1. 程式人生 > >降取樣,過取樣,欠取樣,子取樣,下采樣,上取樣,你學會了嗎?【總結】

降取樣,過取樣,欠取樣,子取樣,下采樣,上取樣,你學會了嗎?【總結】

降取樣:2048HZ對訊號來說是過取樣了,事實上只要訊號不混疊就好(滿足尼奎斯特取樣定理),所以可以對過取樣的訊號作抽取,即是所謂的“降取樣”。在現場中取樣往往受具體條件的限止,或者不存在300HZ的取樣率,或除錯非常困難等等。若R>>1,則Rfs/2就遠大於音訊訊號的最高頻率fm,這使得量化噪聲大部分分佈在音訊頻帶之外的高頻區域,而分佈在音訊頻帶之內的量化噪聲就會相應的減少,於是,通過低通濾波器濾掉fm以上的噪聲分量,就可以提高系統的信噪比。原取樣頻率為2048HZ,這時訊號允許的最高頻率是1024HZ(滿足尼奎斯特取樣定理),但當通過濾波器後使訊號的最高頻率為16HZ,這時取樣頻率就可以用到32HZ(滿足尼奎斯特取樣定理,最低為32HZ,比32HZ高都可以)。從2048HZ降到32HZ,便是每隔64個樣本取1個樣本。這種把取樣頻率降下來,就是降取樣(downsample)。這樣做的好處是減少資料樣點,也就是減少運算時間,在實時處理時常採用的方法。過取樣:
過取樣定義:就是用高於nyquist頻率進行取樣,好處是可以提高信噪比,缺點是處理資料量大 。過取樣是使用遠大於奈奎斯特取樣頻率的頻率對輸入訊號進行取樣。設數字音訊系統原來的取樣頻率為fs,通常為44.1kHz或48kHz。若將取樣頻率提高到R×fs,R稱為過取樣比率,並且R>1。在這種採樣的數字訊號中,由於量化位元數沒有改變,故總的量化噪聲功率也不變,但這時量化噪聲的頻譜分佈發生了變化,即將原來均勻分佈在0 ~ fs/2頻帶內的量化噪聲分散到了0 ~ Rfs/2的頻帶上。若R>>1,則Rfs/2就遠大於音訊訊號的最高頻率fm,這使得量化噪聲大部分分佈在音訊頻帶之外的高頻區域,而分佈在音訊頻帶之內的量化噪聲就會相應的減少,於是,通過低通濾波器濾掉fm以上的噪聲分量,就可以提高系統的信噪比。但是單靠這種過取樣方式來提高信噪比的效果並不明顯,所以,還得結合噪聲整形技術。直觀上講:取樣後的訊號是原來的訊號 頻域延拓疊加,限帶訊號通常是離中心頻率越遠,幅度越低,因此取樣率越高混疊的情況越小.過取樣目的:就是要改變的噪聲的分佈,減少噪聲在有用訊號的頻寬內,然後在通過低通濾波器濾除掉噪聲,達到較好的信噪比,一般用在sigma-deltaDAC 或者ADC裡面。過取樣作用:能將噪聲擴充套件到更高的頻率,通過低通濾波器後,可使得基帶內的SNR提高 過取樣意義:1.提高時域分辨力從而獲得更好的時域波形; 2.提高濾波器的處理增益,當在頻域上濾波時,濾波器的設計變得更容易; 3.提高信噪比,匹配濾波時更好地收集波形能量; 4.抑制映象,使上變頻更容易,降低對後級DA轉換的保持時間要求; 5.需要fractional sampling timing時是必需的. 過取樣應用:D/A轉換,但不一定非要過取樣,過取樣的技術一般用在低速(幾十K到數M)高精度(如16bit 18bit .....)的情況。DA過取樣可以用線性插值實現。欠取樣:
當取樣頻率fs.max大於訊號中,最高頻率fmax的2倍時,即:fs.max>=2fmax,則取樣之後的數字訊號完整地保留了原始訊號中的資訊,一般取2.56-4倍的訊號最大頻率;取樣定理又稱奈奎斯特定理。欠取樣是在測試裝置頻寬能力不足的情況下,採取的一種手段,相當於增大了測試裝置的頻寬,從而達到可以取樣更高頻率訊號的能力。根據取樣理論,對複雜訊號(由數種不同頻率的分量訊號組成)進行取樣時,如果取樣時鐘頻率不到訊號中最大頻率的兩倍,則會出現一種稱為“混疊”的現象。當取樣時鐘頻率足夠低時,則導致一種稱為“欠取樣”的混疊。一個頻寬為fb的模擬訊號,取樣速率必須為 fs > 2fb,才能避免資訊的損失。實際所需最小採樣頻率是訊號頻寬的函式,而不僅取決於它的最大頻率成份。通常來說,取樣頻率至少必須是訊號頻寬的兩倍,並且被取樣的訊號不能是 fs/2 的整數倍,以防止混疊成份的相互重疊。欠取樣是軟體無線電應用中一個非常有用的工具,但是必須十分仔細和小心才能獲得良好的效能。子取樣:
對彩色電視影象進行取樣時,可以採用兩種取樣方法。一種是使用相同的取樣頻率對影象的亮度訊號和色差訊號進行取樣,另一種是對亮度訊號和色差訊號分別採用不同的採用頻率進行取樣。如果對色差訊號使用的取樣頻率比對亮度訊號使用的取樣頻率低,這種取樣就稱為影象子取樣(subsampling)。子取樣的基本根據是人的視覺系統所具有的兩條特性,一是人眼對色度訊號的敏感程度比對亮度訊號的敏感程度低,利用這個特性可以把影象中表達顏色的訊號去掉一些而使人不察覺;二是人眼對影象細節的分辨能力有一定的限度,利用這個特性可以把影象中的高頻訊號去掉而使人不易察覺。子取樣就是利用這個特性來達到壓縮彩色電視訊號。下采樣:定義:對於一個樣值序列間隔幾個樣值取樣一次,這樣得到新序列就是原序列  的下采樣。  取樣率變化主要是由於訊號處理的不同模組可能有不同的取樣率要求。下采樣相對於最初的連續時間訊號而言,還是要滿足取樣定理才行,否則這樣的下采樣會引起訊號成分混疊。  下采樣就是抽取,是多速率訊號處理中的基本內容之一。在不同應用場合,下采樣可以帶來許多相應的好處。就以在最常見的數字接收機中為例,最後要得到的基帶訊號的取樣率等於符號速率,這個速率是比較低的,但通常的做法並不是直接以這個取樣率對模擬訊號進行取樣,而是採用高的多(幾十甚至上百倍)的取樣率,這樣可以提高取樣得到的訊號的信噪比,然後再用數字的方法對訊號進行多級的濾波和抽取,直到最後訊號的取樣率與符號速率相等。這樣處理可以獲得的信噪比增益為最初取樣率與最後輸出信號取樣率之比。  不同的取樣率之前,是有一個頻寬與該取樣率對應的濾波器的,  取樣率越高,濾波器頻寬就越大,對於寬頻噪聲而言(噪聲頻寬高於最高的取樣率),  通過的噪聲功率就越高(噪聲功率即功率譜密度乘上頻寬,也即是每取樣值中噪聲分量的平方取均值。)  訊號功率在取樣前後始終是沒有變化的(訊號功率即是每取樣值中訊號分量的平方取均值)。  對於窄帶噪聲或者窄帶干擾(噪聲或者干擾頻寬低於最高取樣率),下采樣獲得“信噪比增益  為最初取樣率與最後輸出訊號取樣率之比”的這樣結論可能是沒有的。  或者說信噪功率比增益提高沒有這麼多。上取樣:所謂取樣就是採集模擬訊號的樣本。 取樣是將時間上、幅值上都連續的訊號,在取樣脈衝的作用下,轉換成時間、幅值上離散的訊號。所以取樣又稱為波形的離散化過程。 普通的奈奎斯特取樣定理的前提是頻率受限於(0,f)的帶限訊號。  通常取樣指的是下采樣,也就是對訊號的抽取。其實,上取樣和下采樣都是對數字訊號進行重採,重採的取樣率與原來獲得該數字訊號(比如從模擬訊號取樣而來)的取樣率比較,大於原訊號的稱為上取樣,小於的則稱為下采樣。上取樣的實質也就是內插或插值。     上取樣是下采樣的逆過程,也稱增取樣(Upsampling)或內插(Interpolating)[1]。增取樣在頻分多路複用中的應用是一個很好的例子。如果這些序列原先是以奈奎斯特頻率對連續時間訊號取樣得到的,那麼在進行頻分多路利用之前必須對它們進行上取樣。1、過取樣是取樣頻率大於最高頻率的兩倍(奈奎斯特取樣率),實際對低通訊號取樣也是2.5倍左右過採樣;2、欠取樣就是小於奈奎斯特取樣率,應該就指帶通取樣吧;3、上取樣和下采樣其實對數字訊號進行重採,重採的取樣率與原來獲得該數字訊號(比如從模擬訊號採樣而來)的取樣率比較,大於上取樣,小於下采樣。上取樣和下采樣分別就是內插和抽取。

