[離散時間信號處理學習筆記] 13. 重采樣

重采樣常用于音頻處理。在用麥克風對音頻進行采集的時候饰序,常見的采樣率有8k(電話)领虹、44.1k(CD)、48k(視頻音軌)求豫、96k/192k(Hi-Res)塌衰,而某些系統(tǒng)會有默認固定的輸出采樣率(如Android的默認輸出采樣率為44.1k)诉稍,此時就需要對輸入音頻數(shù)據(jù)進行重采樣。

重采樣的源樣本序列為x[n]

x[n]=xc(nT)

重采樣的目標序列為x′[n]

x′[n]=xc(nT′)

如何通過x[n]得到x′[n]就是本文的討論內容最疆。

本文假設以采樣周期為T對xc(t)進行采樣滿足奈奎斯特采樣定律均唉。

減采樣(downsampling)

減小采樣率的過程被稱為減采樣,這一小節(jié)討論的是按整數(shù)倍減小采樣率肚菠。

按照我們一般的思維來說舔箭,按整數(shù)倍(倍數(shù)為M)減少采樣率應該是直接對源樣本序列每隔M個樣本提取一個值

xd[n]=x[nM]=xc(nMT)

這種提取方法被稱為采樣率壓縮器,簡稱壓縮器(compressor)蚊逢〔惴觯可以看到所得的新序列是原始連續(xù)信號的一部分,并且新序列的采樣周期為Td=MT烙荷。對于該新序列镜会,我們可以分為兩種情況進行討論:

Td符合奈奎斯特采樣定理,即新序列能通過一個低通濾波器還原為原始的連續(xù)信號

Td不符合奈奎斯特采樣定理终抽,即新序列發(fā)生混疊戳表,無法還原為原始的連續(xù)信號

如下圖假設信號在M=2時恰好滿足奈奎斯特采樣定理,那么在M=3時則會發(fā)生混疊

如果在采用了壓縮率為M的壓縮器后昼伴,離散時間信號處理序列仍然符合奈奎斯特采樣定理匾旭,我們可以直接進行使用xd[n]=x[Mn]來得到減采樣序列。而發(fā)生混疊的情況則稍微復雜一點圃郊。觀察混疊的頻譜价涝,可以發(fā)現(xiàn)只有低頻部分保持了與原始信號頻譜的一致性,而相當多的高頻由于混疊而失去了原始頻譜持舆。

頻譜丟失得越多說明信號的失真越大色瘩,因此為了減少失真,需要盡可能保留更多的原始信號頻譜逸寓。我們可以先對元素信號進行低通濾波居兆,然后再對濾波后的信號進行周期為MT的采樣即可得到失真更少的序列。按照這種思想竹伸,采樣周期固定為MT泥栖,如果一個被采樣信號的采樣周期為MT,那么采樣后不會混疊的條件就是該信號的截至頻率為πMT佩伤,因此低通濾波的截至頻率為πMT聊倔。

很明顯晦毙,先低通濾波后采樣的這種方法能最大限度地減低頻譜的丟失生巡,從而降低信號失真。

X~d(jΩ)=Xc(jΩ)HM(jΩ)

其中Xd(jΩ)就是對原始信號進行低通濾波后的信號xd(t)的傅里葉變換见妒,低通濾波器的傅里葉變換為HM(jΩ)孤荣。不過我們手中的并不是原始信號xc(t),而是序列x[n],為了進入上述流程盐股,我們需要先用x[n]重構出xc(t)钱豁,才能進行低通濾波以及后續(xù)采集

xd(t)=F?1Xd(jΩ)=F?1{Xc(jΩ)HM(jΩ)}=F?1{X(ejΩT)Hr(jΩ)HM(jΩ)}=F?1{X(ejΩT)THM(jΩ)}???????????Hr(jΩ)HM(jΩ)={T,0,|Ω|<π/Telse={1,0,|Ω|<π/MTelse=F?1{Xs(jΩ)THM(jΩ)}=xs(t)?[MT?hm(t)]/Mfourier convolution theorem={∑n=?∞∞x[n]δ(t?nT)}?{sin(πt/MT)πt/MT}/M=∑n=?∞∞x[n]sin[π(t?nT)/MT]π(t?nT)/MT/M

