sinc 函数:一个理想主义者,和它必须付出的全部代价
这篇笔记只谈一个函数:$\operatorname{sinc}(x)=\dfrac{\sin \pi x}{\pi x}$。它出现在矩形脉冲的频谱里,出现在理想低通的冲激响应里,出现在采样重构公式里,出现在窗函数、脉冲成形、图像缩放的每一个角落。教材通常只在需要它的时候把它请出来,用完就收走,于是你记住了它的长相,却始终没弄清它为什么非出现不可。这篇文章想做相反的事:把它彻底摊开——它从哪来、它有哪些反直觉的性质、以及为什么"理想"这两个字在它身上必须付出代价。
0. 一条永远拖不完的尾巴
先看一个画面。
取一个宽度为 $\tau$、高度为 1 的矩形脉冲。这大概是人类能写出的最简单信号:两段水平线,两处垂直跳变,没有一处是弯的。
再看它的频谱:一条不断振荡、幅度按 $1/f$ 衰减、朝两侧无限延伸的曲线。
于是一个尴尬的事实摆在面前——在时域里"方方正正、干净利落"的东西,在频域里却"拖泥带水、永不断绝"。反过来同样成立:一个在频域里方方正正的东西(理想低通滤波器),在时域里也必须拖着一条永不结束的尾巴。
这不是巧合,也不是某种数学技巧造成的假象。它是傅里叶变换的一条硬约束:
紧凑与光滑是一对不可兼得的属性。一边越"方",另一边就越"长"。
sinc 就是这条约束最纯粹的化身。它只有一种形状,却身兼数职:矩形脉冲的频谱、理想低通的冲激响应、带限信号的重构核、离散样本与连续世界之间那座桥。理解它,基本等于理解了"时域—频域"这对坐标系全部张力的来源。
这篇文章的组织方式是:先把它从矩形脉冲里"生"出来(§2),再逐条解剖它的数学性质(§3),然后看它如何成为理想滤波器(§4)、如何统治采样与重构(§5),最后落到几个真实战场(§6),并清点那些反复被讲错的地方(§7)。
1. 先把记号说清楚:sinc 还是 Sa
动手之前必须解决一件小事,但它是后面所有错误的源头之一。这个函数有两套互不兼容的定义,而且都叫得响。
| 记法 | 定义 | 零点位置 | 常见于 | 代表工具 |
|---|---|---|---|---|
| 归一化 sinc | $\operatorname{sinc}(x)=\dfrac{\sin \pi x}{\pi x}$ | 一切非零整数 $x=\pm1,\pm2,\dots$ | 信号处理、通信、采样理论、英文教材 | numpy.sinc、MATLAB sinc |
| 非归一化 Sa | $\mathrm{Sa}(x)=\dfrac{\sin x}{x}$ | $\pi$ 的整数倍 $x=\pm\pi,\pm2\pi,\dots$ | 数学物理、部分中文教材、光学 | 符号计算里的 sin(x)/x |
两者的关系只有一句话:
$$\operatorname{sinc}(x)=\mathrm{Sa}(\pi x),\qquad \mathrm{Sa}(x)=\operatorname{sinc}\!\left(\frac{x}{\pi}\right)$$为什么归一化的版本赢了? 不是因为更"正确",而是因为它把 $\pi$ 吸收进了自变量,换来三个非常实际的便利:
- 零点落在整数上。于是"第 $n$ 个零点"、“整数平移”、“以样本间隔为单位"这些说法可以直接用,不必每处都写 $\pi$。
- 整数平移族的正交性变得显然(§3.5):$\int \operatorname{sinc}(x-m)\operatorname{sinc}(x-n)\,dx$ 的结果只剩下一个下标差,干净得像克罗内克 $\delta$。
- 和离散时间系统对齐。数字频率用"每样本弧度"或"周期/样本"表示时,$\operatorname{sinc}$ 的整数点正好对应采样点,采样定理的公式不会长出多余的 $\pi$。
代价是:一旦你在推导里换了记法却忘了换算,结果就会差一个 $\pi$ 或一个 $2\pi$——带宽算错一倍、采样率算错一半,都是这么来的。本文一律使用归一化定义 $\operatorname{sinc}(x)=\sin(\pi x)/(\pi x)$,并在必要处注明原式。
顺带记一个必须背下来的约定值:
$$\operatorname{sinc}(0)=\lim_{x\to 0}\frac{\sin \pi x}{\pi x}=1$$这个点不是可去间断点的修补,而是函数真正的峰值所在。它周围没有"无穷高”,它老老实实等于 1。
2. 它从哪里来:矩形脉冲的频谱
这是 sinc 在《信号与系统》里第一次露面的地方,也是唯一必须亲手推一遍的地方。推导只有四行,但每一行都藏着后面要用的信息。
设矩形脉冲
$$x(t)=\mathrm{rect}\!\left(\frac{t}{\tau}\right)=\begin{cases}1, & |t|<\tau/2\\ 0, & |t|>\tau/2\end{cases}$$其傅里叶变换为
$$X(j\omega)=\int_{-\tau/2}^{\tau/2}e^{-j\omega t}\,dt=\frac{e^{-j\omega\tau/2}-e^{j\omega\tau/2}}{-j\omega}=\frac{2\sin(\omega\tau/2)}{\omega}$$把分子分母同除 $\tau$,凑出 $\omega\tau/2$ 这个整体:
$$X(j\omega)=\tau\cdot\frac{\sin(\omega\tau/2)}{\omega\tau/2}=\tau\,\mathrm{Sa}\!\left(\frac{\omega\tau}{2}\right)=\tau\operatorname{sinc}\!\left(\frac{\omega\tau}{2\pi}\right)$$换成以赫兹计的频率 $f=\omega/2\pi$,形式最干净:
