18.1
Consider the continuous-time signal x(t), and a train of impulses where Ts, is the sampling interval, and fs, is the sampling frequency.
Multiplying both signals results in a series of discrete impulses.
The Fourier transform shows that the spectrum of the sampled signal is a sum of shifted versions of the original signal's spectrum.
The spacing of these shifted versions is determined by the sampling frequency.
If the sampling frequency is greater than twice the highest frequency present in the original signal, these shifted spectra will not overlap.
This non-overlapping condition is crucial for the perfect reconstruction of the original signal from its samples.
The Sampling Theorem states that for a band-limited signal, the sampling frequency must be at least twice the highest frequency in the signal.
This minimum required frequency is known as the Nyquist rate, and meeting this criterion ensures no loss of information during the sampling process.
A signal is considered oversampled if sampled at a rate greater than its Nyquist rate and under-sampled if at a rate lower than the Nyquist rate.
In signaalverwerking omvat de analyse van continue-tijdsignalen, aangeduid als x(t), vaak bemonsteringstechnieken om deze signalen om te zetten in discreet-tijd signalen. Dit proces is essentieel voor digitale representatie en manipulatie. Een kritisch onderdeel van bemonstering is de reeks impulsen, gekenmerkt door het bemonsteringsinterval en de bemonsteringsfrequentie. De relatie tussen deze parameters en de eigenschappen van het oorspronkelijke signaal dicteert het succes van het bemonsteringsproces.
Het vermenigvuldigen van het continue-tijdsignaal met de impulstrein resulteert in een reeks discrete impulsen. Deze bewerking produceert een bemonsterd signaal, dat kan worden geanalyseerd in het frequentiedomein met behulp van de Fouriertransformatie. De Fouriertransformatie onthult dat het spectrum van het bemonsterde signaal bestaat uit meerdere verschoven versies van het spectrum van het oorspronkelijke signaal. Deze spectrale kopieën worden van elkaar gescheiden door de bemonsteringsfrequentie.
Een fundamenteel principe in de bemonsteringstheorie is dat om overlapping tussen deze verschoven spectra te voorkomen, de bemonsteringsfrequentie voldoende hoog moet zijn. Specifiek moet de bemonsteringsfrequentie fsf_sfs groter zijn dan twee keer de hoogste frequentie die aanwezig is in het oorspronkelijke signaal, een voorwaarde die bekendstaat als de Nyquist-snelheid. Wanneer fsf_sfs deze snelheid bereikt of overschrijdt, overlappen de spectra elkaar niet, waardoor het oorspronkelijke signaal perfect kan worden gereconstrueerd uit de samples. Deze vereiste is vastgelegd in de bemonsteringsstelling, die stelt dat voor een bandbeperkt signaal de bemonsteringsfrequentie ten minste twee keer de hoogste frequentie component van het signaal moet zijn.
Wanneer een signaal wordt bemonsterd met een frequentie die hoger is dan de Nyquist-snelheid, wordt het als over bemonsterd beschouwd. Overbemonstering kan voordelen bieden zoals minder ruis en een eenvoudiger digitaal filter ontwerp. Omgekeerd, als de bemonsteringssnelheid lager is dan de Nyquist-snelheid, is het signaal onder bemonsterd, wat leidt tot een fenomeen dat bekend staat als aliasing. Aliasing zorgt ervoor dat verschillende frequentiecomponenten niet meer van elkaar te onderscheiden zijn, waardoor het gereconstrueerde signaal wordt vervormd.
In praktische toepassingen is het vasthouden aan de Nyquist-snelheid cruciaal voor nauwkeurige digitale weergave en reconstructie van analoge signalen. Dit principe ligt ten grondslag aan verschillende technologieën, waaronder digitale audio, telecommunicatie en medische beeldvorming, en zorgt ervoor dat signalen kunnen worden bemonsterd, verwerkt en gereconstrueerd zonder verlies van cruciale informatie.
Consider the continuous-time signal x(t), and a train of impulses where Ts, is the sampling interval, and fs, is the sampling frequency.
Multiplying both signals results in a series of discrete impulses.
The Fourier transform shows that the spectrum of the sampled signal is a sum of shifted versions of the original signal's spectrum.
The spacing of these shifted versions is determined by the sampling frequency.
If the sampling frequency is greater than twice the highest frequency present in the original signal, these shifted spectra will not overlap.
This non-overlapping condition is crucial for the perfect reconstruction of the original signal from its samples.
The Sampling Theorem states that for a band-limited signal, the sampling frequency must be at least twice the highest frequency in the signal.
This minimum required frequency is known as the Nyquist rate, and meeting this criterion ensures no loss of information during the sampling process.
A signal is considered oversampled if sampled at a rate greater than its Nyquist rate and under-sampled if at a rate lower than the Nyquist rate.
From Chapter 18:
Now Playing
Sampling
1.8K Views
Sampling
990 Views
Sampling
975 Views
Sampling
997 Views
Sampling
953 Views
Sampling
805 Views
Sampling
758 Views