相關推薦

資料不平衡:取樣python程式碼實現

一、下采樣 所有資料存在DataFrame物件df中。資料分為兩類:多數類別和少數類別,資料量相差大。資料預處理已將多數類別的Label標記為1,少數類別的Label標記為0。 import numpy as np import pandas as pd def lo

取樣取樣取樣取樣取樣學會總結

降取樣:2048HZ對訊號來說是過取樣了,事實上只要訊號不混疊就好(滿足尼奎斯特取樣定理),所以可以對過取樣的訊號作抽取,即是所謂的“降取樣”。在現場中取樣往往受具體條件的限止,或者不存在300HZ的取樣率,或除錯非常困難等等。若R>>1,則Rfs/2就遠大於音

Imblearn package study(不平衡資料處理之取樣、綜合取樣

Imblearn package study 1. 準備知識 Sparse input For sparse input the data is converted to the Compressed Sparse Rows r

給多型的python找物件喜歡那一個氣S產品經理學會

快過年了給多型的python找物件,產品經理和設計師有的忙了。說好的放假,產品經理一個字“改”,來來來一起坐下來改吧!說正題,給多型的python找物件,你喜歡那一個,氣S產品經理。開玩笑的,主題是程式碼。主角是程式碼。小編是配角。小編帶你們皮一下,禽獸式的學習。 目標 多型 面向物件三大

JFinal新版sql模板有兩種Template的呼叫方式學會

最近JBolt專案中升級到了最新版JFinal,很平滑,改了個版本號輕鬆完成。 昨天,突然想起JFinal的新版ChangeLo

Nginx 熱部署和日誌切割學會

上篇文章,我們已經安裝好 Nginx,並且配置好 Nginx 檔案後,這個時候我就需要操作 Nginx 的命令行了,這篇文章主要講解 Nginx 命令列相關知識,並通過日常遇到的熱部署、切割日誌檔案場景來熟悉 Nginx 命令列操作。 推薦閱讀:Nginx 瞭解一下? Nginx 命令列 格式:nginx

取樣取樣取樣取樣取樣

取樣: 2048HZ對訊號來說是過取樣了,事實上只要訊號不混疊就好(滿足尼奎斯特取樣定理),所以可 以對過取樣的訊號作抽取,即是所謂的“降取樣”。 在現場中取樣往往受具體條件的限止,或者不存在300HZ的取樣率,或除錯非常困難等等。若 R>>1,則Rfs/2就

解決U-net取樣過程後結合資訊時特徵圖大小不匹配問題

在U-net下采樣後時,通過polling層,可能會出現這種情況,37*37feature maps 壓縮成18*18大小,但在上取樣過程中,利用 nn.ConvTranspose2d()通常變為36*36大小的feature maps,不同大小的feature maps在進行concat時會報

