抽样定理实验报告模板：采样率选择与抗混叠设计深度解析
更新日期：2023-10-27 | 适用对象：电子信息工程、通信工程、自动化专业学生
实验概述与背景
在数字信号处理（DSP）领域，抽样定理（Sampling Theorem），又称奈奎斯特-香农采样定理，是模拟信号数字化过程的基石。本实验旨在通过仿真与理论结合的方式，深入理解连续时间信号如何离散化，以及采样频率（）对信号重构精度的决定性影响。
许多同学在撰写抽样定理实验报告时，往往只关注波形是否画对，而忽略了对“混叠”（Aliasing）现象的物理意义探讨。一份高质量的实验报告，应当包含对频谱特性的深入分析，以及在实际工程中如何通过抗混叠滤波器来保证采样质量的讨论。本模板将提供从实验目的、原理、步骤到结果分析的完整结构，并附带详细的MATLAB代码参考。
核心理论回顾
在进行实验前，必须清晰阐述以下核心理论，这也是实验报告的“理论依据”部分：
2.1 奈奎斯特准则
若连续时间信号 是带限信号，其最高频率分量为 ，则当采样频率 满足：
信号就可以从其采样值中无失真地恢复出来。此时的最低采样频率 被称为奈奎斯特速率（Nyquist Rate）。
2.2 频谱混叠机制
当 时，采样信号的频谱在频率轴上会发生重叠。这种重叠导致高频分量“折叠”到低频区域，使得原始信号无法通过理想低通滤波器恢复。这种现象称为混叠。在实验报告中，必须展示混叠前后的频谱对比图，以证明定理的正确性。
实验步骤详解
本部分为实验报告的核心操作指南，建议按照以下时间轴顺序进行：
设定一个模拟信号，例如由两个不同频率正弦波叠加而成的信号：。假设 Hz, Hz。则 Hz，理论奈奎斯特速率应为 800 Hz。
设置采样频率 Hz（低于 800 Hz）。对信号进行采样，绘制时域离散波形。随后进行FFT变换，观察频谱。你会发现 400 Hz 的成分会“伪装”成更低频率的信号（如 100 Hz 或 300 Hz，具体取决于折叠效应），这就是混叠。
设置采样频率 Hz（远高于 800 Hz）。重复上述步骤。此时频谱无重叠，通过理想低通滤波器（或简单的插值算法）可以完美重构原始信号。
在实际系统中，我们无法保证信号严格带限。因此，在采样前需加入抗混叠低通滤波器，截止频率设为 ，以滤除高频噪声，防止混叠。本实验需对比滤波前后的采样效果。
MATLAB 仿真代码示例
以下代码可直接嵌入实验报告的“附录”或“程序实现”部分。代码包含了详细的注释，便于理解每一步的物理意义。
% 抽样定理实验 - 主程序
clear; clc; close all;
% 1. 参数设置
f1 = 100; % 信号频率1 (Hz)
f2 = 400; % 信号频率2 (Hz)
f_max = f2; % 最高频率
Fs_nominal = 2 f_max; % 奈奎斯特速率 800 Hz
% 2. 生成连续时间信号 (用于绘图参考)
t_cont = 0:0.0001:0.1;
x_cont = sin(2pif1t_cont) + sin(2pif2t_cont);
% 3. 欠采样情况 (fs < 2fmax)
fs_under = 500;
t_discrete_under = 0:1/fs_under:0.1;
x_under = sin(2pif1t_discrete_under) + sin(2pif2t_discrete_under);
% 4. 过采样情况 (fs > 2fmax)
fs_over = 2000;
t_discrete_over = 0:1/fs_over:0.1;
x_over = sin(2pif1t_discrete_over) + sin(2pif2t_discrete_over);
% 5. 绘图部分
figure('Position', [100, 100, 1000, 600]);
% 欠采样波形
subplot(3,1,1);
stem(t_discrete_under, x_under, 'filled', 'MarkerSize', 4);
hold on; plot(t_cont, x_cont, 'r--', 'LineWidth', 1.5);
title(['欠采样 (fs=' num2str(fs_under) 'Hz) - 发生混叠']);
xlabel('Time (s)'); ylabel('Amplitude'); grid on; legend('Samples', 'Original');
% 过采样波形
subplot(3,1,2);
stem(t_discrete_over, x_over, 'filled', 'MarkerSize', 4);
hold on; plot(t_cont, x_cont, 'r--', 'LineWidth', 1.5);
title(['过采样 (fs=' num2str(fs_over) 'Hz) - 无混叠']);
xlabel('Time (s)'); ylabel('Amplitude'); grid on; legend('Samples', 'Original');
% 频谱对比 (简单FFT演示)
N = length(t_discrete_under);
f_axis = (0:N-1)(fs_under/N);
X_under = fft(x_under);
subplot(3,1,3);
plot(f_axis, abs(X_under));
title('欠采样信号的频谱 (注意高频折叠)');
xlabel('Frequency (Hz)'); ylabel('Magnitude'); grid on;
xlim([0 fs_under/2]);
% 辅助函数：频谱分析
function analyze_spectrum(x, fs)
N = length(x);
Y = fft(x);
P2 = abs(Y/N);
P1 = P2(1:N/2+1);
f = fs(0:(N/2))/N;
figure;
plot(f, P1);
title('Single-Sided Amplitude Spectrum');
xlabel('Frequency (Hz)');
ylabel('|P1(f)|');
grid on;
end
数据分析与讨论
在实验报告的“结果分析”部分，应结合上述代码生成的图表进行论述：
5.1 时域波形对比
观察 欠采样 的波形，会发现离散点构成的包络线与原始正弦波差异巨大，甚至呈现出更低频率的振荡假象。而 过采样 的离散点紧密跟随原始信号，包络线清晰可见。
5.2 频谱混叠验证
通过FFT频谱图可以定量分析。在 Hz 时，理论上 400 Hz 的信号分量会折叠到 Hz 处。因此，频谱图中应在 100 Hz 和 400 Hz 附近观察到峰值，但这 400 Hz 处的峰值实际上是 100 Hz 的镜像，而非真实的 400 Hz 能量。这证明了 采样频率不足导致频谱混叠。
5.3 重构误差分析
使用理想低通滤波器（Sinc插值）对采样信号进行重构。计算重构信号与原信号的均方误差（MSE）。可以发现，过采样情况下的 MSE 接近于零（仅受限于数值精度），而欠采样情况下的 MSE 极大，说明信息已永久丢失。
常见问题解答 (FAQ)
实验总结与心得模板
撰写实验总结时，建议从以下几个维度展开，避免空洞的套话：
- 理论验证： 确认了奈奎斯特采样定理的正确性，直观看到了混叠现象对信号重构的破坏性影响。
- 工程思维： 认识到理论上的 在工程中需要留有安全裕量，并理解了抗混叠滤波器的必要性。
- 工具掌握： 熟练掌握了MATLAB中 fft、stem、plot 等函数的使用，以及频谱分析的基本方法。
- 不足与改进： 本次实验未考虑量化噪声的影响，未来可进一步研究量化位数对信噪比的影响。