时域取样定理（Nyquist Sampling Theorem）是信号处理中的核心理论，用于描述如何将连续时间信号转换为离散时间信号，同时避免频谱混叠。以下是其核心内容的详细解释：

一、基本定义

取样过程

通过一系列均匀间隔的取样脉冲从连续信号中提取离散样本值，得到取样信号。

关键参数

取样周期 ：相邻两个取样点的时间间隔，记为$T_s$。 - 取样频率 ：单位时间内取样点的数量，$f_s = 1/T_s$，也称为奈奎斯特频率。

二、核心定理内容

奈奎斯特条件

若连续信号的最高频率为$f_M$，则当取样频率满足$f_s geq 2f_M$时，信号可被唯一恢复。 - 这一条件确保了信号的最高频率分量在频域中被完整采样，避免频谱混叠。

数学表达

采样间隔需满足$Delta t leq 1/（2f_M）$，即$f_s geq 2f_M$。

三、物理意义与恢复原理

频谱映射

在频域中，连续信号的频谱被周期延拓到负频率范围。当取样频率低于奈奎斯特频率时，高频成分会与低频成分重叠（混叠），导致信号失真。

理想低通滤波器

通过设计理想低通滤波器，滤除高于奈奎斯特频率的成分，可无失真地从采样信号中恢复原始信号。

四、典型应用与注意事项

实际应用

语音、图像等信号处理中广泛应用该定理。 - 音频编码常采用44.1kHz或48kHz的取样频率，满足人类听觉范围需求。

局限性

仅适用于带限信号，非限带信号需先进行预处理。 - 实际系统中需考虑量化误差和噪声影响。

五、补充说明

奈奎斯特间隔 ：最大允许的取样间隔为$T_{Nyquist} = 1/（2f_M）$。- 信号重构 ：通过时域卷积实现，即原始信号与理想低通滤波器的卷积结果。

时域取样定理是数字信号处理的基础，确保了信号离散化过程中的信息保留与失真控制。