信号的采样

泽_禹

已于 2023-09-01 19:16:42 修改

阅读量1.6k

点赞数 1

分类专栏：信号与系统文章标签：信号处理

于 2023-08-27 18:30:50 首次发布

本文链接：https://blog.csdn.net/qq_63612412/article/details/132513713

版权

信号与系统专栏收录该内容

6 篇文章 1 订阅

订阅专栏

一、模拟信号到数字信号

什么是模拟信号？

现实中我们能从自然界得到的信号大多都是模拟信号，模拟信号是指用连续变化的物理量表示的信息，其信号的幅度，或频率，或相位随时间作连续变化，或在一段连续的时间间隔内，其代表信息的特征量可以在任意瞬间呈现为任意数值的信号。

记录或存储一个模拟信号？

由此可见，模拟信号蕴含的信息是无穷大的，它的某个参数是连续变化的，这就使得我们不可能使用有限的存储空间存储一个模拟信号，当然也没必要。这是因为我们只要满足一定的失真率就可以了，不需要完全不失真。即使是人眼看到的事物，也会发生失真，只是失真很小，小到我们关注不到发生了失真。举个例子，一个人写字很潦草（和楷书相比失真率很大），但是只要写的不是特别潦草（失真率符合要求），我们也可以辨认出来。

如何处理模拟信号？

我们通过A/D转换模块（将模拟信号转换成数字信号的电路，称为模数转换器，简称A/D转换器或ADC,analog to digital converter)，将模拟信号通过采样、量化、编码转换为数字信号。数字信号是指自变量和因变量都是离散的信号，这种信号用整数表示。在计算机中数字信号常用有限位的二进制数表示，这样以来我们就可以存储数字信号了，只要采样率大于奈奎斯特频率、量化间隔符合失真要求、编码时满足唯一可译，就能使得存储的数字信号和我们观察到的模拟信号几乎一致。这里需要强调的是，我们对一个信号的处理，不可能增加它的信息量，只会越处理越失真或不变。

接下来我们着重关注采样这一过程，至于量化和编码分别涉及通信原理和信息论与编码理论的相关知识，在这里我们不再赘述。

二、奈奎斯特频率

之前提到，需要采样频率高于奈奎斯特频率，才不会发生失真。这里请注意采样后的信号只是时域离散，但是赋值仍然是连续变化的（这里的连续变化是指幅度取值，即值域的连续，意思是说每个采样点的值可能是任意实数）所以此时的信号仍是模拟信号，或者称为时间离散幅度连续的信号，我们简称它为取样信号。

这里的采样是按照一个固定的间隔采样，即采样周期 $T_{s}$ .我们每过一个采样周期就采一个点。信号抽样是连续时间信号分析向离散时间信号、连续信号处理向数字信号处理的第一步，广泛应用于实际的各类系统中。所谓信号抽样，也称为取样或采样，就是利用抽样脉冲序列 $s(t)$ 从模拟信号 $f(t)$ 中抽取一系列的离散样值，通过取样过程得到的离散样值信号称为取样信号，记作 $f_{s}(t)$ .

从数学上讲，抽样过程就是抽样脉冲 $s(t)$ 和原模拟信号 $f(t)$ 相乘的过程，因此可以用傅里叶变换的频移卷积性质来求抽样信号 $f_{s}(t)$ 的频谱。为了简单起见，我们研究的是均匀取样，即各脉冲间隔的时间相同，均为 $T_{s}$ ， $f_{s}$ 称为采样频率， $\omega _{s}$ 称为采样角频率。

$f_{s}=\frac{1}{T_{s}}$ ， $\omega _{s}=\frac{2\pi }{T_{s}}$

如果 $f(t)$ 的傅里叶变换为 $F(j\omega )$ ， $s(t)$ 的傅里叶变换为 $S(j\omega )$ ，则由频域卷积定理，得到取样信号的频谱为 $F_{s}(j\omega )$ 。

$f_{s}(t) = f(t)\cdot s(t)\leftrightarrow F_{s}(j\omega )=\frac{1}{2\pi }F(j\omega )\ast S(j\omega )$

这里的采样信号 $s(t)$ 为冲激取样，描述等间隔取样的函数是冲激取样函数 $\delta _{T_{s}}(t)$ ，按周期 $T_{s}$ 取样，它是周期函数，不满足绝对可积条件，它的傅里叶变换需要引入奇异函数才能表示。因为是周期函数，可以写成傅里叶级数展开的形式，然后使用周期函数的傅里叶变换，即

$s(t) = \sum_{n=-\propto }^{\propto}\delta (t-nT_{s})\leftrightarrow S(j\omega )=\omega_{s} \sum_{n=-\propto }^{\propto}\delta (\omega-n\omega_{s})$

为了简化问题，这里只考虑带限信号，即信号的频谱只在区间 $(-\omega _{m},\omega _{m})$ 为有限值，而在区间外为零。则有

$F_{s}(j\omega )=\frac{1}{2\pi }F(j\omega )\ast S(j\omega )=f_{s}\cdot\sum_{n=-\propto }^{\propto} F[j(\omega- n\omega_{s})]$

如果采样频率 $f_{s}>2f_{m}$ 那么各相邻频移后的频谱不会发生混叠现象，这时就可以利用低通滤波器从取样信号中得到原信号的频谱，即从取样信号中恢复原信号，如果使用理想低通滤波器，这个过程是完全不失真的。其中不失真的最小采样频率 $f_{s}=2f_{m}$ 称为奈奎斯特(Nyquist)频率，最大允许取样间隔 $T_{s}$ 称为奈奎斯特间隔。

现实生活中，不存在理想的低通滤波器。理想的滤波器是指它的冲激响应函数是阶跃的，但现实中的滤波器都会存在过渡带，且阻带也不为0，也就是说滤波器滤不干净，在阻带频率的信号也会通过滤波器，只不过其幅度很小。因此现实中往往采样频率要大于奈奎斯特频率，为的就是尽量使通过滤波器的高频分量更少。

泽_禹

关注

1
点赞
踩
3

收藏

觉得还不错? 一键收藏
1
评论
信号的采样

现实生活中，我们得到的信号往往是模拟信号，是连续的时间信号，储存它们需要占用很多的空间，处理它们也不灵活，方便。相比于连续时间信号，离散的时间信号（或数字信号）的处理更加灵活，方便。因此，我们可以在该信号中等间隔的取样瞬时值（样本值），这些样本值能够包含该连续时间信号的全部信息，利用这些样本值就可以恢复原信号。
复制链接

扫一扫

专栏目录