当前课程知识点:分数域信号与信息处理及其应用 > 第4章 分数域采样与重建 > 4.6 周期非均匀采样定理 > 4.6 周期非均匀采样定理
同学们好
我们这节课讲述的内容是
周期非均匀采样定理
我们首先来看一看
周期非均匀采样是如何产生的呢
实际上
这种非均匀采样主要发生在
多路并行采样之中
我们知道 多路并行采样
是一种能够提高采样率的策略
在理想情况下
通过让每一个AD都延迟特定的时间
即第一个AD延迟0
第二个AD延迟T_s
以此类推
第M个AD延迟(M-1)T_s
可以将M个采样间隔为MT_s的通道
所得的采样信号
合成一个采样间隔为T_s的均匀采样信号
实现M倍采样率的提升
然而在实际采样过程中
由于每一个AD的延迟
都可能发生偏差
从而使得最终得到的信号
是一个非均匀采样信号
对于这样一个非均匀采样信号
它的采样时刻具有周期性
这是因为每个AD都是以
MT_s为间隔进行均匀采样的
因此称其为周期非均匀采样信号
它的平均采样间隔为T_s
周期非均匀采样的提出者
Yih-Chyun Jenq是
是一个著名的工程师
曾担任贝尔实验室的技术人员
以及泰克实验室的首席工程师
他所发表的
周期非均匀采样相关的学术论文
被授予了IEEE的最佳论文奖
接下来
我们对周期非均匀采样信号进行分析
首先我们来看一下
这M个通道的采样点都是怎样的呢
我们可以看到
第一个通道的采样点
它的起始采样时刻是r_0 T_s
这里r0是表征时间偏差的参数
采样间隔是MT_s
在这里 理想的时间延迟是零
但是由于存在时间偏差
导致实际的时间延迟为r_0 T_s
第二个通道
它的理想时间延迟是T_s
但是由于存在时间偏差
导致实际的时间延迟是T_s+r_1 T_s
与此同时
采样间隔也是MT_s
以此类推
我们来看第M个通道
它的理想采样时刻是(M-1)T_s
但实际采样时刻
是(M-1)T_s+r_{M-1}T_s
此外采样间隔也是MT_s
那么
我们如何利用这M个通道的采样点
得到最终的周期非均匀采样信号呢
为此
我们取出第一个通道的第一个采样点
让它作为周期非均匀采样序列的
第一个采样点
进一步
我们取出第二个通道的第一个采样点
让它作为周期非均匀采样序列的
第二个采样点
以此类推
我们取出第M个通道的第一个采样点
让它作为
周期采样序列的第M个采样点
这样一来
利用每个通道的第一个采样点
就可以得到
周期非均匀采样序列的前M个采样点
接下来
我们依次取出每个通道的第二个采样点
它们可以构成周期非均匀采样序列的
第M+1至第2M个采样点
利用这种方式
就可以得到完整的周期非均匀采样序列
我们发现
所得到的周期非均匀采样序列
它对应的采样时刻是以MT_s为周期的
这也验证了
周期非均匀采样
的确是具有周期性的
对于这样一个周期非均匀采样信号
我们要如何求取它的频谱呢
为此
我们首先来定义一个新的信号
x尖(t)
并且假设
它以T_s为间隔的均匀采样序列
恰好为原信号x(t)的周期非均匀采样序列
接下来
我们求取x尖(t)的离散时间傅里叶变换
就得到了它的频谱
由于
x尖(t)与原信号x(t)之间存在一些差别
因此
它的频谱只是原信号频谱的一个近似
那么
我们如何利用这个近似的谱
来实现对原信号频谱的精准估计呢
我们所采取的方法是
构建近似谱与原信号频谱之间的关系
进而利用这个关系
实现对原信号频谱的精准估计
为了构建近似谱
与原信号频谱之间的关系
首先 我们要回答的问题就是
如何利用原信号来得到
x尖(t)的均匀采样序列
我们一步一步来看
首先我们来进行一个这样的一个操作
对于第m个通道来说
让原信号x(t)向左移mT_s+r_m T_s
从而得到了一个时移信号
在相应的图示中
我们展示的是通道数M等于3的情况
接下来
我们对每个通道的时移信号
