Le livre est-il faux au sujet du critère d'échantillonnage de Nyquist?


16

La déclaration suivante d'un livre est-elle fausse?

entrez la description de l'image ici

Je pensais qu'un échantillonnage avec deux fois la composante de fréquence la plus élevée du signal serait suffisant pour récupérer complètement le signal. Mais au-dessus, il est dit que l'échantillonnage crée deux fois une vague en dents de scie. Le livre est-il faux?


14
Pour récupérer complètement le signal est leur phrase clé. Nyquist ne dit pas que vous pouvez connecter les échantillons avec une ligne droite et obtenir le signal d'origine, mais que les informations nécessaires pour récupérer le signal sont là. Donc, le livre a raison sur ce à quoi ressemble le signal lorsque vous connectez les points, et Nyquist a raison sur ce que vous pouvez récupérer à partir des échantillons.
John D

12
Techniquement, une fréquence d'échantillonnage d' exactement 2x l'entrée ne permet pas de reconstruire le signal d'origine, à moins que vous ne sachiez également que vous échantillonnez aux pics / creux. Un peu plus rapide est nécessaire en théorie (et beaucoup plus rapide en pratique).
Justin

7
Nyquist mentionne spécifiquement que le signal est limité en bande. La limitation de bande à l'entrée est souvent mentionnée mais la limitation de bande à la sortie n'est pas souvent mentionnée. Si vous limitez l'onde triangulaire à votre signal d'origine, vous obtiendrez une onde sinusoïdale.
vini_i

7
Si vous comptez les petits points qui indiquent l'échantillonnage, le taux d'échantillonnage est décalé d'un facteur deux dans chacun de ces diagrammes - l'échantillonnage est à 2x, 4x et 8x, respectivement.
TimWescott

4
@ sidA30 La procédure correcte consiste à attendre que vous ayez le temps d'écrire une réponse, pas simplement d'enfreindre la politique à votre convenance.
pipe

Réponses:


16

Je pensais qu'un échantillonnage avec deux fois la composante de fréquence la plus élevée du signal serait suffisant pour récupérer complètement le signal. Mais au-dessus, il est dit que l'échantillonnage crée deux fois une vague en dents de scie. Le livre est-il faux?

Le livre est faux, mais pas pour la raison que vous pensez. Si vous plissez les yeux sur les points qui indiquent des échantillons, c'est un échantillonnage à deux fois la fréquence indiquée.

Donc, tout d'abord, vous devez dessiner quelques signaux et les échantillonner vous-même (ou utiliser un package mathématique, si vous n'êtes pas à la hauteur du crayon et du papier).

Deuxièmement, le théorème de Nyquist dit qu'il est théoriquement possible de reconstruire un signal si vous savez déjà que le spectre du contenu du signal est strictement inférieur à la moitié de la fréquence d'échantillonnage.

Vous reconstruisez le signal en le filtrant passe-bas. Avant le filtrage, le signal peut être déformé, vous devez donc savoir ce que vous regardez pour voir que le résultat peut sembler correct. De plus, plus le spectre de votre contenu de signal est proche de la limite de Nyquist, plus la coupure doit être nette dans vos filtres anti-alias et de reconstruction. C'est bien en théorie, mais en pratique, la réponse d'un filtre dans le domaine temporel s'allonge plus ou moins proportionnellement à la façon dont il passe de sa bande passante à sa bande d'arrêt. Donc, en général, si vous le pouvez, vous échantillonnez bien au-dessus de Nyquist.

Voici une image qui correspond à ce que votre livre aurait dû dire.

Cas A: un échantillon par cycle (échantillons mis en évidence)

Cas B: deux échantillons par cycle, atterrissant sur les intersections - notez que c'est la même sortie que l'un échantillon par cas de cycle, mais uniquement parce que j'ai échantillonné le premier aux intersections.

Cas C: Encore une fois, deux échantillons par cycle, mais cette fois aux extrêmes. Si vous échantillonnez à exactement deux fois la fréquence de la composante du signal, vous ne pouvez pas reconstruire. En théorie, vous pourriez échantillonner oh-si-légèrement plus bas, mais vous auriez besoin d'un filtre avec une réponse impulsionnelle qui couvre suffisamment le résultat pour que vous puissiez reconstruire.

Cas D: échantillonnage à 4x la fréquence du signal. Si vous connectez les points, vous obtenez une onde triangulaire, mais ce n'est pas correct de le faire - dans le temps échantillonné, les échantillons n'existent que "aux points". Notez que si vous passez cela à travers un filtre de reconstruction décent, vous obtiendrez une onde sinusoïdale et si vous changez la phase de votre échantillonnage, la sortie sera décalée également en phase, mais son amplitude ne changera pas.

