Преобразование Фурье :
X(j2πf)=F{x(t)}≜∫−∞+∞x(t) e−j2πft dt
Обратное преобразование Фурье:
x(t)=F−1{X(j2πf)}=∫−∞+∞X(j2πf) ej2πft df
Функция прямоугольного импульса :
rect(u)≜{01if |u|>12if |u|<12
Функция "Sinc" ("sinus cardinalis") :
sinc(v)≜{1sin(πv)πvif v=0if v≠0
Определить частоту дискретизации , , как величина , обратная периоду дискретизации .fs≜1TT
Обратите внимание:
F{rect(tT)}=T sinc(fT)=1fs sinc(ffs)
Гребень Дирака (он же «функция выборки», он же «функция Ша») :
IIIT(t)≜∑n=−∞+∞δ(t−nT)
Гребень Дирака является периодическим с периодом . Ряд Фурье :T
IIIT(t)=∑k=−∞+∞1Tej2πkfst
Дискретный непрерывный сигнал :
xs(t)=x(t)⋅(T⋅IIIT(t))=x(t)⋅(T⋅∑n=−∞+∞δ(t−nT))=T ∑n=−∞+∞x(t) δ(t−nT)=T ∑n=−∞+∞x(nT) δ(t−nT)=T ∑n=−∞+∞x[n] δ(t−nT)
где .x[n]≜x(nT)
Это означает, что определяется исключительно выборками и периодом выборки и полностью теряет любую информацию о значениях за промежутки времени между экземплярами выборки. представляет собой дискретную последовательность чисел и является сокращенной записью для DSP сорта для . Хотя верно, что для , значение для любого не являющегося целым числом, не определено.xs(t)x[n]Tx(t)x[n]ИксNИксs( т ) = 0п т< t < ( n + 1 ) Tх [ н ]N
NB: дискретный сигнал и все операции с дискретным временем над ним, такие как -преобразование , дискретное преобразование Фурье (DTFT) , дискретное преобразование Фурье (DFT) , являются «независимыми» относительно частоты дискретизации или периода дискретизации . После того, как вы в дискретном времени домен, вы не знаете (или уход) о . Это только с Найквиста-Шеннона сэмплирования и реконструкции теоремы , что и вместе взятые.х [ н ]ZTх [ н ]Tх [ н ]T
Преобразование Фурье являетсяИксs( т )
Иксs( j 2 πе) ≜ F{ хs( т ) }= F{ x ( t ) ⋅ ( T⋅ IIIT( т ) ) }= F{ x ( t ) ⋅ ( T⋅ ∑k = - ∞+ ∞1Tеj 2 πк фsT) }= F{ ∑k = - ∞+ ∞х ( т ) е j 2 πк фsT}= ∑k = - ∞+ ∞F{ х ( т ) е j 2 πк фsT}= ∑k = - ∞+ ∞Икс( j 2 π( ф- к фs) )
Важное примечание о масштабировании: функция выборки и дискретизированный сигнал имеют коэффициент который вы не увидите почти во всех учебниках. Это педагогическая ошибка авторов этих учебников по нескольким (связанным) причинам: T⋅ IIIT( т )Иксs( т )T
- Во-первых, пропуская изменяет размер выборочного сигнала по сравнению с выборки сигнала .TИксs( т )х ( т )
- Этот фактор понадобится где-то в цепочке сигналов. Эти учебники, которые исключают его из функции выборки, в конечном итоге помещают его в часть восстановления теоремы выборки, обычно в качестве усиления полосы пропускания фильтра восстановления. Это сбивает с толку. Кто-то может разумно спросить: «Как мне спроектировать LPF с кирпичной стеной с усилением полосы пропускания ?»TT
- Как будет показано ниже, оставление здесь приводит к аналогичной ошибке масштабирования для чистой передаточной функции и чистой частотной характеристики удержания нулевого порядка (ZOH). Все учебники по цифровым (и гибридным) системам управления, которые я видел, допускают эту ошибку, и это серьезная педагогическая ошибка.T
Обратите внимание, что DTFT для и преобразование Фурье для дискретизированного сигнала при правильном масштабировании практически идентичны:х [ н ]Иксs( т )
DTFT:
ИксД Т Ф Т( ω )≜ Z{ x [ n ] } ∣||Z= еJ ω= XZ( еJ ω)= ∑n = - ∞+ ∞х [ н ] е - j ω n
Можно показать, что
ИксД Т Ф Т( ω ) = XZ( еJ ω) = 1TИксs( j 2 πе) ∣||е= ω2 πT
Приведенная выше математика верна независимо от того, правильно ли выбрана или нет. "правильно выбран", если может быть полностью восстановлен из выборок и знания частоты дискретизации или периода выборки. Sampling теорема говорит нам , что необходимо восстановить или реконструировать от и .х ( т )х ( т )х ( т )х [ н ]х ( т )х [ н ]T
