数字信号处理 --- 信号的采样和奇妙的混叠(Aliasing) 贰

混叠频率的计算

     上次我们讲到如果混叠没能成功避免,那么混叠后的信号就会偷偷混入重建后的信号。那么这个经过伪装的“伪装信号”的频率是多少呢?他会出现在频谱中的哪里呢?这是可以通过精确计算得到的。

     先从奥本海姆的信号与系统中的一幅插图说起,奥本海姆老师要通过这幅图说明混叠,所绘制的波形为下图公式所示的余弦函数。

     图中的ωo表示原始信号的频率,ωs表示采样频率。这幅图一共有四张,前两张图的采样频率分别是原始频率的6倍3倍,所以重建后的信号并没有出现混叠如下图所示

(点击图像放大)

        由于我很喜欢这个例子,所以我就用matlab把它仿真了一下。

        此处,我令第一个连续余弦函数信号(下图中第一行)的原始频率ωo为10Hz, 则按照图中的比例对应的采样频率ωs应当为60Hz,。此时采样频率为原始信号频率的6倍

        然后,我再令第二个连续余弦函数信号(下图中第三行)的原始频率ωo为20Hz, 同样的,按照图中给出的比例采样频率应为原始信号频率的3倍,即60Hz。(箭头没能仿真成功,嘻嘻)

        注:这里我稍微说一下这两个信号的原始频率是怎么选出来。因为,书中确实没找到实际数值,所以我这里所设置的10Hz和20Hz是我自己试出来。也就是说我为了让matlab画出来的图和教科书中一样,通过不断地尝试试出来。不过有一点可以肯定的是,单从教科书给出的图像来看,第二个余弦函数的原始频率确实要大于第一个余弦函数的原始频率。

(点击图像放大)

Matlab代码如下:

%CSDN:by J27 copyright!
%% sampling freqency 6 times continous signal  
Fs = 60;                        % Sampling Freq. 
Fo = Fs/6;                      % freq. of continous Signal  
T = 1/Fs;                       % sampling period
tmin = -pi/15.7;                % lower limit of time vector
tmax = pi/15.7;                 % upper limit of time vector
Bins = 400;                     % Number of Bins
t = linspace(tmin, tmax, Bins); % time space vector
nmin = ceil(tmin / T);          % lower limit of num vector
nmax = floor(tmax / T);         % upper limit of num vector
n = nmin:nmax;                  % discrete space vector

CosineSignal = cos(2.*pi.*Fo.*t);
SampleSignal = cos(2.*pi.*Fo.*n.*T);

subplot(4,1,1)
plot(t,CosineSignal,'k','LineWidth',2);
title('\fontsize{35}Sampling freqency 6 times continous signal. i.e. Proper sampling');
hold on
stem(n*T,SampleSignal,'r','filled','LineWidth',2)
hold off

subplot(4,1,2)
plot(t,CosineSignal,'--k','LineWidth',2);
title('\fontsize{35}Rebuild continous signal with sampled discrete signal');
hold on
stem(n*T,SampleSignal,'r','filled','LineWidth',2)
hold off

%% sampling freqency 3 times continous signal  
Fs = 60;                        % Sampling Freq. 
Fo = Fs/3;                      % freq. of continous Signal  
T = 1/Fs;                       % sampling period
tmin = -pi/15.7;                % lower limit of time vector
tmax = pi/15.7;                 % upper limit of time vector
Bins = 400;                     % Number of Bins
t = linspace(tmin, tmax, Bins); % time space vector
nmin = ceil(tmin / T);          % lower limit of num vector
nmax = floor(tmax / T);         % upper limit of num vector
n = nmin:nmax;                  % discrete space vector

CosineSignal = cos(2.*pi.*Fo.*t);
SampleSignal = cos(2.*pi.*Fo.*n.*T);

subplot(4,1,3)
plot(t,CosineSignal,'k','LineWidth',2);
title('\fontsize{35}Sampling freqency 3 times continous signal. i.e. Proper sampling');
hold on
stem(n*T,SampleSignal,'r','filled','LineWidth',2)
hold off

subplot(4,1,4)
plot(t,CosineSignal,'--k','LineWidth',2);
title('\fontsize{35}Rebuild continous signal with sampled discrete signal');
hold on
stem(n*T,SampleSignal,'r','filled','LineWidth',2)
hold off    