$$\boxed{\;X(f)=\tau\operatorname{sinc}(f\tau)\;}$$2.1 三个立刻能读出来的事实
第一,零点位置锁定带宽。 $\operatorname{sinc}(f\tau)=0$ 当且仅当 $f\tau$ 为非零整数,所以第一个零点出现在
$$f_1=\frac{1}{\tau}$$脉冲越窄,第一个零点越远,频谱越"宽"。这是最朴素也最重要的定性规则:时域压缩,频域展宽。
第二,乘积不变量。 无论怎么定义带宽,“时间宽度 × 频率宽度"都是与 $\tau$ 无关的常数:
| 带宽的定义 | 数值 | 与 $\tau$ 的乘积 |
|---|---|---|
| 第一零点(主瓣半宽) | $1/\tau$ | $1$ |
| 半功率($-3\,\mathrm{dB}$)点,$\operatorname{sinc}(f\tau)=1/\sqrt2$ | $\approx 0.443/\tau$ | $\approx 0.443$ |
| 等效噪声带宽 $\int X^2 df\big/ X^2(0)$ | $1/\tau$ | $1$ |
$\tau$ 从 $1\,\mathrm{ns}$ 变到 $1\,\mathrm{s}$,穿越十个数量级,这三个乘积纹丝不动。这就是"时宽带宽积"的全部含义:它不是某个具体数值,而是一个与尺度无关的常量。 后面所有关于"分辨率与拖尾"的权衡,本质都是这个表在换马甲。
第三,包络是 $1/f$。 $|X(f)|=\tau|\sin(\pi f\tau)|/(\pi f\tau)$,峰值包络按 $1/f$ 衰减。记下这个指数 1——它是 sinc 一切麻烦的根源。§6.2 会看到,通信系统宁可用一个"尾巴按 $1/t^3$ 衰减"的替代品来换它。
2.2 对偶:反过来的故事更精彩
矩形脉冲与 sinc 互为傅里叶变换(在归一化记法下完美对称):
$$\mathcal{F}\{\mathrm{rect}(t)\}=\operatorname{sinc}(f),\qquad \mathcal{F}\{\operatorname{sinc}(t)\}=\mathrm{rect}(f)$$第二条式子值得停下来看:一个时域无限长、永不衰减的函数,其频谱严格限制在 $|f|<1/2$ 之内,且在内平坦如板。 它不只是一个公式,还是一种"理想"的定义方式——理想低通滤波器之所以理想,就是因为它的频率响应是矩形;而它的时域响应因此必须是 sinc(§4)。
这里同时埋着一条容易被忽略的硬结论,可以称为"两个方向不能同时紧”:
若 $x(t)$ 在时域是紧支撑的(有限时长),则其频谱不可能在频域紧支撑(严格带限),除非 $x\equiv 0$。
严格版本由 Paley–Wiener 定理给出:紧支撑函数的傅里叶变换是整函数(复平面上处处解析),而一个在实轴上有一段区间恒为零的整函数,只能处处为零。所以"既有限时长又严格带限"的信号,在数学上一个都不存在。这句话听起来像吹毛求疵,但它正是采样定理"只能近似"、理想滤波器"不可实现"的唯一根源。§4.3 会回到这里。
3. 数学解剖:把所有反直觉的地方摊开
3.1 基本性质
| 性质 | 内容 | 备注 |
|---|---|---|
| 定义域 | 全实轴,$x=0$ 处按极限补为 1 | 连续、无穷次可微 |
| 奇偶 | 偶函数,$\operatorname{sinc}(-x)=\operatorname{sinc}(x)$ | 频谱为实且偶(对应时域实偶) |
| 零点 | $x\in\mathbb{Z}\setminus\{0\}$ | 归一化记法下"整数点全为零" |
| 峰值 | $\operatorname{sinc}(0)=1$,各旁瓣峰值为 $O(1/x)$ | 第一旁瓣峰在 $x\approx\pm1.4303$,值 $\approx-0.2172$ |
| 旁瓣电平 | $20\log_{10}0.2172\approx-13.26\,\mathrm{dB}$ | 矩形窗的本征旁瓣,见 §6.1 |
| 包络 | $\left\lvert\operatorname{sinc}(x)\right\rvert\le \dfrac{1}{\pi\lvert x\rvert}$ | 衰减指数为 1,非平方可积的临界 |
| 导数 | $\operatorname{sinc}'(x)=\dfrac{\cos\pi x}{x}-\dfrac{\sin\pi x}{\pi x^2}$ | 极值点满足 $\tan\pi x=\pi x$ |
| 积分 | $\int_{-\infty}^{\infty}\operatorname{sinc}(x)\,dx=1$ | Dirichlet 积分,条件收敛 |
| 能量 | $\int_{-\infty}^{\infty}\operatorname{sinc}^2(x)\,dx=1$ | Parseval 验证:矩形频谱能量为 1 |
第一旁瓣的位置与幅度都值得记:$x\approx1.4303\ (\tan\pi x=\pi x$ 的第一个非零根$)$,幅度 $-0.2172$,即
$$20\log_{10}(0.2172)\approx-13.26\ \mathrm{dB}$$这个数字在滤波器设计、窗函数、天线方向图里反复出现。它不是估计值,是 sinc 的指纹。