Если является ограниченной полосой до некоторой bandlimit , это означает ,х ( т )В
Икс( j 2 πе) = 0для всех| е| >B
Рассмотрим спектр дискретизированного сигнала, составленного из смещенных изображений оригинала:
Иксs( j 2 πе) = ∑k = - ∞+ ∞Икс( j 2 π( ф- к фs) )
Исходный спектр может быть восстановлен из выборочного спектра если ни одно из сдвинутых изображений , перекрывают соседних соседей. Это означает, что правый край изображения (то есть ) должен находиться полностью слева от левого края ( ) -ое изображение (то есть ). Пересчитано математически,Икс( j 2 πе)Иксs( j 2 πе)Икс( j 2 π( ф- к фs) )КИкс( j 2 π( ф- к фs) )к + 1Икс( j 2 π( ф- ( k + 1 ) fs) )
к фs+ B < ( k + 1 ) fs- Б
что эквивалентно
еs> 2 B
Если мы производим выборку с частотой дискретизации, которая в два раза превышает пропускную способность, ни одно из изображений не перекрывается, исходный спектр , то есть изображение, где может быть извлечено из с фильтром нижних частот кирпичной стены, который сохраняет исходное изображение (где ) немасштабированным и удаляет все другие изображения. Это означает, что он умножает исходное изображение на 1 и умножает все остальные изображения на 0.Икс( j 2 πе)к = 0Иксs( j 2 πе)к = 0
Икс( j 2 πе)= прямоугольный( феs) ⋅ Xs( j 2 πе)= H( j 2 πе) X s( j 2 πе)
Фильтр реконструкции является
ЧАС( j 2 πе) = прямоугольный( феs)
и имеет акаузальный импульсный отклик :
h ( t ) = F- 1{ H( j 2 πе) } = fsсинк( фsт )
Эта операция фильтрации, выраженная как умножение в частотной области, эквивалентна свертке во временной области:
х ( т )= h ( t ) ⊛ xs( т )= h ( t ) ⊛ T Σn = - ∞+ ∞x [ n ] δ ( т - н т)= Т Σn = - ∞+ ∞x [ n ] ( h ( t ) ⊛ δ ( т - н т) )= Т Σn = - ∞+ ∞x [ n ] h ( t - n T ) )= Т Σn = - ∞+ ∞x [ n ] ( f sсинк( фs( т - н т) ) )= ∑n = - ∞+ ∞x [ n ] sinc ( фs( т - н т) )= ∑n = - ∞+ ∞x [ n ] sinc ( т - н тT)
Это ясно объясняет, как исходный восстанавливается из выборок и знания частоты дискретизации или периода выборки.х ( т )х [ н ]
Так что то, что выводится из практического цифро-аналогового преобразователя (ЦАП), не является ни
Σn = - ∞+ ∞x [ n ] sinc ( т - н тT)
который не нуждается в дополнительном лечении для восстановления , них ( т )
Иксs( т ) = ∑n = - ∞+ ∞х [ п ] т δ( т - н т)
который с помощью идеальной кирпичной стены LPF восстанавливает , изолируя и сохраняя изображение основной полосы частот и отбрасывая все другие изображения.х ( т )
Что получается из обычного ЦАП, если не выполняется обработка или масштабирование для оцифрованного сигнала, так это значение сохраняемое при постоянном значении до тех пор, пока не будет выведен следующий образец. Это приводит к кусочно-постоянной функции :х [ н ]
ИксDAC( т ) = ∑n = - ∞+ ∞x [ n ] прямоугольник ( т - н т- Т2T)
Обратите внимание на задержку периода выборки примененную к функции . Это делает это причинно-следственной. Это просто означает, что12прямоугольник( ⋅ )
xDAC(t)=x[n]=x(nT)whennT≤t<(n+1)T
Заявлено по-другому
xDAC(t)=x[n]=x(nT)forn=floor(tT)
где - это функция пола , определенная как наибольшее целое число, не превосходящее .floor(u)=⌊u⌋u
Этот выход ЦАП напрямую моделируется как линейная не зависящая от времени система (LTI) или фильтр, который принимает идеально дискретизированный сигнал и для каждого импульса в идеально дискретизированном сигнале выводит эту импульсную характеристику:xs(t)
hZOH(t)=1Trect(t−T2T)
Подключить, чтобы проверить это ...
