في معالجة الإشارات، غالبًا ما يتضمن تحليل الإشارات المستمرة في الزمن، والتي يُشار إليها بـ 𝑥(𝑡)، تقنيات أخذ العينات لتحويل هذه الإشارات إلى إشارات منفصلة في الزمن. هذه العملية ضرورية للتمثيل الرقمي والمعالجة. أحد المكونات الأساسية في أخذ العينات هو سلسلة النبضات، والتي تتميز بفاصل أخذ العينات وتردد أخذ العينات. تحدد العلاقة بين هذه المعلمات وخصائص الإشارة الأصلية نجاح عملية أخذ العينات.

يؤدي ضرب إشارة الوقت المستمر في سلسلة النبضات إلى سلسلة من النبضات المنفصلة. تنتج هذه العملية إشارة تم أخذ عينات منها، والتي يمكن تحليلها في مجال التردد باستخدام تحويل فورييه. يكشف تحويل فورييه أن طيف الإشارة المأخوذة كعيّنة يتكون من نسخ متعددة محولة من طيف الإشارة الأصلية. يتم فصل هذه النسخ الطيفية عن بعضها البعض بواسطة تردد أخذ العينات.

إن المبدأ الأساسي في نظرية أخذ العينات هو أنه لتجنب التداخل بين هذه الأطياف المتحولة، يجب أن يكون تردد أخذ العينات مرتفعًا بدرجة كافية. على وجه التحديد، يجب أن يكون تردد أخذ العينات fsf_sfs أكبر من ضعف أعلى تردد موجود في الإشارة الأصلية، وهي الحالة المعروفة بمعدل نيكويست. عندما يفي fsf_sfs بهذا المعدل أو يتجاوزه، لا تتداخل الأطياف، مما يضمن إمكانية إعادة بناء الإشارة الأصلية تمامًا من عيناتها. يتم تضمين هذا المطلب في نظرية أخذ العينات، والتي تنص على أنه بالنسبة للإشارة المحدودة بالنطاق، يجب أن يكون تردد أخذ العينات ضعف أعلى مكون تردد للإشارة على الأقل.

عندما يتم أخذ عينات من إشارة بتردد أعلى من معدل نيكويست، فإنها تعتبر مفرطة في أخذ العينات. يمكن أن توفر الإفراط في أخذ العينات فوائد مثل تقليل الضوضاء وتصميم مرشح رقمي أكثر بساطة. وعلى العكس من ذلك، إذا كان معدل أخذ العينات أقل من معدل نيكويست، فإن الإشارة تكون ناقصة في أخذ العينات، مما يؤدي إلى ظاهرة تُعرف باسم التعرج. يتسبب التعرج في عدم القدرة على تمييز مكونات التردد المختلفة عن بعضها البعض، مما يؤدي إلى تشويه الإشارة المعاد بناؤها.

في التطبيقات العملية، يعد الالتزام بمعدل نيكويست أمرًا بالغ الأهمية للتمثيل الرقمي الدقيق وإعادة بناء الإشارات التناظرية. يدعم هذا المبدأ العديد من التقنيات، بما في ذلك الصوت الرقمي والاتصالات والتصوير الطبي، مما يضمن إمكانية أخذ عينات من الإشارات ومعالجتها وإعادة بنائها دون فقدان المعلومات الهامة.