信号的采样和奇妙的混叠（Aliasing）贰

关注

转载最新推荐文章于 2026-10-19 10:22:35 发布 4.8k 阅读 AI 写同款· GEO 优化 ›

频率混叠频率混叠 1.定义混叠是指取样信号被还原成连续信号时产生彼此交叠而失真的现象。当混叠发生时，原始信号无法从取样信号还原。而混叠可能发生在时域上，称做时间混叠，或是发生在频域上，被称作空间混叠。 2.分析 2.1.时域混叠下图，图中的信号是 x(t) = cos(2πf’t)的一部分，采样SF=f’时，得到一条直流曲线采样SF=2f’时，得到一个低频三角波信号采样SF=4f’/3时，得到更低的三角波信号采样信号不仅不能重构原信号，出现混叠频率，即采样信号不能保持原信号的频谱特性。（简单的说阅读详情

混叠频率的计算

转载至信号的采样和奇妙的混叠（Aliasing）贰

上次我们讲到如果混叠没能成功避免，那么混叠后的信号就会偷偷混入重建后的信号。那么这个经过伪装的“伪装信号”的频率是多少呢？他会出现在频谱中的哪里呢？这是可以通过精确计算得到的。

先从奥本海姆的信号与系统中的一幅插图说起，奥本海姆老师想要通过这幅图说明混叠，所绘制的波形为下图公式所示的余弦函数。

图中的ωo表示原始信号的频率，ωs表示采样频率。这幅图一共有四张，前两张的采样频率分别是原始频率的6倍和3倍，所以重建后的信号并没有出现混叠如下图所示。

点击图像放大

由于我很喜欢这个例子，所以我就用matlab把它仿真了一下。此处我的余弦函数的采样频率为60Hz, 所以第一个连续信号（下图中第一行）的原始频率为10Hz, 此时采样频率为原始信号频率的6倍。第二个连续信号（下图中第三行）的原始频率为20Hz, 此时采样频率为原始信号频率的3倍。（箭头没能仿真成功，嘻嘻）

点击图像放大

%CSDN:by J27 copyright!
%% sampling freqency 6 times continous signal  
Fs = 60;                        % Sampling Freq. 
Fo = Fs/6;                      % freq. of continous Signal  
T = 1/Fs;                       % sampling period
tmin = -pi/15.7;                % lower limit of time vector
tmax = pi/15.7;                 % upper limit of time vector
Bins = 400;                     % Number of Bins
t = linspace(tmin, tmax, Bins); % time space vector
nmin = ceil(tmin / T);          % lower limit of num vector
nmax = floor(tmax / T);         % upper limit of num vector
n = nmin:nmax;                  % discrete space vector
 
CosineSignal = cos(2.*pi.*Fo.*t);
SampleSignal = cos(2.*pi.*Fo.*n.*T);
 
subplot(4,1,1)
plot(t,CosineSignal,'k','LineWidth',2);
title('\fontsize{35}Sampling freqency 6 times continous signal. i.e. Proper sampling');
hold on
stem(n*T,SampleSignal,'r','filled','LineWidth',2)
hold off
 
subplot(4,1,2)
plot(t,CosineSignal,'--k','LineWidth',2);
title('\fontsize{35}Rebuild continous signal with sampled discrete signal');
hold on
stem(n*T,SampleSignal,'r','filled','LineWidth',2)
hold off
%% sampling freqency 3 times continous signal  
Fs = 60;                        % Sampling Freq. 
Fo = Fs/3;                      % freq. of continous Signal  
T = 1/Fs;                       % sampling period
tmin = -pi/15.7;                % lower limit of time vector
tmax = pi/15.7;                 % upper limit of time vector
Bins = 400;                     % Number of Bins
t = linspace(tmin, tmax, Bins); % time space vector
nmin = ceil(tmin / T);          % lower limit of num vector
nmax = floor(tmax / T);         % upper limit of num vector
n = nmin:nmax;                  % discrete space vector
 
CosineSignal = cos(2.*pi.*Fo.*t);
SampleSignal = cos(2.*pi.*Fo.*n.*T);
 
subplot(4,1,3)
plot(t,CosineSignal,'k','LineWidth',2);
title('\fontsize{35}Sampling freqency 3 times continous signal. i.e. Proper sampling');
hold on
stem(n*T,SampleSignal,'r','filled','LineWidth',2)
hold off
 
subplot(4,1,4)
plot(t,CosineSignal,'--k','LineWidth',2);
title('\fontsize{35}Rebuild continous signal with sampled discrete signal');
hold on
stem(n*T,SampleSignal,'r','filled','LineWidth',2)
hold off

在用matlab仿真时，重建信号（即图像中灰色虚线）的频率由于没有出现混叠。则在用matlab绘制图像时，重建的COS波形的频率沿用了原始信号的频率Fo。但在仿真下面图像时就必须要精确的计算出混叠后的频率Fs才能绘制出混叠信号的波形。

点击图像放大

要想画出上图中的虚线，即伪装后变慢了的信号，必须要精确的知道信号变慢了多少。对于欠采样不太严重的情况（即,原始频率小于采样频率但大于采样频率的一半。Fs/2<Fo<Fs），如上图中的情况。则可以使用如下计算公式中的情形（c）和情形（d）：