然后從xd(t)中以MT為周期采集得到xd[n]

xd[n]=xd(nMT)=∑k=?∞∞x[k]sin[π(t?kT)/MT]π(t?kT)/MT/M∣∣∣∣t=nMT=∑k=?∞∞x[k]sin[π(nMT?kT)/MT]π(nMT?kT)/MT/M=∑k=?∞∞x[k]sin[π(nM?k)/M]π(nM?k)/M/M

如果要從連續(xù)時間系統(tǒng)來理解的話,我們可以發(fā)現(xiàn)重建的連續(xù)信號x~d(t)是由無數(shù)個x[k]分別對相應位置的截至頻率為π/MT的sinc函數(shù)進行加權后疊加疯汁,然后對疊加得到的信號的幅度除以M得到的牲尺。

如果要從離散時間系統(tǒng)來理解x~d[n]的構造公式的話,可以發(fā)現(xiàn)上面公式中的sinc函數(shù)有如下規(guī)律(下二)

H(ejω)={M,0,|ω|<π/MelseH(ejω)={1,0,|ω|<π/Melse??h[n]=sin[πn/M]πn/Mh[n]=sin[πn/M]πn/M/M

可以發(fā)現(xiàn)該sinc函數(shù)是一個增益為1幌蚊、截至頻率為π/M的低通濾波器谤碳,該濾波器后接因子為M的壓縮器。那么溢豆,前面的公式可以理解為:用該濾波器對x[k]進行濾波后再用因子為M的壓縮器即可得到x~d[n]蜒简。這一過程又被稱為抽取(decimation)漩仙。

?著作權歸作者所有,轉載或內容合作請聯(lián)系作者
  • 序言:七十年代末搓茬,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子队他,更是在濱河造成了極大的恐慌卷仑,老刑警劉巖,帶你破解...
    沈念sama閱讀 218,607評論 6 507
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件麸折,死亡現(xiàn)場離奇詭異系枪,居然都是意外死亡,警方通過查閱死者的電腦和手機磕谅,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,239評論 3 395
  • 文/潘曉璐 我一進店門私爷,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人膊夹,你說我怎么就攤上這事衬浑。” “怎么了放刨?”我有些...
    開封第一講書人閱讀 164,960評論 0 355
  • 文/不壞的土叔 我叫張陵工秩,是天一觀的道長。 經常有香客問我进统,道長助币,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,750評論 1 294
  • 正文 為了忘掉前任螟碎,我火速辦了婚禮眉菱,結果婚禮上,老公的妹妹穿的比我還像新娘掉分。我一直安慰自己俭缓,他們只是感情好克伊,可當我...
    茶點故事閱讀 67,764評論 6 392
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著华坦,像睡著了一般愿吹。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上惜姐,一...
    開封第一講書人閱讀 51,604評論 1 305
  • 那天犁跪,我揣著相機與錄音,去河邊找鬼歹袁。 笑死耘拇,一個胖子當著我的面吹牛,可吹牛的內容都是我干的宇攻。 我是一名探鬼主播惫叛,決...
    沈念sama閱讀 40,347評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼逞刷!你這毒婦竟也來了嘉涌?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 39,253評論 0 276
  • 序言:老撾萬榮一對情侶失蹤夸浅,失蹤者是張志新(化名)和其女友劉穎仑最,沒想到半個月后,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體帆喇,經...
    沈念sama閱讀 45,702評論 1 315
  • 正文 獨居荒郊野嶺守林人離奇死亡警医,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 37,893評論 3 336
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了坯钦。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片预皇。...
    茶點故事閱讀 40,015評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖婉刀,靈堂內的尸體忽然破棺而出吟温,到底是詐尸還是另有隱情,我是刑警寧澤突颊,帶...
    沈念sama閱讀 35,734評論 5 346
  • 正文 年R本政府宣布鲁豪,位于F島的核電站,受9級特大地震影響律秃,放射性物質發(fā)生泄漏爬橡。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,352評論 3 330
  • 文/蒙蒙 一棒动、第九天 我趴在偏房一處隱蔽的房頂上張望糙申。 院中可真熱鬧,春花似錦迁客、人聲如沸郭宝。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,934評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽粘室。三九已至,卻和暖如春卜范,著一層夾襖步出監(jiān)牢的瞬間衔统,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,052評論 1 270
  • 我被黑心中介騙來泰國打工海雪, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留锦爵,地道東北人。 一個月前我還...
    沈念sama閱讀 48,216評論 3 371
  • 正文 我出身青樓奥裸,卻偏偏與公主長得像险掀,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子湾宙,可洞房花燭夜當晚...
    茶點故事閱讀 44,969評論 2 355