再采样

以新的固定采样率重新采样均匀或不均匀分布的数据。

库::`工程师`

语法

函数调用

[参数:y]=重采样(<参数:x>>,<参数:p>>,<参数:q>>) -执行输入序列的重新采样 [参数:x] 用采样率，在 [参数:p]/<参数:q>> 比原来高出一倍。功能 重采样 适用于 [参数:x] [抗混叠-低通滤波器]具有有限脉冲响应(fir)并补偿滤波器引入的延迟。该函数适用于数组的第一维，其大小较大 1.

[参数:y]=重采样(<参数:x>>,<参数:p>>,<参数:q>>,<参数:n>>) -使用顺序平滑滤波器 2×[参数:n]×max([参数:p],[参数:q]).

[参数:y]=重采样(<参数:x>>,<参数:p>>,<参数:q>>,<参数:n>>,<参数:beta>>) -定义用于设计低通滤波器的Kaiser窗口的形状参数。

[参数:y]=重采样(<参数:x>>,<参数:p>>,<参数:q>>,<参数:b-in>>) -过滤器 [参数:x] 使用参数中指定的滤波器系数 [参数:b-in].

[参数:y]=重采样([参数:x],[参数:tx]) -执行信号值的重新采样 [参数:x]，在向量中指定的时间点测量 [参数:tx]. 函数线性插值 [参数:x] 成具有相同端点和样本数的均匀分布的时间点的向量作为 [参数:tx]. 价值 南 它们被认为是缺失的数据，并被忽略。

[参数:y]=重采样(<参数:x>>,<参数:tx>>,<参数:fs>>) -使用多相平滑滤波器以参数中指定的均匀采样率重新采样信号 [参数:fs].

[参数:y]=重采样(<参数:x>>,<参数:tx>>,<参数:fs>>,<参数:p>>,<参数:q>>) —用采样步骤将输入信号插值到中间均匀网格上 ([参数:p]/[参数:q])/[参数:fs]. 然后，该函数通过以下方式增加其采样率来过滤结果 [参数:p] 并减少 [参数:q]，从而导致最终采样率 [参数:fs]. 为了获得最佳效果，请确保 [参数:fs]×[参数:q]/[参数:p] 最高频率分量的至少两倍 [参数:x].

[参数:y]=重采样([参数:x],[参数:tx],___,[参数:方法]) -定义插值方法以及来自该组先前语法的任何参数。插值方法可以是 "线性", "pchip" 或 "样条".

[参数:y],[参数:ty]=重采样([参数:x],[参数:tx],___) -返回 [参数:ty] 重采样信号对应的时间点。

[参数:y],[参数:b-out]=重采样([参数:x],[参数:p],[参数:q],___) -还返回应用于滤波器的系数 [参数:x] 在重新采样期间。

[参数:y],[参数:ty],[参数:b-out]=重采样([参数:x],[参数:tx],___) -返回参数中平滑滤波器的系数 [参数:b-out].

___ =重采样(___,Dimension=dim) -对测量输入数据进行重新采样 [参数:暗淡].

争论

输入参数

# x — 输入信号

+ 向量资料 | 矩阵 | 一个N维数组

Details

指定为矢量、矩阵或N维数组的输入信号。论点 x 可能包含值 南 如果有关于时间的信息。价值 南 它们被认为是缺失的数据，并被排除在重新采样之外。

数据类型	`漂浮物32`, `漂浮64`</无翻译>

# *p*是的重采样系数

+ 一个正整数

Details

的重采样系数，设为正整数。

数据类型	`漂浮物32`, `漂浮64`</无翻译>

# *q*是的重采样系数

+ 一个正整数

Details

的重采样系数，设为正整数。

数据类型	`漂浮物32`, `漂浮64`</无翻译>

# *n*是相邻元素的数量

+ 10 （默认情况下）| 一个非负整数

Details

邻元素的个数，设为非负整数。如果 n=0，功能 重采样 执行最近邻插值。平滑FIR滤波器的长度与 n. 大值 n 它们通过增加计算时间来提供更高的精度。

数据类型	`漂浮物32`, `漂浮64`</无翻译>

# 贝塔 — Kaiser窗口形状参数

+ 5 （默认情况下）| 正实标量

Details

的Kaiser窗口形状参数，设置为正实标量。增加争论 贝塔 扩展用于构建平滑滤波器的窗口的主瓣，并且减小窗口的旁瓣的幅度。

数据类型	`漂浮物32`, `漂浮64`</无翻译>

# b — FIR滤波器系数

+ 向量资料

Details

FIR滤波器系数，指定为矢量。默认函数为 重采样 使用函数设计过滤器 鹿firls 还有皇帝的窗户。当补偿延迟时，功能 重采样 假设输入参数为 b 它具有奇数长度和线性相位。有关详细信息，请参阅[抗混叠-低通滤波器]。

数据类型	`漂浮物32`, `漂浮64`</无翻译>

# tx — 时间积分+ 非负实向量 | 日期时间

Details

指定为非负实向量或数组的时间点 日期时间. 论点 tx 它应该单调增加，但不必均匀分布。 tx 可能包含值 南. 这些值被视为缺失数据，并从重采样中排除。论点 tx 假设仅针对输入值 [参数:x].