3.2 第一个反直觉:它不可绝对可积
教科书说"若 $\int|x(t)|dt<\infty$,则傅里叶变换存在"。sinc 恰好不满足这条充分条件。看包络:
$$\int_{-\infty}^{\infty}\left|\operatorname{sinc}(x)\right|dx=2\int_0^\infty\frac{|\sin\pi x|}{\pi x}dx$$把积分按 $\sin$ 的半周期分段:第 $n$ 段 $[n,\,n+1]$ 上 $|\sin\pi x|$ 的积分恒为 $2/\pi$,而分母 $\pi x\approx \pi n$,于是第 $n$ 段的贡献约为 $2/(\pi n)$。求和得
$$\sum_{n\ge1}\frac{2}{\pi n}=\infty$$它发散。 所以 $\operatorname{sinc}$ 不属于 $L^1$,$\int|\operatorname{sinc}|$ 是无穷大。这解释了几件平时感觉奇怪的事:
- 教材在讲"$X(j\omega)$ 存在"时总要补一句"在广义函数或均方意义下",这句话不是免责声明,是真的必须;
- 理想低通滤波器的冲激响应绝对可积性缺失(§4.2),因此它不是 BIBO 稳定系统——很多教材只写"不可实现",漏掉了这个更刺人的结论;
- $\int\operatorname{sinc}\,dx=1$ 这个结果只能在条件收敛(或对称截断的主值)意义下成立,$\lim_{A\to\infty}\int_{-A}^{A}$ 存在,但换成 $\int_{-A}^{2A}$ 就不收敛。这不是数学洁癖:它对应"重构公式的截断方式会改变结果"这一工程事实。
同时,sinc 属于 $L^2$:
$$\int_{-\infty}^{\infty}\operatorname{sinc}^2(x)\,dx=1$$用 Parseval 验证最省事:$\operatorname{sinc}\leftrightarrow\mathrm{rect}$,而 $\int|\mathrm{rect}(f)|^2df=1$。(对非归一化 $\mathrm{Sa}$,对应值为 $\pi$。)所以 sinc 是"能量有限、但 $L^1$ 范数无穷"的典型:它的能量集中在主瓣,但尾巴总长度无限。
3.3 两个必须会算的积分
(a) Dirichlet 积分。 要算
$$I=\int_{-\infty}^{\infty}\frac{\sin\pi x}{\pi x}dx=\frac{1}{\pi}\int_{-\infty}^{\infty}\frac{\sin u}{u}du$$标准做法是引入衰减因子把条件收敛变成绝对收敛:
$$I(a)=\int_0^\infty e^{-ax}\frac{\sin x}{x}dx,\qquad I(0)=\frac{\pi}{2}$$对参数求导,$I'(a)=-\int_0^\infty e^{-ax}\sin x\,dx=-\dfrac{1}{1+a^2}$,积分回去并用 $I(\infty)=0$ 定常数,得 $I(a)=\dfrac{\pi}{2}-\arctan a$。取 $a\to0^{+}$ 即得 $I(0)=\pi/2$,故 $I=1$。
这条推导的技术要点——先加一个衰减因子,算完再取极限——在信号与系统里会反复出现(拉普拉斯变换的收敛域、$\delta$ 的弱极限、Z 变换的单位圆边界),值得当成一个通用手法记住。
(b) 重构核的正交性。 对任意实数 $a,b$:
$$\int_{-\infty}^{\infty}\operatorname{sinc}(x-a)\operatorname{sinc}(x-b)\,dx=\operatorname{sinc}(a-b)$$取 $a=m,\ b=n$ 为整数,右边立刻变成 $\delta_{mn}$:整数平移的 sinc 族是正交的。 这个"再生核"性质是采样定理能成立的代数原因,也是 §5.2 唯一性论证的另一条路径。
3.4 第三个反直觉:它是 $\delta$ 的一种表示
把 sinc 横向压扁、纵向拉高:
$$\delta_a(x)=a\operatorname{sinc}(ax),\qquad \lim_{a\to\infty}\delta_a(x)\ \xrightarrow{\ \text{弱}\ }\ \delta(x)$$验证只需一行:对任意测试函数 $\varphi$,$\int a\operatorname{sinc}(ax)\varphi(x)dx=\int \operatorname{sinc}(u)\varphi(u/a)du\to\varphi(0)\int\operatorname{sinc}(u)du=\varphi(0)$。
这个表示在 $\delta$ 的所有表示里身份特殊:它的频谱是严格紧支撑的矩形。 相比之下,高斯型 $\delta$ 表示($\frac{1}{\sqrt{\pi}\varepsilon}e^{-x^2/\varepsilon^2}$)频谱是高斯,永远不为零;三角型表示频谱是 $\operatorname{sinc}^2$,拖着更长的尾巴。所以在这个意义上,$a\operatorname{sinc}(ax)$ 是"最干净的 $\delta$"——它把全部带宽都用满了,一点都不浪费。
这也顺手解释了采样定理为什么长成那个样子:采样就是把这族 sinc 在整数点上钉住(§5),而"钉住"这个动作在频域里就是把频谱周期延拓。
3.5 第四个反直觉:它的平移和恒等于 1
