信号处理 / 系统课时

用频谱复制解释理想采样

用频谱复制解释理想采样

理想采样并不是简单地“每隔一段时间取一个值”。把连续信号与周期冲激列相乘后,频域中会出现原频谱的周期复制。掌握这一对应关系,就能直接看出采样频率如何控制频谱副本间距,并判断不同副本是否可能发生重叠。

学习目标

  • 从冲激列采样模型得到理想采样信号的频域表达式。
  • 解释采样频率与频谱副本间隔之间的关系。
  • 根据原信号带宽判断频谱副本是否发生重叠。

把理想采样写成乘法模型

设连续时间信号为 x(t)x(t),采样周期为 TsT_s,理想冲激列为

p(t)=∑n=−∞∞δ(t−nTs)p(t)=\sum_{n=-\infty}^{\infty}\delta(t-nT_s)

理想采样信号就是两者相乘:

xs(t)=x(t)p(t)x_s(t)=x(t)p(t)

利用冲激的筛选性质,可以写成

xs(t)=∑n=−∞∞x(nTs)δ(t−nTs)x_s(t)=\sum_{n=-\infty}^{\infty}x(nT_s)\delta(t-nT_s)

因此每个冲激的位置记录采样时刻,而冲激的幅度记录该时刻的样值。这里的理想采样信号仍是连续时间的冲激序列,还不是离散时间序列本身。

从时域相乘得到频谱复制

周期冲激列的频谱仍是冲激列。令采样角频率

Ωs=2πTs\Omega_s=\frac{2\pi}{T_s}

则

P(jΩ)=2πTs∑k=−∞∞δ(Ω−kΩs)P(j\Omega)=\frac{2\pi}{T_s}\sum_{k=-\infty}^{\infty}\delta(\Omega-k\Omega_s)

时域相乘对应频域卷积,所以

Xs(jΩ)=12πX(jΩ)∗P(jΩ)X_s(j\Omega)=\frac{1}{2\pi}X(j\Omega)*P(j\Omega)

代入冲激列频谱,可得最重要的采样公式:

Xs(jΩ)=1Ts∑k=−∞∞X(j(Ω−kΩs))X_s(j\Omega)=\frac{1}{T_s}\sum_{k=-\infty}^{\infty}X\left(j(\Omega-k\Omega_s)\right)

这个式子表示原频谱 X(jΩ)X(j\Omega) 会以 Ωs\Omega_s 为间隔向左右无限复制,同时整体幅度乘以 1/Ts1/T_s。

理想采样产生周期频谱复制

用数值检查副本中心位置

若采样频率为 fs=4000 Hzf_s=4000\text{ Hz},那么以普通频率 ff 表示时,频谱副本中心会出现在 kfskf_s。下面用一个短程序列出 k=−3k=-3 到 33 的中心频率:

python
fs = 4000

for k in range(-3, 4):
    center = k * fs
    print(f"k={k:+d}, center={center:+d} Hz")

预期输出

text
k=-3, center=-12000 Hz
k=-2, center=-8000 Hz
k=-1, center=-4000 Hz
k=+0, center=+0 Hz
k=+1, center=+4000 Hz
k=+2, center=+8000 Hz
k=+3, center=+12000 Hz

可以看到,相邻副本中心始终相差 4000 Hz4000\text{ Hz}。提高采样频率会把副本拉得更开,降低采样频率则会让它们靠得更近。

用副本间距判断是否重叠

假设原信号带限于 ∣f∣≤B|f|\le B。中央频谱占据 [−B,B][-B,B],右侧第一个副本以 fsf_s 为中心,占据 [fs−B,fs+B][f_s-B,f_s+B]。两者不重叠需要满足

B<fs−BB<f_s-B

即

fs>2Bf_s>2B

临界情况下常写成 fs≥2Bf_s\ge 2B,这就是理想带限条件下奈奎斯特采样条件的频谱解释。它的本质不是一个孤立公式,而是要求相邻频谱副本之间留出足够间隔。

当采样率足够高时,各频谱副本彼此分离,理想低通滤波器可以从 Xs(jΩ)X_s(j\Omega) 中取出中央副本并恢复原信号;一旦副本发生重叠,不同频率成分已经相加到同一频率位置,仅靠后续滤波就无法再把它们完全分开。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

用频谱复制解释理想采样

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通