采样定理
前言
之前写了一下采样和量化,但是并没有对采样定理进行说明,所以这里简单聊聊
假设
我们假设有一个待采样的连续时间信号 x ( t ) x(t) x(t),采样频率为 f s f_s fs
有一个周期冲激串 p ( t ) p(t) p(t),称为采样函数,周期 T T T称为采样周期
其中 p ( t ) p(t) p(t)的基波频率 w s = w π / T w_s=w\pi/T ws=wπ/T称为采样频率
时域中就有 x p ( t ) = x ( t ) p ( t ) x_p(t)=x(t)p(t) xp(t)=x(t)p(t)
其中 p ( t ) = ∑ n = − ∞ + ∞ δ ( t − n T ) p(t) = \sum_{n=-\infty}^{+\infty} \delta(t - nT) p(t)=∑n=−∞+∞δ(t−nT)
采样定理
我们可以知道, x p ( t ) x_p(t) xp(t)是一个周期冲激串,其基波频率为 w s = w π / T w_s=w\pi/T ws=wπ/T,冲激幅度就是x(t)在以T为间隔处的样本值,即
x p ( t ) = ∑ n = − ∞ ∞ x ( n T ) δ ( t − n T ) x_p(t)=\sum_{n=-\infty}^{\infty}x(nT)\delta(t-nT) xp(t)=n=−∞∑∞x(nT)δ(t−nT)
我们知道,时域中的成绩在频域中是卷积,所以我们知道:
X p ( j ω ) = 1 2 π ∫ − ∞ + ∞ X ( j ω ) P ( j ( ω − θ ) ) d θ X_p(j\omega) = \frac{1}{2\pi} \int_{-\infty}^{+\infty} X(j\omega) P(j(\omega - \theta)) \, d\theta Xp(jω)=2π1∫−∞+∞X(jω)P(j(ω−θ))dθ
我们知道冲激串
p
(
t
)
p(t)
p(t) 的傅里叶变换是另一个冲激串:
P
(
j
ω
)
=
2
π
T
∑
k
=
−
∞
+
∞
δ
(
ω
−
k
ω
s
)
P(j\omega) = \frac{2\pi}{T} \sum_{k=-\infty}^{+\infty} \delta(\omega - k\omega_s)
P(jω)=T2πk=−∞∑+∞δ(ω−kωs)
其中
ω
s
=
2
π
T
\omega_s = \frac{2\pi}{T}
ωs=T2π。
代入
P
(
j
(
ω
−
θ
)
)
P(j(\omega - \theta))
P(j(ω−θ)) 的表达式:
P
(
j
(
ω
−
θ
)
)
=
2
π
T
∑
k
=
−
∞
+
∞
δ
(
(
ω
−
θ
)
−
k
ω
s
)
P(j(\omega - \theta)) = \frac{2\pi}{T} \sum_{k=-\infty}^{+\infty} \delta((\omega - \theta) - k\omega_s)
P(j(ω−θ))=T2πk=−∞∑+∞δ((ω−θ)−kωs)
所以,卷积表达式变为:
X
p
(
j
ω
)
=
1
2
π
∫
−
∞
+
∞
X
(
j
θ
)
(
2
π
T
∑
k
=
−
∞
+
∞
δ
(
(
ω
−
θ
)
−
k
ω
s
)
)
d
θ
X_p(j\omega) = \frac{1}{2\pi} \int_{-\infty}^{+\infty} X(j\theta) \left( \frac{2\pi}{T} \sum_{k=-\infty}^{+\infty} \delta((\omega - \theta) - k\omega_s) \right) d\theta
Xp(jω)=2π1∫−∞+∞X(jθ)(T2πk=−∞∑+∞δ((ω−θ)−kωs))dθ
根据冲激函数的性质:
∫
−
∞
+
∞
f
(
θ
)
δ
(
θ
−
θ
0
)
d
θ
=
f
(
θ
0
)
\int_{-\infty}^{+\infty} f(\theta) \delta(\theta - \theta_0) d\theta = f(\theta_0)
∫−∞+∞f(θ)δ(θ−θ0)dθ=f(θ0)
在我们的卷积表达式中,每个 δ ( ( ω − θ ) − k ω s ) \delta((\omega - \theta) - k\omega_s) δ((ω−θ)−kωs) 会采样 X ( j θ ) X(j\theta) X(jθ) 在 θ = ω − k ω s \theta = \omega - k\omega_s θ=ω−kωs 的值。由于 δ ( ( ω − θ ) − k ω s ) \delta((\omega - \theta) - k\omega_s) δ((ω−θ)−kωs) 只有在 θ = ω − k ω s \theta = \omega - k\omega_s θ=ω−kωs 时才为非零,因此我们可以直接替换:
X p ( j ω ) = 1 2 π ∑ k = − ∞ + ∞ 2 π T X ( j ( ω − k ω s ) ) X_p(j\omega) = \frac{1}{2\pi} \sum_{k=-\infty}^{+\infty} \frac{2\pi}{T} X(j(\omega - k\omega_s)) Xp(jω)=2π1k=−∞∑+∞T2πX(j(ω−kωs))
简化得到:
X
p
(
j
ω
)
=
1
T
∑
k
=
−
∞
+
∞
X
(
j
(
ω
−
k
ω
s
)
)
X_p(j\omega) = \frac{1}{T} \sum_{k=-\infty}^{+\infty} X(j(\omega - k\omega_s))
Xp(jω)=T1k=−∞∑+∞X(j(ω−kωs))
因此,通过利用冲激函数的采样性质,我们得到了采样信号
x
p
(
t
)
x_p(t)
xp(t) 在频域中的表示:
X
p
(
j
ω
)
=
1
T
∑
k
=
−
∞
+
∞
X
(
j
(
ω
−
k
ω
s
)
)
X_p(j\omega) = \frac{1}{T} \sum_{k=-\infty}^{+\infty} X(j(\omega - k\omega_s))
Xp(jω)=T1k=−∞∑+∞X(j(ω−kωs))
我们最后化简后,可以得知 X p ( j ω ) X_p(j\omega) Xp(jω)是频率为 ω \omega ω的周期函数,它由一组 X ( j ω ) X(j\omega) X(jω) 的周期函数组成,周期为 T T T。
采样定理总结
采样定理
设 x ( t ) x(t) x(t) 是某一个带限信号,在 ∣ ω ∣ > ω M |\omega| > \omega_M ∣ω∣>ωM 时, X ( j ω ) = 0 X(j\omega) = 0 X(jω)=0 。如果 ω s > 2 ω M \omega_s > 2\omega_M ωs>2ωM,其中 ω s = 2 π T \omega_s = \frac{2\pi}{T} ωs=T2π,那么 x ( t ) x(t) x(t) 就唯一地由其样本 x ( n T ) x(nT) x(nT), n = 0 , ± 1 , ± 2 , … n = 0, \pm 1, \pm 2, \ldots n=0,±1,±2,… 所确定。
已知这些样本值,我们能用如下方法重建 x ( t ) x(t) x(t):产生一个周期冲激串,其冲激幅度就是这些依次而来的样本值;然后将该冲激串通过一个增益为 T T T, 截止频率大于 ω M \omega_M ωM 而小于 ω s − ω M \omega_s - \omega_M ωs−ωM 的理想低通滤波器,该滤波器的输出就是 x ( t ) x(t) x(t)。
在采样定理中,采样频率必须大于 2 ω M 2\omega_M 2ωM,否则 x ( t ) x(t) x(t) 无法被唯一地重建。该频率称为 x ( t ) x(t) x(t) 的奈奎斯特频率。