降采样:

2048HZ对信号来说是过采样了,事实上只要信号不混叠就好(满足尼奎斯特采样定理),所以可

以对过采样的信号作抽取,即是所谓的“降采样”。

在现场中采样往往受具体条件的限止,或者不存在300HZ的采样率,或调试非常困难等等。若

R>>1,则Rfs/2就远大于音频信号的最高频率fm,这使得量化噪声大部分分布在音频频带之外的高频区域

,而分布在音频频带之内的量化噪声就会相应的减少,于是,通过低通滤波器滤掉fm以上的噪声分量,就

可以提高系统的信噪比。

原采样频率为2048HZ,这时信号允许的最高频率是1024HZ(满足尼奎斯特采样定理),但当通过

滤波器后使信号的最高频率为16HZ,这时采样频率就可以用到32HZ(满足尼奎斯特采样定理,最低为32HZ

,比32HZ高都可以)。从2048HZ降到32HZ,便是每隔64个样本取1个样本。这种把采样频率降下来,就是

降采样(downsample)。这样做的好处是减少数据样点,也就是减少运算时间,在实时处理时常采用的方

法。

过采样:

过采样定义:就是用高于nyquist频率进行采样,好处是可以提高信噪比,缺点是处理数据量大

过采样是使用远大于奈奎斯特采样频率的频率对输入信号进行采样。设数字音频系统原来的采样

频率为fs,通常为44.1kHz或48kHz。若将采样频率提高到R×fs,R称为过采样比率,并且R>1。在这种采

样的数字信号中,由于量化比特数没有改变,故总的量化噪声功率也不变,但这时量化噪声的频谱分布发

生了变化,即将原来均匀分布在0 ~ fs/2频带内的量化噪声分散到了0 ~ Rfs/2的频带上。若R>>1,则

Rfs/2就远大于音频信号的最高频率fm,这使得量化噪声大部分分布在音频频带之外的高频区域,而分布

在音频频带之内的量化噪声就会相应的减少,于是,通过低通滤波器滤掉fm以上的噪声分量,就可以提高

系统的信噪比。

但是单靠这种过采样方式来提高信噪比的效果并不明显,所以,还得结合噪声整形技术。

直观上讲:采样后的信号是原来的信号 频域延拓叠加,限带信号通常是离中心频率越远,幅度

越低,因此采样率越高混叠的情况越小.

过采样目的:就是要改变的噪声的分布,减少噪声在有用信号的带宽内,然后在通过低通滤波器

滤除掉噪声,达到较好的信噪比,一般用在sigma-deltaDAC 或者ADC里面。

过采样作用:能将噪声扩展到更高的频率,通过低通滤波器后,可使得基带内的SNR提高

过采样意义:1.提高时域分辨力从而获得更好的时域波形;

2.提高滤波器的处理增益,当在频域上滤波时,滤波器的设计变得更容易;

3.提高信噪比,匹配滤波时更好地收集波形能量;

4.抑制镜像,使上变频更容易,降低对后级DA转换的保持时间要求;

5.需要fractional sampling timing时是必需的.

过采样应用:D/A转换,但不一定非要过采样,过采样的技术一般用在低速(几十K到数M)高精

度(如16bit 18bit .....)的情况。DA过采样可以用线性插值实现。

欠采样:

当采样频率fs.max大于信号中,最高频率fmax的2倍时,即:fs.max>=2fmax,则采样之后的数字

信号完整地保留了原始信号中的信息,一般取2.56-4倍的信号最大频率;采样定理又称奈奎斯特定理。

欠采样是在测试设备带宽能力不足的情况下,采取的一种手段,相当于增大了测试设备的带宽,

从而达到可以采样更高频率信号的能力。

根据采样理论,对复杂信号(由数种不同频率的分量信号组成)进行采样时,如果采样时钟频率

不到信号中最大频率的两倍,则会出现一种称为“混叠”的现象。当采样时钟频率足够低时,则导致一种

称为“欠采样”的混叠。

一个带宽为fb的模拟信号,采样速率必须为 fs > 2fb,才能避免信息的损失。实际所需最小采

样频率是信号带宽的函数,而不仅取决于它的最大频率成份。通常来说,采样频率至少必须是信号带宽的

两倍,并且被采样的信号不能是 fs/2 的整数倍,以防止混叠成份的相互重叠。

欠采样是软件无线电应用中一个非常有用的工具,但是必须十分仔细和小心才能获得良好的性能

子采样:

对彩色电视图像进行采样时,可以采用两种采样方法。一种是使用相同的采样频率对图像的亮度

信号和色差信号进行采样,另一种是对亮度信号和色差信号分别采用不同的采用频率进行采样。如果对色

差信号使用的采样频率比对亮度信号使用的采样频率低,这种采样就称为图像子采样(subsampling)。

子采样的基本根据是人的视觉系统所具有的两条特性,一是人眼对色度信号的敏感程度比对亮度

信号的敏感程度低,利用这个特性可以把图像中表达颜色的信号去掉一些而使人不察觉;二是人眼对图像

细节的分辨能力有一定的限度,利用这个特性可以把图像中的高频信号去掉而使人不易察觉。子采样就是

利用这个特性来达到压缩彩色电视信号。

下采样:

定义:对于一个样值序列间隔几个样值取样一次,这样得到新序列就是原序列  的下采样。

  采样率变化主要是由于信号处理的不同模块可能有不同的采样率要求。下采样相对于最初的连续时间

信号而言,还是要满足采样定理才行,否则这样的下采样会引起信号成分混叠。

  下采样就是抽取,是多速率信号处理中的基本内容之一。在不同应用场合,下采样可以带来许多相应

的好处。就以在最常见的数字接收机中为例,最后要得到的基带信号的采样率等于符号速率,这个速率是

比较低的,但通常的做法并不是直接以这个采样率对模拟信号进行采样,而是采用高的多(几十甚至上百

倍)的采样率,这样可以提高采样得到的信号的信噪比,然后再用数字的方法对信号进行多级的滤波和抽

取,直到最后信号的采样率与符号速率相等。这样处理可以获得的信噪比增益为最初采样率与最后输出信

号采样率之比。

  不同的采样率之前,是有一个带宽与该采样率对应的滤波器的,

  采样率越高,滤波器带宽就越大,对于宽带噪声而言(噪声带宽高于最高的采样率),

  通过的噪声功率就越高(噪声功率即功率谱密度乘上带宽,也即是每采样值中噪声分量的平方取均值

。)

  信号功率在采样前后始终是没有变化的(信号功率即是每采样值中信号分量的平方取均值)。

  对于窄带噪声或者窄带干扰(噪声或者干扰带宽低于最高采样率),下采样获得“信噪比增益

  为最初采样率与最后输出信号采样率之比”的这样结论可能是没有的。

  或者说信噪功率比增益提高没有这么多。

上采样:

所谓采样就是采集模拟信号的样本。 采样是将时间上、幅值上都连续的信号,在采样脉冲的作

用下,转换成时间、幅值上离散的信号。所以采样又称为波形的离散化过程。 普通的奈奎斯特采样定理

的前提是频率受限于(0,f)的带限信号。

  通常采样指的是下采样,也就是对信号的抽取。其实,上采样和下采样都是对数字信号进行重采,重

采的采样率与原来获得该数字信号(比如从模拟信号采样而来)的采样率比较,大于原信号的称为上采样

,小于的则称为下采样。上采样的实质也就是内插或插值。

     上采样是下采样的逆过程,也称增取样(Upsampling)或内插(Interpolating)[1]。增取样在

频分多路复用中的应用是一个很好的例子。如果这些序列原先是以奈奎斯特频率对连续时间信号取样得到

的,那么在进行频分多路利用之前必须对它们进行上采样。

1、过采样是采样频率大于最高频率的两倍(奈奎斯特采样率),实际对低通信号采样也是2.5倍左右过采

样;

2、欠采样就是小于奈奎斯特采样率,应该就指带通采样吧;

3、上采样和下采样其实对数字信号进行重采,重采的采样率与原来获得该数字信号(比如从模拟信号采

样而来)的采样率比较,大于上采样,小于下采样。

上采样和下采样分别就是内插和抽取。

降采样,过采样,欠采样,子采样,下采样,上采样,你学会了吗?【总结】相关推荐

  1. 深度学习与神经网络(七)——卷积神经网络之池化pooling 上采样upsample与降采样downsample(下采样)(subsample)(nn.MaxPool2d)

    池化层pooling与采样 upsample与downsample upsample(interpolating)是上采样,是图片的放大 unpool是上采样的一种 downsample(subsam ...

  2. Pytorch:上采样、下采样

    缩小图像(或称为下采样(subsampled)或降采样(downsampled))的主要目的有两个:1.使得图像符合显示区域的大小:2.生成对应图像的缩略图. 放大图像(或称为上采样(upsampli ...

