正确的 sinc 重建公式
采用归一化定义：
sinc(u) = sin(πu)/(πu)，并定义 sinc(0)=1
若连续信号 x(t) 严格带限，采样间隔为 T,采样率 fₛ=1/T，并满足采样频率高于信号最高频率的两倍，则理想条件下可写为：
x(t) = Σ[n=-∞…∞] x[n] · sinc(t/T-n)
每个采样值 x[n] 都乘上一条以 t=nT 为中心的 sinc 曲线。因为 sinc(k)=0（k 为非零整数），某个采样点对应的曲线会在其他整数采样时刻为 0；所有曲线相加后，既穿过原采样点，也补出点与点之间的连续波形。
混叠与截断误差不是一回事
如果原信号含有超过奈奎斯特频率的成分，且采样前没有适当低通滤波，这些高频会折叠到低频，产生混叠；混叠发生后，仅靠插值不能恢复被混在一起的频率。实际系统只能使用有限数量的 sinc 系数，于是会出现截断误差,通带／阻带波纹和振铃。工程上常用窗化 sinc,多相 FIR 等方法在计算量,延迟和精度之间折中。
FFT 频域补零适用于把有限序列按周期延拓并做带限插值的场景；边界是否连续,归一化方式和输入长度都会影响结果，不能把它当成适用于任意有限信号的“无误差重建”。
“香农–惠特克插值”标准名是 Whittaker–Shannon interpolation formula，也叫 sinc 插值 / 理想 D/A 重建公式。它是采样定理的另一面——告诉你采样点怎么完美拼回连续信号。
公式
给定离散采样 x[n]=x(nT)，重建连续信号：
x(t)=n=−∞∑∞x[n]sinc(Tt−nT)=n=−∞∑∞x[n]sinc(Tt−n)
其中归一化 sinc：
sinc(u)=πusin(πu),sinc(0)=1
📌 注意区分：信号处理里 sinc 是 sin(πu)/πu；数学/物理系有时定义成 sinu/u，差个 π，看论文先确认。
怎么推（一句话版）
采样过程 ≈ 原信号 × 冲激串 → 频域是 X(f)以 fs=1/T周期复制。
要还原，就得把一个周期（∣f∣<fs/2）抠出来 → 时域等价于冲激串和 sinc 做卷积：
x(t)=(n∑x[n]δ(t−nT))∗sinc(Tt)
sinc 的傅里叶变换是理想砖墙低通（矩形窗 ∣f∣<1/(2T)），所以这就是一个增益 1 的理想 LPF。
成立前提
- 原信号严格带限，B<fs/2（奈奎斯特条件）
- 采样无限长（n∈Z），公式才绝对收敛
- 破任一条件 → 混叠（aliasing），重建失真
为什么工程上”用不了原版”
理想 sinc 插值三个致命伤：
| 问题 | 说明 |
|---|---|
| 无限长 | 求和从 −∞到 +∞，实际只能截断 |
| Gibbs 振铃 | 截断 → 频域不再是砖墙，边界处振铃 |
| 算得慢 | 每补一个点都要和所有采样点卷积，O(N²) |
工程里怎么”近似”它
| 场景 | 做法 |
|---|---|
| DAC 重建 | 零阶保持（台阶）＋模拟 LPF，或一阶保持（三角） |
| 高精度重采样 | 截断 sinc ＋ 窗函数（Hamming/Kaiser），折中振铃与精度 |
| 图像缩放 | Lanczos = 2D 截断 sinc×sinc，再乘 Lanczos 窗（三次卷积的进阶版） |
| 实时音频 | 多相 FIR + 分数延时滤波器组，等效”预计算好的 sinc 表” |
| 超长信号怕慢 | FFT 域补零 → 逆 FFT，比时域卷积快得多 |
有限长序列实用写法（重采样到任意位置 d）：
x^(d)=n=0∑N−1x[n]sinc(d−n),d∈R
d非整数时就是在两个采样点之间插值。
一句直觉
sinc 插值的本质：每个采样点往外”泼”一个 sinc 波形，所有泼出去的叠加起来，恰好在采样时刻等于原值、在非采样时刻填出连续信号——前提是你的信号没超过奈奎斯特频率。