$$ \sum_{n=-\infty}^{\infty}\operatorname{sinc}(x-n)=1,\qquad \forall x\in\mathbb{R}$$一条无限长的振荡曲线,逐点相加,结果是一条水平直线。这不是数值近似,是严格恒等式。证明用泊松求和公式(Poisson summation):
$$\sum_{n}\operatorname{sinc}(x-n)=\sum_{k}\hat{\operatorname{sinc}}(2\pi k)\,e^{j2\pi kx}$$而 $\hat{\operatorname{sinc}}(\omega)=\mathrm{rect}(\omega/2\pi)$,在 $\omega=2\pi k$ 处只有 $k=0$ 取值为 1,其余全为 0(矩形边缘的取值按约定处理)。于是右边只剩 $k=0$ 一项,等于 1。
这个恒等式有一个极漂亮的名字:单位分解(partition of unity)。它的意思是,sinc 平移族构成了一套"权重恰好处处为 1 的混合配方"——无论你在哪个位置取样,都不多不少地被覆盖一次。
它在工程上的对应物是零阶保持:用整数点上的样本值 $x(n)$ 乘以 $\operatorname{sinc}(x-n)$ 再求和,任何常数序列($x(n)\equiv1$)都必须重构出常数 1,否则 DC 增益就不是 1,重构出的信号会出现明暗条纹或直流台阶。§5.4 会看到,正是这条恒等式决定了 ZOH 的"下垂"必须被补偿。
3.6 第五个:周期化之后,它变成 Dirichlet 核
如果把 sinc 以周期复制、再只保留 $N$ 个周期(这正是 $N$ 点 DFT 干的事),得到的不是 sinc,而是Dirichlet 核:
$$N D_N(x)=\sum_{n=0}^{N-1}e^{-j2\pi n x}=\frac{\sin(\pi N x)}{\sin(\pi x)},\qquad D_N(x)=\frac{1}{N}\cdot\frac{\sin(\pi N x)}{\sin(\pi x)}$$写成这个"分子分母都是 $\sin$“的形式,它的来历一眼就清楚了:它是等比级数的有限项和,也就是"截断"这个动作在频域的身份。 几个特征可以直接读出来:$D_N(0)=1$;零点在 $x=k/N$($k$ 为非零整数);主瓣宽度 $\sim1/N$(点越多越窄);第一旁瓣约 $-13.3\,\mathrm{dB}$(与 sinc 几乎相同,因为它们本来就是同一族东西)。
这就是 DFT 频谱泄漏的几何图像:时域截断(乘矩形)等价于频域与 sinc 卷积,而周期化又把这个卷积卷成了 Dirichlet 核,于是单根谱线被"抹"成一整片主瓣加旁瓣。 你在频谱仪上看到的那些裙边,形状就是 sinc;它不会被"算得更准"消掉,只会被窗函数压下去(§6.1)。
到这里,sinc 的数学侧面基本摊完了。下面进入它最重要的两个身份:滤波器与插值核。
4. 身份一:理想低通滤波器的冲激响应
4.1 从频域矩形到时域 sinc
理想低通滤波器的频率响应是一个矩形:
$$H(j\omega)=\mathrm{rect}\!\left(\frac{\omega}{2\omega_c}\right)=\begin{cases}1, & |\omega|<\omega_c\\ 0, & |\omega|>\omega_c\end{cases}$$它的冲激响应就是逆变换,也就是 §2.2 那条对偶式的直接结果:
$$h(t)=\frac{\omega_c}{\pi}\operatorname{sinc}\!\left(\frac{\omega_c t}{\pi}\right)=\frac{\sin\omega_c t}{\pi t},\qquad -\infty- 非因果:$t<0$ 时 $h(t)\neq0$,而且幅度按 $1/t$ 缓慢衰减。系统在输入到来之前就"开始响应"了。
- 无限长:没有任何有限时长能够完整表示它;任何截断都会改变频率响应。
- 峰值在 $t=0$,过零点间隔 $\pi/\omega_c$,恰好等于"最高频率分量的半周期”。
4.2 它甚至不是 BIBO 稳定的
这一点常被漏掉,但它比"不可实现"更深刻。BIBO 稳定的充要条件是冲激响应绝对可积:
$$\int_{-\infty}^{\infty}|h(t)|dt=\frac{\omega_c}{\pi}\int_{-\infty}^{\infty}\left|\operatorname{sinc}\!\left(\frac{\omega_c t}{\pi}\right)\right|dt=\infty$$由 §3.2,这个积分发散。于是:
理想低通滤波器是 $L^2$ 稳定(能量有界输入 → 能量有界输出)的,但不是 BIBO 稳定(有界输入 → 有界输出)的。
物理含义很清楚:对一个"有界但形状刁钻"的输入(例如与 $h$ 的旁瓣同相位的方波序列),输出会随截断长度缓慢增长——它能"攒"出任意大的值,只是攒得很慢。
于是"稳定性"这件事分成层次,这是一个值得单独记住的视角:
| 稳定性概念 | 判据 | 理想低通 | 实际滤波器 |
|---|---|---|---|
| BIBO 稳定 | $\int\lvert h\rvert dt<\infty$($L^1$) | ✗ | ✓ |
| 能量稳定 | $\int\lvert h\rvert^2 dt<\infty$($L^2$) | ✓ | ✓ |
| 因果可实现 | $h(t)=0,\ t<0$ | ✗ | ✓ |
