采样定理的直观解释

最新推荐文章于 2023-06-05 20:12:24 发布

振动信号研究所

最新推荐文章于 2023-06-05 20:12:24 发布

阅读量540

点赞数

文章标签：算法

本文链接：https://blog.csdn.net/D344896224/article/details/128279761

版权

在傅里叶级数和傅里叶变换之间的关系这篇文章中，已经介绍了以下基本知识，建议在阅读本文之前掌握：

梳状函数的频谱图仍然是梳状函数
梳状函数与别的函数卷积的结果一定是周期信号

这里的梳状函数 ${\delta}_{T_s}(t)$ 就是一种常见的取样函数，因为梳状函数是由很多冲激函数叠加而成的，所以也具有冲激函数的取样性质，而且有多个“取样点”，这大概是为什么称之为取样函数的原因吧。

取样过程是将取样函数与信号 $f (t)$ 相乘，得到的结果大概是这样的：

取样过程

如果把上图看做一个等式的话，分别对等号两边做傅里叶变换( 时域相乘对应频域卷积 )，则有：

上图的傅里叶变换

上图中， $\omega_m$ 是信号 $f (t)$ 中最大的角频率成分， $\omega_s$ 是取样函数的角频率，从得到的结果来看，当 $\omega_s > 2\omega_m$ 时，我们可以使用低通滤波器从 $F_s(j\omega)$ 中复原 $F(j\omega)$ , 否则就会发生频谱混叠，从而无法恢复原信号。