Lo admito, estoy haciendo esta pregunta retóricamente. Tengo curiosidad por saber qué respuestas saldrán de esto.
Si elige responder esto, asegúrese de comprender bien el teorema de muestreo de Shannon-Nyquist. Particularmente la reconstrucción. También tenga cuidado con los "trampas" en los libros de texto. La noción de ingeniería de la función de impulso delta de dirac es suficiente. No necesita preocuparse por todas las cosas de "distribución", el impulso de dirac como una función delta naciente es lo suficientemente bueno:
donde
Los problemas relacionados con la precisión, el ancho de bits de las palabras de muestra y la cuantificación realizada en la conversión no son relevantes para esta pregunta. Pero escalar de entrada a salida es relevante.
Eventualmente escribiré mi propia respuesta a menos que alguien más presente una respuesta precisa y pedagógicamente útil. Incluso podría poner una recompensa por esto (también podría gastar la poca reputación que tengo).
Tienen en él.
Consideramos un sistema con una señal de entrada , y para mayor claridad nos referimos a los valores de como voltajes, cuando sea necesario. Nuestro periodo de muestra es , y la frecuencia de muestreo correspondiente es .
Para la transformada de Fourier, elegimos las convenciones
Partamos del muestreo ideal: según el teorema de muestreo de Nyquist-Shannon , dada una señal que está limitado en banda a , es decir
El teorema de muestreo también da un método explícito para llevar a cabo la reconstrucción. Justifiquemos esto de una manera que será útil en lo que sigue: estimemos la transformada de Fourier de una señal por su suma de Riemann con paso :
Tenga en cuenta que el lado izquierdo es exactamente , donde es la transformada de Fourier en tiempo discreto de la señal muestreada correspondiente , con la frecuencia de tiempo discreto adimensional.
Aquí vemos la razón esencial detrás del criterio de Nyquist: es exactamente lo que se requiere para garantizar que los términos de la suma no se superpongan. Con el criterio de Nyquist, la suma anterior se reduce a la extensión periódica del espectro desde el intervalo a toda la línea real.
Desde la DTFT en tiene la misma transformada de Fourier en el intervalo como nuestra señal original, simplemente podemos multiplicarla por la función rectangular y recuperar la señal original. A través del teorema de convolución , esto equivale a convolucionar el peine de Dirac con la transformada de Fourier de la función rectangular, que en nuestras convenciones es
Para traducir la teoría anterior al mundo real, la parte más difícil es garantizar la limitación de banda, que debe realizarse antes del muestreo. Para los propósitos de esta respuesta, asumimos que esto se ha hecho. La tarea restante es entonces tomar muestras de los valores instantáneos de la señal. Dado que un ADC real necesitará una cantidad finita de tiempo para formar la aproximación a la muestra, la implementación habitual almacenará el valor de la señal en un circuito de muestreo y retención, a partir del cual se forma la aproximación digital.
Aunque esto se parece mucho a una retención de orden cero, es un proceso distinto: el valor obtenido de la muestra y la retención es exactamente el valor instantáneo de la señal, hasta la aproximación de que la señal permanece constante para el duración que se tarda en cargar el condensador que contiene el valor de la muestra. Esto suele lograrse bien con los sistemas del mundo real.
Por lo tanto, podemos decir que un ADC del mundo real, ignorando el problema de la limitación de banda, es una muy buena aproximación al caso del muestreo ideal, y específicamente la "escalera" que proviene del muestreo y retención no provoca ningún error en el muestreo por sí mismo.
Para la reconstrucción, el objetivo es encontrar un circuito electrónico que cumpla con la suma de senos que aparece en . Dado que el sinc tiene una extensión infinita en el tiempo, está bastante claro que esto no se puede realizar exactamente. Además, formar tal suma de señales incluso en una aproximación razonable requeriría múltiples subcircuitos y rápidamente se volvería muy complejo. Por lo tanto, generalmente se usa una aproximación mucho más simple: en cada instante de muestreo, se emite un voltaje correspondiente al valor de la muestra y se mantiene constante hasta el siguiente instante de muestreo (aunque vea la modulación Delta-sigma para ver un ejemplo de un método alternativo). Esta es la retención de orden cero y corresponde a reemplazar el sinc que usamos anteriormente con la función de rectángulo . Evaluación de la convolución
El cambio por es simplemente garantizar la causalidad . Esto solo equivale a un cambio de la salida en 1/2 muestra en relación con el uso (lo que puede tener consecuencias en sistemas en tiempo real o cuando se necesita una sincronización muy precisa con eventos externos), que ignoraremos en lo que sigue.