三者并不等价,而教材常常只用一句"理想滤波器不可实现"把三件事打包带过。它们其实是三件不同的失败。
4.3 为什么"理想"与"可实现"在数学上互斥
不是工艺问题,是定理问题。Paley–Wiener 定理(因果性版本)说:一个因果系统的频率响应 $H(j\omega)$ 必须是某个在上半平面解析的函数的边值。而 $H(j\omega)$ 若在某个频段上严格恒为零(紧支撑),这个解析函数就被钉死为零,从而 $H\equiv0$。
结论:因果系统不可能有严格有限的带宽;带宽严格有限的系统不可能因果。 只要你还想要"锐利的截止",就必须接受某个方向上延伸无穷。工程上所有滤波器设计,本质上都是在"截止不够陡"和"因果/阶数太高"之间做交易:
| 类型 | 过渡带 | 通带/阻带纹波 | 相位 | 阶数代价 |
|---|---|---|---|---|
| 理想低通 | 零宽(矩形) | 无 | 严格线性(纯延迟) | 不可实现 |
| Butterworth | 单调、较宽 | 通带最平坦、无纹波 | 非线性 | 中等 |
| Chebyshev I | 较窄 | 通带等波纹 | 非线性、较差 | 较低 |
| 椭圆(Cauer) | 最窄 | 通带阻带都等波纹 | 最差 | 最低 |
| FIR 线性相位(窗函数法) | 取决于窗 | 由窗决定 | 严格线性 | 高,但可精确控制 |
4.4 Gibbs 现象:过冲不会因为带宽变大而消失
理想低通的阶跃响应可以积出来:
$$s(t)=\int_{-\infty}^{t}h(\lambda)d\lambda=\frac{1}{2}+\frac{1}{\pi}\operatorname{Si}(\omega_c t),\qquad \operatorname{Si}(z)=\int_0^{z}\frac{\sin u}{u}du$$$\operatorname{Si}(\cdot)$ 是正弦积分函数,没有初等闭式。最大值出现在 $\omega_c t=\pi$(第一个过零点处),此时
$$s_{\max}=\frac12+\frac{\operatorname{Si}(\pi)}{\pi}=\frac12+\frac{1.8519}{\pi}\approx1.0895$$即过冲约 8.95%,与 $\omega_c$ 完全无关。带宽增加十倍,过冲仍是 8.95%,只是振荡变得更密、更快。
这是 Gibbs 现象的核心,也是最常被误解的一点:
过冲幅度由"跳变的不连续性"决定,不由带宽决定。 带宽只决定振荡的尺度(时间上的密集程度),不决定振荡的幅度。
数学上的解释是:截断后的频谱(矩形 × 窗)在时域等于 $\operatorname{sinc}$ 与阶跃的卷积,而 $\operatorname{sinc}$ 的积分在第一个瓣处给出一个与尺度无关的固定面积(因为 $\int_0^\pi \operatorname{sinc} = \operatorname{Si}(\pi)/\pi$ 是纯数)。要压掉过冲,唯一办法是让频谱在截止处连续地降下去——也就是放弃"理想",接受一个过渡带。这就是所有实际滤波器都长得不像矩形的原因。
5. 身份二:采样与重构的唯一正确核
5.1 重构公式是怎么"长"出 sinc 的
采样定理的标准推导只有三步,但每一步都值得说清:
第一步,采样 = 乘冲激串。 $x_s(t)=x(t)\sum_n\delta(t-nT)$,频域里是周期延拓:
$$X_s(j\omega)=\frac{1}{T}\sum_{k}X\big(j(\omega-k\omega_s)\big),\qquad \omega_s=\frac{2\pi}{T}$$第二步,不重叠的条件。 若 $x$ 的频谱严格限制在 $|\omega|<\omega_s/2$(即 $|\omega|<\pi/T$),则各次复制品首尾相接而不交叠,混叠为零。
第三步,用理想低通把原谱"抠"出来。 乘一个截止在 $\omega_s/2$ 的矩形,时域等价于与 sinc 卷积:
$$\boxed{\;x(t)=\sum_{n=-\infty}^{\infty}x(nT)\,\operatorname{sinc}\!\left(\frac{t-nT}{T}\right)\;}$$注意系数 $\operatorname{sinc}((t-nT)/T)$ 在整数时刻的取值:$t=mT$ 时它等于 $\delta_{mn}$。每个样本只"负责"自己那个时刻,不干扰别人。 这就是插值核的"插值条件"(interpolating condition),也是 sinc 与后面所有替代核都必须满足的最低要求。
5.2 为什么偏偏是 sinc:唯一性
假设有一个核 $\varphi(t)$ 能做到"对所有带限信号无失真重构":
$$x(t)=\sum_n x(nT)\,\varphi(t-nT),\qquad \forall x\in\mathcal{B}_{\omega_s/2}$$把这条要求搬到频域。等号右侧是 $\sum_n x(nT)e^{-j\omega nT}\cdot\Phi(j\omega)$,而 $\sum_n x(nT)e^{-j\omega nT}$ 恰是 $X_s$ 的另一种写法(不除以 $T$)。于是在 $|\omega|<\omega_s/2$ 内必须有
$$\Phi(j\omega)=\begin{cases}T, & |\omega|<\omega_s/2\\ \text{任意}, & \text{其他}\end{cases}$$把"任意"取成 0,就得到矩形——它的逆变换就是 sinc。取其他值只会让核更"脏"(多出无用的高频成分)。
