时域采样理论的验证

时域采样理论的验证

一、实验目的

1时域采样理论是数字信号处理中的重要理论。要求掌握模拟信号采样前后频谱的变化，以及如何选择采样频率才能使采样后的信号不丢失信息；要求掌握频率域采样会引起时域周期化的概念，以及频率域采样定理及其对频域采样点数选择的指导作用。

二、实验原理及方法

时域采样定理的要点是：

(a)对模拟信号)(t x a 以间隔T 进行时域等间隔理想采样，形成的采样信号的频谱)(ˆΩj X

是原模拟信号频谱(

)a X j Ω以采样角频率s Ω（T s /2π=Ω）为周期进行周期延拓。公式

为： )](ˆ[)(ˆt x FT j X a a =Ω )(1∑∞-∞

=Ω-Ω=n s a jn j X T （b ）采样频率s Ω必须大于等于模拟信号最高频率的两倍以上，才能使采样信号的 频谱不产生频谱混叠。

利用计算机计算上式并不方便，下面我们导出另外一个公式，以便用计算机上进行实验。

理想采样信号)(ˆt x

a 和模拟信号)(t x a 之间的关系为： ∑∞-∞=-=n a a nT t t x t x

)()()(ˆδ

对上式进行傅立叶变换，得到： dt e nT t t x j X t j n a a Ω-∞∞-∞-∞

=⎰∑-=Ω])()([)(ˆδ dt e nT t t x t j n a Ω-∞-∞=∞∞-∑⎰

-)()( δ＝

在上式的积分号内只有当nT t =时，才有非零值，因此： ∑∞-∞

=Ω-=Ωn nT j a a e nT x j X )()(ˆ

上式中，在数值上)(nT x a ＝)(n x ，再将T Ω=ω代入，得到：

∑∞-∞=-=Ωn n j a

e n x j X ω)()(ˆ

上式的右边就是序列的傅立叶变换)(ωj e X ，即

T j a e X j X Ω==Ωωω)()(ˆ

上式说明理想采样信号的傅立叶变换可用相应的采样序列的傅立叶变换得到，只要将自变量ω用T Ω代替即可。

三、实验内容及步骤

给定模拟信号，)()sin()(0t u t Ae t x t a Ω=-α

式中A =444.128，α=502π，0Ω=502πrad/s ，它的幅频特性曲线如图10.2.1

图1 )(t x a 的幅频特性曲线

现用DFT(FFT)求该模拟信号的幅频特性，以验证时域采样理论。

安照)(t x a 的幅频特性曲线，选取三种采样频率，即s F =1k Hz ，300Hz ，200Hz 。观测时间选ms T p 50=。为使用DFT ，首先用下面公式产生时域离散信号，对三种采样频率，采样序列按顺序用)(1n x ，)(2n x ，)(3n x 表示。

)()sin()()(0nT u nT Ae

nT x n x nT a Ω==-α 因为采样频率不同，得到的)(1n x ，)(2n x ，)(3n x 的长度不同， 长度（点数）用公式s p F T N ⨯=计算。选FFT 的变换点数为M=64，序列长度不够64的尾部加零。

X (k )=FFT[x (n )] ， k =0,1,2,3,-----,M -1 式中k 代表的频率为 k M

k πω2=。 四、实验要求：

编写实验程序，计算)(1n x 、)(2n x 和)(3n x 的幅度特性，并绘图显示。观察分析频谱混叠失真。

五、程序清单和信号波形

程序清单：

Tp=64/1000;

Fs=1000;T=1/Fs;

M=Tp*Fs;n=0:M-1;

f=n*Fs/M;

A=444.128;alph=pi*50*2^0.5;omega=pi*50*2^0.5;

xn=A*exp(-alph*n*T).*sin(omega*n*T);

Xk=T*fft(xn,M);

subplot(3,1,1);

plot(f,abs(Xk));

xlabel('f/Hz');

ylabel('|x1(jf)|');

title('x1(n)的幅度特性');

%================================================================ Tp=64/1000;

Fs=300;T=1/Fs;

M=Tp*Fs;n=0:M-1;

f=n*Fs/M;

A=444.128;alph=pi*50*2^0.5;omega=pi*50*2^0.5;

xn=A*exp(-alph*n*T).*sin(omega*n*T);

Xk=T*fft(xn,M);

subplot(3,1,2);

plot(f,abs(Xk));

xlabel('f/Hz');

ylabel('|x2(jf)|');

title('x2(n)的幅度特性');

%================================================================ Tp=64/1000;

Fs=200;T=1/Fs;

M=Tp*Fs;n=0:M-1;

f=n*Fs/M;

A=444.128;alph=pi*50*2^0.5;omega=pi*50*2^0.5;

xn=A*exp(-alph*n*T).*sin(omega*n*T);

Xk=T*fft(xn,M);

subplot(3,1,3);

plot(f,abs(Xk));

xlabel('f/Hz');

ylabel('|x3(jf)|');

title('x3(n)的幅度特性');