抽样定理
如果想要对模拟信号用数字信号处理系统处理,就必须将模拟信号转换为数字信号,并且也要保证在转变过程原信号的特征不丢失。在这里,就需要对模拟信号进行抽样,使其变为离散时间信号
理想抽样
现有一带限信号
f(t),最高频率为
fm,现对该信号进行抽样.
我们选取一系列的冲击函数
δ(t−nTs)对
f(t)进行抽样,其中Ts为抽样间隔
fafter(t)=f(t)⋅n=−∞∑∞δ(t−nTs)
根据Fourier时域相乘的性质,时域相乘,频域卷积.其中
ωs=Ts2π
Fater(ω)=2π1F(ω)∗ωsn=−∞∑∞δ(ω−nΩs)
根据冲击函数
δ(t)的性质
f(t)∗δ(t−t0)=f(t−t0)
不难看出卷积后的结果就是将
F(ω)搬移n个
Ωs长度
Fafter(ω)=Ts1n=−∞∑∞F(ω−nωs)
因为取样后离散时间信号要包括原信号的所有信息,所以要求
F(ω)不能与其他搬运后的图像
F(ω−nωs),n=0 相交,故极限情况为
由上图不难得出抽样间隔Ts所需满足的条件
ωs≥2ωmfs≥2fm
当抽样间隔满足上述条件时,抽样后的频谱不会混叠,也因此具备了还原原信号的可能.
从频域上看,原信号
f(t)的频域表示仍完整的保存了下来,事实上,截取任意一个周期内的图像都能还原
f(t).所以在这里,我们可以制作一个低通滤波器来过滤多余的波形,只留下一个周期内的图像
H(ω)=Tsg2ωm(ω)
抽样信号与低通滤波器相作用后
Frec(ω)=Fatfer⋅H(ω)=F(ω)
根据Fourier频域相乘,时域卷积的性质可知
frec(t)=fafter(t)∗h(t)
其中
h(t)=πωmTsSa(ωmt)
实际上,时域恢复的过程中,在每一个抽样点处叠加了一个加权的抽样函数,抽样函数相加最终重构了原信号.
实际抽样
由于在现实中无法实现一个
δ(t)函数,往往是一个具有一定宽度的门函数,因此实际抽样与理想抽样仍有一点区别.
若采用门函数序列抽样,抽样间隔为Ts,此时抽样函数
s(t)的频谱为
S(ω)=Ts2πτn=−∞∑∞Sa(2nωsτ)δ(ω−nωs)
抽样后频谱
Fafter(ω)=Tsτn=−∞∑∞Sa(2nωsτ)F(ω−nωs)
若单纯使用低通滤波器保留n=0时频率分量,则有
Frec(ω)=Fafter(ω)⋅g2ωm(ω)=TsτF(ω)
故在还原信号时使用的低通滤波器还应当添加增益
Tsτ
带通信号抽样
对于带通信号来说,其截至频率远远大于带宽,如果我们仍按照抽样定理来计算采样频率,进行频谱搬移时大部分都是空的,信号频谱只占其中很小一部分.
因此带通信号的抽样频率为
2Δfo≤fs<4Δfo
非带限信号抽样
由于非带限信号不存在最高截止频率,所以对非带限制信号的抽样势必导致频谱的混叠,所以在这里,我们通常人工设定一个最高频率
ωm,并忽略原信号中高于
ωm的频率.这个频率的选择通常认为是能保留原信号能量的90%及以上.