所以 sinc 不是"一种"选择,而是唯一使重构对全部带限信号成立的选择。这句话的分量在于:它把"为什么用 sinc"从工程偏好升格为数学必然。
5.3 泛函视角:sinc 插值就是正交投影
这是我最喜欢的一个看法。所有严格带限在 $|\omega|<\pi/T$ 的信号构成一个子空间 $\mathcal{B}$(它是 $L^2$ 的闭子空间)。而采样值 $\{x(nT)\}$ 与 sinc 平移族的内积恰好等于样本本身(由 §3.3 的正交性),所以
$$x=\sum_n \langle x,\varphi_n\rangle\varphi_n,\qquad \varphi_n(t)=\operatorname{sinc}\!\left(\frac{t-nT}{T}\right)$$也就是说:
sinc 重构不是"把点连起来",而是把信号正交投影到带限子空间上。 采样值是投影系数,sinc 是这组正交基。
这解释了一串现象:为什么重构会"过冲"(投影不是插值意义的"穿过点",而是能量意义的最优逼近);为什么欠采样后重构出的是一条"最像"的低频曲线(投影到更小的子空间);为什么加窗会破坏重构(窗破坏了正交性)。
5.4 现实世界用什么代替 sinc
sinc 不可实现,于是工程上换核。换核就等于换频响,代价可以直接算出来:
| 保持方式 | 时域核 | 频域响应 | 后果 |
|---|---|---|---|
| 理想(sinc) | $\operatorname{sinc}(t/T)$ | 理想矩形 | 不可实现 |
| 零阶保持 ZOH | 宽 $T$ 的矩形 | $T\operatorname{sinc}(fT)\,e^{-j\pi fT}$ | 高频下垂,Nyquist 处 $\operatorname{sinc}(1/2)=2/\pi\approx-3.92\,\mathrm{dB}$ |
| 一阶保持(线性插值) | 三角(宽 $2T$) | $T\operatorname{sinc}^2(fT)$ | 下垂更快,衰减 $1/f^2$ |
| 二阶/样条 | 二次 B 样条 | $\operatorname{sinc}^3$ 型 | 更平滑,但通带更窄 |
| 数字域多相 FIR | 有限长 sinc × 窗 | 可控 | 实际方案,逼近 sinc |
ZOH 的 $-3.92\,\mathrm{dB}$ 下垂是一个必须知道的数字:DAC 输出经过零阶保持,在 $f_s/2$ 处幅度已经掉了近 4 dB。所以任何"高质量"的 DAC 或任意波形发生器,都在 ZOH 之后串一个补偿滤波器(大致是 $\operatorname{sinc}$ 的倒数,即高频提升),把这条下垂拉平。你在示波器上看到的方波"角变圆",一部分就来自这里。
顺带一个常被搞混的点:ZOH 并不会因为"保持"而降低混叠。它只是在重构端引入了一个 $\operatorname{sinc}$ 形状的低通,而这个低通的旁瓣并不小(第一旁瓣 $-13.26\,\mathrm{dB}$),所以 ZOH 之后仍然需要模拟低通。ZOH 是重构的"廉价近似",不是抗混叠滤波器。
过采样的真正作用也在这里显形:采样率提高到 $4\times$、$8\times$,sinc 最"难做"的那段(陡峭的过渡带)就被推到了远高于信号带宽的地方,于是用简单的低阶模拟滤波器 + 数字补偿就能做到很好。过采样不是浪费带宽,是把"理想"换成了"划算"。
6. 四个真实战场
6.1 窗函数:截断就是与 sinc 卷积
做频谱分析必须截断(只观察有限长数据),截断就是乘窗。而矩形窗的频谱就是 sinc,所以"乘矩形"在频域等于"与 sinc 卷积":
$$X_{\text{窗}}(f)=X(f)*W(f),\qquad W(f)=\text{窗函数的频谱}$$泄漏因此不是"算法误差",而是卷积的必然结果:一根谱线被抹成整个 sinc 形状,它的旁瓣把附近的弱信号盖住。改善办法是换窗(换掉 sinc 的旁瓣),代价是主瓣变宽(分辨率下降):
| 窗 | 主瓣宽度(相对矩形窗) | 最高旁瓣 | 旁瓣衰减速率 | 适用 |
|---|---|---|---|---|
| 矩形 | $1\times$ | $-13.26\,\mathrm{dB}$ | $-6\,\mathrm{dB/oct}$ | 瞬态、整周期采样 |
| Hann | $2\times$ | $-31.5\,\mathrm{dB}$ | $-18\,\mathrm{dB/oct}$ | 通用频谱分析 |
| Hamming | $2\times$ | $-42.7\,\mathrm{dB}$ | $-6\,\mathrm{dB/oct}$ | 需要低旁瓣、不在乎远端 |
| Blackman | $3\times$ | $-58\,\mathrm{dB}$ | $-18\,\mathrm{dB/oct}$ | 强信号旁的弱分量 |
| Kaiser($\beta$ 可调) | 可调 | 可调(可达 $-100\,\mathrm{dB}$) | 可调 | 需要定量权衡时的首选 |
这张表可以整体读成一句话:主瓣宽度与旁瓣电平是同一个自由度的两端,和 §2.1 的乘积不变量是同一件事。你不可能同时拥有窄主瓣和低旁瓣,就像不可能同时拥有短脉冲和窄带宽。
6.2 脉冲成形:sinc 在通信里"不能用"
数字通信希望每个符号的波形在其他符号的判决时刻恰好为零(无码间干扰,Nyquist 第一准则)。sinc 完美满足:
