[数字信号处理-入门] 采样定理

数字信号处理-入门 采样定理

个人导航

知乎:https://www.zhihu.com/people/byzh_rc

CSDN:https://blog.csdn.net/qq_54636039

注:本文仅对所述内容做了框架性引导,具体细节可查询其余相关资料or源码

参考文章:各方资料

文章目录

时域采样

符号 说明
f h f_h fh 信号最高频率
f s f_s fs 采样频率
T T T 采样周期

奈奎斯特抽样定理:
f s > 2 f h f_s>2f_h fs>2fh

输入

输入为带限信号

(信号的频率成分只分布在0~ f h f_h fh范围内, f h f_h fh为最高截止频率)

奈奎斯特频率/折叠频率: f s / 2 f_s/2 fs/2

采样周期: T = 1 / f s T=1/f_s T=1/fs

( x ( n T ) x(nT) x(nT)是 x ( t ) x(t) x(t)在 t = n T t=nT t=nT时刻的采样值)

采样角频率: w s = 2 π f s w_s=2\pi f_s ws=2πfs

重建与混叠

若 f s ≤ 2 f h f_s≤2f_h fs≤2fh,会发生混叠(高频分量会折叠到低频区域),无法无失真重建原始信号

重建信号: 用离散的采样点恢复的连续时间信号

频率 f f f的信号被 f s f_s fs采样后, 若混叠:

  • 重建信号的频率 = ∣ f − n f s ∣ \mathbf{|f-nf_s|} ∣f−nfs∣
  • n取让结果最接近0的数

采样后的离散信号频谱,是原始连续信号频谱以采样角频率 w s w_s ws为周期进行周期性延拓得到的

频域采样

符号 说明
Δ f Δf Δf 频率分辨率(频率间隔)
T 0 T_0 T0 延拓周期
T T T 信号持续时间

理论基础是傅里叶变换的对偶性

T ≤ T 0 T \leq T_0 T≤T0

信号持续时间: T T T

延拓周期: T 0 = 1 / Δ f T_0=1/Δf T0=1/Δf

若对 X ( j ω ) X(jω) X(jω)在频域以频率间隔 Δ f Δf Δf进行采样,采样点数为 N N N,则对应的时域信号会被周期延拓,延拓周期 T 0 = 1 / Δ f T_0=1/Δf T0=1/Δf

为了使时域延拓后的信号不发生重叠,原始时域信号x(t)必须是时限信号

设原始时域信号 x ( t ) x(t) x(t)的持续时间为 T T T,为避免时域延拓重叠,需选择频域采样间隔 Δ f ≤ 1 / T Δf≤1/T Δf≤1/T,即延拓周期 T 0 = 1 / Δ f ≥ T T₀=1/Δf≥T T0=1/Δf≥T

频域采样点数N与采样间隔Δf的关系: N = f s / Δ f N=f_s/Δf N=fs/Δf

DFT的频率范围

DFT 的频谱范围由采样频率 f s f_s fs决定

  • 实际覆盖 0 ∼ f s / 2 0∼f_s/2 0∼fs/2(正频率范围)
    -> 所能分辨的最高频率 : f s / 2 f_s/2 fs/2
  • 但频率索引对应 0 ∼ f s 0∼f_s 0∼fs(含负频率混叠)

时域与频域采样的对偶关系

对比维度 时域采样 频域采样
操作对象 连续时域信号x(t) 连续频域信号X(jω)
核心定理 奈奎斯特定理:fₛ>2fₕ(避免频域重叠) 频域采样定理:T₀≥T(避免时域重叠)
结果影响 频域周期性延拓 时域周期性延拓
失真类型 混叠失真(频域重叠) 时域重叠失真
  1. 时域采样关注"避免频域混叠",核心是采样频率大于2倍最高截止频率

  2. 频域采样关注"避免时域重叠",核心是延拓周期大于原始时域信号的持续时间

  3. 两者通过傅里叶变换对偶性关联,共同构成离散信号处理的基础(如DFT、FFT的理论前提)

例题



相关推荐
vibecoding日记5 小时前
双非如何快速入职字节等大厂大模型?真实案例分析:推理优化和投机解码
算法·求职·大模型工程师
yszaygr21387 小时前
Verilog参数化游程编码RLE模块
算法
望易8 小时前
刚设计的大模型架构-双域耦合认知框架
算法·架构
复杂网络12 小时前
多个 Claude Code 与多个 Codex 协同工作:设计与实现方案
算法
HjhIron1 天前
面试常客:字符串算法从入门到进阶
算法·面试
吴佳浩1 天前
DeepSeek DSpark:Confidence-Scheduled Speculative Decoding 技术解析
人工智能·算法·deepseek
触底反弹1 天前
🧠 搞懂 Token,才算真正入门大模型——从分词原理到 Embedding 语义实战
javascript·人工智能·算法
vivo互联网技术1 天前
ICLR 2026 | 基于后验采样的图像恢复方法LearnIR:人脸去阴影、去雾
人工智能·算法·aigc
浮生望1 天前
JS字符串与回文算法:从包装类到双指针的面试进阶之路
javascript·算法