都进行间隔为MT_s的均匀采样
注意到 对每个通道对应的信号来说
先时移 再进行起始时刻为0的均匀采样
这样一个操作和直接对信号进行
起始时刻存在时间偏差的均匀采样
是等效的
第三步
我们对每个通道所得到的均匀采样序列
内插M减1个零
从而得到M个零值内插序列
这个操作对后续将M个通道的采样序列
合成一个整体采样序列来说 是必要的
接下来
我们把第m个零值内插序列
向右移位m个单位
得到M个新的序列
这一步
也是之前第一步中向左移位的一个逆过程
只不过第一步中的移位是
连续信号的移位而这里的移位
是离散序列的移位
最终
我们把M个序列进行相加
就可以得到
原信号x(t)的周期非均匀采样序列
同时
也是我们所构造的信号x尖(t)的
以T_s为间隔的均匀采样序列
我们从图上可以看出x尖(t)可以看作是
从采样点反推过来的一个新信号
它的时域波形和原信号x(t)存在一定差别
所以 x尖(t)的频谱只能作为
原信号频谱的一个近似
接下来我们就要考虑x尖(t)的频谱
与原信号的频谱之间有什么关系呢
为了回答这个问题
我们来关注 以上时域的每一步操作
对应到频域发生了何种变化
首先
第一步时域操作
是对原信号x(t)进行平移
我们利用傅里叶变换的时移性质
即时域平移对应的频谱乘上
一个相位调制项
这里由于信号在时域平移了
mT_s+r_m T_s
因此时移信号的频谱
等于原信号的频谱乘上
e^{jω(mT_s+r_mT_s)}
接下来
第二步是以MT_s为间隔
对时移后的信号进行采样
首先我们要用到的知识就是
单位冲激序列的傅里叶变换
也是一个冲激序列
当时域单位冲击序列的间隔为T_s的时候
对应频率冲激序列的间隔是2π除以T_s
并且幅度也变成了2π除以T_s
由于 这里的时域采样间隔是MT_s
因此
单位冲激序列的频谱
它的序列间隔是2π/(MT_s)
并且幅度也变成了2π/(MT_s)
接下来我们要用到的是卷积定理
卷积定理表明
时域乘积对应的是频域卷积再
乘以2π分之一
因此
当信号与单位冲激序列进行乘积的时候
对应到频域
就是他们各自的傅里叶变换进行卷积
再乘上2π分之一
我们对常数项进行一定的化简
问题就归结为
求取信号的傅里叶变换与δ函数的卷积
这里要用到的是δ函数的移位性质
也就是说 一个信号的频谱
它与δ函数进行卷积
所起到的作用
就是将频谱搬移到了δ函数所在的位置
进而我们就可以得到
采样序列的傅里叶变换的表达式
接下来的一步操作是时域零值内插
我们来计算一下
原始采样序列的离散傅里叶变换
再来计算一下零值内插序列的
离散傅里叶变换
发现它们两个是相等的
因此
零值内插操作并不会对
采样序列傅里叶变换产生任何影响
第四步操作
是对采样序列右移m个单位
在这里
我们要再次利用傅里叶变换的时移性质
也就是时域的移位对应到频域
是乘上一个相位调制项
最终
将M路采样序列进行相加
就得到了总体的周期非均匀采样序列
因此
M路采样序列的频谱相加
就得到了周期非均匀采样序列的频谱
在这里
我们用到的是傅里叶变换的线性性质
这样我们就得到了原信号的频谱
与周期非均匀采样序列的频谱之间的关系
下面 我们通过一个例子
来对我们所得到的
周期非均匀采样信号的频谱
进行进一步的分析和说明
为此 我们考察一个正弦信号
它的频谱是一个冲激函数
我们将周期非均匀采样
正弦信号的频谱的表达式写出来
再对它进行一定的化简
我们发现 参数A(k)的周期是M
因此
周期非均匀采样正弦信号的频谱的周期是
2π除以T_s
这与以T_s为间隔进行均匀采样时
信号频谱的周期是相同的
第二
频谱在每个周期内均匀分布着M条谱线
原频谱所在的位置是ω_0
其他频率成分所在的位置
是ω_0+m2π/(MT_s)
第三
正弦信号本身能量全部集中在|A(0)|上
其他频率分量上的谱由时间偏差引起