Comparando de nuevo a , hemos reemplazado la función rectangular en el dominio de la frecuencia, que dejó la banda base completamente intacta y eliminó todas las copias de frecuencias más altas del espectro, llamadas imágenes , con la transformada de Fourier de la función . esto es por supuesto
Tenga en cuenta que la lógica se invierte un poco del caso ideal: allí definimos nuestro objetivo, que era eliminar las imágenes, en el dominio de la frecuencia, y derivamos las consecuencias en el dominio del tiempo. Aquí definimos cómo reconstruir en el dominio del tiempo (ya que eso es lo que sabemos hacer), y derivamos las consecuencias en el dominio de la frecuencia.
Entonces, el resultado de la retención de orden cero es que, en lugar de la ventana rectangular en el dominio de la frecuencia, terminamos con el sinc como una función de ventana. Por lo tanto:
En general, la retención de orden cero se usa para aproximar la función sinc en el dominio del tiempo que aparece en la fórmula de interpolación de Whittaker-Shannon . Al muestrear, el muestreo y retención de aspecto similar es una solución técnica al problema de estimar el valor instantáneo de la señal y no produce ningún error en sí mismo.
Tenga en cuenta que tampoco se pierde información en la reconstrucción, ya que siempre podemos filtrar las imágenes de alta frecuencia después de la retención inicial de orden cero. La pérdida de ganancia también se puede compensar con un filtro sinc inverso, ya sea antes o después del DAC. Entonces, desde un punto de vista más práctico, la retención de orden cero se usa para construir una aproximación implementable inicial a la reconstrucción ideal, que luego se puede mejorar aún más, si es necesario.
En aras de la claridad, considero un sistema ADC/DAC con una señal de voltaje. Sin embargo, todo lo siguiente se aplica a cualquier sistema de muestreo con el cambio de unidades apropiado. También asumo que la señal de entrada ya ha sido mágicamente limitada en banda para cumplir con el criterio de Nyquist.
Comience con el muestreo: idealmente, uno muestrearía el valor de la señal de entrada en un solo instante. Dado que los ADC reales necesitan una cantidad finita de tiempo para formar su aproximación, el voltaje instantáneo se aproxima mediante el muestreo y retención (la instantánea se aproxima por el tiempo de conmutación utilizado para cargar el capacitor). Entonces, en esencia, la retención convierte el problema de aplicar un funcional delta a la señal en el problema de medir un voltaje constante.
Tenga en cuenta aquí que la diferencia entre la señal de entrada que se multiplica por un tren de impulsos o una retención de orden cero que se aplica en los mismos instantes es simplemente una cuestión de interpretación, ya que, sin embargo, el ADC almacenará solo los voltajes instantáneos que se mantienen. Uno puede reconstruirse a partir del otro. A los efectos de esta respuesta, adoptaré la interpretación de que la señal muestreada es la señal de tiempo continuo de la forma
En esta interpretación, el espectro de la señal en la banda base es exactamente el mismo que el de la señal original, y la convolución efectiva del tren de impulsos tiene el efecto de replicar esa señal para hacer que el espectro sea periódico. Las réplicas se denominan imágenes del espectro. que el factor de normalización es necesario se puede ver, por ejemplo, considerando la compensación de CC de un pulso de 1 voltio de duración : su DC-offset definido como el -componente de la transformada de Fourier es
Entonces, la reconstrucción ideal significa construir una señal eléctrica que tenga el mismo espectro de banda base que esta señal, y sin componentes en frecuencias fuera de este rango. Esto es lo mismo que convolucionar el tren de impulsos con el -función. Esto es bastante difícil de hacer electrónicamente, por lo que el a menudo se aproxima mediante una función rectangular, también conocida como retención de orden cero. En esencia, en cada función delta, el valor de la muestra se mantiene durante el período de muestreo.
