信号与线性系统翻转课堂笔记12——时域取样定理

news2024/11/18 6:20:58

信号与线性系统翻转课堂笔记12

The Flipped Classroom12 of Signals and Linear Systems

对应教材:《信号与线性系统分析(第五版)》高等教育出版社,吴大正著

一、要点

(1)了解信号取样的概念;
(2,重点)理想取样信号及其频谱:能利用频域方法,熟练分析理想取样过程及其频谱,掌握理想取样频谱的特点,与原信号频谱的关系以及取样信号频谱不发生混叠的条件;
(3)了解矩形脉冲取样过程及其频谱特点、不发生混叠的条件;
(4)由取样信号重构原信号的原理和方法:能够分别在时域和频域熟练分析采用理想低通滤波器进行重构的过程;
(5,重点)了解时域取样定理,能够基于时域取样定理熟练分析信号取样的奈奎斯特频率。

二、问题与解答

(1*)采用理想取样的方式对信号f(t)进行取样,所得取样信号的频谱与f(t)的频谱有何种联系?请基于频域卷积定理进行分析(要求画出f(t)、取样脉冲序列、取样信号的频谱)。这种取样过程满足什么条件时,取样信号的频谱不会发生混叠?
(2*)由于理想取样的周期冲激序列是不可实现的,实际应用中通常采用周期矩形脉冲进行取样,当采用周期矩形脉冲进行取样时,与理想取样相比,取样信号的频谱会有何不同?频谱有无混叠的条件会不会发生改变?请基于频域卷积定理,参考教材图4.9-4进行分析。
在这里插入图片描述

(3)在取样信号频谱无混叠的条件下,欲由取样信号重构f(t),可以采用一个理想低通滤波器(重构滤波器)对取样信号进行滤波。该重构滤波器的截止频率应该在哪个范围内取值?图1是这种重构过程的频域和时域分析示意图。请针对此图,根据自己的理解,叙述时域和频域重构的基本原理,并结合教材式(4.9-12)和图1(d)-(f),说明为什么把"Sa"(t)称为取样(样本)信号?
在这里插入图片描述

在这里插入图片描述
图1 无混叠条件下由理想取样信号重构原信号的频域和时域图解
(4*)图2(a)、(b)分别给出了无混叠和有混叠取样和重构的仿真结果。请基于信号取样与重建过程的原理,分析为什么对于两个不同频率的正弦信号进行取样,所恢复的却是相同频率(1kHz)的正弦信号?给出详细的分析思路和过程(重点针对有混叠的情形进行分析)。

图2(a)无混叠取样
在这里插入图片描述
图2(b)有混叠取样
(5)针对第(4)题有混叠取样的结果,讨论:在实际工程应用中为什么对信号进行取样之前,往往需要先采用一个抗混叠滤波器对待取样的信号进行滤波(即如果不这样做,可能会有什么后果)?这种抗混叠滤波器是什么类型(低通、高通、带通等)的滤波器?其截止频率应如何选择?
(6*)分析习题4.48?请给出必要的分析过程和结果。
4.48、有限频带信号f(t)的最高频率为100Hz,若对下列信号进行时域采样,求最小取样频率f_s。
a、f(3t)
b、f^2(t)
c、f(t)*f(2t)
d、f(t)+f^2(t)

(7)设某带通信号f(t)的频谱F(jω)如图3所示,以采样频率ω_s=2rad/s对该信号进行时域取样,再用截止频率ω_s=1rad/s的理想低通滤波器对取样信号进行滤波,请分别分析取样信号和滤波输出信号的频谱。
在这里插入图片描述
图3 带通信号f(t)的频谱

1、理想取样的频谱混叠

采用理想取样的方式对信号f(t)进行取样,所得取样信号的频谱与f(t)的频谱有何种联系?请基于频域卷积定理进行分析(要求画出f(t)、取样脉冲序列、取样信号的频谱)。这种取样过程满足什么条件时,取样信号的频谱不会发生混叠?