xDAC(t)=hZOH(t)⊛xs(t)=hZOH(t)⊛T ∑n=−∞+∞x[n] δ(t−nT)=T ∑n=−∞+∞x[n] (hZOH(t)⊛δ(t−nT))=T ∑n=−∞+∞x[n] hZOH(t−nT))=T ∑n=−∞+∞x[n] 1Trect(t−nT−T2T)=∑n=−∞+∞x[n] rect(t−nT−T2T)
Выход ЦАП , как выход системы LTI с импульсной характеристикой согласуется с кусочно-постоянной конструкцией выше. И входом в эту систему LTI является выборочный сигнал разумно масштабированный таким образом, чтобы изображение основной полосы частот точно таким же, как спектр исходного дискретизированного сигнала . То естьxDAC(t)hZOH(t)xs(t)xs(t)x(t)
X(j2πf)=Xs(j2πf)for−fs2<f<+fs2
Спектр исходного сигнала такой же, как у дискретизированного спектра, но все изображения, появившиеся в результате дискретизации, отбрасываются.
Передаточная функция этой системы LTI, которую мы называем удержанием нулевого порядка (ZOH) , является преобразованием Лапласа импульсного отклика:
HZOH(s)=L{hZOH(t)}≜∫−∞+∞hZOH(t) e−st dt=∫−∞+∞1Trect(t−T2T) e−st dt=∫0T1T e−st dt=1T1−se−st∣∣∣T0=1−e−sTsT
Частотная характеристика получается путем подстановкиj2πf→s
HZOH(j2πf)=1−e−j2πfTj2πfT=e−jπfTejπfT−e−jπfTj2πfT=e−jπfTsin(πfT)πfT=e−jπfTsinc(fT)=e−jπfTsinc(ffs)
Это указывает на линейный фазовый фильтр с постоянной задержкой, равной половине периода выборки, , и с коэффициентом усиления, который уменьшается с увеличением частоты . Это мягкий эффект фильтра нижних частот. При постоянном токе коэффициент усиления равен 0 дБ, а при Найквисте коэффициент усиления равен -3,9224 дБ. Таким образом, в изображении основной полосы частот некоторые высокочастотные компоненты немного уменьшены.T2ff=0f=fs2
Как и в случае дискретизированного сигнала , в дискретизированном сигнале имеются изображения с целыми кратными частоты дискретизации, но эти изображения значительно уменьшены по амплитуде (по сравнению с изображение основной полосы), потому чтопроходит через ноль, когда для целого числа , которое не равно 0, что находится прямо в середине этих изображений.xs(t)xDAC(t)|HZOH(j2πf)|f=k⋅fsk
Заключительное:
Удержание нулевого порядка (ZOH) - это линейная не зависящая от времени модель восстановления сигнала, выполняемая практическим цифро-аналоговым преобразователем (ЦАП), который поддерживает выходную константу при значении выборки, , до тех пор, пока не будет обновлено следующий образец .x[n]x[n+1]
Вопреки распространенному заблуждению, ZOH не имеет ничего общего со схемой выборки и удержания (S / H), которую можно обнаружить перед аналого-цифровым преобразователем (АЦП) . Пока ЦАП поддерживает выходное значение постоянным в течение каждого периода выборки, не имеет значения, имеет ли АЦП сигнал S / H или нет, эффект ZOH сохраняется. Если ЦАП выводит что-то отличное от кусочно-постоянного вывода (например, последовательность узких импульсов, предназначенных для аппроксимации импульсов Дирака), изображенных выше как , то эффект ZOH отсутствует (что-то еще вместо этого) есть ли цепь S / H, предшествующая АЦП или нет.xDAC(t)
Чистая передаточная функция ZOH - а чистая частотная характеристика ZOH - Во многих учебниках пропущен фактор в знаменателе передаточной функции, и это ошибка.HZOH(s)=1−e−sTsT
HZOH(j2πf)=e−jπfTsinc(fT)
T
ZOH значительно уменьшает изображения дискретизированного сигнала , но не устраняет их. Для устранения изображений нужен хороший фильтр нижних частот, как и раньше. Кирпичные стены LPF являются идеализацией. Практический ФНЧ также может ослаблять изображение в основной полосе (которое мы хотим сохранить) на высоких частотах, и это затухание должно учитываться как затухание, возникающее в результате ZOH (которое составляет менее 3,9224 дБ затухания). ZOH также задерживает сигнал на половину периода выборки, что может потребоваться принять во внимание (наряду с задержкой фильтра LPF против формирования изображения), особенно если ZOH находится в контуре обратной связи.xs(t)