在我們周圍有著各種各樣的模擬信號(hào)，比如，電流，電磁波，溫度，聲音等等。作為計(jì)算機(jī)系統(tǒng)來說，它只認(rèn)識(shí)0和1，意味著它只能處理數(shù)字信息，但是，它是如何處理我們周圍的這些模擬信號(hào)的呢?要理解這個(gè)問題，我們需要理解在數(shù)字信號(hào)處理領(lǐng)域中一個(gè)非常重要的定理——采樣定理，它是模擬信號(hào)數(shù)字信號(hào)之間的一個(gè)基本橋梁，本文將和大家一起學(xué)習(xí)奈奎斯特-香農(nóng)采樣定理。

采樣定理1928年由美國電信工程師奈奎斯特首先提出來的，因此稱為奈奎斯特采樣定理。1933年由蘇聯(lián)工程師科捷利尼科夫首次用公式嚴(yán)格地表述這一定理，因此在蘇聯(lián)文獻(xiàn)中稱為科捷利尼科夫采樣定理。1948年信息論的創(chuàng)始人香農(nóng)對(duì)這一定理加以明確地說明并正式作為定理引用，因此在許多文獻(xiàn)中又稱為香農(nóng)采樣定理。

我們先來看下面一個(gè)例子，對(duì)于一個(gè)正弦信號(hào)：

如果我們分別以0.5，0.25，0.1，0.01的間隔取點(diǎn)，然后再將每個(gè)點(diǎn)用直線連接起來。

從上面的圖中可以發(fā)現(xiàn)，時(shí)間間隔越小，記錄這個(gè)信號(hào)的點(diǎn)數(shù)也多，信號(hào)還原的就越精確。顯然，我們不可能無限多的點(diǎn)數(shù)去記錄這個(gè)信號(hào)，如何才能準(zhǔn)確的表達(dá)信號(hào)，又能合理的使用計(jì)算機(jī)資源?

其實(shí)大佬們?cè)缇陀醒芯?，就是我們今天要學(xué)習(xí)的奈奎斯特-香農(nóng)采樣定理。

采樣頻率要大于信號(hào)最高頻率的2倍，才能無失真的保留信號(hào)的完整信息。

即：

這里，我們將這個(gè)信號(hào)頻率(這個(gè)臨界點(diǎn))叫做奈奎斯特頻率。下面我們不妨先通過一個(gè)實(shí)驗(yàn)來理解這個(gè)定理，假如有下面這樣一個(gè)信號(hào):

令f=5 Hz, 再分別依次以5Hz，10Hz，20Hz，40Hz，100Hz的采樣率進(jìn)行采樣，觀察不同采樣率情況下時(shí)域和頻域的信號(hào)還原情況，老規(guī)矩先上代碼。

 
 
 
 

  
  
  
  
import numpy as np
  
  
  
  
import matplotlib.pyplot as plt
  
  
  
  

  
  
  
  
def signalCreate(_fs, _N, _f0):
  
  
  
  
    fs = _fs # 采樣率
  
  
  
  
    N = _N # 數(shù)據(jù)點(diǎn)數(shù)
  
  
  
  
    f0 = _f0
  
  
  
  
    n = np.linspace(0, N-1, N)
  
  
  
  
    t = n / fs
  
  
  
  
    yt = np.exp(1j*2*np.pi*f0*t)
  
  
  
  
    f = n * fs / N - fs/2
  
  
  
  
    yf = np.fft.fftshift(np.fft.fft(yt))
  
  
  
  

  
  
  
  
    return t, yt, f, yf
  
  
  
  

  
  
  
  
t, yt, f, yf = signalCreate(5, 128, 5)
  
  
  
  
plt.subplot(5, 2, 1)
  
  
  
  
plt.plot(t, yt)
  
  
  
  
plt.subplot(5, 2, 2)
  
  
  
  
plt.plot(f, np.abs(yf))
  
  
  
  

  
  
