所以,我对数字信号处理完全陌生,但今天早上读到一篇关于量化的文章时,它让我做白日梦:一台机器能否足够快地对构成波的每个粒子的位置和幅度进行采样?
理论上可以完美量化连续信号吗?
信息处理
海浪
理论
模数
量化
2022-01-24 18:55:19
4个回答
取决于您愿意做出的假设以及您尝试采样的信号类型,但理论上我认为等于普朗克时间的采样率将是任何事情的黄金标准......
这转化为(万亿赫兹)的采样频率。我个人相信机器永远不会这么快。显然,我们可以将我们的假设限制在更现实的假设上。
显然还有更多的限制,例如:什么传感器能够以如此精确的精度测量位移/速度?显然,这个假设甚至适用于亚原子尺度,而且我们很可能在声音信号的测量中不需要这样的精度。此外,当频率增加时,介质(在这种情况下为空气)中的声音衰减会增加至大量,并且超声波声波不会在很远的距离上传播。在某个时候,您将开始测量布朗运动。您还提到了单独测量每个粒子的可能性,这是另一个非常难以解决的问题。
理论上可以完美量化连续信号吗?
不,量化具有明显可计为比特的信息内容。
现在,如果您有一个连续分布的一维随机变量,那么任何这些实数发生的事件都是无界的(“无限”):
因此,对于任何(非退化)连续分布,总是有无数为(这就是我们处理具有连续分布的 PDF 的原因)。所以,事件的信息内容“嘿,我测量了值!” 将是无限的。
这意味着您不能使用有限数量的位来表示该样本。
这意味着没有可用于完美表示连续值信号的现有量化。
不,原因与其说是一个连续时间信号的采样速度问题(正如公认的答案和另一个人所说的那样),而是不可能通过对实数(如 Marcus Muller 的回答中所述)。充其量,即使我们假设量化级别的数量是无限的,级别的数量也是可数无限的,而我们需要完美表示的实数是无限的。因此,就量化表示而言,我们甚至不能完美地表示一个实值样本;下一个样本不能比秒距离第一个在这一点上是一个次要问题。在尝试跑步之前,让我们先学会走路。