【信号与系统第五章】12、采样定理

模拟IC和AI的Learner

于 2024-10-05 01:22:34 发布

阅读量128

点赞数 2

分类专栏：信号与系统文章标签： dsp开发学习

本文链接：https://blog.csdn.net/m0_56997192/article/details/142705790

版权

信号与系统专栏收录该内容

14 篇文章 0 订阅

订阅专栏

采样定理是沟通离散与连续的桥梁。

一、采样定理内容

若 $x(t)$ 是带限信号，即当 $|\omega |>\omega _{M}$ 时， $X(j\omega )=0$ ，若采样频率 $\omega _{s}>2\omega _{M}$ ，（ $\omega _{s}=\frac{2\pi }{T}$ ），则 $x(t)$ 可由 $x[n]=x(nT)$ 唯一确定。

带限信号截止频率 $\omega _{M}$ 的两倍 $2\omega _{M}$ 称为奈奎斯特采样频率。

二、3个重要的推导步骤

1、证明第2步

对第2步（圈2）：

$x_{p}(t)=\sum_{n=-\infty }^{+\infty }x(nT)\delta (t-nT)$ , $X_{p}(j\omega )=\frac{1}{T}\sum_{k=-\infty }^{+\infty }X(j(\omega -k\omega _{s}))$ ， $(\omega _{s}=\frac{2\pi }{T})$

进行证明：

2、证明第3步

对第3步（圈3）：

$x[n]=x(nT)$ , $X(e^{j\omega })=X_{p}(j\frac{\omega }{T})=\frac{1}{T}\sum_{k=-\infty }^{+\infty }X(j\frac{\omega -2k\pi }{T})$

进行证明：

所以 $X_{p}(j\omega )=\sum_{n=-\infty }^{+\infty }x(nT)e^{-j\omega nT}$ ，所以有 $X_{p}(j\frac{\omega }{T})=\sum_{n=-\infty }^{+\infty }x(nT)e^{-j\omega n}$

故 $X(e^{j\omega })=X_{p}(j\frac{\omega }{T})$

三、带限内插公式

1、由x[n]恢复x(t)

将 $X_{p}(j\omega )$ 乘以一个低通滤波器可以得到 $X(j\omega )$ ，即

所以有

以上实现了从 $x[n]$ 到 $x(t)$ 的恢复。

2、由x[n]恢复x(t)时存在多解

一个 $X(j\omega )$ 对应一个 $X_{p}(j\omega )$ ，但一个 $X_{p}(j\omega )$ 一定对应很多个 $X(j\omega )$ 。

如下例子：

两个 $X(j\omega )$ ：

对应同一个 $X_{p}(j\omega )$ ：

3、不同情况下的内插公式

不同的 $X(j\omega )$ 可能对应相同的 $X_{p}(j\omega )$ ，所以由 $X_{p}(j\omega )$ 解 $X(j\omega )$ 时也会有不同的滤波器，即由 $x[n]$ 反解 $x(t)$ 时将会有不同的内插公式。

当 $X(j\omega )$ 是以下情形时：

由 $X_{p}(j\omega )$ 解 $X(j\omega )$ 时情形为：

从 $x[n]$ 到 $x(t)$ 的恢复使用的内插公式为

综上：

四、4种滤波器

五、零阶和一阶保持

1、零阶保持

如何由 $x_{0}(t)$ 恢复 $x(t)$

2、一阶保持

六、连续时间系统的离散实现

框图

对上图中的问题证明：

$X(j\omega )$ 的幅值是 $E_{x}$ ， $H(j\omega )$ 的幅值是 $E_{h}$ ， $Y(j\omega )$ 的幅值是 $E_{x}E_{h}$

离散化后：

$X(e^{j\omega })$ 的幅值是 $\frac{E_{x}}{T}$ ， $H(e^{j\omega })$ 的幅值是 $\frac{E_{h}}{T}$ ， $Y(e^{j\omega })$ 的幅值是 $\frac{E_{x}E_{h}}{T}$

显然 $Y(e^{j\omega })\neq X(e^{j\omega })H(e^{j\omega })$ ，而当 $H_{d}(e^{j\omega })=TH(e^{j\omega })$ 时， $Y(e^{j\omega })= X(e^{j\omega })H_{d}(e^{j\omega })$