Para ver qué consecuencias tiene esto para la señal reconstruida, observo que la retención es exactamente equivalente a convolucionar el tren de impulsos con la función rectangular
En el dominio de la frecuencia, esto equivale a multiplicar la respuesta de frecuencia con la transformada de Fourier de la función rectangular, que es
Al final, el La función resultante de la retención de orden cero se comporta como un filtro de paso bajo en la señal. Nótese que en la fase de muestreo no se pierde información (asumiendo el criterio de Nyquist), y en principio tampoco se pierde nada al reconstruir: el filtrado en banda base por el podría compensarse con un filtro inverso (y esto se hace a veces, consulte, por ejemplo, https://www.maximintegrated.com/en/app-notes/index.mvp/id/3853 ). el modesto decadencia de la por lo general requiere alguna forma de filtrado para atenuar aún más las imágenes.
Tenga en cuenta también que un generador de impulsos imaginarios que podría reproducir físicamente el tren de impulsos utilizado en el análisis generaría una cantidad infinita de energía para reconstruir las imágenes. Esto también causaría algunos efectos peludos, como que un ADC que vuelve a muestrear la salida no vería nada, a menos que estuviera perfectamente sincronizado con el sistema original (principalmente muestrearía entre los impulsos). Esto muestra claramente que incluso si no podemos limitar la banda de salida exactamente, siempre se necesita una limitación de banda aproximada para regularizar la energía total de la señal, antes de que pueda convertirse en una representación física.
*Esto también queda claro a partir del análisis dimensional: las unidades de una transformada de Fourier de una señal de voltaje son mientras que la función delta tiene unidades de , lo que anularía la unidad de tiempo procedente de la integral en la transformada.
Transformada inversa de Fourier:
Función de pulso rectangular :
Función "Sinc" ("sinus cardinalis") :
Definir la frecuencia de muestreo , como el recíproco del período de muestreo .
Tenga en cuenta que:
Peine Dirac (también conocido como "función de muestreo", también conocido como "función Sha") :
El peine de Dirac es periódico con el período. . Serie de Fourier :
Señal de tiempo continuo muestreada :
donde .
Esto significa que se define únicamente por las muestras y el período de muestreo y pierde totalmente cualquier información de los valores de para tiempos entre instancias de muestreo. es una secuencia discreta de números y es una especie de notación abreviada DSP para . Si bien es cierto que por , El valor de para cualquier no es un entero indefinido.
NB: La señal discreta y todas las operaciones de tiempo discreto en él, como el -La Transformada , la Transformada de Fourier en Tiempo Discreto (DTFT) , la Transformada de Fourier Discreta (DFT) , son "agnósticas" con respecto a la frecuencia de muestreo o el período de muestreo . Una vez que esté en el tiempo discreto dominio, no sabe (o no le importa) sobre . Es solo con el teorema de muestreo y reconstrucción de Nyquist-Shannon que y se juntan.
La transformada de Fourier de es
Nota importante sobre el escalado: la función de muestreo y la señal muestreada tiene un factor de que no verás en casi todos los libros de texto. Ese es un error pedagógico de los autores de estos de estos libros de texto por múltiples razones (relacionadas):
Tenga en cuenta que la DTFT de y la transformada de Fourier de la señal muestreada son, con la escala adecuada, virtualmente idénticos:
DTFT:
Se puede demostrar que
Las matemáticas anteriores son verdaderas si está "adecuadamente muestreado" o no. está "adecuadamente muestreado" si puede recuperarse completamente de las muestras y conocimiento de la tasa de muestreo o período de muestreo. El teorema de muestreo nos dice qué es necesario recuperar o reconstruir de y .
Si está limitado en banda a algún límite de banda , eso significa
Considere el espectro de la señal muestreada compuesta por imágenes desplazadas del original:
El espectro original se puede recuperar del espectro muestreado si ninguna de las imágenes cambiadas, , superponen a sus vecinos adyacentes. Esto significa que el borde derecho de la -ésima imagen (que es ) debe estar completamente a la izquierda del borde izquierdo del ( )-ésima imagen (que es ). Reexpresado matemáticamente,
que es equivalente a
Si muestreamos a una frecuencia de muestreo que excede el doble del ancho de banda, ninguna de las imágenes se superpone, el espectro original, , que es la imagen donde se puede extraer de con un filtro de paso bajo de pared de ladrillo que mantiene la imagen original (donde ) sin escala y descarta todas las demás imágenes. Eso significa que multiplica la imagen original por 1 y multiplica todas las demás imágenes por 0.
