当前课程知识点:动态测试与分析(下) > 第4章 周期化分析原理 > 第二周 > 采样定理原理
有了周期频谱和无理频谱的
这个周期构造关系
我们可以来解释一下
采样定理的原理
首先我们来看
我们来构造一个周期信号
周期信号叫高斯周期信号
我们是用一个例子来看一下
利用前面的原理来
看这个采样定理的原理
高斯周期信号
我们有个加窗周期信号
它是一个矩形窗函数
和一个高斯信号
e的负t/a的平方
这是个高斯函数
高斯函数加窗以后
我们得到一个加窗函数
然后进行周期构造
得到一个周期信号
得到一个周期信号
就是用这个XWT减去
减去LT
这个L是无穷
然后L是个整数
在这里T是实数是连续的
这样我们就得到一个周期信号
这个周期信号
我们可以把它画出来以后
我们可以看它是个什么形状的
现在画面上看到的
就是高斯周期信号
就是我们通过高斯函数
构造出了一个周期信号
上面这个图就是高斯周期信号
下面这个图是它的无理频谱
是这个形状
这个无理频谱怎么得来的
咱们待会再解释
我们先看一下
它的高斯无理频谱的一个特性
它有一个最大频率序数NH
或者叫做最高频率序数NH
意思是啥呢
就是说在这个
对于无理频谱
就是它对应的无理频谱XPN的话
它会约等于0
当这个N的绝对值大于NH之后
这个最高频率序数
它存在这么一个关系
存在这么一个关系
我们从图上也可以看到
现在图上可以大致地看到
过了这个NH以后
它的两边正负NH
最高频率序数再大的话
两边这些
它这个无理频谱
都可以近似地看成0了
这个近似程度怎么样呢
我们针对这一个具体的无理频谱
我们来看一下
就是说我们只利用
中间这一段来反求它的周期
周期信号
如果反求的周期信号
跟它原来周期信号吻合的很好
我们就认为这个最高频率序数
存在是合理的
我们来反求它的周期信号
它求出来是我们用XP
时续傅里叶函数NT
然后这个N
原则上它是要到无穷大
但是因为我们存在一个
最高频率序数
再往大它就为0了
说明我们就没有必要
再走到无穷大
我们只用到NH这一块
NH这一块就可以的话
那么我们来看
它是不是能够还回这个
原来的这个周期信号
能不能还回来
目前看到这个图
就是刚才在黑板上写的这个
利用最高频率序数
有限的一个离散内积
我们计算出来的周期频谱
周期频谱这里
上面那个图是把原来的
这个高斯周期信号
和现在计算出来的
通过逆变的周期信号
画在一起了
可以看到它们重叠得非常好
看不太出来
下面这个图是把它稍微错开一点
画的时候错开一点
并不是说它计算的错开了
是故意画的错开一点
这个时候可以看到
这两个它的形状
周期信号的形状非常一样的
这个时候就说明
我们只利用这个NH
这个一小段来进行变换
它可以还回原来的周期信号
在这里具体变换的时候
NH就这一个例子
取的是13
这对于我们原来要求的无穷计算
所以就缩短了很多
这是因为高斯周期信号
它得到的这个无理频谱
是非常有限的
是这样
它就存在一个最高频率序数
刚才我们已经通过计算
验证一下
它这个最高频率序数存在
最高频率序数存在
这个最高频率序数
它对应的频率
我们称之为最高频率成分
最高频率
就是说这个FH等于是
NH乘以△F
对于刚才我们这个例子
实际上我们要怎么来计算它呢
就是我们做它的周期频谱
假设我们先得到一个
离散化的周期信号
它是等于是XTKT
当然这个离散化
是要周期等分离散化的
这个K是整数
周期等分离散化以后
我们可以计算它的周期频谱
XNK普赛*nNK
这里NK都是整数
这是个周期均积
它是很容易计算的
我们针对刚才给出的这个
高斯周期信号
我们来计算一下
现在画面上看到
上面这个图就是离散化的
高斯周期信号
离散化的高斯周期信号
那么下面一个就是刚才黑板上
给出的那个公式
我们计算出来它的周期频谱
是中间那个图
周期频谱
由于我们刚才得到了一个结果
就是说周期频谱
是无理频谱的周期构造
就是它这里边每一个
都是无理频谱
就是它周期构造出来的
我们看到这个无理频谱这一段
我们都可以通过抽样来得到它
从里边把中间这个周期
给它抽样出来
抽样出来以后呢
就可以形成了无理频谱
这里我们就可以得到无理频谱
通过抽样
对XN用△U来抽
抽的时候
要把这个自变量换一下
因为它是内积变量
M是M-N
抽样的范围是M抽NP的范围
