它们可以很好地具有十进制值，表示为定点数或浮点数。

离散性可能存在混淆。

它可以应用于数据的序数变量：信号的时间，图像的空间。这里的离散是连续的相反。这通常不是很好定义的。一种常见的方法是认为样本的数量是有限的，或者是可枚举的：您可以在中对它们进行索引。对于不规则采样的信号，我们处于临界情况。例如，经典离散信号 ,被认为是离散的（在时间上）。但是它们的值（附加到的数量）可能在本质上是连续的，例如$\mathbb{Z}$$x[n]$$n\in\mathbb{Z}$$x[n]$$\mathbb{R}$. 这通常是标准线性信号处理的上下文（因为量化通常是非线性的）。

然后，一个信号，或者，在时间或空间上是连续的还是非连续的，可能具有离散的或离散的值（与量化有关）。这些值可以是经典幅度、字母或类别（橙子、苹果、草莓）。经典地，实际的实值信号具有有界的幅度或幅度。所以他们经常取有限集或有限域中的值（在通信中）： ,。然而，即使使用 IEEE 浮点，值仍然是离散的，因为它们的数量是有限的。$[0,\ldots,2^b-1]$$[-2^{b-1},\ldots,2^{b-1}-1]$

因此，我怀疑对于大多数人来说，完全离散的信号将具有等距的时间样本和有限等距的值（可能带有压扩器）。