理论我帮楼主补充吧。

如果是常见的等间隔采样，根据nyquist定理，只有频率小于f/2的信号可以被完整还原。比如等间隔采样频率是1000Hz，我们就无法区分400Hz和600Hz信号，因为采样这两个信号时得到的结果是一样的。

不过，如果我们可以判断每次采样到的信号是处在上升还是下降段，就可以将400Hz和600Hz区分开了。要想知道某次采样到底是上升沿还是下降沿，只需在下一次采样时加一点offset。

如上图所示，只需在绿线处采样一次，就可以将两种频率区分开。如果可以在等间隔采样点周围大量采样，我们最终可以把400/600/1400/1600...等频率全部区分开。

经过研究，数学家们指出：把采样过程换成随机等效采样（即人为加入高斯jitter）之后，我们是可以正确区分比采样频率更高的信号的，代价是损失时域分辨率。可以认为：采样频率不变的情况下，时域分辨率越低，频域的分辨率就越高，反之亦然。整个过程仍然符合shannon，但突破了nyquist。

换言之，有了压缩感知理论以后，我们可以用时域分辨率换取超过nyquist频率的频域分辨率，比如用1G采样率的示波器，正确还原5G连续信号的幅度和相位。