信号处理 / 系统课时

观察欠采样如何产生混叠

观察欠采样如何产生混叠

同一个模拟正弦在不同采样率下,可能得到完全不同的离散外观。本节用 900 Hz 信号对比充分采样与欠采样,直接观察频率如何越过奈奎斯特边界并折叠成更低频率。

学习目标

  • 根据采样频率判断一个正弦是否会发生混叠
  • 用离散样本验证 900 Hz 在 1 kHz 采样下为何表现为 100 Hz
  • 解释混叠为什么进入数字域后无法靠普通滤波恢复原频率

采样后为什么会出现另一个频率

采样器只在离散时刻记录幅值。对采样频率 fsf_s 而言,离散序列无法区分相差整数倍 fsf_s 的连续时间频率;同时,正负频率在实信号中还会形成镜像。因此超过 fs/2f_s/2 的分量会折回到 00 到 fs/2f_s/2 的基带。

对单一频率 f0f_0,可先把它对 fsf_s 取余得到 rr,再取 rr 与 fs−rf_s-r 中较小者:

falias=min(r,fs−r)f_{alias}=min(r, f_s-r)

例如 f0=900f_0=900 Hz、fs=1000f_s=1000 Hz 时,r=900r=900 Hz,所以可见频率为 min(900,100)=100min(900,100)=100 Hz。原来的 900 Hz 并没有被数字滤波器“搬到”100 Hz,而是这两种连续时间频率在该采样率下产生了等价的离散变化速度。

900 Hz 在两种采样率下的频谱折叠

用两个采样率观察同一正弦

下面只使用 Python 标准库生成同一个 900 Hz 正弦的前 6 个样本。2400 Hz 采样时奈奎斯特频率为 1200 Hz,信号处于可表示范围;1000 Hz 采样时奈奎斯特频率只有 500 Hz,因此会发生混叠。

python
import math

f0 = 900.0
sample_rates = (2400.0, 1000.0)
sample_count = 6

def alias_frequency(frequency, sample_rate):
    # 将连续时间频率折叠到 0 到 fs/2 的可见基带。
    remainder = frequency % sample_rate
    return min(remainder, sample_rate - remainder)

for fs in sample_rates:
    samples = [math.sin(2 * math.pi * f0 * n / fs) for n in range(sample_count)]
    shown = [0.0 if abs(x) < 1e-9 else round(x, 3) for x in samples]
    print(f"fs={fs:.0f} Hz, Nyquist={fs / 2:.0f} Hz, alias={alias_frequency(f0, fs):.0f} Hz")
    print(shown)

预期输出

text
fs=2400 Hz, Nyquist=1200 Hz, alias=900 Hz
[0.0, 0.707, -1.0, 0.707, 0.0, -0.707]
fs=1000 Hz, Nyquist=500 Hz, alias=100 Hz
[0.0, -0.588, -0.951, -0.951, -0.588, 0.0]

在 1000 Hz 采样下,这组样本与一个带相位反转的 100 Hz 正弦序列一致。示波图如果只画离散点,很容易把它误认为系统真的输入了 100 Hz,这正是混叠最危险的地方。

为什么数字域无法把它还原回来

一旦 900 Hz 与 100 Hz 已经映射成同一类离散序列,后续算法只看到样本,缺少判断“它原来到底来自哪个模拟频率”的信息。数字低通、高通或频谱分析都可以处理当前离散信号,却不能凭空恢复采样前已经丢失的频率身份。

改变采样率可以帮助诊断混叠:如果同一模拟输入在不同 fsf_s 下显示出的离散峰值随折叠规律移动,就很可能是混叠而非真实低频分量。但诊断并不等于恢复,真正的预防必须发生在采样之前。

判断欠采样时抓住两个边界

先比较输入最高频率与 fs/2f_s/2。只要模拟输入中存在超过奈奎斯特频率且没有被充分衰减的能量,就可能折叠进目标频带;频率越高并不意味着它会在数字域中“自动消失”。

实际系统还要为模拟滤波器留下过渡带,因此采样率通常不能只按理论下限机械选择。最稳妥的思路是先确定需要保留的最高频率,再选择更高的采样率,并在 ADC 前用抗混叠滤波器压低奈奎斯特边界之外的能量。

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

观察欠采样如何产生混叠

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