信号处理 / 系统课时
在插值后去除频谱镜像
在插值后去除频谱镜像
整数倍升采样并不是简单“补更多点”。插入零值会在新的频率轴上复制原频谱,形成一组镜像。本节解释这些镜像从哪里来,如何用抗成像低通恢复目标基带,并用代码检查镜像抑制和幅度恢复。
学习目标
- 解释插零升采样为何会产生周期性的频谱镜像。
- 根据原信号带宽确定抗成像低通的通带和过渡带。
- 正确处理插值滤波器的增益、延迟与高效实现方式。
插零为什么会产生镜像
设升采样倍数为 。时域里每个原样本后插入 个零,输出采样率提高为 ,但插零本身没有创造新的真实信息。它只是把原序列的离散时间频谱压缩,并在更宽的输出奈奎斯特区间内周期性重复,因此会看到多组频谱镜像。
例如原采样率为 8 kHz,信号包含 1 kHz 正弦,3 倍插零后采样率变为 24 kHz。在新的 0~12 kHz 正频率范围内,除了目标 1 kHz,还会出现 7 kHz 和 9 kHz 等镜像。如果直接把这种序列送到后级 D/A 或频谱敏感的处理模块,这些高频副本会成为真实的输出干扰。

抗成像低通如何选
若原信号实际占用带宽为 ,插值滤波器的通带至少要覆盖到 。插零后第一组镜像以原采样率 为周期出现;对基带范围 而言,最靠近基带的镜像边缘在 附近,因此 到 之间就是可利用的过渡区域。
例如原采样率 8 kHz、有效带宽 3 kHz,那么第一组镜像从约 5 kHz 开始。滤波器可以在 3~5 kHz 内完成过渡,而不需要一直等到新的 12 kHz 奈奎斯特频率才进入阻带。过渡带越宽,同等阻带衰减下通常越容易用较低阶数实现。
插零还会让基带幅度按离散时间尺度缩小。使用手工 FIR 时,理想插值低通的通带增益通常取 ,以恢复原信号幅度;如果所用库函数已经内置这一缩放,就不要再次乘以 。
用 FIR 去掉镜像并恢复幅度
下面以 8 kHz 的 1 kHz 正弦为输入,先手工做 3 倍插零,再用输出采样率下的 FIR 低通滤波。代码分别检查 7 kHz 镜像是否存在、滤波后是否被抑制,以及 1 kHz 基带幅度是否恢复。
import numpy as np
from scipy import signal
fs = 8000
l = 3
fs_out = fs * l
t = np.arange(fs) / fs
x = np.sin(2 * np.pi * 1000 * t)
zero_stuffed = np.zeros(len(x) * l)
zero_stuffed[::l] = x
taps = l * signal.firwin(129, cutoff=3500, fs=fs_out, window='hamming')
y = signal.lfilter(taps, [1.0], zero_stuffed)
delay = (len(taps) - 1) // 2
y = y[delay:]
def amplitude_at(samples, sample_rate, freq):
window = np.hanning(len(samples))
spectrum = 2 * np.abs(np.fft.rfft(samples * window)) / np.sum(window)
freqs = np.fft.rfftfreq(len(samples), 1 / sample_rate)
return spectrum[np.argmin(np.abs(freqs - freq))]
print(f'image present before filter: {amplitude_at(zero_stuffed, fs_out, 7000) > 0.3}')
print(f'image suppressed after filter: {amplitude_at(y, fs_out, 7000) < 0.01}')
print(f'baseband amplitude restored: {amplitude_at(y, fs_out, 1000) > 0.9}')预期输出
image present before filter: True
image suppressed after filter: True
baseband amplitude restored: True这里把 FIR 系数整体乘以 3,是为了补偿插零带来的基带尺度变化。代码通过丢弃线性相位 FIR 的群延迟段来简化频谱测量;在实时系统里通常不会“删除延迟”,而是接受并记录这段固定延迟。
镜像与混叠不要混在一起
| 现象 | 发生操作 | 根因 | 滤波器位置 |
|---|---|---|---|
| 混叠 | 降采样 | 新奈奎斯特频率降低,高频折回基带 | 抽取之前 |
| 镜像 | 插零升采样 | 原频谱在更宽频带内周期性复制 | 插零之后 |
两者都使用低通滤波器,但目标不同。抗混叠滤波器是在丢样本前避免不可逆的信息碰撞;抗成像滤波器是在插零后清除人为产生的高频副本。把滤波顺序记反,会直接破坏多速率处理链路。
实现时优先考虑多相结构
手工创建大量零值再执行普通 FIR,教学上直观,工程上却浪费乘法,因为许多乘法的输入本来就是零。实际插值器通常把 FIR 分解成 个多相分支,只计算最终会贡献到输出样本的系数,得到与“插零加低通”等价的结果,却显著减少无效运算。
因此,确定滤波器规格时仍按“插零后抗成像”的频谱关系思考;落地实现时则优先使用成熟的多相插值或重采样 API。只要基带边缘、镜像起点、通带增益和固定延迟都被明确验证,升采样后的新增样本才真正构成平滑插值,而不是带着镜像的稀疏序列。