W przetwarzaniu sygnałów analiza sygnałów ciągłych, oznaczanych jako x(t), często obejmuje techniki próbkowania w celu przekształcenia tych sygnałów w sygnały dyskretne. Proces ten jest niezbędny do cyfrowej reprezentacji i manipulacji. Krytycznym elementem próbkowania jest ciąg impulsów, charakteryzowany przez interwał próbkowania i częstotliwość próbkowania. Związek między tymi parametrami a właściwościami oryginalnego sygnału decyduje o powodzeniu procesu próbkowania.

Mnożenie sygnału ciągłego przez ciąg impulsów skutkuje serią dyskretnych impulsów. Ta operacja generuje próbkowany sygnał, który można analizować w dziedzinie częstotliwości za pomocą transformacji Fouriera. Transformacja Fouriera ujawnia, że widmo próbkowanego sygnału składa się z wielu przesuniętych wersji widma oryginalnego sygnału. Te kopie widmowe są oddalone od siebie o częstotliwość próbkowania.

Podstawową zasadą w teorii próbkowania jest to, że aby uniknąć nakładania się tych przesuniętych widm, częstotliwość próbkowania musi być wystarczająco wysoka. Dokładniej rzecz biorąc, częstotliwość próbkowania fsf_sfs musi być większa niż dwukrotność najwyższej częstotliwości obecnej w oryginalnym sygnale, co jest warunkiem znanym jako częstotliwość Nyquista. Gdy fsf_sfs osiąga lub przekracza tę częstotliwość, widma nie nakładają się, co zapewnia, że oryginalny sygnał może być idealnie zrekonstruowany z jego próbek. Wymaganie to jest ujęte w twierdzeniu o próbkowaniu, które stwierdza, że w przypadku sygnału o ograniczonym paśmie częstotliwość próbkowania musi być co najmniej dwukrotnością najwyższej częstotliwości składowej sygnału.

Gdy sygnał jest próbkowany z częstotliwością wyższą niż częstotliwość Nyquista, jest uważany za nadpróbkowany. Nadpróbkowanie może zapewnić korzyści, takie jak zmniejszenie szumu i bardziej prostszy projekt filtra cyfrowego. Odwrotnie, jeśli częstotliwość próbkowania jest niższa niż częstotliwość Nyquista, sygnał jest niedopróbkowany, co prowadzi do zjawiska znanego jako aliasing. Aliasing powoduje, że różne składowe częstotliwości stają się nieodróżnialne od siebie, zniekształcając zrekonstruowany sygnał.

W praktycznych zastosowaniach przestrzeganie częstotliwości Nyquista jest kluczowe dla dokładnej reprezentacji cyfrowej i rekonstrukcji sygnałów analogowych. Zasada ta stanowi podstawę różnych technologii, w tym cyfrowego dźwięku, telekomunikacji i obrazowania medycznego, zapewniając, że sygnały mogą być próbkowane, przetwarzane i rekonstruowane bez utraty krytycznych informacji.

Wykorzystane źródła (wszystkie źródła):

1. Sadiku, M.N.O. i Ali, W.H. (2016). Signals and Systems- Primer with Matlab. Boca Raton, FL: CRC Press, Taylor and Francis Group. S. 247-249.