在信号处理中，过采样（）是指以远远高于信号带宽两倍或其最高频率对其进行采样的过程。數位訊號轉換成類比訊號會產生量化失真（雜訊），這需要類比低通濾波器濾除，但類比低通濾波器並非直接濾除截止頻率以外的訊號、而是大幅減少截止頻率以外的訊號、同時小幅減少及影響截止頻率以內的訊號，若能提高低通濾波器的截止頻率，則類比低通濾波器對期待保留的頻段（以音響系統為例、就是人耳聽得到的20Hz~20KHz）的影響就會降低；过采样可以將量化雜訊推往更高頻率、讓系統可以選用更高截止頻率的低通濾波器，藉此帮助避免混叠、改善分辨率以及降低噪声。
若信號是奈奎斯特速率N倍的速率進行取樣，則稱為N倍過取樣。
目的
進行過取樣的目的主要有以下三個：提昇抗混疊（anti-aliasing）性能、提高解析度、減少雜訊。
抗混疊
過取樣會比較容易實現抗混疊濾波器。若沒有過取樣，很難在不超過奈奎斯特频率的條件下，為了最大利用有用頻率，而在截止頻率附近進行大幅的增益衰減。在提高取樣系統的頻率後，抗混疊濾波器的系統限制也就可以放寬了。在取樣之後，信號可以再經過數位濾波，並且降采样到想要的取樣頻率。在現在的集成电路中，這類和降取樣相關的數位濾波器的設計難度，比沒有過取樣系統下需要的要簡單很多。
解析度
實務上，進行過取樣的理由常會是為了類比數位轉換器（ADC）或數位類比轉換器（DAC）的降低成本或是提昇性能{{efn|當N256時，其動態範圍提昇為8倍，同調信號也變成N倍，雜訊則變成\sqrt{N}16倍，因此總信噪比提昇16倍，4個位元，或是24 dB。}}
需要提昇n位元解析度，需要的取樣數量為
:\mbox{number of samples} = (2^n)^2 = 2^{2n}.
若要從有新增n位元的總和資料中得到平均值，2^{2n}的取樣的和需除以2^n：
:\mbox{scaled mean} = \frac{ \sum\limits^{2^{2n}-1}_{i=0} 2^n \text{data}_i}{2^{2n}} = \frac{\sum\limits^{2^{2n}-1}_{i=0} \text{data}_i}{2^n}.
此平均的效果只在信号中包括夠多的可讓ADC記錄時才有效。
減少雜訊影響
若取了數個資料，其中有一樣大的不相干雜訊加到取樣信號中，如以上所述，不相干的雜訊比同調的資料要弱，平均N次採樣會讓減為N分之一。若過取樣4次，功率的信噪比變為4倍，信號的信噪比則變為2倍。
有種稱為ΔΣ調變的類比數位轉換器，在較高頻率產生不成比例的較大量化差。若在目標取樣率的特定倍數下運行這類轉換，再進行低通滤波到目標取樣率的一半，可以得到（在轉換器的頻寬範圍內）雜訊比較小的信號。ΔΣ調變使用一種名為的技巧，讓量化雜訊出現在較高的頻率。
腳註
参考文献
John Watkinson, The Art of Digital Audio*, ISBN 0-240-51320-7
评论 (0)