Name: sampling signals without aliasing
Uploaded: 2024-09-26T13:17:07.000Z
Duration: 1 min 18 s
Channel: JoVE

Considérons un signal dans le domaine temporel et sa transformée de Fourier pour révéler le spectre.
L’échantillonnage du signal à une fréquence spécifique crée plusieurs répliques à l’échelle du spectre d’origine.
Si la fréquence d’échantillonnage est inférieure à la fréquence de Nyquist, ces répliques se chevauchent, empêchant la récupération du signal d’origine à l’aide d’un filtre passe-bas.
Cet effet de chevauchement, connu sous le nom d’aliasing, déforme le signal reconstruit.
Considérons un signal sinusoïdal et son spectre, l’analyse du spectre du signal échantillonné implique de considérer diverses valeurs de la fréquence fondamentale avec une fréquence d’échantillonnage fixe.
Lorsque la fréquence fondamentale est inférieure à la moitié de la fréquence d’échantillonnage, l’augmentation de la fréquence fondamentale conduit à une fréquence de sortie plus élevée. 
À l’inverse, lorsque la fréquence fondamentale est comprise entre la moitié de la fréquence d’échantillonnage et la fréquence d’échantillonnage, l’augmentation de la fréquence fondamentale diminue la fréquence de sortie.
En raison du repliement, le signal reconstruit ne peut pas revenir à sa forme d’origine.
Une reconstruction précise du signal d’origine n’est possible que lorsque la fréquence d’échantillonnage dépasse la fréquence de Nyquist, évitant ainsi le repliement.

aliasing

L'échantillonnage et la reconstruction précise du signal sont essentiels dans diverses applications de traitement du signal. Le spectre d'un signal dans le domaine temporel peut être révélé à l'aide de sa transformée de Fourier. Lorsque ce signal est échantillonné à une fréquence spécifique, il en résulte plusieurs répliques mises à l'échelle du spectre d'origine dans le domaine fréquentiel. L'espacement de ces répliques est déterminé par la fréquence d'échantillonnage.

Si la fréquence d'échantillonnage est inférieure au taux de Nyquist, ces répliques se chevauchent, empêchant la récupération précise du signal d'origine à l'aide d'un filtre passe-bas. Cet effet de chevauchement, appelé aliasing, déforme le signal reconstruit et rend impossible la récupération du signal d'origine.

Pour analyser le spectre du signal échantillonné, il faut tenir compte de la fréquence fondamentale et de la manière dont elle interagit avec une fréquence d'échantillonnage fixe. Lorsque la fréquence fondamentale du signal est comprise entre la moitié de la fréquence d'échantillonnage et la fréquence d'échantillonnage elle-même, toute augmentation de la fréquence fondamentale entraînera paradoxalement une diminution de la fréquence de sortie perçue. Cet effet contre-intuitif est dû au repliement, où les fréquences hautes sont indiscernables des fréquences basses après l'échantillonnage. Par conséquent, le signal reconstruit est considérablement déformé et ne peut pas revenir à sa forme initiale.

Inversement, si la fréquence fondamentale est inférieure à la moitié de la fréquence d'échantillonnage, l'augmentation de la fréquence fondamentale entraîne une augmentation de la fréquence de sortie. Ce comportement est conforme aux attentes et permet une reconstruction plus claire du signal d'origine. Par conséquent, pour une reconstruction précise, la fréquence d'échantillonnage doit dépasser le taux de Nyquist, qui est le double de la fréquence la plus élevée présente dans le signal d'origine. En respectant ou en dépassant ce taux, le repliement est évité et les répliques dans le domaine fréquentiel ne se chevauchent pas.

Le respect du critère de Nyquist garantit que la fréquence d'échantillonnage soit suffisamment élevée pour capturer les informations nécessaires à partir du signal d'origine, ce qui rend possible une reconstruction précise du signal. Ce principe est essentiel dans diverses applications telles que le traitement audio, les télécommunications et l'acquisition de données, où le maintien de l'intégrité du signal est primordial. Éviter le repliement en utilisant une fréquence d'échantillonnage appropriée permet de récupérer de manière précise le signal du domaine temporel d'origine, en préservant sa qualité et sa fidélité.

Aliasing

Considérons un signal dans le domaine temporel et sa transformée de Fourier pour révéler le spectre.
L’échantillonnage du signal à une fréquence spécifique crée plusieurs échelles ...

Education

Enseignement

JoVE Core

Electrical Engineering

Génie électrique

Unit 1

Unité 1

Sampling

Échantillonnage

KEY TERMS AND CONCEPTS

TERMES ET CONCEPTS CLÉS

sampling signals without aliasing

Sampling a signal at the right rate is essential for accurate signal reconstruction. A time-domain signal can be analyzed with its Fourier transform, which reveals its spectrum. When the signal is sampled, the spectrum becomes multiple scaled replicas in the frequency domain. The spacing between these replicas depends on the sampling frequency.