在这里插入图片描述
所得取样信号的频谱是f(t)频谱等幅周期性延拓,幅度值相差1/Ts。
在这里插入图片描述
当采样频率(f_s)大于2倍的信号最高频率(f_m)时,不会发生混叠。

2、周期矩形脉冲取样

由于理想取样的周期冲激序列是不可实现的,实际应用中通常采用周期矩形脉冲进行取样,当采用周期矩形脉冲进行取样时,与理想取样相比,取样信号的频谱会有何不同?(第一问)频谱有无混叠的条件会不会发生改变?(第二问)请基于频域卷积定理,参考教材图4.9-4进行分析。
在这里插入图片描述


在这里插入图片描述
(1)
F(jw)同样是以ws为周期对F(jw)的延拓,只是该周期延拓不是等幅的(幅度包络为取样信号);
n= 0时, Fs (jw)=τF (jw )/Ts,包含原信号的全部信息,幅度差r/T倍。
(2)
频谱有无混叠的条件不会发生改变,仍然为f_s>2f_m。

3、信号重构滤波器

在取样信号频谱无混叠的条件下,欲由取样信号重构f(t),可以采用一个理想低通滤波器(重构滤波器)对取样信号进行滤波。该重构滤波器的截止频率应该在哪个范围内取值?图1是这种重构过程的频域和时域分析示意图。请针对此图,根据自己的理解,叙述时域和频域重构的基本原理,并结合教材式(4.9-12)和图1(d)-(f),说明为什么把"Sa"(t)称为取样(样本)信号?
在这里插入图片描述
在这里插入图片描述
图1 无混叠条件下由理想取样信号重构原信号的频域和时域图解


该重构滤波器的截止频率应该满足Wm<Wc<Ws-Wm。
时域和频域重构的基本原理:通过一个低通滤波器把采样过后的频谱按照频率进行过滤,满足原信号的频率成分留下,不满足的过滤掉,剩下的即重构过的频谱。
因为连续信号f(t)可以展开成Sa函数的无穷级数,该级数的系数等于取样值f(nTs)。在取样信号fs(t)的每一个样点处,画一个最大峰值为f(nTs)的Sa函数波形,其合成波形就是原信号f(t)。

4、有混叠与无混叠取样与重构

图2(a)、(b)分别给出了无混叠和有混叠取样和重构的仿真结果。请基于信号取样与重建过程的原理,分析为什么对于两个不同频率的正弦信号进行取样,所恢复的却是相同频率(1kHz)的正弦信号?给出详细的分析思路和过程(重点针对有混叠的情形进行分析)。

图2(a)无混叠取样
在这里插入图片描述
图2(b)有混叠取样


无混叠情况:输入信号频率为1KHz,取样频率为8KHz,满足,根据频域分析,恢复滤波器截止频率为1KHZ,能够恢复1KHz的原信号。
有混叠情况:输入信号频率为7KHz,取样频率为8KHz,不满足时域取样定理,即7KHz的频谱以8KHz为周期延拓,在W=1KHz和-1KHz处有频谱,恢复滤波器截止频率为1KHz,所以恢复的是1KHz的正弦信号。
无混叠:
在这里插入图片描述
有混叠:
在这里插入图片描述

5、抗混叠滤波器

针对第(4)题有混叠取样的结果,讨论:在实际工程应用中为什么对信号进行取样之前,往往需要先采用一个抗混叠滤波器对待取样的信号进行滤波(即如果不这样做,可能会有什么后果)?这种抗混叠滤波器是什么类型(低通、高通、带通等)的滤波器?其截止频率应如何选择?


