DSP学习笔记——抽样、内插与抽样、抽样后的离散序列及其角频率

DSP真是太坏了!

阅读更多

约定:本文使用大写希腊字母Ω表示模拟角频率,使用小写希腊字母ω表示数字角频率或基波角频率

抽样

最常用的抽样序列——周期冲激函数(Dirac 梳状函数)

我们先来定义周期冲激函数:

对于模拟信号 f(t) ,取抽样序列 p(t) ,可得抽样序列:

f_s(t)=f(t)·p(t)

理想抽样下,取周期冲激函数为 p(t),其满足:

\delta_T(t)=\sum_{ n = - \infty} ^ { + \infty} \delta(t-nT) \leftrightarrow \omega \delta _ {\omega} (\Omega)

其中

\omega=\frac{T}{2\pi}

对周期冲激序列做 Fourier 展开,得

\delta_T(t)=\frac{1}{T}\sum_{n = -\infty}^{+\infty}e^{jn \omega t}

类似地,其 Fourier 变换的 Fourier 展开为

\omega \delta _ {\omega} (\Omega) =\omega · \frac{1}{\omega}\sum_{n=-\infty}^{+\infty}e^{jnT\Omega}=\sum_{n=-\infty}^{+\infty}e^{jnT\Omega}

使用周期冲激函数抽样能够在频域分析上带来方便(因为冲激函数的 Fourier 变换是 1),这样,之后通过内插公式回复原始信号时,Sa函数的移位求和前不会被其他函数加权。但是,由于周期冲激函数毕竟是理想模型,实际抽样时如果采取矩形抽样,则会引入Sa函数作为加权项,让内插公式的形式变得复杂。

抽样与内插

如上,抽样的本质是得到了一个离散序列

x[nT]=f_s(t)|_{t=nT}=f(t)·p(t)

我们在时域上已经不能做什么了,不妨在频域上分析一下这个函数,对f_s(t)做 Fourier 变换,可知

f(t)·p(t) \leftrightarrow F(j\Omega)*P(j\Omega)=F(j\Omega)*\omega \delta _{\omega} (\Omega)

事实上,这是F(j\Omega)的周期延拓,亦即

\omega\sum_{n=-\infty}^{+\infty}F(j(\Omega - n \omega))\delta(\Omega-n\omega)

由此,我们就完成了对信号的抽样。现在考虑信号的恢复,由于频域上是对F(j\Omega)的周期延拓,而一个周期内就已经承载了全部信息(事实上,时域无限则频谱有限,时域有限则频谱无限,不过我们姑且不管这个),因此,我们考虑用理想低通滤波器,只留下第一个周期内的信息,理想低通滤波器的定义为

H(j\Omega)=g_{2 \Omega_c}( \Omega )

事实上,这是一个物理不可实现系统,因为门函数的 Fourier 反变换就是 Sa 函数,这是一个非因果信号。不过为了理论分析,让我们继续往下推。

由于通过理想低通滤波器只是在频域上乘上一个函数,我们已经不能继续往下推进了,不妨让我们放到时域上分析,对H(j\Omega)做 Fourier 反变换,得到:

\frac{\Omega_c}{\pi}Sa(\Omega_ct) \leftrightarrow g_{2\Omega_c}(\Omega)

从而得到

f(t)=f(t)·p(t)*\frac{\Omega_c}{\pi}Sa(\Omega_ct)=\sum_{n=-\infty}^{+\infty}f(nT)\frac{\Omega_c}{\pi}Sa(t-nT)

这就是内插公式。

事实上,内插公式的更一般的写法为

\sum_{n=-\infty}^{+\infty} c_k\phi(t-nT)

离散时间序列及其角频率

计算机处理离散序列是不能处理值为无限的冲击串的,我们输入计算机的必然是这些点的位置及其强度,因此对于f(t)以T_s为周期抽样时有

x[k]=f(kT_s)=f(t)|_{t=kT_s}

去掉T_s是因为我们在计算机中也不关心抽样周期,只要我们知道抽样周期是什么,后面能将这些信号回复出来就足够了。

假设f有基波角频率\Omega,对其抽样后可得

f(\Omega t) \Rightarrow f( k\Omega T_s )

将\omega和T_s合并在一个量\Omega中,由此得到了数字角频率

\omega=\Omega T_s

事实上,数字角频率也等于归一化角频率*2pi,亦即

\Omega_n=\frac{\Omega}{\Omega_s}\in(0, 0.5), \omega=2\pi\Omega_n

暂无评论

发送评论 编辑评论


				
|´・ω・)ノ
ヾ(≧∇≦*)ゝ
(☆ω☆)
(╯‵□′)╯︵┴─┴
 ̄﹃ ̄
(/ω\)
∠( ᐛ 」∠)_
(๑•̀ㅁ•́ฅ)
→_→
୧(๑•̀⌄•́๑)૭
٩(ˊᗜˋ*)و
(ノ°ο°)ノ
(´இ皿இ`)
⌇●﹏●⌇
(ฅ´ω`ฅ)
(╯°A°)╯︵○○○
φ( ̄∇ ̄o)
ヾ(´・ ・`。)ノ"
( ง ᵒ̌皿ᵒ̌)ง⁼³₌₃
(ó﹏ò。)
Σ(っ °Д °;)っ
( ,,´・ω・)ノ"(´っω・`。)
╮(╯▽╰)╭
o(*////▽////*)q
>﹏<
( ๑´•ω•) "(ㆆᴗㆆ)
😂
😀
😅
😊
🙂
🙃
😌
😍
😘
😜
😝
😏
😒
🙄
😳
😡
😔
😫
😱
😭
💩
👻
🙌
🖕
👍
👫
👬
👭
🌚
🌝
🙈
💊
😶
🙏
🍦
🍉
😣
Source: github.com/k4yt3x/flowerhd
颜文字
Emoji
小恐龙
花!
上一篇
下一篇