## 信号模型为Dirac脉冲,采样核为sinc核,直接取傅里叶系数
##
from sys import implementation
import numpy as np
import matplotlib.pyplot as plt
import math
import scipy.signal
fs = 1000 #采样率
dt = 1/fs #采样间隔
simuT = 1 #仿真时间
L = 6 #Dirac脉冲数,2*L即新息率
B = 15 #采样核带宽
simuTime = np.arange(0,simuT,dt) #仿真时间向量,步长为dt,起点为0,终点为1,不包含终点
sinc_t = np.arange(-simuT/2,simuT/2,dt)
ak = np.array([0.4, 0.6, 0.3, 0.9, 0.7, 0.3]) #幅值
tk = np.array([0.1, 0.2, 0.4, 0.5, 0.7,0.9]) #时延,单位为秒
tk_index = (tk*fs).astype(np.int32) #脉冲流信号的脉冲位置的下标,下标必须是整数,astype()用于强制类型转换
N = simuTime.size #信号的长度
x = np.zeros((N)) #生成全零的仿真信号
x[tk_index] = ak #添加脉冲
## 生成采样核
h = B*np.sinc(sinc_t*B) #采样核
## 进行卷积
yt = scipy.signa
FRI采样仿真
本文通过Python展示了FRI采样技术的仿真过程,包括Dirac脉冲、采样核的展示,以及这些采样如何通过卷积影响信号,并探讨了欠采样的概念。
摘要由CSDN通过智能技术生成