奈奎斯特准则对数据采样系统设计有何意义

2024-08-23 10:12

本文主要是介绍奈奎斯特准则对数据采样系统设计有何意义,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1 简介    

        图1所示为典型的实时数据系统采样系统框图。实时进行模数转换之前,模拟信号通常会通过某种放大、衰减和滤波等功能的信号调理电路。而要消除目标带宽之外的干扰信号并防止出现混叠,则需要低通/带通滤波器。

        图1所示的系统是实时系统,即该系统f _{s}的速率对输入ADC的信号进行连续采样,而ADC同样以此速率将新样本提供给DSP。为了实现实时操作,DSP必须在采样间隔(1/f_{s}) 内完成所有必要计算,并在ADC的下一个样本到达之前向DAC提供输出样本。

2 采样保持放大器(SHA)功能作用

        理想的采样保持是一个简单的开关,用于驱动保持电容及其后的高输入阻抗缓冲器。缓冲器的输入阻抗必须足够高,以便电容可以在保持时间内放电少于1LSB。SHA在采样模式中对信号进行采样,而在保持模式期间则保持信号恒定。同时调整时序,以便编码器可以在保持时间内执行转换。因此,采样ADC可以处理快速信号,且频率上限取决于SHA孔径抖动、带宽和失真等,而非编码。例如,采样保持功能在2us内进行信号采样,而编码器则在8us内进行信号转换,因而采样周期总计10us。这样,采样频率就等于100kSPS,并且最高能够处理50kHz的输入频率。

 3 奈奎斯特准则       

        简而言之,奈奎斯特准则要求采样频率至少是信号所含最高频率的两倍,否则信号所承载
的信息将会丢失。如果采样频率小于最大模拟信号频率的两倍,将会出现一种称为“混叠”
的现象。

        为了理解混叠对时域和频域的影响,首先请考虑图4所示采样单频正弦波的时域表示情况。在此示例中,采样频率fs并未达到至少2fa,而仅仅是略大于模拟输入频率fa,因而违背了奈奎斯特准则。注意,实际样本的图案产生了较低频率(fs - fa)的混叠正弦波。

       这种情况的对应频域表示如图5B所示,现在考虑采用理想的脉冲采样器以fs的频率对频率为fa的单频正弦波进行采样(见图5A)。另外假定fs > 2*fa,如图所示。采样器的频域输出显示每数个fs附近均会出现原始信号的混叠或镜像,具体位于|\pm Kf_{s}\pm f_{a}|,K= 1,2,3,4,....  

         奈奎斯特带宽定义为从DC到\frac{f_{s}}{2}的频谱。该频谱可细分为无数奈奎斯特区,每个宽度等于0.5f_{s},如图所示。在实际操作中,理想采样器可以替换为后接FFT处理器的ADC。FFT处理器仅提供DC到\frac{f_{s}}{2}范围内的输出,即第一奈奎斯特区出现的信号或混叠。

        接下来,考虑第一奈奎斯特区之外的信号情况(图5B)。信号频率仅仅略小于采样频率,对应图4中时域表示所示的条件。注意,即使信号位于第一奈奎斯特区之外,其镜像(或混叠)fs – fa 仍位于该区内。现在回到图5A。很明显,如果任何镜像频率fa 处出现干扰信号,那么也将会出现在fa 处,因而会在第一奈奎斯特区内产生杂散频率成分

        这类似于模拟混频过程,同时意味着需要在采样器(或ADC)之前放置一些滤波器件来消除位于奈奎斯特带宽之外但其混叠成分又位于该范围之内的频率成分。滤波器性能将取决于带外信号与f s /2的接近程度和所需的衰减量。

4 基带抗混叠滤波器

        基带采样意味着要采样的信号位于第一奈奎斯特区之内。需要注意的是,当理想采样器的输入端没有输入滤波时,任意奈奎斯特区内奈奎斯特带宽之外的任意频率成分(信号或噪声)都将混叠回到第一奈奎斯特区。为此,几乎所有采样ADC应用中都会使用抗混叠滤波器来消除这些干扰信号。