     在上述的matlab仿真中(我使用了一个小trick),由于重建信号(即图像中灰色虚线)没有出现混叠。因此,用matlab绘图像时重建COS波形的频率沿用了原始信号的频率Fo,即Fs=Fo。但在仿真下面图像时,就必须要精确的计算出混叠后的频率Fs才能绘制出混叠信号的波形。

(点击图像放大)

     要想画出上图中的虚线,即"经过伪装后“变慢了的信号,必须要精确的知道信号变慢了多少。对于欠采样不太严重的情况(即,原始频率小于采样频率但大于采样频率的一半。Fs/2<Fo<Fs),如上图中的情况。则可以使用下面计算公式中的情形(c)和情形(d)计算

即:

Fa=\omega s-\omega o 

        在本例中我所使用的采样频率Fs为60Hz, 按照上述公式,则发生混叠后的混叠频率Fa应当分别为:

(C):

\omega o=\frac{4}{6}\cdot \omega s=\frac{4}{6}\cdot 60=40Hz

Fa=\omega s-\omega o=60-40=20Hz

(D):

\omega o=\frac{5}{6}\cdot \omega s=\frac{5}{6}\cdot 60=50Hz

Fa=\omega s-\omega o=60-50=10Hz

        如果原始信号的频率远远高于采样频率,即原始频率Fo不仅大于Fs还有可能大于Fs的2,3,4,5...倍则可以使用如下公式。fa表示混叠频率,fs表示采样频率,f表示原始信号的最高频。式中||表示求绝对值,式中(closest integermultiple of fs)表示整数倍于最接近原始频率f的倍数。例如,如果采样频率为100Hz,原始信号的最高频为710Hz则这是式中的(closest integermultiple of fs)等于7,即7*fs。

        现假设信号采样频率为100 Hz,输入信号包含下列频率:25 Hz、70 Hz、160 Hz和510 Hz。 低于50 Hz奈奎斯特频率才可正确采样(fs/2为奈奎斯特频率,即采样频率的一半),超过50 Hz的频率显示为混叠,所以下图中只有频率为25Hz的信号才能被正确采样。

其中,频率超过50Hz的信号的混叠频率计算公式为:

(1) 当输入信号的频率F2为70Hz时,采样频率Fs为100Hz。按照奈奎斯特采样定律,要想对70Hz的输入信号充分采样,采样频率至少要大于140Hz,即输入信号频率的两倍。所以发生了混叠,由于输入频率为70,所以离采样频率100最近的整数倍数是1(即,这里的(closest integermultiple of fs) = 1  计算结果如下:     

F2 Alias = |100 - 70| = 30Hz

(2) 当输入信号的频率F3为160Hz时,采样频率为Fs100Hz。采样频率低于输入信号的频率,发生了混叠,由于输入频率为160,所以离采样频率100最近的整数倍数是2(即,这里的(closest integermultiple of fs) = 2  计算结果如下:     

F3 Alias = |2*100 - 160| = 40Hz

(3) 当输入信号的频率F4为510Hz时,采样频率为Fs100Hz。采样频率低于输入信号的频率,发生了混叠,由于输入频率为510,所以离采样频率100最近的整数倍数是5(即,这里的(closest integermultiple of fs) = 5  计算结果如下:     

F4 Alias = |5*100 - 510| = 10Hz


混叠频率即折叠频率:     

     混叠频率有时又叫折叠频率,只需把超过奈奎斯特频率(Fs/2)的频段或是超过采样频率(Fs)的频段以奈奎斯特频率或采样频率为中轴对折过去就好了。或者说是以奈奎斯特频率或采样频率为中轴的镜像。如下图,一个6Hz的信号以奈奎斯特频率3.5Hz为中轴折叠为1Hz的信号。同理,一个8Hz的信号以采样频率7Hz为中轴折叠为频率为6Hz的信号。

