📅  最后修改于: 2020-11-22 17:30:43             🧑  作者: Mango
声明:连续时间信号可以在其样本中表示,并且可以在采样频率f s大于或等于消息信号的最高频率分量的两倍时恢复。即
$$ f_s \ geq 2 f_m。 $$
证明:考虑一个连续的时间信号x(t)。 X(t)的频谱是有限的至f米赫兹即X(t)的频谱的频带为零|ω|>ω米。
输入信号x(t)的采样可以通过将x(t)乘以周期T s的脉冲序列δ(t)来获得。乘法器的输出是一个离散信号,称为采样信号,在下图中用y(t)表示:
在这里,您可以观察到采样信号需要脉冲周期。采样过程可以通过以下数学表达式来解释:
$ \ text {采样信号} \,y(t)= x(t)。 \ delta(t)\,\,… \,…(1)$
$ \ delta $(t)的三角傅里叶级数表示为
$ \ delta(t)= a_0 + \ Sigma_ {n = 1} ^ {\ infty}(a_n \cosn \ omega_s t + b_n \sinn \ omega_s t)\,\,… \ ,. ..(2)$
其中$ a_0 = {1 \ over T_s} \ int _ {-T \ over 2} ^ {T \ over 2} \ delta(t)dt = {1 \ over T_s} \ delta(0)= {1 \ over T_s } $
$ a_n = {2 \ over T_s} \ int _ {-T \ over 2} ^ {T \ over 2} \ delta(t)\ cos n \ omega_s \,dt = {2 \ over T_2} \ delta(0) \ cos n \ omega_s 0 = {2 \ over T} $
$ b_n = {2 \ over T_s} \ int _ {-T \ over 2} ^ {T \ over 2} \ delta(t)\sinn \ omega_s t \,dt = {2 \ over T_s} \ delta( 0)\sinn \ omega_s 0 = 0 $
将以上值代入公式2。
$ \ therefore \,\ delta(t)= {1 \ over T_s} + \ Sigma_ {n = 1} ^ {\ infty}({2 \ over T_s} \ cosn \ omega_s t + 0)$
将δ(t)代入公式1。
$ \ to y(t)= x(t)。 \ delta(t)$
$ = x(t)[{1 \ over T_s} + \ Sigma_ {n = 1} ^ {\ infty}({2 \ over T_s} \ cos n \ omega_s t)] $
$ = {1 \ over T_s} [x(t)+ 2 \ Sigma_ {n = 1} ^ {\ infty}(\ cos n \ omega_s t)x(t)] $
$ y(t)= {1 \ T_s} [x(t)+ 2 \ cos \ omega_s tx(t)+ 2 \ cos 2 \ omega_st.x(t)+ 2 \ cos 3 \ omega_s tx(t) \,… \,… \,] $
在两侧进行傅立叶变换。
$ Y(\ omega)= {1 \ over T_s} [X(\ omega)+ X(\ omega- \ omega_s)+ X(\ omega + \ omega_s)+ X(\ omega-2 \ omega_s)+ X(\ omega + 2 \ omega_s)+ \,…] $
$ \ therefore \,\,Y(\ omega)= {1 \ over T_s} \ Sigma_ {n =-\ infty} ^ {\ infty} X(\ omega-n \ omega_s)\ quad \ quad其中\,\ ,n = 0,\ pm1,\ pm2,… $
要重建x(t),必须从采样的信号频谱Y(ω)中恢复输入信号频谱X(ω),这在Y(ω)的周期之间没有重叠时是可能的。
下图给出了在不同条件下采样频谱的可能性:
欠采样情况下的重叠区域表示混叠效应,可以通过消除混叠效应来消除
考虑f s > 2f m
通过使用抗锯齿过滤器。