If the sampling frequency is below the Nyquist rate, the replicas overlap. The Nyquist rate is twice the highest frequency in the original signal. Once overlap occurs, a low-pass filter cannot recover the original signal correctly. This overlap is called aliasing, and it distorts the reconstructed signal.

The effect also changes how frequency is perceived after sampling. If the fundamental frequency is between half the sampling frequency and the sampling frequency itself, raising the fundamental frequency can make the output frequency appear lower. This counterintuitive result happens because higher frequencies become indistinguishable from lower ones after sampling.

If the fundamental frequency is less than half the sampling frequency, the output frequency rises as expected when the fundamental frequency rises. In this range, the reconstructed signal is clearer and stays closer to the original. For accurate recovery, the sampling frequency must meet or exceed the Nyquist criterion so the replicas do not overlap. This idea matters in audio processing, telecommunications, and data acquisition, where preserving signal quality is important.

Sampling Signals Without Aliasing

sampling theorem

Sampling Signals for Digital Use

Sampling signals for digital use turns a continuous-time signal, x(t), into a discrete-time signal. This step is essential when a real-world signal must be stored or processed by a digital system. A train of impulses sets the sampling interval, and the sampling frequency describes how often the signal is measured. The sampling process works by multiplying the continuous-time signal by the impulse train. This creates a series of discrete impulses called the sampled signal. Engineers then study...

sampling continuous time signal

Impulse-Train Sampling and Zero-Order Hold

Impulse-train sampling and zero-order hold are two key steps in digital signal processing. Together, they show how a continuous-time signal can be turned into samples and then built back into a continuous-looking waveform. Impulse-train sampling uses a periodic impulse train. This train is a series of delta functions placed at regular intervals set by the sampling period. When the continuous-time signal is multiplied by the impulse train, the result is a set of impulses whose amplitudes match...

reconstruction of signal using interpolation

reconstruction-of-signal-using-interpolation

Signal Reconstruction with Low-Pass Filtering

Signal reconstruction with low-pass filtering helps turn a sampled signal back into a smooth continuous signal. When a continuous signal is sampled with a period T, the sampled version creates replicas of the original spectrum in the frequency domain. These replicas are spaced by the sampling frequency. A zero-order hold can be used to process the sampled signal. This method keeps each sample value until the next sampling period, so the output becomes piecewise constant. In the frequency...

Sampling a signal at the right rate is essential for accurate signal reconstruction. A time-domain signal can be analyzed with its Fourier transform, which reveals its spectrum. When the signal is sampled, the spectrum becomes multiple scaled replicas in the frequency domain. The spacing between these replicas depends on the sampling frequency. If the sampling frequency is below the Nyquist rate, the replicas overlap. The Nyquist rate is twice the highest frequency in the original signal. Once...

downsampling

Decimation and Sampling Rate Reduction

Decimation reduces a sampled sequence by keeping every N-th sample. At those integer multiples of N, the original and reduced sequences match. This makes the sequence shorter and more efficient for digital signal processing. The Fourier transform of a decimated sequence is not just a simple copy of the original. It becomes a scaled and shifted combination of the original spectrum. In effect, the reduced sequence reflects the same frequency content, but in a form shaped by the new sampling...

upsampling

Zero-Inserted Signal Reconstruction

Zero-inserted signal reconstruction is a digital signal processing method used to raise a signal’s sampling rate while keeping its important frequency content. A decimated signal has fewer samples and a narrower frequency range. To upsample it, zeros are inserted between the original samples. This zero-stuffed sequence changes the spectrum. It creates repeated spectral replicas at intervals set by the new Nyquist frequency, which is the highest frequency allowed by the new sampling rate. A...

bandpass sampling

Sampling Narrow Frequency Bands

Bandpass sampling is a signal processing method for signals whose energy is concentrated in a narrow frequency band. Such a signal is called a bandpass signal. The method works when the sampling rate is greater than twice the signal bandwidth, which helps prevent aliasing. A bandpass signal has a spectrum with a lower limit, ω1, and an upper limit, ω2. Its spectrum is nonzero only between those two frequencies. To sample it, the time-domain signal is multiplied by an impulse train. This...

key terms and concepts

Learn how sampling frequency, the Nyquist rate, and overlapping spectra affect signal reconstruction and why aliasing distorts sampled signals.

Sampling Signals Without Aliasing | JoVE K12

JoVE Core Electrical Engineering offers easy-to-understand animated videos that cover fundamental concepts of electric circuits along with circuit analysis techniques. It incorporates first-order and second-order circuits using operational amplifiers and circuit transformation concepts. The inclusion of practical design examples and real-world applications through scientist-in-action videos adds significant educational value, making complex concepts accessible.

electrical engineering

Sampling Signals Without Aliasing

Description

Transcript

Tags