        合理指定抗混叠滤波器是非常重要的。第一步是了解待采样信号的特性。假定最高目标频率为fa 。抗混叠滤波器任由DC至fa 范围内的信号通过,同时对fa 以上的信号进行衰减。假定所选滤波器的转折频率等于fa 。系统动态范围内从最小衰减到最大衰减的有限跃迁效应如图6A所示。   

          假定输入信号具有超过最大目标频率fa的满量程成分。该图显示了fs – fa 以上的满量程频率成分如何混叠回到DC至f a 的带宽范围内。这些混叠成分不易与实际信号区分开来,因此将动态范围限制为图中显示为DR的值。

         有些文章推荐根据奈奎斯特频率f s /2来指定抗混叠滤波器,但这时假定目标信号带宽为DC至f s /2,而那种情况非常少见。在图6A的示例中,fa 和fs / 2之间的混叠成分并不是目标成分,因此不会限制动态范围。

         因此,抗混叠滤波器的过渡带取决于转折频率fa 、阻带频率fs – fa 和所需阻带衰减DR。所需系统动态范围的选择依据是信号保真度要求。

        所有其它条件不变时,过渡带越陡,滤波器就越复杂。例如,与所有其他滤波器一样,巴特沃兹滤波器针对每个滤波器极点提供每倍频程6 dB衰减。要在1 MHz到2 MHz的过渡区(1倍频程)内实现60 dB衰减,需要至少10个极点。这样的滤波器可不是随随便便就能实现的,绝对是一项设计挑战。

        从上述讨论中,我们可以看到如何对抗混叠过渡带的锐度与ADC采样频率作出权衡。选择较高的采样速率(过采样)时,过渡带的锐度要求有所降低(因而滤波器复杂程度也相应降低,过采样后fa到fs的带宽变大,对滤波器衰减级数要求降低),但是需要使用更快的ADC,并且需要以更快的速率来处理数据。图6B显示了保持模拟转折频率fa 和动态范围DR要求不变但采样频率调高K倍时所产生的影响。对于图6A中的情况,过渡带(fa 至 Kfs – fa )越宽,那么此过滤器设计就越简单。
        抗混叠滤波器设计过程从选择大小等于2.5到4倍fa 的初始采样速率开始。接着,根据所需
动态范围确定滤波器规格并判断是否可在系统成本和性能限制范围内实现该滤波器。如果无法实现,则考虑使用较高的采样速率,而这可能要求使用更快的ADC。值得一提的是,Σ-Δ型ADC本质上属于高过采样转换器,因此此架构又添一项优势,那就是可以降低对模拟抗混叠滤波器的要求
        如果确定永远不会出现阻带频率fs – fa 的满量程信号,也可降低对抗混叠滤波器的要求。很
多应用中都不太可能会出现此频率的满量程信号。如果fs – fa 频率的最大信号永远不会超过满量程以下XdB,那么滤波器阻带衰减要求也会出现同幅下降。基于对信号的这种了解,fs – fa 处的新阻带衰减要求现在仅为DR – XdB。作出此类假定时,注意要将可能超过最大信号频率fa 的任何噪声信号视作也会叠加回到信号带宽内的干扰信号。

5 欠采样(谐波采样、带通采样、中频采样、直接中频数字转换)

        到目前为止,我们考虑的是基带采样情况,即所有目标信号均位于第一奈奎斯特区内。图8A显示了另外一种情况,其中采样信号频带局限于第一奈奎斯特区,而原始频带镜像出现在其它每个奈奎斯特区。
        以图8B所示的情况为例,其中采样信号频带完全位于第二奈奎斯特区内。对第一奈奎斯特区之外的信号进行采样的过程通常称为“欠采样”或“谐波采样”。注意,第一奈奎斯特区内的镜像包含原始信号中的所有信息,但其原始位置除外(频谱内频率成分的顺序是相反的,但这点可轻松地通过重新调整FFT输出的顺序来加以纠正)。 

