采样频率、采样点数、频率分辨率.docVIP

1.频率分辨率的2种解释 解释一：频率分辨率可以理解为在使用DFT时，在频率轴上的所能得到的最小频率间隔f0=fs/N=1/NTs=1/T,其中N为采样点数，fs为采样频率，Ts为采样间隔。所以NTs就是采样前模拟信号的时间长度T，所以信号长度越长，频率分辨率越好。是不是采样点数越多，频率分辨力提高了呢？其实不是的，因为一段数据拿来就确定了时间T，注意：f0=1/T，而T=NTs，增加N必然减小Ts ，因此，增加N时f0是不变的。只有增加点数的同时导致增加了数据长度T才能使分辨率越好。还有容易搞混的一点，我们在做DFT时，常常在有效数据后面补零达到对频谱做某种改善的目的，我们常常认为这是增加了N，从而使频率分辨率变好了，其实不是这样的，补零并没有增加有效数据的长度，仍然为T。但是补零其实有其他好处：1.使数据N为2的整次幂，便于使用FFT。2.补零后，其实是对DFT结果做了插值，克服“栅栏”效应，使谱外观平滑化；我把“栅栏”效应形象理解为，就像站在栅栏旁边透过栅栏看外面风景，肯定有被栅栏挡住比较多风景，此时就可能漏掉较大频域分量，但是补零以后，相当于你站远了，改变了栅栏密度，风景就看的越来越清楚了。3.由于对时域数据的截短必然造成频谱泄露，因此在频谱中可能出现难以辨认的谱峰，补零在一定程度上能消除这种现象。 那么选择DFT时N参数要注意：1.由采样定理：fs=2fh，2.频率分辨率：f0=fs/N，所以一般情况给定了fh和f0时也就限制了N范围：N=fs/f0。 解释二：频率分辨率也可以理解为某一个算法（比如功率谱估计方法）将原信号中的两个靠得很近的谱峰依然能保持分开的能力。这是用来比较和检验不同算法性能好坏的指标。在信号系统中我们知道，宽度为N的矩形脉冲，它的频域图形为sinc函数，两个一阶零点之间的宽度为4π/N。由于时域信号的截短相当于时域信号乘了一个矩形窗函数，那么该信号的频域就等同卷积了一个sinc函数，也就是频域受到sinc函数的调制了，根据卷积的性质，因此两个信号圆周频率之差W0必须大于4π/N。从这里可以知道，如果增加数据点数N，即增加数据长度，也可以使频率分辨率变好，这一点与第一种解释是一样的。同时，考虑到窗函数截短数据的影响存在，当然窗函数的特性也要考虑，在频率做卷积，如果窗函数的频谱是个冲击函数最好了，那不就是相当于没截断吗？可是那不可能的，我们考虑窗函数主要是以下几点：1.主瓣宽度B最小（相当于矩形窗时的4π/N，频域两个过零点间的宽度）。2.最大边瓣峰值A最小（这样旁瓣泄露小，一些高频分量损失少了）。3.边瓣谱峰渐近衰减速度D最大（同样是减少旁瓣泄露）。在此，总结几种很常用的窗函数的优缺点： 矩形窗：B=4π/N A=-13dB D=-6dB/oct 三角窗：B=8π/N A=-27dB D=-12dB/oct 汉宁窗：B=8π/N A=-32dB D=-18dB/oct 海明窗：B=8π/N A=-43dB D=-6dB/oct 布莱克曼窗：B=12π/N A=-58dB D=-18dB/oct 可以看出，矩形窗有最窄的主瓣，但是旁瓣泄露严重。汉宁窗和海明窗虽主瓣较宽，但是旁瓣泄露少，是常选用的窗函数。 2. 采样周期与频率分辨率 fs/N常称作为频率分辨率，它实际是作FFT时谱图中的两条相邻谱线之间的频率间隔，也有称作步长。单位是Hz、Khz等。频率分辨率实际有二重含意，在这里只是其中一种。1/fs的单位的s、ms、us或分、时...年等。1/fs代表采样周期，是时间域上两个相邻离散数据之间的时间差。因此fs/N用在频率域，只在DFT以后的谱图中使用；而1/fs用时间域，只要数据经采样，离散化后任何其它的应用中都可使用。例如有的数字滤波器中就用到。 Δf=fs/N=1/T;Δf是频率采样间隔，同时也是频率分辨率的重要指标，如果这个值越小，则频率分辨率越高。1/fs往往用在求时间序列上，如（0：N-1）*1/fs等等，如果这个不好理解，可以把前面的公式求倒数，这就清楚多了 3. 采样定理 采样过程所应遵循的规律，又称取样定理、抽样定理。采样定理说明采样频率与信号频谱之间的关系，是连续信号离散化的基本依据。采样定理是1928年由美国电信工程师 HYPERLINK javascript:linkredwin(H.奈奎斯特); \o H.奈奎斯特 \t H.奈奎斯特首先提出来的，因此称为奈奎斯特采样定理。1933年由苏联工程师科捷利尼科夫首次用公式严格地表述这一定理，因此在苏联文献中称为科捷利尼科夫采样定理。1948年信息论的创始人 HYPERLINK javascript:linkredwin(C.E.香农); \o C.E.香农 \t C.E.香农对这一