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

Rozważmy sygnał w dziedzinie czasu i jego transformację Fouriera, aby ujawnić widmo.
Próbkowanie sygnału o określonej częstotliwości tworzy wiele skalowanych replik oryginalnego widma.
Jeśli częstotliwość próbkowania jest niższa od szybkości Nyquista, repliki te nakładają się na siebie, uniemożliwiając odzyskanie oryginalnego sygnału przy użyciu filtra dolnoprzepustowego.
Ten efekt nakładania się, znany jako aliasing, zniekształca zrekonstruowany sygnał.
Weźmy pod uwagę sygnał sinusoidalny i jego widmo, analiza próbkowanego widma sygnału polega na uwzględnieniu różnych wartości częstotliwości podstawowej przy stałej częstotliwości próbkowania.
Gdy częstotliwość podstawowa jest mniejsza niż połowa częstotliwości próbkowania, zwiększenie częstotliwości podstawowej prowadzi do wyższej częstotliwości wyjściowej. 
I odwrotnie, gdy częstotliwość podstawowa mieści się między połową częstotliwości próbkowania a częstotliwością próbkowania, zwiększenie częstotliwości podstawowej zmniejsza częstotliwość wyjściową.
Ze względu na aliasing zrekonstruowany sygnał nie może powrócić do swojej pierwotnej postaci.
Dokładna rekonstrukcja oryginalnego sygnału jest możliwa tylko wtedy, gdy częstotliwość próbkowania przekracza częstotliwość Nyquista, unikając w ten sposób aliasingu.

aliasing

Dokładne próbkowanie i rekonstrukcja sygnału są kluczowe w przetwarzaniach sygnałów. Widmo sygnału w dziedzinie czasu można ujawnić za pomocą jego transformaty Fouriera. Gdy sygnał ten jest próbkowany z określoną częstotliwością, skutkuje to wielokrotnymi skalowanymi replikami oryginalnego widma w dziedzinie częstotliwości. Odstępy między tymi replikami są określane przez częstotliwość próbkowania.


Jeśli częstotliwość próbkowania jest niższa od częstotliwości Nyquista, repliki te nakładają się na siebie, uniemożliwiając dokładne odzyskanie oryginalnego sygnału za pomocą filtra dolnoprzepustowego. Ten efekt nakładania się, znany jako aliasing, zniekształca zrekonstruowany sygnał i uniemożliwia odzyskanie oryginalnego sygnału.


Aby przeanalizować widmo próbkowanego sygnału, należy wziąć pod uwagę częstotliwość podstawową i sposób, w jaki oddziałuje ona ze stałą częstotliwością próbkowania. Gdy częstotliwość podstawowa sygnału mieści się między połową częstotliwości próbkowania a samą częstotliwością próbkowania, każdy wzrost częstotliwości podstawowej paradoksalnie spowoduje spadek postrzeganej częstotliwości wyjściowej. Ten nieintuicyjny efekt wynika z aliasingu, gdzie wyższe częstotliwości są nieodróżnialne od niższych częstotliwości po próbkowaniu. W konsekwencji zrekonstruowany sygnał jest znacznie zniekształcony i nie może powrócić do swojej pierwotnej formy.


Odwrotnie, jeśli częstotliwość podstawowa jest mniejsza niż połowa częstotliwości próbkowania, zwiększenie częstotliwości podstawowej powoduje zwiększenie częstotliwości wyjściowej. Takie zachowanie jest zgodne z oczekiwaniami i umożliwia wyraźniejszą rekonstrukcję oryginalnego sygnału. Dlatego też, aby uzyskać dokładną rekonstrukcję, częstotliwość próbkowania musi przekraczać częstotliwość Nyquista, która jest dwukrotnością najwyższej częstotliwości obecnej w oryginalnym sygnale. Spełniając lub przekraczając tę częstotliwość, unika się aliasingu, a repliki w domenie częstotliwości nie nakładają się.


Przestrzeganie kryterium Nyquista sprawia, że częstotliwość próbkowania jest wystarczająco wysoka, aby przechwycić niezbędne informacje z oryginalnego sygnału, umożliwiając dokładną rekonstrukcję sygnału. Zasada ta jest krytyczna w różnych zastosowaniach, takich jak przetwarzanie dźwięku, telekomunikacja i akwizycja danych, gdzie zachowanie integralności sygnału ma kluczowe znaczenie. Uniknięcie aliasingu poprzez użycie odpowiedniej częstotliwości próbkowania pozwala na wierne odtworzenie oryginalnego sygnału w dziedzinie czasu, zachowując jego jakość i wierność.

Aliasing

Rozważmy sygnał w dziedzinie czasu i jego transformację Fouriera, aby ujawnić widmo.
Próbkowanie sygnału o określonej częstotliwości tworzy wiele skalowanych ...

Education

JoVE Core

Electrical Engineering

Elektrotechnika

Unit 1

Jednostka 1

Sampling

Próbkowanie

KEY TERMS AND CONCEPTS

KLUCZOWE TERMINY I POJĘCIA

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