通信工程 / 系统课时
用采样定理判断欠采样和混叠
用采样定理判断欠采样和混叠
连续波形的频率不同,并不代表按固定间隔取得的样点一定不同。本课使用 1 kHz 采样率,让 300 Hz 和 700 Hz 两个余弦信号在采样点上完全重合,再通过离散频谱观察混叠,并确定抗混叠滤波器的正确位置。
学习目标
- 根据最高信号频率和采样率,判断是否满足采样定理。
- 计算欠采样时产生的混叠频率,并用 Python 验证。
- 解释为什么需要在 ADC 之前加入模拟抗混叠滤波器。
用采样定理检查采样率
采样是按照固定时间间隔测量连续信号幅度的过程。设采样率为 ,表示每秒获取的样点数量;采样间隔为 。
对于频谱严格限制在最高频率 以内的连续时间基带信号,在理想均匀采样和理想重建条件下,无歧义重建通常要求:
采样率的一半称为奈奎斯特频率:
例如采样率为 1000 Hz,每隔 1 ms 获取一个样点,奈奎斯特频率就是 500 Hz。
- 输入最高频率为 300 Hz:1000 Hz 大于 600 Hz,满足理想采样定理条件。
- 输入最高频率为 700 Hz:1000 Hz 小于 1400 Hz,不满足条件,存在频率混叠的可能。
- 输入恰好为 500 Hz:处在奈奎斯特边界,样点可能无法区分不同相位的连续信号,工程设计不应依赖这个边界条件实现通用重建。
这里必须区分采样率和奈奎斯特频率。1000 Hz 是每秒取样次数,500 Hz 才是对应的奈奎斯特频率,不能把两者当成同一个参数。
为什么700Hz会被看成300Hz
令两个连续时间信号分别为:
当采样率为 1000 Hz 时,第 个采样时刻为 。代入两个信号,得到:
由于 是整数,且余弦函数具有周期性和偶对称性:
两个连续波形原本不同,但它们在所有整数采样时刻的数值完全相同。因此,只观察这组数字样本,无法判断输入究竟是 300 Hz 还是 700 Hz 的零初相余弦。
对于本例的单一频率,700 Hz 经过采样后折叠到:
一般情况下,单音的混叠频率可通过寻找整数 ,使 落入 到 的奈奎斯特频率范围来确定。对于实余弦信号,正负频率还会表现出镜像关系。

混叠也可以从频谱理解。均匀采样会使连续信号的频谱以采样率 为间隔周期性复制。如果相邻频谱副本发生重叠,原本位于高频处的信号就可能出现在低频位置。
因此,混叠不是计算机把 700 Hz 错误测量为 300 Hz,而是采样操作本身已经丢失了区分两种连续信号所需的信息。
用Python验证样点重合与频谱折叠
使用 Python 3、NumPy 和 Matplotlib 构造两条连续时间余弦曲线,并分别在 1000 Hz 采样率下获取 20 个样点。
程序首先比较两组样点是否相同,然后对 700 Hz 信号的采样序列进行 FFT,观察数字频谱中的主峰位置。
将代码保存为 sampling_aliasing.py,在已安装 NumPy 和 Matplotlib 的环境中执行。
import numpy as np
import matplotlib.pyplot as plt
fs = 1000
n = np.arange(20)
ts = n / fs
t = np.linspace(0, 0.02, 1001)
# 连续信号频率不同,但这些采样时刻的余弦值相同
x300 = np.cos(2 * np.pi * 300 * ts)
x700 = np.cos(2 * np.pi * 700 * ts)
# 从700 Hz输入的采样序列计算单边幅度谱
bins = np.fft.rfftfreq(len(n), d=1 / fs)
amplitude = 2 * np.abs(np.fft.rfft(x700)) / len(n)
peak = bins[np.argmax(amplitude[1:]) + 1]
print(f'fs={fs} Hz, Nyquist={fs / 2:.0f} Hz')
print(f'300 Hz / 700 Hz samples identical: {np.allclose(x300, x700)}')
print(f'sampled 700 Hz peak: {peak:.0f} Hz')
fig, axes = plt.subplots(1, 2, figsize=(11, 4))
axes[0].plot(t * 1000, np.cos(2 * np.pi * 300 * t), label='300 Hz')
axes[0].plot(t * 1000, np.cos(2 * np.pi * 700 * t), label='700 Hz')
axes[0].scatter(ts * 1000, x700, color='black', label='samples')
axes[0].set(xlabel='time (ms)', ylabel='amplitude')
axes[0].legend()
# FFT显示的是采样后的混叠频率,而非原始700 Hz
axes[1].stem(bins, amplitude, basefmt=' ')
axes[1].set(
xlabel='sampled frequency (Hz)',
ylabel='amplitude', xlim=(0, 500)
)
plt.tight_layout()
plt.show()预期输出:
fs=1000 Hz, Nyquist=500 Hz
300 Hz / 700 Hz samples identical: True
sampled 700 Hz peak: 300 Hz第一幅图中,两条连续曲线频率明显不同,但是黑色采样点同时落在两条曲线上。第二幅图只在 300 Hz 附近显示显著的频谱峰值,无法从这些样本恢复原始 700 Hz 频率。
此处观察时长为 20 ms,FFT 使用 20 个样本,频率分辨率为 Hz。300 Hz 正好位于一个 FFT 频率格点上,因此可以直接观察到 300 Hz 主峰。
可以把 fs 改为 2000 再运行。此时奈奎斯特频率提高到 1000 Hz,700 Hz 信号不再超过奈奎斯特频率,两组采样序列不再相同,700 Hz 输入的 FFT 主峰也会出现在 700 Hz。
在ADC之前阻止混叠
提高采样率是一种解决办法,但实际系统通常还需要抗混叠滤波器。因为即使目标信号最高只有 300 Hz,模拟输入中仍可能存在 700 Hz 噪声、其他高频干扰或传感器引入的寄生信号。
如果直接使用 1000 Hz 采样率,这些高频分量可能折叠进入有用频段。正确的处理顺序是:
- 模拟输入首先经过模拟低通抗混叠滤波器,衰减奈奎斯特频率附近及以上的不需要的分量。
- ADC 按照 1000 Hz 采样率转换经过滤波的模拟信号。
- 数字处理程序对采样数据执行 FFT、滤波或其他分析。
对于本例需要保留 300 Hz 信号的采集任务,可以设计以下教学用模拟滤波器指标:
| 指标 | 示例要求 | 检查目的 |
|---|---|---|
| 通带 | 0~350 Hz,幅度衰减不超过 1 dB | 保留 300 Hz 有用信号 |
| 过渡带 | 350~500 Hz | 为模拟滤波器提供滚降范围 |
| 阻带 | 500 Hz 及以上,幅度衰减至少 40 dB | 抑制可能发生混叠的高频分量 |
| ADC 采样率 | 1000 Hz | 对应奈奎斯特频率 500 Hz |
40 dB 的幅度衰减对应约 100 倍的幅度比。假设 700 Hz 干扰的输入幅度为 1,经过满足上述阻带指标的滤波器后,其输出幅度不超过 0.01,采样后形成的混叠分量也会相应减小。
这些指标是为示例信号设定的验收目标,并不是所有采集系统通用的固定参数。实际设计还需要验证通带增益、相位响应、模拟干扰强度和滤波器的实际阻带衰减。
判断采样方案是否可靠,应先确定模拟输入中可能存在的最高频率分量,再根据所需信号带宽选择采样率和模拟抗混叠滤波器。采样定理说明了理想重建的频率条件,而模拟前端滤波负责让真实输入尽量满足这些条件。