[离散时间信号处理学习笔记] 11. 连续时间信号的采样与重构

这一节主要讨论采样定理,在《傅里叶变换及其应用及其学习笔记》中有进行过推导与讲解,因此下面的内容也大同小异。不过如果是从《离散时间信号处理》这一本书的内容开始学习到这一节,则应先学习本文内容所需要的一些前置知识:傅里叶变换(连续时间),主要用到的是脉冲函数δ,以及周期脉冲函数Ш的傅里叶变换与相关性质。

比较重要的一点就是,本书采用的傅里叶变换是基于信号周期为2π的假设,而《傅里叶变换及其应用及其学习笔记》中的假设为1,因此本书所采用的傅里叶变换公式有必要列出:

傅里叶变换:

F(jΩ)=∫∞−∞f(t)e−jΩtdt

傅里叶逆变换:

f(t)=12π∫∞−∞F(jΩ)ejΩtdΩ

此外,本文所用到的傅里叶变换卷积定理也有所不同:

F(f⋅g)F(f∗g)=12πF∗G=F⋅GF−1(F∗G)F−1(F⋅G)=2πf⋅g=f∗g

把前面的傅里叶变换公式代入容易证明上述卷积定理。

周期采样
假设有连续信号xc(t),我们需要通过对该信号进行采样才能得到离散信号,即样本序列x[n]。连续信号与离散信号有以下关系:

x[n]=xc(nT),–∞<n<∞

其中,T为采样周期(sampling period),它的倒数fs=1T为采样频率(sampling frequency),即每秒的样本数。不过本书是用弧度/秒来表示频率,因此采样频率的是Ωs=2πT。这两种不同的采样频率表示方法是依赖于傅里叶变换的假设,一般分为周期为1以及2π两种假设。

数学上是通过下面的式子来表示对连续信号的采样:

xs(t)=xc(t)∑n=−∞∞δ(t−nT)sampling function s(t)=ШT

其中的周期脉冲函数ШT就是周期为T的脉冲函数。利用脉冲函数δ的采样性质就能采集到一个函数相应位置的值。因此可以得到

xs(t)=∑n=−∞∞xc(nT)δ(t−nT)

在这里插入图片描述
需要明确的一点是:xs(t)是一个连续时间函数,取样点上的是脉冲,除了取样点之外的值为0;而x[n]是一个离散时间序列。

奈奎斯特采样定理
为了方便阅读离散时间信号处理学习,下面先列出了各个符号及其含义
周期脉冲函数s(t)=ШT的傅里叶变换仍然是一个周期脉冲函数(推导过程)

S(jΩ)=2πTШ2πT

那么根据傅里叶变换的卷积定理,可以得到xs(t)的傅里叶变换如下

Xs(jΩ)=12πXc(jΩ)∗S(jΩ)=12πXc(jΩ)∗2πTШ2πT=1TXc∗Ш2πT

而脉冲函数的卷积又具有移位特性,那么Xs(jΩ)就相当于无数个经过移位的1TXc(jΩ)的叠加。这种叠加能分为两种情况

如果原函数的傅里叶变换Xc(jΩ)的频率受限于Ωs2=πT(Ωs=2πT),那么Xc(Ω)经过移位后不会重叠。

否则原函数的傅里叶变换在经过移位后会重叠,这种情况被称为混叠(alias)。
在这里插入图片描述
如上面的四张图描述的是信号的频域。图1是一个频率受限于(−ΩN,ΩN)的信号,图2是一个在频域上周期为Ωs的周期脉冲函数(从时域上看,该信号的频率为Ωs),当信号与周期脉冲函数进行卷积后可以得到图3或者图4。

对于非混叠的频谱,我们能很容易地使用一个经过T加权(乘以T)的低通滤波器来得到原本的频谱,也就是说能通过该频谱还原原本的信号;不过对于混叠的频谱,采用低通滤波器得到的就不是原本的频谱,也就无法得到原本的信号了。
在这里插入图片描述
这意味着,对带限为ΩN的信号进行采样,如果希望用采样后的样本恢复成原来的信号,那么采用频率Ωs必须满足Ωs⩾2ΩN。这就是奈奎斯特采样定理(Nyquist-Shannon Sampling Theorem)。其中ΩN被称为奈奎斯特频率(Nyquist frequency),2ΩN被称为奈奎斯特率(Nyquist rate)。

由样本重构带限信号
按照上面的讨论,如果我们按照奈奎斯特采样定理对带限信号进行采样,那么就能用所得的样本重构原带限信号。

在上一小节的最后,我们可以看到如果我们遵循奈奎斯特采样定理,则能通过低通滤波器得到原信号的频谱,有了这个频谱,我们进行傅里叶逆变换则能得到原始信号,有以下推导过程:
xc(t)=F−1(Xs(jΩ)Hr(jΩ))Hr(jΩ)={T,0,|Ω|⩽Ωs/2=πTelse=xs(t)∗hr(t)fourier convolution theorem={∑n=−∞∞x[n]δ(t−nT)}∗{sin(πt/T)πt/T}=∑n=−∞∞x[n]{δ(t−nT)∗sin(πt/T)πt/T}x[n] is sample value,constant=∑n=−∞∞x[n]sin[π(t−nT)/T]π(t−nT)/Tδ shift property

因此,我们可以通过对采样x[n]进行上述运算以得到原始信号。

上面的式子可以分为两部分,一部分为采样值x[n],另一部分为sinc函数,这个sinc函数就是低通滤波函数的时域模式,如下图是一个为sin(πx/T)πx/T的sinc函数。
在这里插入图片描述
因此奈奎斯特采样定理也能这么理解:如果要采样的信号受限于(−ΩN,ΩN),在采样频率Ωs满足Ωs⩾2ΩN的前提下,采样得到的值为x[n],通过对低通滤波器对应的sinc函数进行平移以及加权(乘以x[n]),然后把经过调整后的sinc函数进行叠加,即可得到原来的信号。
在这里插入图片描述
对照上面两幅图以及sinc函数的曲线,容易看出该函数在±T,±2T,±3T⋅⋅⋅处的值都为0,而零点处的值为1,正是这个特点使得sinc函数的峰值就是采样点上的值。

©️2020 CSDN 皮肤主题: 深蓝海洋 设计师:CSDN官方博客 返回首页