——重叠处两份频谱相加，再也无法分开。这就是混叠（aliasing）。
用一个"砖墙"滤波器只留下基带那一份
当 ƒₛ > 2B 时副本之间有空隙，于是可用一个理想低通滤波器（ideal LPF，矩形/砖墙）截止于 ƒₛ/2，只保留基带副本、抹掉其余全部：
增益取 Tₛ 恰好抵消第 3 步复制带来的 1/Tₛ 因子。于是我们完美取回了原始频谱 X(f)。
砖墙滤波器在时域就是 sinc 函数
矩形频响的傅里叶逆变换是 sinc 函数；把样本序列与它卷积，即得到重建公式（Whittaker–Shannon interpolation）：
每个样本被替换成一条以它为中心的 sinc 脉冲——在本采样点取值为 1、在所有其他采样点取值为 0——叠加起来，连续曲线被一字不差地还原。
交互式仿真Move the sliders — watch the proof happen
证明里的每个关键论断，下面都能亲手验证。拖动采样率，亲眼看着频谱副本靠拢、重叠、混叠；看着 sinc 之和精确长成原曲线，或在欠采样时崩坏。
频谱搬移与混叠
Spectral Replication & Aliasing对应证明第 3–4 步。三角形是信号频谱 |X(f)| 的示意；采样把它复制到每个 ƒₛ 整数倍处。降低 ƒₛ 直到副本互相侵入——重叠区将以品红高亮，此处信息永久丢失。琥珀色虚线为理想低通的截止 ±ƒₛ/2。
sinc 插值重建
Whittaker–Shannon Reconstruction对应证明第 6 步。一个带限于 B = 3 Hz 的多频信号（成分 1/2/3 Hz）。每个样本展开成一条 sinc，叠加得到重建曲线。当 ƒₛ > 6 Hz，重建与原信号几乎重合（RMS 误差→0）；一旦欠采样，sinc 之和就长成另一条曲线。
混叠的“伪装”：频率折叠
Frequency Folding混叠最直观的后果：一个高频正弦，欠采样后会被“伪装”成一个低频正弦——两者穿过完全相同的样本点，事后无法区分。这就是车轮倒转、莫尔条纹背后的同一个机制。观察到的视在频率：ƒapp = ƒₛ/2 − |（ƒ₀ mod ƒₛ）− ƒₛ/2|。
工程中的应用Where the inequality earns its keep
采样定理不是什么无形缥缈的数学公式——它是每一块 ADC、每一张 CD、每一段数字录音、每一帧电影背后必须遵守的硬约束。以下都是 ƒₛ>2B 的直接后果。
数字音频与 44.1 kHz
人耳听觉上限约 20 kHz，奈奎斯特率即 40 kHz。但理想砖墙滤波器不存在，真实抗混叠滤波器需要一段过渡带从 20 kHz 滚降到阻带。CD 选 44.1 kHz，把奈奎斯特频率放到 22.05 kHz，留出约 2.05 kHz 余量。（这个怪数字源于早期用 PCM 适配器把数字音频录在视频磁带上的行数换算。）专业制作常用 48 / 96 kHz 留更宽裕量。
抗混叠滤波器
ADC 之前必须先做模拟低通。一旦高于 ƒₛ/2 的频率（包括宽带噪声、射频干扰）进入采样器，它们会不可逆地折叠进基带、与有用信号叠加。证明已经告诉我们：副本一旦重叠，频谱信息就永久丢失——事后任何数字算法都救不回来。所以这一关只能在采样之前守。
过采样与 ΣΔ 转换器
用远高于奈奎斯特率的速率采样（音频 ADC 内部常达数 MHz），把奈奎斯特频率推得很高，使所需的模拟抗混叠滤波器变得平缓、廉价；随后在数字域用陡峭滤波器限带，再抽取（decimation）回目标速率。ΣΔ 调制器进一步把量化噪声整形到高频后滤除——以速度换精度，是现代高保真 ADC 的基石。
电影中的车轮倒转和视觉暂留现象
摄影机以 24 fps 对旋转车轮做时间采样。当轮辐的转动频率超过帧率的一半，就发生时间混叠：轮子看起来变慢、静止甚至倒转。这就是仿真③里的折叠公式在时间维度上的真实演出——与频谱混叠是同一个定理。高速旋转的直升机旋翼、风扇在屏幕上的诡异静止同理。1832年，物理学家约瑟夫普拉套利用这一现象制作出了费纳奇镜，当你高速旋转这个圆盘，盘上的人物就像是在原地表演，丝毫没有旋转的迹象。
带通采样 / 欠采样
定理的真正约束是带宽 B，而非最高频率 ƒmax。若信号能量集中在窄带 [ƒc−B/2, ƒc+B/2]，只要各阶搬移后的副本不重叠，就能以约 2B（远低于 2ƒmax）的速率采样并完整恢复，这就是带宽采样定理，是奈奎斯特采样定理在高频窄带信号领域的延拓，在射频领域得到了广泛应用，比如软件无线电（SDR）射频前端正靠它，用低速 ADC 直接"听"高频窄带信号。
莫尔纹与空间混叠
你是否曾经用手机拍摄电脑屏幕，然后发现图片中有很多奇怪的彩色条纹？奈奎斯特采样定理也能解释这一现象。图像是对二维空间的采样。当被拍物的纹理空间频率超过传感器像素栅格的奈奎斯特频率，高频图案折叠成低频干涉条纹——衬衫细格、砖墙在屏幕上泛起彩色波纹。相机的光学低通滤波器（OLPF）正是空间域的抗混叠滤波器，原理与第 02 条完全一致。
边界与现实Where the ideal proof meets hardware
证明给的是理想条件下的精确结论。工程实现里有几处"魔鬼藏在细节中"，恰恰能反过来加深对定理的理解。
ƒₛ = 2B 的临界陷阱
恰好以 2B 采样未必安全。对 sin(2π·1·t) 以 ƒₛ=2 采样，若采样点正落在过零点，得到全 0 序列——信号凭空"消失"。这说明严格条件是开区间 ƒₛ > 2B；临界情形需额外假设（带边无分量、特定相位）才成立。
理想 sinc 不可实现
理想LPF在频域上带宽有限，这意味着其在时域上无限延展，即使是在负时域，sinc 在时间上无限延伸且非因果（重建当前点需要未来样本）。现实只能用有限长、近似的插值核（多相滤波、样条、加窗 sinc），并接受微小误差与延迟。这是"精确重建"在物理世界里打的折扣。
真实 DAC 用零阶保持
DAC 输出的是阶梯波（zero-order hold）而非 sinc 之和，等效于在频域乘了一个 sinc 形包络，造成高频"下垂（droop）"。因此 DAC 后还需一级重建/补偿滤波器，把阶梯抹平、把下垂修正回来。
自然信号并不严格带限
真实世界的信号频谱往往拖着无限长的尾巴。工程上先用抗混叠滤波器强制带限，以可控、已知的失真，换取无混叠的干净采样——这是定理从"数学真理"落地为"工程纪律"的关键一步。