1樓：
藍雜訊：「noise with minimal low frequency components and no concentrated spikes in energy」，有最小的低頻分量，且無能量高峰。頻譜如下：
隨機取樣：用隨機數對取樣點進行抖動取樣。
低差異序列：分布均勻的序列，不是隨機序列，但又擁有隨機序列的一些特性。
Poisson Disk分布：先隨機分布取樣點，然後考察取樣點之間的距離是否均勻，效能消耗大。
Sobol序列：一種低差異序列。
基本上這幾個概念除了都是取樣中會用到之外，都沒啥聯絡。你可以說：
取樣過程中，為了提高圖形質量，往往需要在乙個流程內進行多次取樣；為了讓從少數點取樣得到的結果更好的反應實際，往往需要【隨機取樣】。但是偽隨機數往往並不均勻，導致容易出現瑕疵。對於一切需要取樣的演算法來說，分布均勻的隨機數就意味著更加優秀的樣本分佈，這時候可以使用【藍雜訊】或者多維的【低差異序列】來指導取樣點的位置，因為他們相比隨機序列更加均勻，而【Sobol序列】就是一種可以用於指導取樣的低差異序列。
更進一步請參考：
文刀秋二：低差異序列（一）- 常見序列的定義及性質
文刀秋二：低差異序列（二）- 高效實現以及應用
死體菌：將藍雜訊用於光線追蹤的軟陰影
還有，wiki是個好東西
如何理解 Nyquist 取樣定理？
Luisa 最高讚講的很好了我想再補充乙個三維的圖便於理解以下圖為例當取樣頻率僅為訊號頻率的兩倍時僅從cos方向的二維投影圖無法判斷出波的旋向 但是sin方向的二維投影圖是有區別的所以這種情況可以用IQ正交兩路取樣來解決問題 騎著螃蟹橫行 由尤拉公式知乙個正弦波在復平面由兩個相同轉速但轉動方向相反的...
怎樣學習製作取樣beats？
蛋捲 先回答第乙個問題，取樣beats算是最簡單的製作方式嗎？這個是自己作曲編曲的工程部分截圖 這個是取樣Beats的工程截圖 只看工程的複雜程度，選擇取樣製作相對而言會簡單一些吧，但是實際上是沒有什麼區別的。我覺得製作取樣beat才是最難的，難在哪呢？難在要把不同的取樣融合在一起。第二個問題，要怎...
怎樣理解訊號的欠取樣？？
騎著螃蟹橫行 根據尤拉定理，正弦波在復平面分解成兩個旋轉方向相反的向量，向量旋轉速度就是角頻率 即轉1圈的時間就是週期 取樣時間可以認為是觀測這兩個旋轉向量的時間間隔，很顯然，如果初始相位從0開始，當觀測時向量已經轉了超過半圓 也就是Pi相位 比如5 4pi，這時兩個向量的位置和轉到3 4pi是一樣...