围绕奈奎斯特率采样的结论

信息处理 采样 Python 奈奎斯特
2022-02-11 04:33:52

我试图了解围绕信号的奈奎斯特采样率进行采样的一些结果。对于我的示例,我正在采样B=5Hz波超过 1 秒。

采样 5Hz 波

  1. 在第一张图片中,我使用 1000Hz 的非常高的采样率来模拟精确的信号(至少用于绘图),sin(2π5t). 该采样随后在下图中用作参考。
  2. 接下来,我使用一个略低于 Nyquist 的频率,即 9Hz。生成的波看起来像正弦波,但并不代表波的高点和低点。我仍在跟踪为什么从这张图片中达到奈奎斯特率很重要。
  3. 接下来,我对奈奎斯特感到困惑:我准确地采样2B=10Hz,下界。这会在数据中产生几乎为零:
    [ 0.00000000e+00  1.22464680e-16 -2.44929360e-16 -1.40896280e-15
    -4.89858720e-16  6.12323400e-16  2.81792560e-15 -2.69546092e-15
    -9.79717439e-16  1.10218212e-15]
    
    (我什至不确定这些是否是浮点错误)。是的,有一些振荡,但非常轻微。看来我们需要进一步提高采样率...2B独家的?
  4. 在第四张图片中,我以 11Hz 的频率进行采样,高于奈奎斯特速率。然而,这个采样看起来非常像关于 x 轴翻转的图像#2。再一次,有一些振荡,但我不明白我们如何从中重建 5 Hz 波,尤其是当它具有与图像#2 几乎相同的质量时。
  5. 最后,我在4B=10Hz最后,我可以看到我期望的 5Hz 波。当理论只说 2x 时,为什么需要 4x 才能到达这里?

我觉得我上面得出的结论是不正确的(可能有多种方式)。有人可以帮我解释我错在哪里吗?

Jupyter Notebook 可在此处获得:https ://gist.github.com/t-mart/8a46e87938904c7f6a5a102ad6a2ef0e

3个回答

2B的费率是独家的吗?

是的。采样定理指出,信号的频带必须限制在采样率的一半。这意味着奈奎斯特频率处的能量必须为零。在实践中,您需要在最高可用频率和奈奎斯特频率之间保持健康的余量。总有一些“过渡带”,您需要将能量从“有用”变为“无用”

我看不出我们怎么能从中重建一个 5 Hz 的波

您可以使用香农惠特克插值。https://en.wikipedia.org/wiki/Whittaker%E2%80%93Shannon_interpolation_formula它在你眼中的外观并不重要,重要的是所有信息都在那里,它就是。

当理论只说 2x 时,为什么需要 4x 才能到达这里?

不需要4倍。您需要使用定量的数学标准来确定抽样是否“好”。目视检查在这里没有帮助。最直接的方法是:如果您将此序列发送到 D/A 转换器并将输出与原始输入进行比较,这两个信号有何不同?这实际上就是香农插值的作用:它模仿具有无限陡峭抗混叠滤波器的 DAC 转换器。

把你的正弦波放在f=5kHz; 如果你在采样,你会得到一个结果 *。由于三角恒等式您无法区分处的正弦波由于三角恒等式,除非您知道起始相位(您从不知道),否则您无法区分x(t)=sin2πftFsy[k]=sin2πfFsksinθ=sin(2π+θ)ff±nFssinθ=sin(π+θ)ff=±n2Fs

这无法分辨出别名的来源。

此外,当您将信号从采样时域重构为连续时间时,正弦波中的那些模糊性会在频谱中显示为实际信号采样你的波的情况下,你在 4、6、9、11、14、16 等处有真正诚实的正弦波。这些建设性或限制性地干涉,使你看到的奇怪形状。5kHz4kHz

如果您以采样并重建,您会看到相同的频率,因为混叠。6kHz

如果您采用重建的正弦波并通过低通滤波器运行它,该滤波器将所有内容都传递到并包括并且没有任何东西等于或高于,那么你' d 得到一个完美的重建。如果您对波进行采样,对其进行采样并对其进行重构,那么您也可以获得完美的重构,但现在您需要一个过滤器,它可以通过包括或以上没有4kHz4kHz6kHz4.99kHz4.99kHz5.01kHz

困难的出现是因为您使用的过滤器越窄,物理上实现的难度就越大,您需要的延迟也就越多。 理论上,您可以从的信号开始,对于任何的采样信号都可以重建——但越接近零,事情就越难。f=Fsϵϵ>0ϵ

实践中,您希望使用甚至更少——并且有很好的可靠论据,为什么对于发烧友信号,您希望它少四到八倍。诸如光盘之类的东西使用的比率比这要少——但它们需要做很多花哨的过滤才能使其正常工作,而且有些发烧友对 44 奇数 kHz 的 CD 采样率不满意。f<Fs/2

* 请注意,我故意避免使用 DSP 中最流行的采样模型,其中采样时间信号乘以一系列狄拉克三角函数。这样我就可以将讨论纳入一个至少有些严谨的答复中。如果您真正深入研究 DSP,请相信我,最终 Dirac delta 模型会更好——一开始只是需要更多的工作来环绕您的大脑。

没错,在现实世界中,2x 不足以准确捕捉给定频率的声音。在您的图表中,只有第一个听起来像正弦波。当您接近奈奎斯特频率时,您将创建一个类似警报器的声音,当您达到确切的频率时,您将记录一个正弦波的脉冲波近似值,其幅度会根据您的相位而变化。除非您要引入隐藏数据,否则没有可以采用一系列零并从中产生正弦波的重建 DAC。

即使在 4x 下,您也只重建了一个三角波,如果您改变相位,您会得到一些音调失真。在 DAC 上使用余弦或三次插值器,您需要至少 6 倍的采样率才能准确地重建正弦波,从而无需假设原始样本的作用。Nyquist 仅适用于非常不真实的示例案例,它对音频工程师实际上并没有用处。

“奈奎斯特-香农采样定理——绝对和肯定地——并没有说,你可以设计你的系统以奈奎斯特速率正常运行,至少没有任何合理的成功机会。”

https://www.wescottdesign.com/articles/Sampling/sampling.pdf