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

Рассмотрим сигнал во временной области и его преобразование Фурье, чтобы выявить спектр.
Дискретизация сигнала на определенной частоте создает несколько масштабированных копий исходного спектра.
Если частота дискретизации ниже частоты Найквиста, эти реплики перекрываются, препятствуя восстановлению исходного сигнала с помощью фильтра нижних частот.
Этот эффект наложения, известный как алиасинг, искажает восстановленный сигнал.
Рассмотрим синусоидальный сигнал и его спектр, анализ спектра дискретизируемого сигнала предполагает рассмотрение различных значений основной частоты с фиксированной частотой дискретизации.
Когда основная частота меньше половины частоты дискретизации, увеличение основной частоты приводит к увеличению выходной частоты. 
И наоборот, когда основная частота находится между половиной частоты дискретизации и частотой дискретизации, увеличение основной частоты уменьшает выходную частоту.
Из-за наложения восстановленный сигнал не может вернуться в исходную форму.
Точная реконструкция исходного сигнала возможна только в том случае, если частота дискретизации превышает частоту Найквиста, что позволяет избежать искажения.

 Наложение спектров

Точная выборка и реконструкция сигнала имеют решающее значение в различных приложениях обработки сигналов. Спектр сигнала во временной области можно выявить с помощью его преобразования Фурье. Когда этот сигнал дискретизируется на определенной частоте, он приводит к появлению нескольких масштабированных копий исходного спектра в частотном домене. Расстояние между этими копиями определяется частотой дискретизации.

Если частота дискретизации ниже частоты Найквиста, эти копии перекрываются, что не позволяет точно восстановить исходный сигнал с помощью фильтра нижних частот. Этот эффект перекрытия, известный как наложение спектров, искажает восстановленный сигнал и делает невозможным восстановление исходного сигнала.

Чтобы проанализировать спектр дискретизированного сигнала, необходимо учитывать основную частоту и то, как она взаимодействует с фиксированной частотой дискретизации. Когда основная частота сигнала находится между половиной частоты дискретизации и самой частотой дискретизации, любое увеличение основной частоты парадоксальным образом приведет к снижению воспринимаемой выходной частоты. Этот контринтуитивный эффект обусловлен наложением, когда более высокие частоты неотличимы от более низких частот после дискретизации. Следовательно, восстановленный сигнал значительно искажается и не может вернуться к своей первоначальной форме.

И наоборот, если основная частота меньше половины частоты дискретизации, увеличение основной частоты приводит к увеличению выходной частоты. Такое поведение соответствует ожиданиям и позволяет более точно реконструировать исходный сигнал. Поэтому для точной реконструкции частота дискретизации должна превышать частоту Найквиста, которая в два раза превышает самую высокую частоту, присутствующую в исходном сигнале. При достижении или превышении этой частоты наложение исключается, и копии в частотном домене не перекрываются.

Соблюдение критерия Найквиста гарантирует, что частота дискретизации достаточно высока для считывания необходимой информации из исходного сигнала, что делает возможным точное восстановление сигнала. Этот принцип имеет решающее значение в различных приложениях, таких как обработка звука, телекоммуникации и сбор данных, где сохранение целостности сигнала имеет первостепенное значение. Предотвращение наложения спектров путем использования соответствующей частоты дискретизации позволяет точно восстановить исходный сигнал во временном домене, сохранив его качество и точность.

Рассмотрим сигнал во временной области и его преобразование Фурье, чтобы выявить спектр.
Дискретизация сигнала на определенной частоте создает множественные масштабные ...

Education

JoVE Core

Electrical Engineering

Электротехника

Unit 1

Раздел 1

Sampling

Выборка

KEY TERMS AND CONCEPTS

ОСНОВНЫЕ ТЕРМИНЫ И ПОНЯТИЯ

Aliasing

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...

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...

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