称为寄生谱
接下来
我们来看一下
时间偏差参数r_m等于零的情况
显然
此时周期非均匀采样就退化成了均匀采样
我们将r_m等于零
代入周期非均匀采样信号的频谱表达式中
并且进行一定的化简
再利用离散傅里叶变换的性质
最终可以得到r_m等于零时
采样信号的频谱表达式
我们发现
当时间偏差参数等于零的时候
周期非均匀采样信号的频谱
可以退化为均匀采样信号的频谱
最后
我们给大家留一些思考题
如何基于我们所得到的谱分析的结果
利用周期非均匀采样序列
实现原信号的重建呢
第二
当在分数域
分析周期非均匀采样信号的分数谱时
相应的采样定理该如何推导呢
我们今天就讲到这里
谢谢大家
-1.1 分数傅里叶变换背景与理论
-1.2 分数傅里叶变换应用
-第1章 讨论题
--第1章 讨论题1
--第1章 讨论题2
-第1章 习题
--第1章 习题
-2.1 分数傅里变换的定义
-2.2 分数傅里叶变换的性质
-2.3 一维/二维分数傅里叶变换
-第2章 讨论题
--第2章 讨论题1
--第2章 讨论题2
-第2章 习题
--第2章 习题
-3.1 分数卷积I
-3.2 分数卷积II
-3.3 功率谱
--3.3 功率谱
-3.4 分数功率谱
-第3章 讨论题
--第3章 讨论题1
--第3章 讨论题2
-第3章 习题
--第3章 习题
-4.1 傅里叶域均匀采样定理
-4.2 分数域均匀采样定理I-采样信号的分数域谱分析
-4.3 分数域均匀采样定理II-信号重建
-4.4 傅里叶域带通采样定理
-4.5 分数域带通采样定理
-4.6 周期非均匀采样定理
-第4章 讨论题
--第4章 讨论题1
--第4章 讨论题2
--第4章 讨论题3
-第4章 习题
--第4章 习题
-5.1 多分量chirp信号检测与参数估计方法
-5.2 多分量chirp信号检测与参数估计背景及仿真
-5.3 基于分数傅里叶变换的时延估计
-5.4 立方相位信号参数估计理论与应用
-第5章 讨论题
--第5章 讨论题1
--第5章 讨论题2
-第5章 习题
--第5章 习题
-6.1 分数傅里叶变换离散算法
-6.2 离散分数变换
-6.3 广义Hilbert变换
-6.4 稀疏傅里叶变换的定义
-6.5 稀疏分数傅里叶变换
-第6章 讨论题
--第6章 讨论题1
--第6章 讨论题2
--第6章 讨论题3
-第6章 习题
--第6章 习题
-7.1 短时分数傅里叶变换
-7.2 分数小波变换I
-7.3 分数小波变换II
-7.4 基于分数阶相位匹配原理时频分布构造
-第7章 讨论题
--第7章 讨论题1
--第7章 讨论题2
--第7章 讨论题3
-第7章 习题
--第7章 习题
-8.1 分数傅里叶变换与模糊函数
-8.2 分数傅里叶变换与MIMO雷达模糊函数
-8.3 分数傅里叶变换与雷达通信一体化
-8.4 分数域海杂波抑制
-8.5 分数域雷达动目标检测
-8.6 分数域长时间相参积累及其应用
-8.7 分数域辐射源定位技术
-8.8 分数阶相位匹配时频分布的应用
-第8章 讨论题
--第8章 讨论题1
--第8章 讨论题2
--第8章 讨论题3
--第8章 讨论题4
-第8章 习题
--第8章 习题
-9.1 分数傅里叶光学
-9.2 分数域光学相干层析成像色散补偿技术
-9.3 基于分数傅里叶变换的牛顿环参数估计
-9.4 基于分数傅里叶变换的光纤端面检测仪
-第9章 讨论题
--第9章 讨论题1
--第9章 讨论题2
--第9章 讨论题3
--第9章 讨论题4
-第9章 习题
--第9章 习题
-10.1 分数域高光谱信号处理
-10.2 分数域高光谱异常检测
-10.3 分数域高光谱协同分类
-第10章 讨论题
-第10章 习题
--第10章 习题