在这里插入图片描述

6、最小取样频率的确定

分析习题4.48。请给出必要的分析过程和结果。

4.48、有限频带信号f(t)的最高频率为100Hz,若对下列信号进行时域采样,求最小取样频率f_s。
a、f(3t)
b、f^2(t)
c、f(t)*f(2t)
d、f(t)+f^2(t)


在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

三、反思总结

暂无

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1338533.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

[Linux] MySQL数据库的备份与恢复

一、数据库备份的分类和备份策略 1.1 数据库备份的分类 1&#xff09;物理备份 物理备份&#xff1a;对数据库操作系统的物理文件&#xff08;如数据文件、日志文件等&#xff09;的备份。 物理备份方法&#xff1a; 冷备份(脱机备份) &#xff1a;是在关闭数据库的时候进…

【教学类-42-04】20231225 X-Y 之间减法题判断题(确保错误题有绝对错误的答案)

作品展示&#xff1a; 背景需求&#xff1a; 做过X-Y 之间减法题判断题&#xff0c;同样的方法做一份减法题 代码展示——乱序 # 乱序版&#xff08;幼儿操作&#xff0c;题目打乱&#xff09;&#xff09; X-Y 之间的所有减法题的判断题3.0&#xff08;随机生成绝对错误答案…

SpringBoot3 Web开发

注&#xff1a;SpringBoot的Web开发能力&#xff0c;由SpringMVC提供。 0. WebMvcAutoConfiguration原理 1. 生效条件 AutoConfiguration(after { DispatcherServletAutoConfiguration.class, TaskExecutionAutoConfiguration.class,ValidationAutoConfiguration.class }) …

PAT 乙级 1030 完美数列

解题思路:这道题首先需要排序&#xff0c;然后双循环找出最大的那个&#xff0c;但一定要注意优化&#xff0c;比如我已经刚好找到临界&#xff0c;或者之后的不用遍历了没意义了&#xff0c;要赶紧跳出循环&#xff0c;否则会超时&#xff0c;另外其实这题还有个范围的坑过&am…

测试服务器带宽(ubuntu)

apt install python3 python3-pippip3 install speedtest-clispeestest-cli

【三维生成】稀疏重建、Image-to-3D方法(汇总)

系列文章目录 总结一下近5年的三维生成算法&#xff0c;持续更新 文章目录 系列文章目录一、LRM&#xff1a;单图像的大模型重建&#xff08;2023&#xff09;摘要1.前言2.Method3.实验 二、SSDNeRF&#xff1a;单阶段Diffusion NeRF的三维生成和重建&#xff08;ICCV 2023&am…

策略模式(组件协作)

策略模式&#xff08;组件协作&#xff09; 链接&#xff1a;策略模式实例代码 注解 目的 正常情况下&#xff0c;一个类/对象中会包含其所有可能会使用的内外方法&#xff0c;但是一般情况下&#xff0c;这些常使用的类都是由不同的父类继承、组合得来的&#xff0c;来实现…

Upload上传图片,回显图片,编辑图片,限制图片,不显示上传图标,图片放大功能

效果图&#xff1a; 新增、编辑时&#xff1a;限制上传四张&#xff0c;当超过四张隐藏上传图标 图片放大 &#xff1a;效果图 详情&#xff1a;回显时不显示上传图标 页面&#xff1a;template 部分 图片在前端存储&#xff0c;提交时一并给后端 :file-list"repairPlan…

Biotech - 小分子化合物、蛋白质、核酸的不同数据表征方式

欢迎关注我的CSDN&#xff1a;https://spike.blog.csdn.net/ 本文地址&#xff1a;https://spike.blog.csdn.net/article/details/135247719 小分子化合物、蛋白质、核酸之间的关联是生命科学研究的一个重要领域&#xff0c;涉及到细胞功能的调控、信号传导的机制、疾病的发生和…

html table+css实现可编辑表格

要实现可编辑的 HTML 表格&#xff0c;你可以使用 JavaScript 和 HTML5 的 contenteditable 属性。 <!DOCTYPE html> <html> <head><style>table {border-collapse: collapse;width: 100%;}th, td {border: 1px solid black;padding: 8px;text-align:…

模型树实操

很多时候&#xff0c;数据都是有层级和分类的&#xff0c;使用laravel的Dcat框架&#xff0c;可以快速搭建一个结构清晰、且可以鼠标拖拽排序的后台&#xff1b;先上例子更直观&#xff1a; 这里是Dcat的模型树使用文档&#xff0c;戳一下&#xff1b; 重点注意事项有&#x…

如何给已分区的磁盘增加空间?详细教程分享!