     好了, 计算公式以及详细的计算方法都已经给出来了。最后用Matlab把教科书中的带有混叠的那部分图示仿真出来(注意:重建后的混叠信号我用蓝色的虚线表示出来了)。

(点击图像放大)

Matlab代码:

%CSDN:by J27 copyright!
%% sampling freqency 3/2 times continous signal  
Fs = 60;                        % Sampling Freq. 
Fo = 4*Fs/6;                    % freq. of continous Signal  
T = 1/Fs;                       % sampling period
tmin = -pi/15.7;                % lower limit of time vector
tmax = pi/15.7;                 % upper limit of time vector
Bins = 400;                     % Number of Bins
t = linspace(tmin, tmax, Bins); % time space vector
nmin = ceil(tmin / T);          % lower limit of num vector
nmax = floor(tmax / T);         % upper limit of num vector
n = nmin:nmax;                  % discrete space vector

CosineSignal = cos(2.*pi.*Fo.*t);
SampleSignal = cos(2.*pi.*Fo.*n.*T);

figure;
subplot(4,1,1)
plot(t,CosineSignal,'k','LineWidth',2);
title('\fontsize{35}Sampling freqency 1.5 times continous signal. Improper sampling resualt in Aliasing');
hold on
stem(n*T,SampleSignal,'r','filled','LineWidth',2)
hold off

%figure out Aliasing freq.
Fa = abs(Fo-Fs);
CosineSignal = cos(2.*pi.*Fa.*t);

subplot(4,1,2)
plot(t,CosineSignal,'--b','LineWidth',2);
title('\fontsize{35}Rebuild continous signal with sampled discrete signal');
hold on
stem(n*T,SampleSignal,'r','filled','LineWidth',2)
hold off

%% sampling freqency 6/5 times continous signal  
Fs = 60;                        % Sampling Freq. 
Fo = 5*Fs/6;                    % freq. of continous Signal  
T = 1/Fs;                       % sampling period
tmin = -pi/15.7;                % lower limit of time vector
tmax = pi/15.7;                 % upper limit of time vector
Bins = 400;                     % Number of Bins
t = linspace(tmin, tmax, Bins); % time space vector
nmin = ceil(tmin / T);          % lower limit of num vector
nmax = floor(tmax / T);         % upper limit of num vector
n = nmin:nmax;                  % discrete space vector

CosineSignal = cos(2.*pi.*Fo.*t);
SampleSignal = cos(2.*pi.*Fo.*n.*T);

subplot(4,1,3)
plot(t,CosineSignal,'k','LineWidth',2);
title('\fontsize{35}Sampling freqency 1.2 times continous signal. Improper sampling resualt in Aliasing');
hold on
stem(n*T,SampleSignal,'r','filled','LineWidth',2)
hold off

% figure out Aliasing freq.
Fa = abs(Fo-Fs);
CosineSignal = cos(2.*pi.*Fa.*t);

subplot(4,1,4)
plot(t,CosineSignal,'--b','LineWidth',2);
title('\fontsize{35}Rebuild continous signal with sampled discrete signal');
hold on
stem(n*T,SampleSignal,'r','filled','LineWidth',2)
hold off

(全文完)

作者 --- 松下J27

修改了文章中的部分错误,2024/08/20

参考文献(鸣谢):

【1】http://www.ni.com/white-paper/2709/zhs/  美国国家仪器(NI) 技术白皮书

【2】signals and systems 第二版 奥本海姆

【3】Matlab 2017a

【4】http://e2e.ti.com/blogs_/archives/b/precisionhub/archive/2015/09/04/aliasing-in-adcs-not-all-signals-are-what-they-appear-to-be  德州仪器

谢谢收看!

再见!

格言摘抄:  天国近了,你们应当悔改!--- 《圣经》马太福音3章2节

(*配图与本文无关*)

版权声明:所有的笔记,可能来自很多不同的网站和说明,在此没法一一列出,如有侵权,请告知,立即删除。欢迎大家转载,但是,如果有人引用或者COPY我的文章,必须在你的文章中注明你所使用的图片或者文字来自于我的文章,否则,侵权必究。 ----松下J27

评论 9
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

松下J27

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值