音频开发 / 系统课时

确定采样率与奈奎斯特边界

确定采样率与奈奎斯特边界

本篇解决“目标频段到底要多高采样率”的判断问题。你会从离散采样的频谱重复理解奈奎斯特边界,并用一个可运行示例看清高于边界的频率如何折叠成错误的低频成分。

学习目标

  • 根据目标最高频率判断理论最低采样率
  • 解释奈奎斯特频率与混叠的形成原因
  • 区分理论边界与工程上需要预留的抗混叠余量

采样率限制了可无歧义表示的频率

采样率 fsf_s 表示每秒取得多少个离散样本。对最高频率为 fmaxf_{max} 的带限信号,理想重建要求满足:

fs>2fmaxf_s > 2f_{max}

采样率的一半 fs/2f_s/2 称为奈奎斯特频率。它不是“超过后声音自动消失”的截止点,而是离散采样后能够唯一对应到原连续频率的上边界。若目标信号含有 10 kHz 成分,理论上采样率必须高于 20 kHz;刚好卡在两倍并不稳妥,因为采样相位和实际滤波器都没有理想条件。

混叠为什么会产生伪频率

离散采样会让连续信号的频谱以 fsf_s 为间隔重复。超过奈奎斯特频率的成分进入采样系统后,会折回到 00 到 fs/2f_s/2 的可观察区间,从而与真正存在的低频成分无法区分。

例如用 24 kHz 采样率采集 18 kHz 正弦波,奈奎斯特频率只有 12 kHz。18 kHz 会折叠为 6 kHz,因此后续数字滤波看到的是“合法的 6 kHz”,已经无法仅靠离散样本判断它原本来自 18 kHz。

24 kHz 采样下 18 kHz 信号折叠为 6 kHz 的混叠示意

下面的脚本把任意频率折叠到 00 到 fs/2f_s/2 区间,可直接验证这个例子。

python
def alias_frequency(signal_hz, sample_rate_hz):
    # 先按采样率取模,再折叠到奈奎斯特区间。
    folded = signal_hz % sample_rate_hz
    return min(folded, sample_rate_hz - folded)

sample_rate = 24_000
signal = 18_000
nyquist = sample_rate / 2

print(f"Nyquist: {nyquist:.0f} Hz")
print(f"Input: {signal} Hz")
print(f"Observed alias: {alias_frequency(signal, sample_rate):.0f} Hz")

预期输出

text
Nyquist: 12000 Hz
Input: 18000 Hz
Observed alias: 6000 Hz

选择采样率时要给滤波器留空间

工程系统不会只看公式中的两倍关系。ADC 前通常需要模拟低通抗混叠滤波器,但真实滤波器从“完全通过”过渡到“充分衰减”需要一段频带,因此目标最高频率与奈奎斯特频率之间应保留过渡带。

判断时可以先确定业务真正需要保留的最高频率,再选择明显高于两倍该频率的标准采样率,并确认前端滤波器能在奈奎斯特频率前把带外能量压低。48 kHz 采样的理论奈奎斯特频率是 24 kHz,但这不等于 24 kHz 都应被当作无条件可用的通带。

用三个问题检查采样条件

面对一个采样方案,先确认目标信号的最高有效频率,而不是只看“常用采样率”;再检查 fs/2f_s/2 是否高于该频率并留有滤波过渡带;最后确认 ADC 前存在合适的抗混叠低通。只要这三项中有一项缺失,采样率数字本身再高,也不能证明采样链路不会产生频率伪影。

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

确定采样率与奈奎斯特边界

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