10.邏輯迴歸-取樣、交叉驗證

import numpy as np import pandas as pd import matplotlib.pyplot as plt from sklearn.preprocessing import StandardScaler from sklearn.model_selection

9.邏輯迴歸-取樣、交叉驗證

import numpy as np import pandas as pd import matplotlib.pyplot as plt from sklearn.preprocessing import StandardScaler from sklearn.model

取樣因子/因子 CNN down-samples

參考 https://baike.baidu.com/item/%E9%99%8D%E9%87%87%E6%A0%B7%E5%9B%A0%E5%AD%90/15699176?fr=aladdin降取樣因子(常用表示符號為M)一般是大於1的整數或有理數。這個因子表達了取樣週期變

影象的取樣(upsampling)與(subsampled)

 參考: http://blog.csdn.net/majinlei121/article/details/46742339 http://blog.csdn.net/augusdi/article/details/9028365           縮小影象(或稱為下

opencv013-影象取樣(+高斯不同)

影象金字塔概念: 1. 我們在影象處理中常常會調整影象大小,最常見的就是放大(zoom in)和縮小(zoom out),儘管幾何變換也可以實現影象放大和縮小,但是這裡我們介紹影象金字塔 2. 一個影象金字塔式一系列的影象組成,最底下一張是影象尺寸最大,最上方的影象尺寸最

取樣

通常所說的取樣指的是下采樣,也就是對訊號的抽取。其實,上取樣和下采樣都是對數字訊號進行重採,重採的取樣率與原來獲得該數字訊號(比如從模擬訊號取樣而來)的取樣率比較,大於原訊號的稱為上取樣,小於的則稱為下采樣。上取樣的實質也就是內插或插值。 下采樣的定義:對於一個樣值序列間隔幾個樣值取樣一次,這樣

影象的取樣

影象的上取樣(upsampling)與下采樣(subsampled) 縮小影象(或稱為下采樣(subsampled)或降取樣(downsampled))的主要目的有兩個: 1、使得影象符合顯示區域的大小;2、生成對應影象的縮圖。 放大影象(或稱為上取樣(upsampling)或影象插值(

時間序列--取樣

在上取樣的情況下,可能需要注意如何使用插值來計算細粒度的觀測值 在向下取樣的情況下,在選擇用於計算新聚合值的彙總統計資訊時可能需要小心。 也許有兩個主要原因讓你對重新取樣你的時間序列資料感興趣: 1.問題框架:如果您的資料與您希望進行預測的頻率相同,則可能需要重新取樣。 2.特徵工程

OpenCV-Python——取樣與拉普拉斯金字塔

影象金字塔(也叫高斯金字塔):同一影象不同分辨律的子圖集合。 向下取樣的過程: 從Gi得到Gi+1的過程: 1.對影象Gi進行高斯卷積。 2.刪除所有行和列。 向上取樣的過程: 從Gi得到Gi-1的過程: 1.行和列擴充套件為原來的兩倍,用0填充。 2.使用

影象的取樣(up-sampling)和(down-sampling)

原文地址:http://blog.csdn.net/majinlei121/article/details/46742339  縮小影象(或稱為下采樣(subsampled)或降取樣(downsampled))的主要目的有兩個:1、使得影象符合顯示區域的大小;2、生

影象金字塔——取樣

在影象處理中,影象的縮放常常會利用到。影象金字塔概念就和影象的縮放相關。如果把正常大小的圖片放在金字塔結構的中間,那麼金字塔的上部就相當於圖片的收縮,金字塔的地步就相當於圖片的放大。金字塔結構有兩種,分別是高斯金字塔和拉普拉斯金字塔。在本次學習中,接觸到的是高斯金字塔,我們

20180903影象的取樣

參考: http://blog.csdn.net/majinlei121/article/details/46742339 http://blog.csdn.net/augusdi/article/details/9028365           縮小影象(或稱為下采