El filtro de reconstrucción es
y tiene una respuesta de impulso acausal :
Esta operación de filtrado, expresada como multiplicación en el dominio de la frecuencia, es equivalente a la convolución en el dominio del tiempo:
Eso explica explícitamente cómo el original se reconstruye a partir de las muestras y conocimiento de la tasa de muestreo o período de muestreo.
Entonces, lo que sale de un convertidor digital a analógico (DAC) práctico no es ni
que no necesita tratamiento adicional para recuperarse , ni
que, con un LPF de pared de ladrillo ideal, recupera aislando y conservando la imagen de banda base y descartando todas las demás imágenes.
Lo que sale de un DAC convencional, si no se procesa o escala la señal digitalizada, es el valor mantenido en un valor constante hasta que se emita la siguiente muestra. Esto da como resultado una función constante por partes :
Nótese el retraso de periodo de muestra aplicado a la función. Esto lo hace causal. Significa simplemente que
Dicho de otra manera
donde es la función de piso , definida como el entero más grande que no exceda .
Esta salida DAC se modela directamente como un sistema lineal invariable en el tiempo (LTI) o filtro que acepta la señal muestreada idealmente y para cada impulso en la señal idealmente muestreada, genera esta respuesta de impulso:
Conectando para comprobar esto...
La salida DAC , como la salida de un sistema LTI con respuesta de impulso concuerda con la construcción constante por partes anterior. Y la entrada a este sistema LTI es la señal muestreada escalado juiciosamente para que la imagen de banda base de es exactamente el mismo que el espectro de la señal original que se está muestreando . Es decir
El espectro de la señal original es el mismo que el espectro muestreado, pero con todas las imágenes que habían aparecido debido al muestreo, descartadas.
La función de transferencia de este sistema LTI, que llamamos retención de orden cero (ZOH) , es la transformada de Laplace de la respuesta al impulso:
La respuesta de frecuencia se obtiene sustituyendo
Esto indica un filtro de fase lineal con un retraso constante de la mitad del período de muestra, , y con una ganancia que decrece a medida que la frecuencia aumenta Este es un efecto de filtro de paso bajo suave. en CC, , la ganancia es 0 dB y en Nyquist, la ganancia es -3,9224 dB. Entonces, la imagen de banda base tiene algunos de los componentes de alta frecuencia reducidos un poco.
Al igual que con la señal muestreada , hay imágenes en la señal muestreada en múltiplos enteros de la frecuencia de muestreo, pero esas imágenes se reducen significativamente en amplitud (en comparación con la imagen de banda base) porque pasa por cero cuando para entero eso no es 0, que está justo en el medio de esas imágenes.
Concluyendo:
La retención de orden cero (ZOH) es un modelo lineal invariable en el tiempo de la reconstrucción de la señal realizada por un práctico convertidor de digital a analógico (DAC) que mantiene la salida constante en el valor de muestra, , hasta que se actualice con la siguiente muestra .
Contrariamente a la idea errónea común, el ZOH no tiene nada que ver con el circuito de muestreo y retención (S/H) que uno podría encontrar antes de un convertidor de analógico a digital (ADC) . Siempre que el DAC mantenga la salida en un valor constante durante cada período de muestreo, no importa si el ADC tiene un S/H o no, el efecto ZOH permanece. Si el DAC emite algo que no sea la salida constante por partes (como una secuencia de pulsos estrechos destinados a aproximarse a los impulsos de dirac) que se muestra arriba como , entonces el efecto ZOH no está presente (algo más lo está, en cambio) ya sea que haya un circuito S / H que preceda al ADC o no.
La función de transferencia neta de ZOH es
El ZOH reduce las imágenes de la señal muestreada significativamente, pero no los elimina. Para eliminar las imágenes, se necesita un buen filtro de paso bajo como antes. Los LPF de Brickwall son una idealización. Un LPF práctico también puede atenuar la imagen de banda base (que queremos mantener) a altas frecuencias, y esa atenuación debe tenerse en cuenta como la atenuación que resulta del ZOH (que es una atenuación inferior a 3,9224 dB). El ZOH también retrasa la señal en la mitad del período de muestra, lo que puede tener que tenerse en cuenta (junto con el retraso del LPF anti-imagen), particularmente si el ZOH está en un circuito de retroalimentación.
muerto
robert bristow-johnson
KyranF
robert bristow-johnson
KyranF
robert bristow-johnson
robert bristow-johnson
usuario253751
robert bristow-johnson
usuario253751