这里有个条件
就是说如果能够实现这样的抽样
从周期频谱里边抽出无理频谱来
它的条件是NH应该是小于NQ
这是奈奎斯特中心
我们上一节介绍过的
它是等于是N/2的
它可以是个实数
我们这个抽样的范围NP
是奈奎斯特数
就是奈奎斯特数
在这里奈奎斯特数
在这里奈奎斯特数
它是小于等于是NG的
而且是它的最近整数
它是它的最近整数
所以说是它是它的最近整数
就是说如果最高频率序数
满足这个条件
那么它一定会
也会小于等于它
可能会小于等于它
这样这个条件总是被满足的
所以我们就抽到这个位置
就把它所有有意义的频谱
全都抽出来了
是这样的
我们来看一下刚才的图像
下面这个图
就是从上面这个周期频谱里边
抽出来的无理频谱
我们知道抽样函数
在它的抽样范围之外
全部都会变成0
所以这就是
我们从这个周期频谱里边
可以抽出无理频谱
而这个依据就是因为
就是周期频谱
是无理频谱的周期构造
而且要满足
刚才我们在黑板上给的条件
满足给的条件
那么就可以抽出来
这个它对应的是最高频率FH
这个对应的是最高
是奈奎斯特频率FQ
实际上就要求FH小于FQ
我们来看图形
我们来看图像
图像就是
在给的这个例子
这个FH是小于FQ的
所以抽出来的无理频谱
是满足条件和要求的
这样我们出来无理频谱以后
我们就看看
我们来整理一下我们的条件
要想从离散计算的周期频谱里边
抽出无理频谱
它的条件
我们刚才已经给出来了
条件已经给出来
就是NH就是最高频率序数
应该小于奈奎斯特中心
而这个它对应的
我们两边每一个乘一个△F
它就变成了频率
这个频就变成了FH
这是最高频率
它应该小于这里
奈奎斯特频率
小于奈奎斯特频率
是这样
小于奈奎斯特频率
而奈奎斯特频率
它是等于采样频率的一半
我们在前面已经说过了
它是等于奈奎斯特频率一半
因为它是N/2跟△F相乘的结果
这样我们把这个式子倒一下
我们就可以得到一个
FS应该大于两倍的FH这个条件
所以这个条件
我们称之为采样定理
就是说当采样的时候
你的采样频率
比被采对象的
这个信号的最高频率大两倍
还要大的时候
你采下的样
然后拿来得到的这个周期频谱
离散计算以后
得到的周期频谱XN
可以从里边直接抽出来无理频谱
有了无理频谱以后
我们就可以恢复原来的周期信号
它就可以恢复原来的周期信号
是这个意思
原来周期信号
我们是这个XP N
然后是普赛TNT
然后这里N就变成有限的了
变成NH
如果你是抽样的是NP呢
那么NH由于不是太确定
所以在NP这也可以
所以可以得到这么一个式子
可以恢复到原来的
其中条件就是这个条件
而这个条件它会衍生出来
就是采样定理
这种采样定理的原理就是这样
在图上
每一个由无理频谱构成的
周期频谱
它们是相互分开的
没有交叠在一起
-第一周
--周期信号离散化
--周期频谱定义
--周期频谱性质
--奈奎斯特频谱
--奈奎斯特频段频谱
--逆变周期离散信号
-第4章 周期化分析原理--第一周作业
-第二周
--采样定理原理
--频率混淆原理
-第4章 周期化分析原理--第二周作业
-第三周
--独立频谱成分
--复振幅谱
--加窗奈奎斯特频谱
-第4章 周期化分析原理--第三周作业
-第四周
--加窗频谱
--加窗无理频谱
--采样逻辑对象
-第4章 周期化分析原理--第四周作业
-第五周
--左函数的尾迹干扰
--多余弦的余弦结构
-第4章 周期化分析原理--第五周作业
-第六周
--采样数的作用
-第4章 周期化分析原理--第六周作业
-第七周
-第5章 连续分析原理--第七周作业
-第八周
--加窗频谱函数
--加窗余弦频谱函数
--离散加窗频谱函数
-第5章 连续分析原理--第八周作业
-第九周
--单频激励(1)
--单频激励(2)
--类脉冲激励(1)
--类脉冲激励(2)
-第5章 连续分析原理--第九周作业
-第十周
--时变分析原理
--相似性分析(1)
--相似性分析(2)
--相关分析
-第6章 时变分析原理--第十周作业
-第十一周
-第6章 时变分析原理--第十一周作业
-第十二周
--时变分析
-第6章 时变分析原理--第十二周作业
-第十三周
--低通相关滤波方程
--带通相关滤波方程
--高通相关滤波方程
-第6章 时变分析原理--第十三周作业
-第十四周