  3. 重采样 上采样 下采样

    重采样的原理: 重采样主要是分为上采样和下采样,在进行采样的过程中,需要注意采样的倍率的问题,并不是可以随意的改变采样率的大小的,根据采样定理:在进行模拟/数字信号的转换过程中,当采样频率fs.max ...

  4. 深度学习上采样下采样概念以及实现

    #pic_center =400x 系列文章: 文章目录 参考博客 概念 上采样 下采样 实现 上采样 下采样 参考博客 [深度学习]上采样,下采样,卷积 torch.nn.functional.in ...

  5. 重采样、下采样、上采样三者之间的关系

    重采样主要是分为上采样和下采样,在进行采样的过程中,需要注意采样的倍率的问题,并不是可以随意的改变采样率的大小的,根据采样定理:在进行模拟/数字信号的转换过程中,当采样频率大于信号中最高频率的2倍时, ...

  6. 【三维深度学习】基于片元的渐进式三维点云上采样模型

    点云上采样对于从稀疏三维数据重建稠密三维点云十分有效.但面对非规则.无需.稀疏.噪声和不完整的点云结构,图像领域的超分辨.补全.稀疏加密等方法无法直接用于点云上采样中.PointNet系列方法基于全连 ...

  7. 简单又有效!神奇的轻量级通用上采样算子CARAFE

    点击我爱计算机视觉标星,更快获取CVML新技术 本文经授权转载自知乎MMLab学术视野专栏: CARAFE: 轻量级通用上采样算子 https://zhuanlan.zhihu.com/p/76063 ...

  8. 【论文阅读】PU-GAN:点云上采样的对抗生成网络

    [论文阅读]PU-GAN:点云上采样的对抗生成网络 在本文中,作者提出了一种点云上采样的对抗网络模型,那么什么是点云的上采样任务呢? 简单来说,点云上采样任务就是输入稀疏点云,输出稠密点云,同时需要保 ...

  9. 基于unet神经网络上采样中的的三种方式的理解

    关于前言 随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容中的一个知识点-上采样. 一.基于unet神经网络上采样中的的三种方式的理解 ...

  10. 如何给caffe添加upsample层(上采样层)

     原版的caffe1.0并不支持上采样层,此处教大家如何添加自定义上采样层 首先在此处下载upsample的代码: https://github.com/SeanQ88/caffe_upsample ...

最新文章

  1. 在c#中调用windows脚本的方法
  2. CentOS搭建msmtp+mutt实现邮件发送
  3. OSSIM系统用户审计
  4. JSP中文乱码问题(get,post篇)
  5. 故障解决:没有未桥接的主机网络适配器
  6. mysql mpm_zabbix mpm 监控 mysql性能
  7. Python3教程Web开发实战梳理-day7(看着不错)
  8. java11模块化开发_【JDK 11】关于 Java 模块系统,看这一篇就够了
  9. WCF 异常(原创:灰灰虫的家http://hi.baidu.com/grayworm)
  10. 智慧航空AI大赛-阿里云算法大赛总结 第一赛季总结
  11. SOL注入——基于联合查询的数字型GET注入(二)
  12. php 多数据库联合查询,php如何同时连接多个数据库_PHP教程
  13. java大于0的正则_求一个 大于0且小于1 的正则表达式(无论几位小数)
  14. 深入浅出Python的抽象基类
  15. Ubuntu 安装 H3C iNode 客户端
  16. Cisco CCNP 帧中继网络教程
  17. oracle函数translate,oracle中Translate()函数用法
  18. 用 dfuse 交易预测执行工具优先赢得 Gas 竞价
  19. 多自由度机械臂运动学正-逆解|空间轨迹规划控制|MATLAB仿真+实际机器调试
  20. H5 百度高德地图导航

热门文章

  1. 面试必备:《Java 最常见 200+ 面试题全面解析》
  2. 机器学习-吃瓜教程(西瓜书+南瓜书)-神经网络
  3. 报错:libpng warning: iCCP: cHRM chunk does not match sRGB解决办法
  4. c语言中x=y=100合法吗,【单选题】已知:int x; int y[10]; 下列合法的选项是( )。 A. x B. (x+3) C. 5 D. y...
  5. JAVA编程:编写手机投屏电脑程序
  6. 机器学习关键步骤(四)
  7. ios上webview与浏览器webview
  8. Win10左下角搜索框无法搜索点击无反应的解决方法
  9. inet_aton mysql_MySQL_IP处理函数inet_aton()和inet_ntoa()使用说明,MYSql的IP对int的转换函数 select i - phpStudy...
  10. DB DBS 和DBMS区别