échantillonnage corrigé


1
@ThePhoton Je compte 2, 4, 8 échantillons par cycle.
jpa

2
En complément de ce que le théorème de Nyquist dit théoriquement, il suppose également que vous avez une période infiniment longue de données à échantillonner. Dans l'exemple "en dents de scie", le livre triche en dessinant un signal qui a des composantes de fréquence plus élevées. Si vous aviez une série infinie de ces modèles haut / bas / haut / bas, le seul signal qui peut générer indéfiniment sans composante de fréquence plus élevée sera l'onde sinusoïdale.
Cort Ammon - Rétablir Monica

2
Voulez-vous dire que nous devrions échantillonner au-dessus de Nyquist?
Ronan Paixão

1
@ThePhoton Si vous regardez de plus près le signal source, vous pouvez voir des points très faibles, cela en fait 2 4 8, vous devrez peut-être vous rapprocher ou vous rapprocher de votre moniteur pour voir tous les points du dernier signal
Ferrybig

5
@ RonanPaixão Oui, en général, vous voulez échantillonner au-dessus du taux de Nyquist. Il y a un compromis: l'échantillonnage rapide coûte cher en termes de matériel d'acquisition et de stockage en mémoire, mais à mesure que vous échantillonnez plus lentement, les filtres d'anticrénelage et de reconstruction nécessaires deviennent plus chers. Alors vous réfléchissez et pensez et faites de grandes feuilles de calcul, puis vous décidez - et cinq ans plus tard, la technologie a évolué au point que votre "meilleure" solution semble désespérément fausse.
TimWescott

5

L'image B est extrêmement fausse. Il contient des coins très nets dans le signal de sortie. Des coins très nets correspondent à des fréquences très élevées, beaucoup plus élevées que la fréquence d'échantillonnage.

Afin de respecter les théorèmes de l'échantillon de Nyquist, vous devez filtrer passe-bas le signal reconstruit. Après le filtrage passe-bas, le signal B ressemblerait au signal d'entrée, pas à un triangle (car tous les coins aigus ne peuvent pas passer le filtre passe-bas).

Pour être exact, vous devez passer à la fois le signal d'entrée et le signal de sortie. Le signal d'entrée doit être filtré passe-bas jusqu'à la moitié de la fréquence d'échantillonnage afin de ne pas "plier" les fréquences plus élevées.

Malheureusement, il s'agit d'une fausse représentation courante du fonctionnement de l'échantillonnage. Une description plus correcte utilisera la fonction sinc pour la reconstruction (je recommande une recherche pour la fonction sinc).

Dans les applications du monde réel, il est impossible d'avoir un filtre passe-bas "parfait" (passant toutes les fréquences ci-dessous et bloquant tout au-dessus). Cela signifie que vous devez normalement échantillonner avec une fréquence au moins 2,2 fois la fréquence maximale que vous souhaitez reproduire (exemple: qualité CD échantillonnée à 44,1 kHz afin de permettre une fréquence maximale de 20 kHz). Même cette différence rendrait difficile la création de filtres analogiques - la plupart des applications du monde réel «suréchantillonnent», tout comme le filtre passe-bas en partie dans la zone numérique.


4
Pour être juste, vous interprétez les graphiques d'une manière différente de celle qu'ils présentent - il n'y a aucune prétention qu'ils sont une "reconstruction" seulement qu'ils sont la sortie numérisée de l'ADC. Connecter les points avec des lignes est une tentation et une caractéristique communes des systèmes qui représentent peu de données sans essayer de les interpréter .
Chris Stratton

1
J'accepte la tentation. Souvent, même si je le vois plutôt comme des étapes, la plupart des logiciels montrent des escaliers lorsqu'ils sont agrandis. Le problème est lorsque les gens commencent à interpréter les lignes (ou les escaliers) comme la véritable signification du signal échantillonné. Le plus souvent, les échantillons seront rejoués plus tard.
ghellquist

La question montre clairement une entrée monofréquence. Le repliement n'est pas le point de la question.
Scott Seidman

3

Le théorème d'échantillonnage indique que le signal peut être parfaitement reconstruit si la fréquence d'échantillonnage est strictement supérieure au contenu de fréquence le plus élevé du signal. Mais cette reconstruction est basée sur l'insertion d'impulsions sinc (infinies) à chaque échantillon. D'un point de vue théorique, c'est un résultat très important, mais en pratique impossible à atteindre exactement. Ce qui est décrit dans la page du livre est une méthode de reconstruction basée sur le tracé de lignes droites entre les échantillons, ce qui est complètement différent. Donc, je dirais que le livre est correct, mais il n'a rien à voir avec le théorème d'échantillonnage.


