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

Consideriamo un segnale nel dominio del tempo e la sua trasformata di Fourier per rivelare lo spettro.
Il campionamento del segnale a una frequenza specifica crea più repliche in scala dello spettro originale.
Se la frequenza di campionamento è inferiore alla frequenza di Nyquist, queste repliche si sovrappongono, impedendo il recupero del segnale originale utilizzando un filtro passa-basso.
Questo effetto di sovrapposizione, noto come aliasing, distorce il segnale ricostruito.
Consideriamo un segnale sinusoidale e il suo spettro, l'analisi dello spettro del segnale campionato comporta la considerazione di vari valori della frequenza fondamentale con una frequenza di campionamento fissa.
Quando la frequenza fondamentale è inferiore alla metà della frequenza di campionamento, l'aumento della frequenza fondamentale porta a una frequenza di uscita più elevata. 
Al contrario, quando la frequenza fondamentale è compresa tra la metà della frequenza di campionamento e la frequenza di campionamento, aumentando la frequenza fondamentale si riduce la frequenza di uscita.
A causa dell'aliasing, il segnale ricostruito non può tornare alla sua forma originale.
La ricostruzione accurata del segnale originale è possibile solo quando la frequenza di campionamento supera la frequenza di Nyquist, evitando così l'aliasing.

aliasing

Il campionamento e la ricostruzione accurata del segnale sono fondamentali in varie applicazioni di elaborazione del segnale. Lo spettro di un segnale nel dominio del tempo può essere rilevato usando la sua trasformata di Fourier. Quando questo segnale viene campionato a una frequenza specifica, si ottengono più repliche in scala dello spettro originale nel dominio della frequenza. La spaziatura di queste repliche è determinata dalla frequenza di campionamento.


Se la frequenza di campionamento è inferiore alla frequenza di Nyquist, queste repliche si sovrappongono, impedendo al segnale originale di essere recuperato accuratamente attraverso un filtro passa-basso. Questo effetto di sovrapposizione, noto come aliasing, distorce il segnale ricostruito e rende impossibile recuperare il segnale originale.

Per analizzare lo spettro del segnale campionato, è necessario considerare la frequenza fondamentale e come interagisce con una frequenza di campionamento fissa. Quando la frequenza fondamentale del segnale è compresa tra la metà della frequenza di campionamento e la frequenza di campionamento stessa, qualsiasi aumento della frequenza fondamentale comporterà paradossalmente una diminuzione della frequenza di output percepita. Questo effetto controintuitivo è dovuto all'aliasing, in cui le frequenze più alte sono indistinguibili da quelle più basse dopo il campionamento. Di conseguenza, il segnale ricostruito è notevolmente distorto e non può tornare alla sua forma originale.

Al contrario, se la frequenza fondamentale è inferiore alla metà della frequenza di campionamento, l'aumento della frequenza fondamentale determina un aumento della frequenza di uscita. Questo comportamento è in linea con le aspettative e consente una ricostruzione più chiara del segnale originale. Pertanto, per una ricostruzione accurata, la frequenza di campionamento deve superare la frequenza di Nyquist, che è il doppio della frequenza più alta presente nel segnale originale. Raggiungendo o superando questa frequenza, si evita l'aliasing e le repliche nel dominio della frequenza non si sovrappongono.


L'adesione al criterio di Nyquist garantisce che la frequenza di campionamento sia sufficientemente alta da catturare le informazioni necessarie dal segnale originale, rendendo possibile una ricostruzione accurata del segnale. Questo principio è fondamentale in varie applicazioni come l'elaborazione audio, le telecomunicazioni e l'acquisizione dati, dove il mantenimento dell'integrità del segnale è fondamentale. Evitare l'aliasing usando una frequenza di campionamento appropriata consente il recupero fedele del segnale originale nel dominio del tempo, preservandone la qualità e la fedeltà.

Aliasing

Consideriamo un segnale nel dominio del tempo e la sua trasformata di Fourier per rivelare lo spettro.
Il campionamento del segnale a una frequenza specifica crea ...

Education

Didattica

JoVE Core

Electrical Engineering

Ingegneria elettrica

Unit 1

Unità 1

Sampling

Campionamento

KEY TERMS AND CONCEPTS

TERMINI E CONCETTI CHIAVE

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