带通采样定理的应用论文.doc

《带通采样定理的应用论文.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、带通采样定理在信号与系统的实际问题解决中我们遇到的许多信号是带通信号，这种信号的带宽往往远小于信号中心频率。若带通信号的上截止频率为，下截止频率为，这时并不需要抽样频率高于两倍上截止频率，可按照带通抽样定理确定抽样频率。带通抽样定理：一个频带限制在内的时间连续信号，信号带宽，令，这里为不大于的最大正整数。如果抽样频率满足条件，（3.1-9）则可以由抽样序列无失真的重建原始信号。对信号以频率抽样后，得到的采样信号的频谱是的频谱经过周期延拓而成，延拓周期为，如图3-3所示。为了能够由抽样序列无失真的重建原始信号，必须选择合适的延拓周期（也就是选

2、择采样频率），使得位于和的频带分量不会和延拓分量出现混叠，这样使用带通滤波器就可以由采样序列重建原始信号。由于正负频率分量的对称性，我们仅考虑的频带分量不会出现混叠的条件。在抽样信号的频谱中，在频带的两边，有着两个延拓频谱分量：和。为了避免混叠，延拓后的频带分量应满足（3.1-10）（3.1-11）综合式（3.1-10）和式（3.1-11）并整理得到（3.1-12）这里是大于等于零的一个正数。如果取零，则上述条件化为（3.1-13）这时实际上是把带通信号看作低通信号进行采样。取得越大，则符合式（3.1-12）的采样频率会越低。但是有一个上限

3、，因为，而为了避免混叠，延拓周期要大于两倍的信号带宽，即。因此（3.1-14）由于为不大于的最大正整数，因此不大于的最大正整数为，故有综上所述，要无失真的恢复原始信号，采样频率应满足，（3.1-15）图3-1带通采样信号的频谱带通抽样定理在多路信号的编码、数字接收机的中频采样数字化中有重要的应用。作为一个特例，我们考虑（）的情况，即上截止频率为带宽的整数倍。若按低通抽样定理，则要求抽样频率，抽样后信号各段频谱间不重叠，采用低通滤波器或带通滤波器均能无失真的恢复原始信号。根据带通抽样，若将抽样频率取为（值取为），抽样后信号各段频谱之间仍不会发

4、生混叠。采用带通滤波器仍可无失真地恢复原始信号，但此时抽样频率远低于低通抽样定理的要求。图3-4所示为，时抽样信号的频谱。在这里，我还想讨论使用带通采样定理需要注意的问题。图3-2，时的抽样频谱在带通抽样定理中，由于，带通抽样信号的抽样频率在到之间变化，如图3-5所示。图3-3带通抽样定理由以上讨论可知，低通信号的抽样和恢复比起带通信号来要简单。通常，当带通信号的带宽大于信号的最低频率时，在抽样时把信号当作低通信号处理，使用低通抽样定理，而在不满足上述条件时则使用带通抽样定理。模拟电话信号经限带后的频率范围为300Hz～3400Hz，在抽样

5、时按低通抽样定理，抽样频率至少为6800Hz。由于在实际实现时滤波器均有一定宽度的过渡带，抽样前的限带滤波器不能对3400Hz以上频率分量完全予以抑制，在恢复信号时也不可能使用理想的低通滤波器，所以对语音信号的抽样频率取为8kHz。这样，在抽样信号的频谱之间便可形成一定间隔的保护带，既防止频谱的混叠，又放松了对低通滤波器的要求。这种以适当高于奈奎斯特频率进行抽样的方法在实际应用中是很常见的。在这里，我还想说明当我们应有采样定理时需要注意的问题。疑惑一：“完全恢复”：原始信号f(t)的特征包括幅度，相位和频率。信号采样后其频谱产生了周期延拓，

6、每隔一个采样频率fs，重复出现一次。对信号的频谱作逆傅立叶变换时，可以变换为原时域采样信号，而不能保证此时的采样信号能真实地反映原信号幅度和相位。同时满足信号三个特征幅度、相位和频率叫做无失真。这和采样定理是不同的应用。工程应用中取采样频率为(5-8)fo，可以满足一般无失真的要求。释疑二：“2倍重复频率”两倍是必要条件，不是充分条件。采样定理只是规定了避免频率混叠的充分必要条件，注意，仅仅是混叠这一个方面，采样定理并没说要按照2倍频率采样。拓展：混迭（Aliasing）：为了避免这种情况的发生,通常在信号被采集(A/D)之前,经过一个低通

7、滤波器,将信号中高于奈奎斯特频率的信号成分滤去。在图３的例子中,这个滤波器的截止频率自然是25HZ。这个滤波器称为抗混叠滤波器。其实我们可以接着这个话题继续说下去，既然采样频率大可以获得良好的波形，那么是不是采样频率越大越好呢？显然不是，在数字示波器中，当采样频率较大时，波形的谱线范围也变宽了，且频率分辨率也增大了，因为频率分辨率满足：Δf=fs/N，一味的增大采样频率是不会获得好的频率分辨率的，要获得好的频率分辨率，相应的要增大采样点数N。应用实例一：带通采样与压缩感知——论正交匹配追踪算法的压缩传感。压缩感知是新兴的采样理论通过开发信号

8、的稀疏特性，在远小于Nyquist采样率的条件下，用随机采样获取信号的离散样本，然后通过非线性重建算法完美的重建信号。压缩感知理论的核心思想主要包括两点。第一个是信号的稀疏结构。