学习笔记-频率域滤波(2)-取样函数

取样

以自变量 $t$ 的均匀间隔 $\Delta T$ 对函数 $f(t)$ 进行取样。等效于将 $f(t)$ 乘上一个冲激串：
$$\tilde{f}(t)=f(t)s_{\Delta T}(t)=\sum _{n=-\infty }^{\infty }f(t)\delta (t-n\Delta T)$$
此取样序列的任意一个取样值 $f_k$ 由积分给出：
$$f_k={\int }_{-\infty }^{\infty }f(t)\delta (t-k\Delta T)\mathrm{d}t=f(k\Delta T)$$

取样后函数的傅里叶变换

由卷积定理，空间域中两个函数乘积的傅里叶变换 是两个函数在频域中的卷积。设 $f(t)$ 的傅里叶变换为 $F(\mu )$，而取样后的函数 $\tilde{f}(t)$ 是 $f(t)$ 和冲激串的乘积。于是：
F ~ ( μ ) = ℑ { f ~ ( t ) } = ℑ { f ( t ) s Δ T ( t ) } = ( F ⋆ S ) ( μ ) \tilde{F}(\mu)=\Im\{\tilde{f}(t)\}=\Im\{f(t)s_{\Delta T}(t)\}=(F\star S)(\mu) F~(μ)=ℑ{f~​(t)}=ℑ{f(t)sΔT​(t)}=(F⋆S)(μ)
上一节我们有：
$$S(\mu )=\frac{1}{\Delta T}\sum _{n=-\infty }^{\infty }\delta \left(\mu -\frac{n}{\Delta T}\right)$$
于是：
$$\begin{array}{rl}\tilde{F}(\mu )& =(F\star S)(\mu )={\int }_{-\infty }^{\infty }F(\tau )S(\mu -\tau )\mathrm{d}\tau \\ & =\frac{1}{\Delta T}{\int }_{-\infty }^{\infty }F(\tau )\sum _{n=-\infty }^{\infty }\delta \left(\mu -\tau -\frac{n}{\Delta T}\right)\mathrm{d}\tau \\ & =\frac{1}{\Delta T}\sum _{n=-\infty }^{\infty }{\int }_{-\infty }^{\infty }F(\tau )\delta \left(\mu -\tau -\frac{n}{\Delta T}\right)\mathrm{d}\tau \\ & =\frac{1}{\Delta T}\sum _{n=-\infty }^{\infty }F\left(\mu -\frac{n}{\Delta T}\right)\end{array}$$
这表明取样后的傅里叶变换 $\tilde{F}(\mu )$ 是原函数傅里叶变换 $F(\mu )$ 的一个周期的副本序列，周期间隔为 $\frac{1}{\Delta T}$。

设有带限函数 $f(x)$ 最大频率为 ${\mu }_{max}$，其傅里叶变换 $F(\mu )$ 及取样函数傅里叶变换 $\tilde{F}(\mu )$ 如下图所示：

于是我们可以对采样函数的傅里叶变换取出一个周期，得到原函数的傅里叶变换副本。但限制也如上图所示，采样频率需大于原信号频率的两倍。即取样定理。这个采样频率称为奈奎斯特率。
$$\frac{1}{\Delta T}>2{\mu }_{max}$$

混叠

混叠来源于对信号的欠采样，从图片中更容易看出。两个信号具有同样的采样结果。