$$\operatorname{sinc}\!\left(\frac{t-nT}{T}\right)\Big|_{t=mT}=\delta_{mn}$$但它有两个致命缺点,都源自那条 $1/t$ 的尾巴:
- 无限长,无法实现;
- 衰减太慢($1/t$)。接收端定时只要偏一点 $\Delta t$,第 $n$ 个符号在判决点上的残余就是 $\operatorname{sinc}(n+\Delta t/T)\sim 1/(n+\Delta t/T)$。把所有 $n$ 加起来,误差不收敛——稍微的定时抖动就能让 ISI 爆炸。
工程解法是**升余弦(raised cosine)**谱:在截止附近引入一段平滑的"滚降",用滚降因子 $\alpha\in(0,1]$ 控制过渡带宽度:
$$H_{\mathrm{RC}}(f)=\begin{cases}T, & |f|\le\dfrac{1-\alpha}{2T}\\[4pt] \dfrac{T}{2}\left[1+\cos\left(\dfrac{\pi T}{\alpha}\left(|f|-\dfrac{1-\alpha}{2T}\right)\right)\right], & \dfrac{1-\alpha}{2T}<|f|\le\dfrac{1+\alpha}{2T}\\[4pt] 0, & |f|>\dfrac{1+\alpha}{2T}\end{cases}$$它的时域响应仍然是 sinc 乘一个修正因子:
$$h_{\mathrm{RC}}(t)=\operatorname{sinc}\!\left(\frac{t}{T}\right)\cdot\frac{\cos(\pi\alpha t/T)}{1-(2\alpha t/T)^2}$$关键在于最后那个分母:它把 $1/t$ 的尾巴压成了 $1/t^3$。零点位置丝毫未变(仍在 $t=mT$),判决时刻的瞬时值仍严格为零,但两零点之间的残余能量衰减得快得多,对定时误差的敏感度下降几个数量级。
$\alpha$ 的代价同样清楚:占用带宽 $(1+\alpha)/(2T)$。$\alpha\to0$ 时退化回 sinc(最省带宽、最不鲁棒),$\alpha=1$ 时带宽翻倍(最鲁棒)。这就是"理想性"与"鲁棒性"之间那条可以用一个旋钮连续调节的滑轨。
(工程上更常见的是把 RC 拆成收发两端各一个"根升余弦" RRC,因为匹配滤波要求两端共轭对称。两者的级联才是 RC 谱——这也是为什么"RRC 单独看有 ISI、级联后没有"这个反直觉结论成立。)
6.3 分数延迟与重采样
“把信号延迟 $0.37$ 个采样周期"是音频、雷达、信道仿真里的日常操作。理想分数延迟滤波器的频率响应是 $e^{-j\omega 0.37T}$,其冲激响应是 sinc 在非整数点的取值——又一次不可实现,于是用有限长 FIR 近似(加窗 sinc,或 Farrow 结构做多项式插值)。
这里有一个听感/画质上的细节能说明"核的形状决定副作用”:sinc 插值核有负的旁瓣,会带来"预振铃"(pre-ringing)——在阶跃边缘之前出现小幅振荡。所以音频重采样器常提供"最小相位"选项(把能量推到因果侧,牺牲线性相位换取无预振铃),图像缩放则常用 Lanczos($\operatorname{sinc}(x)\operatorname{sinc}(x/a)$,用窗把 sinc 截短)来压制振铃。这些都是同一个取舍:要 sinc 的频域完美,就得接受它的时域振铃。
6.4 数值与仿真:FFT 泄漏、S 参数转时域
最后落到你可能最常打交道的场景:
- FFT 泄漏:非整周期截断 → 频谱被 sinc 抹开(§3.6 的 Dirichlet 核)。判断方法:把谱峰两侧的裙边形状对照 sinc 的旁瓣序列($-13.26$、$-17.8$、$-20.8\dots\mathrm{dB}$),如果吻合,就是泄漏而非真实谱。
- S 参数 → 冲激响应:矢网测得的 $S_{21}(f)$ 只在有限频段、有限点数上有效,做 IFFT 前必须加窗(否则时域出现 sinc 形状的"预/后振铃",被误认为反射);同时频域截断会限制时域分辨率,两端的关系仍是那个乘积不变量。
- 时域仿真的步长:步长 $h$ 与可分辨的最高频率同样受 $f_{\max}\approx1/(2h)$ 约束,抖动的谱、开关电源的边沿,都会以 sinc 的形状出现在频谱里。
7. 七个常见误解
| 误解 | 事实 | 为什么容易错 |
|---|---|---|
| “sinc 是可积的普通函数” | 它不可绝对可积,$\int\lvert\operatorname{sinc}\rvert=\infty$,只有条件收敛/均方意义 | 教材只给充分条件,很少检查反例 |
| “带宽越大,Gibbs 过冲越小” | 过冲恒为 8.95%,带宽只改变振荡尺度 | 图像上"看起来"更平滑了 |
| “理想滤波器不稳定只因为不可实现” | 它连 BIBO 稳定都不是($\int\lvert h\rvert=\infty$) | 把三个不同的失败混为一谈 |
| “采样定理要求严格带限,所以没用” | 严格带限信号不存在(Paley–Wiener);实用靠过采样 + 近似 | 把数学前提当成工程前提 |
| “零阶保持能抗混叠” | ZOH 旁瓣仅 $-13.26\,\mathrm{dB}$,仍需模拟低通 | 把"保持"误当"滤波" |
| “sinc 与 Sa 可以混用” | 差一个 $\pi$,带宽/采样率会错一倍 | 两种记法并存,且都叫得响 |