在本例中我所使用的采样频率为60Hz, 按照公式（c）和公式（d）则发生混叠后的混叠频率分别为：

For (c) ωo = 40Hz ; Fa = ωs - ωo = 60 - 40 = 20Hz

For (d) ωo = 50Hz ; Fa = ωs - ωo = 60 - 50 = 10Hz

如果原始信号的频率远远高于采样频率，即原始频率Fo不仅大于Fs还有可能大于Fs的2,3,4,5...倍则可以使用如下公式。fa表示混叠频率，fs表示采样频率，f表示原始信号的最高频。式中||表示求绝对值，式中（closest integermultiple of fs）表示整数倍于最接近原始频率f的倍数。例如，如果采样频率为100Hz,原始信号的最高频为710Hz则这是式中的（closest integermultiple of fs）等于7，即7*fs。

现假设信号采样频率为100 Hz，输入信号包含下列频率：25 Hz、70 Hz、160 Hz和510 Hz。低于50 Hz奈奎斯特频率才可正确采样，超过50 Hz的频率显示为混叠，所以只有频率为25Hz的信号才能被正确采样。fs/2为奈奎斯特频率即采样频率的一半。

其中，频率超过50Hz的信号的混叠频率计算公式为：

（1）当输入信号的频率F2为70Hz时，采样频率Fs为100Hz。按照奈奎斯特采样定律，要想对70Hz的输入信号充分采样，采样频率至少要大于140Hz，即输入信号频率的两倍。所以发生了混叠，由于输入频率为70，所以离采样频率100最近的整数倍数是1（即，这里的（closest integermultiple of fs） = 1）。计算结果如下：

F2 Alias = |100 - 70| = 30Hz

（2）当输入信号的频率F3为160Hz时，采样频率为Fs100Hz。采样频率低于输入信号的频率，发生了混叠，由于输入频率为160，所以离采样频率100最近的整数倍数是2（即，这里的（closest integermultiple of fs） = 2）。计算结果如下：

F3 Alias = |2*100 - 160| = 40Hz

（3）当输入信号的频率F4为510Hz时，采样频率为Fs100Hz。采样频率低于输入信号的频率，发生了混叠，由于输入频率为510，所以离采样频率100最近的整数倍数是5（即，这里的（closest integermultiple of fs） = 5）。计算结果如下：

F4 Alias = |5*100 - 510| = 10Hz

混叠频率即折叠频率：

混叠频率有时又叫折叠频率，只需把超过奈奎斯特频率（Fs/2）的频段或是超过采样频率（Fs）的频段以奈奎斯特频率或采样频率为中轴对折过去就好了。或者说是以奈奎斯特频率或采样频率为中轴的镜像。如下图，一个6Hz的信号以奈奎斯特频率3.5Hz为中轴折叠为1Hz的信号。同理，一个8Hz的信号以采样频率7Hz为中轴折叠为频率为6Hz的信号。

好了，计算公式以及详细的计算方法都已经给出来了。最后用Matlab把教科书中的带有混叠的那部分图示仿真出来（注意：重建后的混叠信号我用蓝色的虚线表示出来了）。

点击图像放大

%CSDN:by J27 copyright!
%% sampling freqency 3/2 times continous signal  
Fs = 60;                        % Sampling Freq. 
Fo = 4*Fs/6;                    % freq. of continous Signal  
T = 1/Fs;                       % sampling period
tmin = -pi/15.7;                % lower limit of time vector
tmax = pi/15.7;                 % upper limit of time vector
Bins = 400;                     % Number of Bins
t = linspace(tmin, tmax, Bins); % time space vector
nmin = ceil(tmin / T);          % lower limit of num vector
nmax = floor(tmax / T);         % upper limit of num vector
n = nmin:nmax;                  % discrete space vector
 
CosineSignal = cos(2.*pi.*Fo.*t);
SampleSignal = cos(2.*pi.*Fo.*n.*T);
 
figure;
subplot(4,1,1)
plot(t,CosineSignal,'k','LineWidth',2);
title('\fontsize{35}Sampling freqency 1.5 times continous signal. Improper sampling resualt in Aliasing');
hold on
stem(n*T,SampleSignal,'r','filled','LineWidth',2)
hold off
%figure out Aliasing freq.
Fa = abs(Fo-Fs);
CosineSignal = cos(2.*pi.*Fa.*t);
 
subplot(4,1,2)
plot(t,CosineSignal,'--b','LineWidth',2);
title('\fontsize{35}Rebuild continous signal with sampled discrete signal');
hold on
stem(n*T,SampleSignal,'r','filled','LineWidth',2)
hold off
%% sampling freqency 6/5 times continous signal  
Fs = 60;                        % Sampling Freq. 
Fo = 5*Fs/6;                    % freq. of continous Signal  
T = 1/Fs;                       % sampling period
tmin = -pi/15.7;                % lower limit of time vector
tmax = pi/15.7;                 % upper limit of time vector
Bins = 400;                     % Number of Bins
t = linspace(tmin, tmax, Bins); % time space vector
nmin = ceil(tmin / T);          % lower limit of num vector
nmax = floor(tmax / T);         % upper limit of num vector
n = nmin:nmax;                  % discrete space vector
 
CosineSignal = cos(2.*pi.*Fo.*t);
SampleSignal = cos(2.*pi.*Fo.*n.*T);
 
subplot(4,1,3)
plot(t,CosineSignal,'k','LineWidth',2);
title('\fontsize{35}Sampling freqency 1.2 times continous signal. Improper sampling resualt in Aliasing');
hold on
stem(n*T,SampleSignal,'r','filled','LineWidth',2)
hold off
% figure out Aliasing freq.
Fa = abs(Fo-Fs);
CosineSignal = cos(2.*pi.*Fa.*t);
 
subplot(4,1,4)
plot(t,CosineSignal,'--b','LineWidth',2);
title('\fontsize{35}Rebuild continous signal with sampled discrete signal');
hold on
stem(n*T,SampleSignal,'r','filled','LineWidth',2)
hold off

收录于