香农奈奎斯特采样定理
香农-奈奎斯特采样定理（Shannon-Nyquist Sampling Theorem）是一项基本的信号处理原理，它规定了一个连续时间信号的采样频率应该至少是该信号中最高频率成分的两倍，以便在离散时间中完整地重构原始信号。
这个定理是由克劳德·香农（Claude Shannon）和哈里·奈奎斯特（Harry Nyquist）在20世纪初提出的。
具体来说，香农-奈奎斯特采样定理表述如下：
如果一个连续时间信号的最高频率成分为f_max，那么为了在离散时间中准确地重建原始信号，采样频率f_s（采样率）必须满足：
f_s ≥ 2 * f_max
这意味着采样频率应至少是信号中最高频率的两倍。
如果采样频率不满足这个条件，就会出现所谓的"混叠"或"奈奎斯特折叠"，导致信号在离散时间中无法准确还原。
香农-奈奎斯特采样定理在数字信号处理、通信系统、音频处理、图像处理和各种数据采集应用中具有重要作用。
它强调了适当选择采样频率的重要性，以避免信息丢失和混叠问题，确保准确的信号重建。
因此，合理的采样频率选择是数字信号处理的基本原则之一。
香农公式理解对香农公式的理解1948年，香农（Shannon）用信息论的理论推导出了带宽受限且有高斯白噪声干扰的信道的极限信息传输速率。
当用此速率进行传输时，可以做到不出差错。
用公式表示，则信道的极限信息传输速率C 可表达为C＝Blog2（1+S/N）b/s其中B为信道的宽度，S为信道内所传信号的平均功率，N为信道内部的高斯噪声功率。
香农定理给出了信道信息传送速率的上限（比特每秒）和信道信噪比及带宽的关系。
香农定理可以解释现代各种无线制式由于带宽不同，所支持的单载波最大吞吐量的不同。
在有随机热噪声的信道上传输数据信号时，信道容量Rmax与信道带宽B，信噪比S/N关系。
注意这里的log2是以2为底的对数。
香农公式表明，信道的带宽或信道中的信噪比越大，则信息的极限传输速率就越高。
它给出了信息传输速率的极限，即对于一定的传输带宽（以赫兹为单位）和一定的信噪比，信息传输速率的上限就确定了。
这个极限是不能够突破的。
要想提高信息的传输速率，或者必须设法提高传输线路的带宽，或者必须设法提高所传信号的信噪比，此外没有其他任何办法。
至少到现在为止，还没有听说有谁能够突破香农公式给出的信息传输速率的极限。
香农定理就好比一个城市道路上的汽车的车速（业务速率）和什么有关系？行车速度的影响一样，除了和自己车的动力有关之外，主要还受限于道路的宽度（带宽）和车辆多少、红灯疏密等其他干扰因素（信噪比）。
俗话说：“有线的资源是无限的，而无线的资源却是有限的。
”无线信道并不是可以任意增加传送信息的速率，它受其固有规律的制约，就像城市道路上的车一样不能想开多快就开多快，还受到道路宽度、其他车辆数量等因素影响。
如果能采取一定的措施，则存信道条件一定的前提下，使信道容量增大，也就是通信能力增强；或者在保持通信容量一定的前提下，能容忍更大的噪声功率，也就是抗干扰能力增强。
信道容餐实际上表明了通信系统的通信能力，而保证一定误码率条件下通信容量的能力就表明了抗干扰能力。
香农分解定理
香农分解定理是信息论中的一个定理，由克劳德·香农在1948年提出。
它描述了如何将一个随机变量分解为两个或多个互不相关的随机变量之和，其中每个随机变量都对应于信道的一个状态。
这个定理在信息论、通信工程、计算机科学等领域都有广泛的应用。
香农分解定理是一种用于逻辑综合和电路设计的布尔函数分解方法。
该方法将一个布尔函数分解为两个子函数的和，每个子函数包含一个布尔变量的取反和非取反的部分。
这种分解的意义在于，它将一个布尔函数分解成了两个子函数，这两个子函数相互独立，因为它们只与布尔函数的一个输入变量有关。
香农分解的基本思想可以进一步扩展到多个输入变量的情况，即将一个布尔函数分解成两个子函数，其中每个子函数只与一部分输入变量有关。
这种分解方法在逻辑综合和电路设计中得到了广泛的应用，可以用于减少门电路的复杂度，从而实现更快的逻辑运算和更小的电路面积。
现代通信与香农的三大定理LT至此，香农开创性地引入了“信息量”的概念，从而把传送信息所需要的比特数与信号源本身的统计特性联系起来。
这个工作的意义甚至超越了通信领域，而成为信息储存，数据压缩等技术的基础。
解决了信号源的数据量问题后，我们就可以来看信道了。
信道（channel）的作用是把信号从一地传到另一地。
在香农以前，那奎斯特已经证明了：信道每秒能传送的符号数是其频宽的一半。
但问题是，即使这些符号，也不是总能正确地到达目的地的。
在有噪声的情况下，信道传送的信号会发生畸变，而使得接收者不能正确地判断是哪个符号被发送了。
对付噪声的办法是减少每个符号所带的比特数：“而每个波特所含的比特数，则是受噪声环境的限制。
这是因为当每个波特所含的比特数增加时，它的可能值的数目也增加。
这样代表不同数据的信号就会比较接近。
例如，假定信号允许的电压值在正负1伏之间。
如果每个波特含一个比特，那么可能的值是0或1。
这样我们可以用-1伏代表0，用1伏代表1。
而假如每波特含两个比特，那么可能的值就是0，1，2，3。
我们需要用-1伏，-0.33伏，0.33伏，1伏来代表着四个可能值。
这样，如果噪声造成的误差是0.5伏的话，那么在前一种情况不会造成解读的错误（例如把-1V 错成了-0.5伏，它仍然代表0）。
而在后一种情况则会造成错误（例如把-1V错成了-0.5伏，它就不代表0，而代表1了）。
所以，每个波特所含的比特数也是不能随便增加的。
以上两个因素合起来，就构成了对于数据传输速率的限制。
”其实，除此之外，还有一个对付噪声的办法，就是在所有可能的符号序列中只选用一些来代表信息。
例如，如果符号值是0和1，那么三个符号组成的序列就有8个：000，001，010，011，100，101，110，111。
我们现在只用其中两个来代表信息：000和111。
这样，如果噪声造成了一个符号的错误，比如000变成了010，那我们还是知道发送的是000而不是111。
