【 MATLAB 】MATLAB 实现模拟信号采样后的重建（一）
为了让MATLAB数字信号处理的相关博文能够得到一个梳理，我开通了一个专栏：数字信号处理的MATLAB实现
模拟信号经过采样后得到x(n)，从x(n)中重建模拟信号
在数学上可用公式来描述：
式中， 是一种内插函数。
对于样本之间的内插，MATLAB提供了几种方法。产生sinc(x)函数在已知有限个样本数之下可用于实现上式，即：
如果已知，并且如果想要在一个很细的栅格（栅格间隔）上内插 ，那么由内插公式，可得：
这就能作为一个矩阵向量乘法运算实现，如下给出MATLAB脚本：
-
-
n = n1:n2;
-
t = t1:Dt:t2;
-
Fs = 1/Ts;
-
nTs = n*Ts;
-
xa = x * sinc( Fs*(ones(length(n),1)*t - nTs' * ones(1,length(t))));
有的人看到这里一定又懵逼了，对于这种向量化的编程不是太明白，为什么可以写成这样？这也是我关于MATLAB数字信号处理的第一篇博文所强调的：专栏，请查看第一篇博文：向量化编程实践
为了弄清楚上面的这个编程思路是如何的，向量化是如何向量化的，我给出了自己的推导，由于输入公式太过于繁琐，我也没多少时间，所以给出了手稿版本：
我不得不说，上面也提到了模拟信号的时间t用栅格间隔的表示方法是为了用MATLAB来近似画出模拟信号，我是默认你读过了我之前的博文：
【 MATLAB 】使用 MATLAB 实现模拟信号的近似及其连续傅里叶变换
这篇博文中给出了一个案例：
下面给出一个案例：
设
使用MATLAB求出并画出它的傅里叶变换。
紧接着下一篇博文，我们又同样使用了这个案例，对这个模拟信号进行了采样，使用不同的采样率采样，观察采样后的信号的DTFT：
【 MATLAB 】模拟信号采样及离散时间傅里叶变换案例分析
这篇博文，我们同样使用上面给出的案例，使用采样样本重建模拟信号，观察不同采样率下重建信号的误差。
模拟信号：
对该信号使用两种不同的采样频率采样。
a. 在 fs = 5000 对信号进行采样
b. 在 fs = 1000 对信号采样
首先讨论第一种情况：
a. 在 fs = 5000 对信号进行采样
直接给出脚本：
-
clc
-
clear
-
close all
-
-
% Analog signal
-
Dt = 0.00005;
-
t = - 0.005:Dt:0.005;
-
xa = exp(-1000 * abs(t));
-
-
subplot(3,1,1);
-
plot(1000*t,xa);
-
title('Analog signal');
-
xlabel('t in msec');
-
ylabel('xa');
-
-
% Discrete-time signal
-
Ts = 0.0002;
-
Fs = 1/Ts;
-
n = -25:25;
-
nTs = n*Ts;
-
x = exp(-1000*abs(nTs));
-
-
subplot(3,1,2)
-
% plot(1000*t,xa);
-
% hold on
-
stem(n*Ts*1000,x);
-
title('Discrete-time signal');
-
% hold off
-
-
% Analog signal reconstruction
-
xa_r = x * sinc( Fs * ( ones(length(n),1) * t - nTs' * ones(1,length(t) ) ));
-
-
subplot(3,1,3);
-
plot(1000*t,xa_r);
-
title('Analog signal reconstruction');
-
xlabel('t in msec');
-
ylabel('xa after reconstruction');
-
hold on
-
stem(n*Ts*1000,x)
-
hold off
-
%check
-
error = max(abs(xa_r - xa ))
-
-
且error = 0.0363
重建的和真正的模拟信号之间的最大误差是0.0363，这是由于模拟信号xa（t）不是严格带限产生的，况且还是一个有限的样本数。重复成这个样子，已经很成功了。
b. 在 fs = 1000 对信号采样
这时候采样间隔为1ms，模拟信号的时间范围是[-5,5]ms，也就是10ms，这时候我们可以得到11个采样间隔点，也就是得到的离散信号的范围为[-5:5]，下面直接给出MATLAB脚本：
-
clc
-
clear
-
close all
-
-
% Analog signal
-
Dt = 0.00005;
-
t = - 0.005:Dt:0.005;
-
xa = exp(-1000 * abs(t));
-
-
subplot(3,1,1);
-
plot(1000*t,xa);
-
title('Analog signal');
-
xlabel('t in msec');
-
ylabel('xa');
-
-
% Discrete-time signal
-
Ts = 0.001;
-
Fs = 1/Ts;
-
n = -5:5;
-
nTs = n*Ts;
-
x = exp(-1000*abs(nTs));
-
-
subplot(3,1,2)
-
% plot(1000*t,xa);
-
% hold on
-
stem(n*Ts*1000,x);
-
title('Discrete-time signal');
-
% hold off
-
-
% Analog signal reconstruction
-
xa_r = x * sinc( Fs * ( ones(length(n),1) * t - nTs' * ones(1,length(t) ) ));
-
-
subplot(3,1,3);
-
plot(1000*t,xa_r);
-
title('Analog signal reconstruction');
-
xlabel('t in msec');
-
ylabel('xa after reconstruction');
-
hold on
-
stem(n*Ts*1000,x)
-
hold off
-
%check
-
error = max(abs(xa_r - xa ))
-
-
只是稍微改了几个数据而已。
可见，采样率低了之后，重构的是个嘛呀！
误差：
error =
0.1852
所有的这些都是频谱混叠导致的。
文章来源: reborn.blog.csdn.net，作者：李锐博恩，版权归原作者所有，如需转载，请联系作者。
原文链接：reborn.blog.csdn.net/article/details/83415535
- 点赞
- 收藏
- 关注作者
评论（0）