【数字信号处理】模拟信号采样&离散信号采样与插值

最新推荐文章于 2024-07-27 14:54:16 发布

qkq797

最新推荐文章于 2024-07-27 14:54:16 发布

阅读量3.1k

点赞数 4

分类专栏： dsp 文章标签： dsp开发 fpga开发基带工程

本文链接：https://blog.csdn.net/qq_50684318/article/details/127084758

版权

dsp 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

1.模拟信号的采样与重建

2.连续时间带通信号的采样

3.离散时间信号的采样与插值

3.1离散数字信号信号的采样——整数M倍抽取

3.2离散信号的插值—整数L倍内插

模拟信号的采样与重建

理想采样，设采样周期，采样频率 f_s=1/T ，对应的角频率 $\Omega_{s}=2\pi /T=2\pi f_s$ 。

$\begin{array}{l} \hat{x}_{a}(t)=x_{a}(t) \cdot M(t)=\sum_{-\infty}^{\infty} x_{a}(t) \delta(t-n T) \\ \hat{X}_{a}(j \Omega)=\int_{-\infty}^{\infty} x_{a}(t) M(t) e^{-j \Omega t} d t \\ =\frac{1}{T} \int_{-\infty}^{\infty} x_{a}(t) \sum_{m=-\infty}^{\infty} e^{j m \Omega_{s} t} e^{-j \Omega t} d t \\ =\frac{1}{T} \sum_{m=-\infty}^{\infty} \int_{-\infty}^{\infty} x_{a}(t) e^{-j\left(\Omega-m \Omega_{s}\right) t} d t \\ =\frac{1}{T} \sum_{m=-\infty}^{\infty} X_{a}\left(j \Omega-j m \Omega_{s}\right) \end{array}$

奈奎斯特采样定理：要使实信号采样后能够不失真还原，采样频率必须大于信号最高频率的两倍。 Ωs≥2Ωmax

实际工作中，为避免频谱混淆，采样频率总是选得比两倍信号最高频率Ωmax更大些，如Ωs >(3~5)Ωmax。
为避免高于折叠频率的噪声信号进入采样器造成频谱混淆，采样器前常常加一个保护性的前置低通滤波器（抗混叠滤波），阻止高于Ωs/2频率分量进入。

将采样信号通过一个理想低通滤波器（只让基带频谱通过），其带宽等于折迭频率Ωs/2：

$Y(j \Omega)=\frac{1}{\mathrm{~T}} X_{a}(j \Omega) G(j \Omega)=X_{a}(j \Omega)$

$\begin{array}{l} y(t)=\hat{x}_{a}(t) * g(t)=\int_{-\infty}^{\infty}\left[\sum_{n=-\infty}^{\infty} x_{a}(\tau) \delta(\tau-n T)\right] g(t-\tau) d \tau \\ =\sum_{n=-\infty}^{\infty} \int_{-\infty}^{\infty} x_{a}(\tau) g(t-\tau) \delta(\tau-n T) d \tau=\sum_{n=-\infty}^{\infty} x_{a}(n T) g(t-n T) \end{array}$

$x_{a}(t)=y(t)=\sum_{n=-\infty}^{\infty} x_{a}(n T) \frac{\sin \frac{\pi}{T}(t-n T)}{\frac{\pi}{T}(t-n T)}$

内插过程：被恢复的信号y(t)在采样点的值等于xa(nT),采样点之间的信号则是由各采样值内插函数的波形延伸叠加而成的。这也是理想低通滤波器G(jΩ)的响应过程。

连续时间带通信号的采样

带通信号： $\Omega _1<\left | \Omega \right |<\Omega _2,\Omega _1>0$ ，由低通信号调制而成。一般情况下， Ω1和Ω2均比较高，采样频率Ωs就更高，甚至无法实现。

令带通信号带宽为 $\Delta \Omega =\Omega _2-\Omega _1$ ,

（1） $\Omega_{2}=M \cdot \Delta \Omega$

欠采样： $\Omega_{s}=2 \cdot \Delta \Omega=\frac{2 \Omega_{2}}{M}$

$\hat{X}_{a}(j \Omega)=\frac{1}{T} \sum_{m=-\infty}^{\infty} X_{a}\left(j \Omega-j m \Omega_{s}\right)=\frac{1}{T} \sum_{m=-\infty}^{\infty} X_{a}(j(\Omega-2 m \Delta \Omega))$