Önce 2. soruya cevap vereceğim ve umarım bu 1. soru ile neler olup bittiğini açıklamaya yardımcı olacaktır.
Bir temel bant sinyalini örneklediğinizde, aşağıdaki resimde gösterildiği gibi, örnekleme frekansının tüm tam sayı katlarında temel bant sinyalinin örtülü takma adları vardır.
Sabit görüntü orijinal temel bant sinyalidir ve takma adlar kesik görüntülerle temsil edilir. Örnekleme frekansının tek katlarında meydana gelen tersinmeyi göstermeye yardımcı olması için bir asimetrik (yani karmaşık) sinyal seçtim.
"Takma adlar gerçekten var mı?" Biraz felsefi bir soru. Evet, matematiksel anlamda varlar, çünkü tüm takma adlar (taban bandı sinyali dahil) birbirinden ayırt edilemez.
Orijinal örnekler arasına sıfırlar ekleyerek örnekleme yaptığınızda, örnekleme oranını örnekleme oranına göre etkili bir şekilde artırırsınız. Dolayısıyla, iki faktör kadar örnek alırsanız (her örnek arasına bir sıfır koyarsanız), örnekleme oranınızı ve Nyquist oranınızı 2 kat artırırsınız, bu da aşağıdaki resimle sonuçlanır.
Gördüğünüz gibi, önceki görüntüdeki örtük takma adlardan biri artık açık hale geldi. Örnekleri FFT yaparsanız görünecektir. DFT dönüşümünün temelde değişmediğine dair kesin olmayan bir kanıt aşağıda verilmiştir.
Şimdi iki açık takma ada sahip olduğunuza göre, sadece temel bant takma adını istiyorsanız, diğer takma addan kurtulmak için alçak geçiren filtreye ihtiyacınız vardır. Bununla birlikte, bazen, insanlar diğer takma adlarını kendileri için modüle etmek için kullanırlar. Bu durumda, temel bant sinyalinden kurtulmak için yüksek geçiren filtre kullanırsınız. Umarım bu soru 2. soruya cevap verir.
Soru 1, temel olarak soru 2'nin tersidir. İkinci resimde gösterilen durumda olduğunuzu varsayalım. İstediğiniz temel bant sinyalini almanın iki yolu vardır. İlk yol, düşük geçişli filtreyi (böylece daha yüksek takma addan kurtulmak) ve daha sonra iki faktörle karar vermektir. Bu sizi 1 numaralı resme götürür.
İkinci yol, yüksek geçişli filtreyi (temel bant takma adından kurtulmak) ve daha sonra iki faktörle karar vermektir. Bunun çalışmasının nedeni, kasıtlı olarak sinyali temel banda yumuşatmanızdır, böylece bir kez daha sizi # 1 numaralı resme götürürsünüz.
Neden böyle yapmak istesin? Çünkü çoğu durumda sinyaller aynı olmayacaktır, böylece hangi sinyali istediğinizi seçebilir veya her ikisini ayrı ayrı yapabilirsiniz.
Çok hızlı işlem üzerinde çalışıyorsanız, Frederic Harris tarafından "İletişim Sistemleri için Çoklu Hız Sinyal İşleme" almanızı önemle tavsiye ederim. Matematiği ihmal etmeden teoriyi açıklamak ve çok fazla pratik tavsiye vermek için gerçekten iyi bir iş çıkarıyor.
DÜZENLEME: kasıtlı Nyquist oranından daha az bir sinyalin örnekleme olarak adlandırılır Undersampling . Aşağıda, örnekleme sırasında FFT'nin neden değişmediğini matematiksel olarak açıklamaya çalışıyorum. "x [n]" orijinal örnek kümesidir, "u" örnekleme faktörüdür ve "x '[n]" örneklenmiş örnek kümesidir.
X[k]X′[k]==x===∑n=0N−1x[n]e−i2πkn/N∑n=0uN−1x′[n]e−i2πkn/uN,{′[n]=x[n/u],n=mu∑n=0N−1x′[un]e−i2πkun/uN∑n=0N−1x[n]e−i2πkn/NX[k]x′[n]=0,n≠mu,m∈(0..N−1)
Çirkin biçimlendirme için özür dileriz. Ben bir LaTex çaylakıyım.
DÜZENLEME 2: x [n] ve x '[n]' in DFT'lerinin gerçekte aynı olmadığını belirtmeliydim. Cevabın daha önceki bölümünde açıkladığım gibi, örnek oranı daha yüksektir, takma adların "açığa çıkmasına" neden olur. Matematikçi olmayan bir şekilde DFT'lerin örnekleme hızının yanı sıra aynı olduklarına dikkat çekmeye çalışıyordum.