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

Spektrumu ortaya çıkarmak için bir zaman alanlı sinyali ve Fourier dönüşümünü düşünün.
Sinyalin belirli bir frekansta örneklenmesi, orijinal spektrumun birden çok ölçekli kopyasını oluşturur.
Örnekleme frekansı Nyquist hızının altındaysa, bu kopyalar üst üste gelir ve düşük geçiren bir filtre kullanılarak orijinal sinyalin kurtarılmasını önler.
Örtüşme olarak bilinen bu örtüşme efekti, yeniden oluşturulan sinyali bozar.
Sinüzoidal bir sinyali ve spektrumunu düşünün, örneklenen sinyal spektrumunu analiz etmek, sabit bir örnekleme frekansı ile temel frekansın çeşitli değerlerini dikkate almayı içerir.
Temel frekans, örnekleme frekansının yarısından az olduğunda, temel frekansın arttırılması daha yüksek bir çıkış frekansına yol açar. 
Tersine, temel frekans, örnekleme frekansının yarısı ile örnekleme frekansı arasında olduğunda, temel frekansın arttırılması çıkış frekansını azaltır.
Örtüşme nedeniyle, yeniden oluşturulan sinyal orijinal biçimine geri dönemez.
Orijinal sinyalin doğru bir şekilde yeniden yapılandırılması, yalnızca örnekleme frekansı Nyquist oranını aştığında ve böylece örtüşmeyi önlediğinde mümkündür.

aliasing

Doğru sinyal örneklemesi ve yeniden yapılandırması çeşitli sinyal işleme uygulamalarında çok önemlidir. Bir zaman alanı sinyalinin spektrumu Fourier dönüşümü kullanılarak ortaya çıkarılabilir. Bu sinyal belirli bir frekansta örneklendiğinde, frekans alanında orijinal spektrumun birden fazla ölçeklenmiş kopyasıyla sonuçlanır. Bu kopyaların aralığı örnekleme frekansı tarafından belirlenir.

Örnekleme frekansı Nyquist oranının altında ise bu kopyalar çakışır ve orijinal sinyalin düşük geçişli bir filtre kullanılarak doğru bir şekilde belirlenmesini engeller. Aliasing olarak bilinen bu üst üste binme etkisi, yeniden yapılandırılan sinyali bozar ve orijinal sinyali kurtarmayı imkansız hale getirir.

Örneklenen sinyalin spektrumunu analiz etmek için, temel frekansı ve temel frekansın sabit bir örnekleme frekansıyla nasıl etkileşime girdiğini dikkate almak gerekir. Sinyalin temel frekansı, örnekleme frekansının yarısı ile örnekleme frekansının kendisi arasında olduğunda temel frekanstaki herhangi bir artış çelişkili bir şekilde çıkış frekansında bir azalmaya neden olacaktır. Bu mantığa aykırı etki, örneklemeden sonra daha yüksek frekansların daha düşük frekanslardan ayırt edilemediği aliasing’den kaynaklanır. Sonuç olarak, yeniden oluşturulan sinyal önemli ölçüde bozulur ve orijinal formuna geri dönemez.

Aksine; temel frekans, örnekleme frekansının yarısından azsa, temel frekansı artırmak çıkış frekansında bir artışla sonuçlanır. Bu sonuç öngörülen ile uyumludur ve orijinal sinyalin daha net bir şekilde yeniden oluşturulmasına olanak tanır. Dolayısıyla doğru yeniden yapılandırma için örnekleme frekansı, orijinal sinyalde bulunan en yüksek frekansın iki katı olan Nyquist oranını aşmalıdır. Bu oranı karşılayarak veya aşarak, aliasing önlenir ve frekans alanındaki kopyalar çakışmaz.

Nyquist kriterine bağlı kalmak, örnekleme frekansının orijinal sinyalden gerekli bilgileri yakalamak için yeterince yüksek olmasını sağlayarak doğru sinyal yeniden yapılandırmasını mümkün kılar. Bu ilke, sinyal bütünlüğünün korunmasının büyük öneme sahip olduğu ses işleme, telekomünikasyon ve veri toplama gibi çeşitli uygulamalarda kritik bir rol oynar. Uygun bir örnekleme frekansı kullanarak aliasing’den kaçınmak, orijinal zaman alanı sinyalinin kalitesini ve doğruluğunu koruyarak kurtarılmasını sağlar.

Aliasing

Spektrumu ortaya çıkarmak için bir zaman alanlı sinyali ve Fourier dönüşümünü düşünün.
Sinyalin belirli bir frekansta örneklenmesi, birden çok ölçeklendirilmiş ...

Education

JoVE Core

Electrical Engineering

Elektrik Mühendisliği

Unit 1

Ünite 1

Sampling

Örnekleme

KEY TERMS AND CONCEPTS

TEMEL TERİMLER VE KAVRAMLAR

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 Elektrik Mühendisliği, devre analizi teknikleriyle birlikte elektrik devrelerinin temel kavramlarını kapsayan, anlaşılması kolay animasyonlu videolar sunar. Operasyonel amplifikatörler ve devre dönüşümü kavramlarını kullanarak birinci dereceden ve ikinci dereceden devreleri içerir. Pratik tasarım örneklerinin ve gerçek dünya uygulamalarının bilim insanlarınca hazırlanan videolar aracılığıyla dahil edilmesi, karmaşık kavramları erişilebilir hale getirerek önemli bir eğitim değeri katmaktadır.

electrical engineering

Sampling Signals Without Aliasing

Description

Transcript

Tags