采样定理的证明与推导

采样定理,又称香农采样定理,奈奎斯特采样定理,只要采样频率大于或等于有效信号最高频率的两倍,采样值就可以包含原始信号的所有信息,被采样的信号就可以不失真地还原成原始信号。

设输入连续信号:

采样输出信号:

采样的过程如下图所示,可看作一段周期为T、宽度为τ的矩形脉冲载波信号S(t)

显然,τ越窄,采样越精确,当τ<<T时,采样的矩形脉冲信号接近于冲击信号,具有冲击信号的性质。所以

那么理想采样为:

对上述几个信号作傅里叶变换:

对于,由频域卷积定理(时域乘积等于频域卷积,下面公式Xc与S是卷积):

由于S(t)是一个周期函数,可以表示成傅里叶级数

,其中

那么:

根据冲激函数的性质得到:

从上可知理想采样信号是连续时间信号频谱的周期延拓函数,其频域周期等于采样周期,而频谱幅度则为1/T,所以除去一个常数因子外,每一个延拓的的谱分量都和原频谱分量相同。

从图像上来理解会更直观一些

图a是输入信号Xc(t)在频域上的图像

图b是采样信号S(t)在频域上的图像

图c是成功采样后得到的信号Xs(t)在频域上的图像

图d是一次失败的采样,由此结果无法还原回原信号

从图c与d中我们可以看到,只有使延拓的的谱分量之间不发生重叠,才能最终还原出原始信号,为此上图中的Ωs应该大于等于2倍的Ωn,图中的Ωs即位采样的频率,Ωn为原信号的最高频率。采样定理由此证毕。

  • 28
    点赞
  • 109
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
雷达脉冲压缩技术是一种通过压缩雷达脉冲宽度来提高雷达分辨率和探测距离的技术。其基本原理是将发射的宽脉冲信号经过压缩滤波器后,输出一个窄脉冲,从而提高了雷达系统的分辨率和探测距离。 下面对雷达脉冲压缩公式进行推导: 假设雷达发射的信号为宽度为 $T_s$,带宽为 $B_s$ 的矩形信号,其频谱密度为: $$ S_s(f) = \begin{cases} \frac{1}{B_s} & 0 < |f| < \frac{B_s}{2} \\ 0 & \text{otherwise} \end{cases} $$ 在接收端,将接收到的雷达回波信号与发射信号进行互相关,可得: $$ r(t) = s(t) * h(t) = \int_{-\infty}^{\infty}s(\tau)h(t-\tau)d\tau $$ 其中,$s(t)$ 为发射信号,$h(t)$ 为接收信号经过的信号传输路径和接收机前端的滤波器等因素产生的影响。 假设接收信号的频谱密度为 $S_r(f)$,则接收信号的频域表达式为: $$ R(f) = S_r(f)S_s(f)e^{-j2\pi f\tau} $$ 其中,$\tau$ 为雷达回波的时间延迟,即雷达与目标之间的往返时延。 为了进行脉冲压缩,需要设计一个滤波器 $h(t)$,其频率响应为: $$ H(f) = \text{sinc}\left(\frac{\pi B_p}{2}f\right)e^{j\pi f\tau} $$ 其中,$B_p$ 为脉冲压缩滤波器的带宽。 将 $h(t)$ 的频率响应代入上式,得到压缩后的信号频谱为: $$ R_p(f) = S_r(f)\text{sinc}\left(\frac{\pi B_p}{2}(f-f_0)\right)e^{j\pi(f-f_0)\tau} $$ 其中,$f_0$ 为发射信号的中心频率。 根据奈奎斯特采样定理采样频率应该大于等于信号带宽的两倍,即 $f_s \geq 2B_s$,因此,可以在时域上对 $R_p(f)$ 进行逆傅里叶变换(IDFT)来得到压缩后的脉冲信号 $r_p(t)$,即: $$ r_p(t) = \frac{1}{f_s}\sum_{n=-\infty}^{\infty}R_p\left(\frac{nf_s}{N}\right)e^{j2\pi\frac{nt}{N}} $$ 其中,$N$ 为采样点数,$f_s$ 为采样频率。 综上所述,雷达脉冲压缩的公式为: $$ r_p(t) = \frac{1}{f_s}\sum_{n=-\infty}^{\infty}S_r\left(\frac{n}{T_s}\right)\text{sinc}\left(\frac{\pi B_p}{2}\left(\frac{n}{T_s}-\frac{f_0}{f_s}\right)\right)e^{j2\pi \left(\frac{n}{T_s}-\frac{f_0}{f_s}\right)\tau}e^{j2\pi\frac{nt}{N}} $$ 其中,$T_s$ 为发射信号的脉冲宽度,$B_s$ 为发射信号的带宽,$B_p$ 为压缩滤波器的带宽,$f_0$ 为发射信号的中心频率,$f_s$ 为采样频率,$N$ 为采样点数。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 6
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
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