数字信号处理--采样--第1.5节

采样过程涉及将连续时间信号转换为离散时间序列，这一转换是模拟信号数字化的关键步骤之一。在模拟信号的领域，信号的幅度是在整个时间轴上连续定义的，允许在任何给定时刻进行测量或表示。另一转换模拟信号的办法就是量化（我们后面在介绍）。在数字域内，信号的时间维度被离散化为一系列特定的瞬间，这些瞬间由固定的采样周期所分隔。采样周期与采样频率之间存在一个反比关系，可以通过以下公式明确表达：

1. 采样率选择

采样率是信号处理中的一个基本概念，它指的是在单位时间内对连续信号进行采样的次数。简单来说，就是每秒钟我们从信号中获取多少个数据点。采样率越高，每秒钟获取的数据点就越多，信号的频率信息就越丰富，我们对信号的了解也就越详细。我给出一个极端的案例来以便更好地理解采样率。

import numpy as np
import matplotlib.pyplot as plt

# 定义信号参数
frequency = 200  # 信号频率，单位Hz
sampling_rates = [1000, 500, 250, 100]  # 不同的采样率，单位Hz
t_end = 1  # 总采样时间，单位秒

# 原始信号生成
t = np.linspace(0, t_end, 1000, endpoint=False)  # 假设原始信号采样率为1000Hz
sin_wave = np.sin(2 * np.pi * frequency * t)

# 绘制原始信号

# 绘制不同采样率下的信号
plt.figure(figsize=(10, 8))
plt.plot(t, sin_wave)
plt.title('Original Signal')
plt.xlabel('Time [s]')
plt.ylabel('Amplitude')
plt.show()

for i, rate in enumerate(sampling_rates):
    # 根据采样率生成时间数组
    num_samples = int(rate * t_end)
    sampled_t = np.linspace(0, t_end, num_samples, endpoint=False)

    # 通过插值获取采样点的正弦波值
    wave = np.interp(sampled_t, t, sin_wave)

    # 绘制采样信号
    plt.subplot(2, 2, i + 1)  # 2行2列的子图布局
    plt.plot(sampled_t, wave)
    plt.title(f'Sampling Rate: {rate} Hz')
    plt.xlabel('Time [s]')
    plt.ylabel('Amplitude')

plt.tight_layout()
plt.show()

2. 信号频率范围术语

1. 基频（Fundamental Frequency）：信号中最基本的频率成分，所有其他频率都是基频的整数倍。

2. 谐波（Harmonics）：基频的整数倍频率。例如，如果基频是100Hz，那么200Hz、300Hz等都是其谐波。

3. 频率带宽（Bandwidth）：信号中所包含的频率范围，通常指的是信号中最高频率与最低频率之间的差值。

4. 带宽（Bandwidth）：在通信系统中，指的是可以无失真传输信号的频率范围。

5. 截止频率（Cutoff Frequency）：在滤波器中，指的是滤波器开始显著衰减信号的频率点。

6. 低频（Low Frequency, LF）：通常指的是相对较低的频率范围，但具体数值取决于上下文。

7. 中频（Medium Frequency, MF）：介于低频和高频之间的频率范围。

8. 高频（High Frequency, HF）：通常指的是相对较高的频率范围。

9. 超高频（Ultra High Frequency, UHF）：比高频更高的频率范围，通常用于特定的无线通信。

10. 甚高频（Very High Frequency, VHF）：在UHF和HF之间的频率范围，常用于电视和无线电通信。

11. 特高频（Super High Frequency, SHF）：比UHF更高的频率范围，常用于卫星通信和雷达系统。

12. 极高频（Extremely High Frequency, EHF）：比SHF更高的频率范围，用于某些军事和科研应用。

13. 奈奎斯特频率（Nyquist Frequency）：在数字信号处理中，是采样频率的一半，超过这个频率的信号将无法被正确采样和重建。

14. 信号频率范围（Signal Frequency Range）：信号中包含的所有频率成分的范围。

15. 频谱（Spectrum）：一个信号在频率域的表示，展示了不同频率成分的幅度或功率。

3. 奈奎斯特采样理论

如果一个连续时间信号的最大频率成分（即带宽）是B赫兹，那么为了能够从其样本完全重建原始信号，该信号必须以至少2B赫兹的速率进行采样。这个最低的采样频率被称为奈奎斯特率。如果采样率低于奈奎斯特率，就会发生混叠现象，即高频信号的样本会错误地表示为低频信号，导致原始信号无法被准确重建。

想象一下，你正在用相机拍摄一个快速移动的物体。如果你的快门速度不够快，拍摄出来的照片可能会模糊，因为物体在快门打开的那段时间内移动了。奈奎斯特采样定理就像是在告诉我们，为了捕捉到物体清晰的每一个瞬间，快门速度需要达到一定的标准。在信号处理中，这个“快门速度”就是采样率，而“物体”就是信号。

如果我们的采样率不够高，就相当于快门速度太慢，我们得到的信号样本会因为信号的快速变化而变得模糊不清。这会导致我们无法区分信号中不同频率的成分，就像是在模糊的照片中无法区分物体的细节一样。为了避免这种情况，我们需要以足够快的速率采样，这样每个瞬间的信号都能被清晰地捕捉到，从而能够准确地重建原始信号。

声明

声明：这里只对有关采样的部分知识进行了总结，读者可以自主学习降采样，欠采样，混叠等概念和相关的办法，下一次我们讲量化。讲完量化以后，直接是实战部分！！！！

如有侵权，联系作者。