采样是使 x 轴（时间）离散的过程，量化是使 y 轴（幅度）离散的过程。您可以在不量化的情况下进行采样（例如使用模拟采样和保持电路完成）。当采样的模拟信号映射到数字表示时，通过舍入或截断引入量化。

采样只会对信号造成混叠失真；如果没有能量高于具有实际采样的真实信号的采样率的一半，或具有复杂采样的复杂信号的采样率以上，则绝对不会发生失真，假设一个完美的采样时钟没有击打/相位噪声（这两个方面都不是物理上可能完全消除，但每个都可以降低到我们关注的水平以下）。

许多 A/D，例如逐次逼近转换器，都是通过快速模拟采样和保持来实现的，以便在进行数字转换时保持采样信号。

量化噪声将噪声添加到生成的信号中，在大多数情况下可以很好地近似为均匀的白噪声：噪声的幅度分布均匀地分布在量化级别的幅度上，并且在每个噪声样本都为白色的频率上是白色的独立于下。

根据噪声的近似值，我们可以得出满量程正弦波的 SNR 估计值为 6.02 dB/bit + 1.76 dB，我们可以通过“过采样”进一步增加；由于添加的噪声是白色的，我们可以滤除我们不需要的频带中的噪声。

我在这篇文章中进一步详细介绍了该过程：具有更高信号采样率的优势是什么？

量化和采样是不同的东西，它们在数学上的处理方式非常不同。然而，它们通常同时发生。

任何表示为“数字”的事物（即计算机或数字存储设备中的一系列数字都需要进行采样和数字化。这通常通过称为模数转换的过程完成，该过程在一个步骤中完成。

相反的是数模转换，它产生的信号在时间和幅度上都是连续的。

在这里了解数字采样涉及两件事会很有帮助： 最重要的是采样；其次，随后的数字化为我们带来了许多便利。

也就是说，采样理论不需要数字化——您可以存储通过对频谱低于采样率一半的信号进行采样而获得的模拟电平。通过将样本作为模拟脉冲以原始采样率运行，通过设置在采样率一半以下的低通“重建”滤波器来播放它。您甚至可以在重构滤波器之前对模拟样本执行信号处理，例如用于控制增益的模拟乘法器。

如果您甚至见过或使用过模拟延迟吉他踏板，那就是它的工作原理。但是您也可能知道保真度不是很好，因为要保留模拟值而不降级并不容易，这会导致噪声和高频损失。模拟域中更高级的信号处理可能成本高昂且难以实施。

但是，如果我们将这些样本数字化，我们可以确保它们在无限期的时间内保持其值不变。如果我们将它们存储在数字处理器中，我们可以在它们上使用许多先进的数字信号处理技术，仅受处理器速度的限制。

我们必须做出的少数让步之一是我们需要决定我们用来获取和存储数字化值的数字精度。幸运的是，我们已经能够以经济实惠的方式获得非常好的精度。人耳和电子设备的限制（热噪声在绝对零以上是不可避免的）运行在 20 位左右，我们通常支持 24 位，主要是因为它比我们接受为高质量（16 位）的最小值高出一个偶数字节，并且允许额外的净空。

所以，采样就是你所说的 X 轴，时间轴。在这里，您主要谈论的是长期时钟精度和抖动，这两者我们都非常擅长。我们很少需要担心这一点，这不是正常信号处理算法可以影响的。因此，虽然采样率是带宽的重要考虑因素，但保持它不是问题。

Y轴本质上是数字化精度。我们也非常擅长这一点，但在我们的数字信号处理算法中，我们需要注意不要降低我们已经拥有的水平，忽略可能随着设计不佳的算法而增长的量化效应。量化效果是DSP编码人员需要注意的重点之一。