        图8C显示了限制至第三奈奎斯特区的采样信号。注意,第一奈奎斯特区内的镜像并未频谱反转。实际上,采样信号频率可能位于任意独特的奈奎斯特区内,而第一奈奎斯特区内的镜像仍旧是精确表示(当信号位于编号为偶数的奈奎斯特区时出现的频谱反转除外)。此时,我们可以重提奈奎斯特准则,因为其适用于宽带信号: 

        带宽为BW的信号必须以等于或大于其带宽两倍(2BW)的速率进行采样,方可保留信号中
的全部信息。
        注意,该处并没有提到采样信号频带相对于采样频率在频谱内的绝对位置。唯一的限制是
采样信号频带必须局限于单个奈奎斯特区,即信号不得重叠任意多个fs / 2(实际上,这就是抗混叠滤波器的主要功能)。

6 欠采样应用中的抗混叠滤波器

        图9显示了以载波频率f c 为中心的第二奈奎斯特区内的信号,其中频率下限和上限分别为f1
和f2 。抗混叠滤波器是一个带通滤波器。所需动态范围为DR,该范围定义了滤波器阻带衰减。过渡带上限为f2 至2fs – f2 ,而下限则为f 1 至f s – f1 。对于基带采样,通过按比例调高采样频率可以降低对抗混叠滤波器的要求,但还必须改变fc ,使其始终是第二奈奎斯特区的中心。

        给定载波频率f c 及其信号带宽Δf时,可使用两个关键等式来选择采样频率f s 。首先是奈奎斯
特准则:

f s > 2 ∆ f  

第二个等式确保fc位于某个奈奎斯特区的中心:

其中,NZ = 1, 2, 3, 4, ....,且NZ对应于载波及其信号所位于的奈奎斯特区(见图10)。 

         一般而言,NZ越大越好,从而允许处理高IF频率。无论NZ选择多少,奈奎斯特准则都要求f s > 2Δf。如果NZ选择为奇数,那么f c 及其信号将位于编号为奇数的奈奎斯特区内,而第一奈奎斯特区内的镜像频率不会反转。
        举例来说,假定信号以载波频率71 MHz为中心且宽度为4 MHz。因此,最低采样频率要求为8 MSPS。通过将f c = 71 MHz和f s = 8 MSPS代入等式6来求解NZ,可得到NZ = 18.25。不过,NZ必须为整数,因此我们把18.25四舍五入为最接近的整数,即18。再次通过等式6来求解f s ,可得到f s = 8.1143 MSPS。因此,最后的值为f s = 8.1143 MSPS、f c = 71 MHz、NZ =18。

        现在假定我们需要抗混叠滤波器具有更多余量,因此将fs选择为10 MSPS。通过将f c = 71
MHz和f s = 10 MSPS代入等式6来求解NZ,可得到NZ = 14.7。我们将14.7四舍五入为最接近的整数,即可得到NZ = 14。再次通过等式6来求解f s ,可得到f s = 10.519 MSPS。因此,最后的值为f s = 10.519 MSPS、f c = 71 MHz、NZ = 14。
        上述迭代过程也可通过从f s 开始并调整载波频率来为NZ产生一个整数。

这篇关于奈奎斯特准则对数据采样系统设计有何意义的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1099089

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

pandas数据过滤

Pandas 数据过滤方法 Pandas 提供了多种方法来过滤数据,可以根据不同的条件进行筛选。以下是一些常见的 Pandas 数据过滤方法,结合实例进行讲解,希望能帮你快速理解。 1. 基于条件筛选行 可以使用布尔索引来根据条件过滤行。 import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dav