4
Pas tout à fait, "strictement supérieur à deux fois la BANDE PASSANTE" est la formulation habituelle, et la différence est importante (c'est pourquoi le sous-échantillonnage comme moyen de conversion descendante RF fonctionne).
Dan Mills

Oui, mais pour expliquer le théorème d'échantillonnage par rapport à la question, je choisirais toujours la fréquence la plus élevée. La question concerne l'échantillonnage d'un sinus pur, et il peut alors être déroutant d'introduire la bande passante.
StefanH

3

Un très bel article de synthèse est Unser: Sampling - 50 ans après Shannon . Votre problème vient du fait que les signaux sinusoïdaux purs et infinis ne sont pas couverts par le théorème d'échantillonnage de Shannon. Le théorème applicable aux signaux périodiques est le théorème d'échantillonnage de Nyquist antérieur.


Le théorème d'échantillonnage de Shannon s'applique aux fonctions qui peuvent être représentées comme

X(t)=-WWX(F)eje2πFtF

X est une fonction intégrable au carré. Ensuite, ce signal peut être représenté exactement à partir d'échantillons discrets comme

X(t)=k=-X(kT2)péché(πW(t-kT2))πW(t-kT2)

T=1W1t

Une fonction sinus pure n'est pas contenue dans cette classe, car sa transformée de Fourier est composée de distributions Dirac-delta.


Le théorème d'échantillonnage de Nyquist antérieur déclare (ou réinterprète une idée antérieure) que si le signal est périodique avec la période T et la fréquence la plus élevée W = N / T , alors c'est un polynôme trigonométrique

x(t)=n=NNXnei2πnTt

avec 2N + 1 (non triviaux) coefficients et ces coefficients peuvent être reconstruits (par algèbre linéaire) à partir de 2N + 1 échantillons dans la période.

Le cas d'une fonction sinus pure relève de cette classe. Il promet une reconstruction parfaite si des échantillons 2N + 1 sur une période NT sont prélevés.


3

Ce qui a été partagé dans le livre ne dit rien sur le "critère d'échantillonnage de Nyquist" - il s'agit seulement d'échantillonner ponctuellement une onde sinusoïdale avec un ADC hypothétique, puis de construire (implicitement) un signal de sortie en utilisant un (non mentionné) DAC simple qui effectue une interpolation linéaire entre les valeurs d'échantillon.

Dans ce contexte, l'énoncé de thèse de «FIGURE 6.10» est généralement correct et bien démontré.

À mesure que la fréquence d'échantillonnage de l'ADC augmente, la fidélité du signal numérisé s'améliore.

Si vous vouliez parler de la fidélité d' une reconstruction idéalisée , c'est tout autre chose. Toute discussion sur le taux de Nyquist implique l'utilisation d'une interpolation sinc qui, encore une fois, n'est pas mentionnée dans la figure illustrée.


Le vrai défaut de cette figure est l'idée qu'un échantillon ponctuel est un concept significatif en ingénierie. En pratique, un ADC sera connecté à un composant capteur qui fonctionne en accumulant un signal d'entrée réel sur une certaine période de temps.


C'est drôle, cependant, ce chiffre est apparemment erroné (décalé d'un facteur deux) au sujet des fréquences d'échantillonnage spécifiques montrées dans les diagrammes - bien que la "Sortie" montrée ne soit affectée que par cela dans le cas 'C'.


En utilisant la déclaration citée ci-dessus, j'ai trouvé un diagramme étrangement similaire dans "Une approche pratique de la surveillance peropératoire neurophysiologique" dans une discussion sur le traitement des formes d'onde EEG. Pour ce que ça vaut, cette discussion comprend les éléments suivants:

Le théorème décrivant la fréquence d'échantillonnage minimale requise pour qu'un ADC représente fidèlement un signal analogique est connu sous le nom de théorème de Nyquist. Il stipule que la fréquence d'échantillonnage d'un CAN doit être supérieure au double de celle de la composante de fréquence la plus rapide d'une forme d'onde.


... une certaine période de temps et / ou d'espace - lors de la traduction de phénomènes physiques en échantillons numériques. En gros, il y aura toujours un filtre passe-bas inhérent.
nobar

Quelque chose que je viens de rencontrer qui traite du filtre passe-bas inhérent: engadget.com/2019/05/04/…
nobar

Un point auquel je veux en venir est qu'une reconstruction parfaite d'un signal physique est fondamentalement impossible (dans le cas général), et qu'une meilleure reconstruction possible devrait prendre en compte le filtrage passe-bas efficace qui est inhérent au physique au numérique conversion.
nobar

Cette vidéo (partagée dans les commentaires de la question) perd une certaine crédibilité @ 8: 17 quand il dit que les pixels d'image 2D sont "des points conceptuellement infiniment petits". Il ignore de nombreux détails sur la façon dont les échantillons d'images sont réellement capturés - et sur les informations qu'ils représentent.
nobar

... Bien qu'il soit vrai que les échantillons de pixels numériques sont capturés et stockés en tant que valeurs discrètes dans leur représentation du temps / espace - cela ne signifie pas qu'ils sont des "points infiniment petits".
nobar
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.