用户案例&#xff1a;​给已分区的磁盘增加空间 “怎样给已分区的磁盘增加空间呢&#xff1f;我的电脑硬盘分成了C、D、E、F这四个区&#xff0c;每个区都是114G。但现在我觉得C盘的114G空间有些太小了&#xff0c;所以想把其他分区多余的空间给C盘。压缩完分区后&#xff0…

一款能封堵牙本质小管的牙膏,帮你告别牙齿敏感

冬天来临&#xff0c;牙齿敏感成为了很多人的困扰。吃冷饮、涮火锅都让人倍感不适&#xff0c;这时候一款有效的牙膏就显得格外重要。最近我发现了一款非常不错的清九野小红盾牙膏&#xff0c;它能够有效缓解牙齿敏感问题。 造成“敏感牙”的原因有很多&#xff0c;但根本原因还…

Vue3-26-路由-useRouter 和 useRoute 两个API 的作用介绍

先来说说两个API 的作用 useRouter() : 返回的是项目中的 路由实例的对象 可以通过这个实例对象进行路由的逻辑跳转 useRoute() : 返回的是当前的 路由对象&#xff0c; 可以在当前路由对象中获取到路由名称、路由参数、路由路径等玩完整的路由信息。 写个案例看一下具体是什么…

利用Milvus Cloud和LangChain构建机器人:一种引人入胜且通俗易懂的方法

一、引言 机器人已经深入我们的日常生活&#xff0c;从家庭服务到工业生产&#xff0c;再到医疗和运输等领域。然而&#xff0c;这些机器人往往需要复杂的算法和数据处理技术才能有效地执行任务。在这个过程中&#xff0c;人工智能&#xff08;AI&#xff09;和机器学习&#…

CTFshow-pwn入门-栈溢出pwn39-pwn40

pwn39 首先我们还是先将二级制文件托到虚拟机里面查看文件的保护信息。 chmod x pwn checksec pwn文件依然是只开启了栈不可执行&#xff0c;canary和pie都没开。并且该文件是32位的&#xff0c;那我们就托到ida32中反编译一下吧。 int __cdecl main(int argc, const char **…

k8s的二进制部署: 源码包部署-----node节点部署

服务器IP软件包k8s--master0120.0.0.61kube-aplserver&#xff0c;kube-controer-manager&#xff0c;kube-scheduler&#xff0c;etcdk8s--master0220.0.0.62kube-controer-manager&#xff0c;kube-schedulernode节点0120.0.0.62kubelet&#xff0c;kube-proxy&#xff0c;et…

Duboo-入门到学废【上篇】

目录 1&#x1f95e;.什么是duboo 2&#x1f32d;.架构图 3.&#x1f37f;快速入门 4.&#x1f9c7;浅浅理解 1.什么是duboo&#x1f936;&#x1f936;&#x1f936; Dubbo是一个由阿里巴巴开发的基于Java的开源RPC框架。它提供了高性能、透明化的远程方法调用&#xff0…

模型的线性化与离散化方法

模型的线性化与离散化方法 一、线性化——泰勒展开 对于非线性系统&#xff1a; 将一个非线性系统转换为线性系统&#xff0c;泰勒展开公式&#xff1a; 由于我们 线性化 的需求&#xff0c;只取前两项即可&#xff1a; 二、离散化——欧拉法

python13

前言&#xff1a;相信看到这篇文章的小伙伴都或多或少有一些编程基础&#xff0c;懂得一些linux的基本命令了吧&#xff0c;本篇文章将带领大家服务器如何部署一个使用django框架开发的一个网站进行云服务器端的部署。 文章使用到的的工具 Python&#xff1a;一种编程语言&…