| “sinc 插值最完美,所以图像缩放应该用它” | 完美是频域意义;时域振铃与负值在像素域不可接受,故用 Lanczos 等加窗版本 | 混淆了"最优逼近"与"视觉可接受" |
8. 一页速查
| 项目 | 内容 |
|---|---|
| 定义(归一化) | $\operatorname{sinc}(x)=\sin(\pi x)/(\pi x)$,$\operatorname{sinc}(0)=1$ |
| 与非归一化关系 | $\operatorname{sinc}(x)=\mathrm{Sa}(\pi x)$ |
| 傅里叶变换 | $\operatorname{sinc}(t)\leftrightarrow\mathrm{rect}(f)$;$\mathrm{rect}(t)\leftrightarrow\operatorname{sinc}(f)$ |
| 矩形脉冲频谱 | $x(t)=\mathrm{rect}(t/\tau)\Rightarrow X(f)=\tau\operatorname{sinc}(f\tau)$ |
| 第一零点 | $f=1/\tau$($\tau$ 为脉宽) |
| 时宽带宽积 | 第一零点定义下 $=1$;$-3\,\mathrm{dB}$ 定义下 $\approx0.443$ |
| 第一旁瓣 | 位置 $x\approx1.4303$,电平 $-13.26\,\mathrm{dB}$ |
| 积分 | $\int\operatorname{sinc}=\pi$ 意义下的 1(条件收敛);$\int\operatorname{sinc}^2=1$ |
| 绝对可积性 | $\int\lvert\operatorname{sinc}\rvert=\infty$($L^1$ 不属于,$L^2$ 属于) |
| 弱极限 | $a\operatorname{sinc}(ax)\to\delta(x)$,$a\to\infty$ |
| 正交性 | $\int\operatorname{sinc}(x-m)\operatorname{sinc}(x-n)dx=\delta_{mn}$ |
| 单位分解 | $\sum_n\operatorname{sinc}(x-n)=1$ |
| 理想低通 $h(t)$ | $\dfrac{\omega_c}{\pi}\operatorname{sinc}\!\left(\dfrac{\omega_c t}{\pi}\right)$,非因果、无限长、非 BIBO 稳定 |
| 阶跃过冲 | $s_{\max}=\dfrac12+\dfrac{\operatorname{Si}(\pi)}{\pi}\approx1.0895$,即 $8.95\%$,与带宽无关 |
| 采样重构 | $x(t)=\sum_n x(nT)\operatorname{sinc}\!\left(\dfrac{t-nT}{T}\right)$,$f_s>2f_{\max}$ |
| ZOH 频响 | $T\operatorname{sinc}(fT)e^{-j\pi fT}$,Nyquist 处 $-3.92\,\mathrm{dB}$ |
| 升余弦 | 带宽 $(1+\alpha)/(2T)$,时域尾按 $1/t^3$ 衰减 |
9. 收束:sinc 是"矛盾"的形状
回到开头那个画面:一个方的输入,一条拖不完的尾巴。
现在可以把它说得更准确一些。sinc 之所以无处不在,不是因为它"漂亮",而是因为它是两个互相冲突的要求在数学上的妥协点:
- 你想要信号在时间上"就地开始、就地结束"——于是频域的尾巴必须无穷长;
- 你想要系统在频率上"只放行这一段、其余全杀"——于是时域的响应必须无穷长;
- 你想要采样点之间"用最少的信息补出全部"——于是插值核必须是那个唯一满足条件的 sinc。
每一次,sinc 都出现在"紧"与"滑"的边界上。它恰好是这条边界上最省的那个解:$L^2$ 可积保证能量有限,$1/x$ 衰减保证频谱有界,整数零点保证正交与插值,而它不是 $L^1$——这是它能"用满带宽"必须付出的代价。尾巴必须发散,才能让频谱在边缘处硬生生断掉。
如果只让我记一句话:
sinc 是"理想"这个词的形状。凡是无法实现的东西——砖墙滤波器、完美重构、零码间干扰、无限分辨率——它们的数学形象都是同一条曲线:无限长、缓慢衰减、永不安静。
而工程的全部手艺,就是在这条曲线的不同近似方式之间做选择:加窗(截短它的尾巴)、升余弦(压快它的衰减)、ZOH(换成矩形)、过采样(把它推到不重要的地方)。你以为自己在设计滤波器、选择窗、调滚降因子,其实一直在回答同一个问题——你愿意为这条尾巴付多少代价。
附:三条可以自己动手验证的式子
如果想把上面的东西变成手上的直觉,做这三件事就够了(都能用几行 $\mathrm{Python}$ 跑出来):
- 画 $\mathrm{rect}$ 的频谱,数一数旁瓣电平是不是 $-13.26,\,-17.8,\,-20.8\,\mathrm{dB}$,再用 $\sum_n\operatorname{sinc}(x-n)$ 验证它恒等于 1(数值误差应在 $10^{-4}$ 以内,若不收敛说明截断太短)。
- 用 $N$ 点矩形窗截断一个正弦做 FFT,改变非整周期程度,看裙边如何从"干净的单峰"变成 sinc 形状——这是理解泄漏最快的路径。
- 用带限信号(例如 $1\,\mathrm{kHz}$ + $3\,\mathrm{kHz}$ 的正弦和)做过采样、$2\times$ 采样、欠采样三种重构,把重构误差与理论上的 sinc 核画在同一张图上——你会直观看到"核差在哪、误差就在哪"。