这是一个理论问题，如果在其他网站上提出更好的问题，请您提供该网站，而不是关闭该问题（我将删除该问题）。我知道 meta.stack... 是针对有关网站的问题，但不知道去哪里解决一般理论问题。
我知道香农定理告诉我们，如果正弦曲线的每个周期至少有 2 个样本，我们就有足够的信息来重建 正弦曲线和奈奎斯特定理告诉我们应该以最高频率的两倍进行采样，但我对从非正弦曲线获得这个频率感到困惑。周期性的标准不就是相同活动的重复吗？语音很少是正弦曲线，所以在将语音从模拟转换为数字时，奈奎斯特定理是如何实现的（即我们如何知道频率）？
【问题讨论】：
标签： audio
专注于了解时域中的模拟曲线（音频）与频域之间的差异。它使用不同的表示形式提供相同的信息。当 ADC（模数转换器）对该曲线进行采样时，其数字输出是时域曲线上的点（其中时间绘制在 X 轴上，幅度绘制在 Y 上）。只要样本发生的频率至少是该曲线的最高频率摆动的两倍，就可以捕获信息负载。这适用于任意曲线（非正弦曲线）。
使用离散傅里叶变换 (fft)，您可以将此信息转换为其频域对应物，同时保留恢复源模拟曲线所需的所有信息。这是表示使用正弦波的地方。 Joseph Fourier 制定了 fft 用来存储一组正弦/余弦波的逻辑，以及相位和幅度，正常音频曲线的频域表示，在时域中更自然地表示。
总结：任何任意模拟曲线（非正弦曲线或其他）都可以作为结构的集合（理论上无限集，取决于所需的精度）存储在频域中......每个结构定义一对 cos 和 sin 波的频率、幅度和相移，每个波输出一个正常的正弦曲线。通过将所有这些频域正弦曲线的输出合成和组合在一起，它将准确地生成精确的输入模拟曲线，该曲线将在该点回到时域
顺便说一句，您可以从时域转到频域，也许在频域中进行编辑，然后无休止地转换回时域
就getting the Nyquist frequency 而言，您只需决定必须捕获的最高频率，将其加倍并使用该频率作为您的采样率。当然，在这个奈奎斯特频率下源音频曲线的保真度会受到影响，因为它的原始形状被简化为两个点（两个样本）。每个源曲线周期的样本数量越多，自然会允许更高的保真度（沿曲线记录更多的点）。重要提示：以所需最高频率的倍数进行采样
最近，我一直在编写对 FFT api 的调用的代码，而这段视频恰到好处，详细介绍了当您传入时域时如何理解从 FFT 调用返回的频域数据集的一些低级细节缓冲区Discrete Fourier Transform - Simple Step by Step
【讨论】：
这个问题的更好的网站是http://dsp.stackexchange.com。这是一个与您的问题有些相似的问题的答案（但细节更复杂）：https://dsp.stackexchange.com/a/8078/25504
简而言之，傅里叶快速变换 (FFT) 用于将复信号分解为等价的正弦波和。
以下是解释此过程的演示文稿： http://astro.pas.rochester.edu/~aquillen/phy103/Lectures/D_Fourier.pdf
【讨论】：