  
  
t, yt, f, yf = signalCreate(10, 128, 5)
  
  
  
  
plt.subplot(5, 2, 3)
  
  
  
  
plt.plot(t, yt)
  
  
  
  
plt.subplot(5, 2, 4)
  
  
  
  
plt.plot(f, np.abs(yf))
  
  
  
  

  
  
  
  
t, yt, f, yf = signalCreate(20, 128, 5)
  
  
  
  
plt.subplot(5, 2, 5)
  
  
  
  
plt.plot(t, yt)
  
  
  
  
plt.subplot(5, 2, 6)
  
  
  
  
plt.plot(f, np.abs(yf))
  
  
  
  

  
  
  
  
t, yt, f, yf = signalCreate(40, 128, 5)
  
  
  
  
plt.subplot(5, 2, 7)
  
  
  
  
plt.plot(t, yt)
  
  
  
  
plt.subplot(5, 2, 8)
  
  
  
  
plt.plot(f, np.abs(yf))
  
  
  
  

  
  
  
  
t, yt, f, yf = signalCreate(100, 128, 5)
  
  
  
  
plt.subplot(5, 2, 9)
  
  
  
  
plt.plot(t, yt)
  
  
  
  
plt.subplot(5, 2, 10)
  
  
  
  
plt.plot(f, np.abs(yf))
  
  
  
  

  
  
  
  
plt.show()
 
 
 
 

結(jié)果如下圖，左邊是時(shí)域右邊是頻域。當(dāng)采樣頻率是5Hz時(shí)，還原出來的信號(hào)是一個(gè)頻率為0的直流信號(hào)，顯然，這里當(dāng)采樣頻率小于信號(hào)頻率的兩倍時(shí)是無法準(zhǔn)確還原原信號(hào)的;當(dāng)采樣頻率是10Hz時(shí)，還原出來的信號(hào)似乎也還是有些不對(duì)的地方，在頻域上很明顯信號(hào)不能完整的顯示出來;當(dāng)采樣頻率是20Hz時(shí)，不管是時(shí)域還是頻域還原出來信號(hào)都已經(jīng)很接近原始信號(hào)了;當(dāng)然我們繼續(xù)增加采樣頻率，當(dāng)采樣頻率是40Hz和100Hz時(shí)，還原出的信號(hào)更加接近真實(shí)信號(hào)了。

不同采樣率采樣

不過，我們對(duì)比采樣頻率40Hz和100Hz的頻域圖形可以發(fā)現(xiàn)，100Hz的明顯要“胖”一些。這是因?yàn)轭l率分辨率變大了，采樣點(diǎn)數(shù)不變，采樣分辨率隨著采樣頻域增加而增加，采樣分辨率可以用下面的公式計(jì)算：

顯然，采樣頻率如果太低就不能正確還原真實(shí)信號(hào);但是如果采樣頻率太高，會(huì)有較大的頻率分辨率，同時(shí)又會(huì)有產(chǎn)生大量的數(shù)據(jù)。通常，在實(shí)際應(yīng)用中采樣頻率會(huì)選擇比兩倍奈奎斯特頻率要大一些(比如3～5倍)。

另外，在采樣的過程中，對(duì)比采樣頻率和奈奎斯特頻率大小關(guān)系，我們還可以這樣來描述：

• 采樣頻率高于兩倍奈奎斯特頻率，這種采樣被稱為過采樣;
• 采樣頻率低于兩倍奈奎斯特頻率，這種采樣被稱為欠采樣。

本文轉(zhuǎn)載自微信公眾號(hào)「 Will的大食堂」，可以通過以下二維碼關(guān)注。轉(zhuǎn)載本文請(qǐng)聯(lián)系 Will的大食堂公眾號(hào)。

本文題目：模擬和數(shù)字信號(hào)的橋梁——奈奎斯特采樣定理
網(wǎng)頁鏈接：http://uogjgqi.cn/article/dpsghji.html