数据类型	`漂浮物32`, `漂浮64`, `日期时间`</无翻译>

# 财政司司长 — 抽样调查费率+ 正标量

Details

的采样率，设置为正标量。采样率是单位时间内的样本数。如果时间的测量单位是秒，那么采样频率以Hz表示。

数据类型	`漂浮物32`, `漂浮64`</无翻译>

# 方法 — 插值方法

+ "线性" （默认情况下）| "pchip" | "样条"

Details

的插值方法，定义为 "线性", "pchip" 或 "样条":

"线性" -线性插值;
"pchip" -分段三次保形插值;
"样条" -在两端使用"not-a-knot"条件进行样条插值。

有关更多信息，请参阅页面 国际刑警组织.

如果 [参数:x] 如果变化不慢，请考虑使用该函数 国际刑警组织 用插值法 "pchip".

名称-值输入参数

# 昏暗 — 为其执行操作的测量

+ 正整数标量

Details

对其执行操作的维度，指定为正整数标量。如果论点是 昏暗 未指定，功能 重采样 它是在数组的第一个维度上进行的，其大小较大 1.

数据类型	`漂浮物32`, `漂浮64`</无翻译>

输出参数

# *y*是重采样信号

+ 向量资料 | 矩阵 | 一个N维数组

Details

作为向量、矩阵或N维数组返回的重采样信号。如果输入参数是 [参数:x] 具有长度为通过测量 [参数:暗淡]，并且还指定了参数 [参数:p] 和 [参数:q]，则输出参数为 y 具有长度为通过测量 昏暗.

# b — FIR滤波器系数

+ 向量资料

Details

Fir滤波器系数作为向量返回。

# ty — 输出数据

+ 非负实向量

Details

作为非负实向量返回的输出数据。论点 泰 仅适用于输入值 [参数:x].

例子：

线性序列的重新采样

Details

让我们用频率重新采样一个简单的线性序列 3/2 从原来的 10 赫兹。让我们在一个图中绘制原始序列和重复采样的序列。

import EngeeDSP.Functions: resample

using Plots

fs = 10
t1 = 0:1/fs:1
x = t1

result = resample(x, 3, 2)
y = result.y

t2 = (0:(length(y)-1)) * 2 / (3 * fs)

plot(t1, x,
     seriestype = :scatter,
     marker = :xcross,
     markerstrokecolor = :blue,
     label = "Original",
     xlabel = "Time (s)",
     ylabel = "Signal",
     legend = :topleft)
plot!(t2, y,
      seriestype = :scatter,
      marker = :circle,
      markerstrokewidth = 1,
      markerstrokecolor = :orange,
      markercolor = :white,
      label = "Resampled")

resample 1

多通道信号的重新采样

Details

我们将产生一个五通道正弦信号与 100 通过倒计时。时间以列为单位增加，频率以行为单位增加。让我们绘制信号。

import EngeeDSP.Functions: resample

using Plots

p=3
q=2

tx=0：p：300-p

x=[cos.(2π*tx。/(freq*100))for freq in1:5]
x=hcat(x．..)

情节(tx,x,
     标记=:圆,
     markersize=2,
     linestyle=:点,
     seriestype=:路径,
     标题="原创",
     ylims=(-1.5,1.5),
     传说=错误)

resample 2

通过增加正弦波的采样频率 3/2 在第二维度中。让我们把重新采样的信号放在图表上。

ty = 0:q:300-q
result = resample(x, p, q)
y = result.y

plot(ty, y,
     marker = :circle,
     markersize = 2,
     linestyle = :dot,
     seriestype = :path,
     title = "Upsampled",
     ylims = (-1.5, 1.5),
     legend = false)

resample 2 1

让我们改变重新采样信号的形状，以便时间沿着第三维度传递。

y = reshape(y, 1, size(y, 1), size(y, 2))
y = permutedims(y, [3, 1, 2])
size(y)

(5, 1, 150)

让我们将信号的采样频率降低到初始频率并构建一个图形。

result_z = resample(y, q, p, Dimension=3)
z = result_z.y
z = dropdims(z, dims=2)

plot(tx, z',
     marker = :circle,
     markersize = 2,
     linestyle = :dot,
     seriestype = :path,
     title = "Downsampled",
     ylims = (-1.5, 1.5),
     legend = false)

resample 2 2

此外

低通平滑滤波器

Details

用有理系数重新采样信号 [参数:p]/<参数:q>> 功能 重采样 调用函数 向上确认，其执行以下操作:

插入零，以增加信号的采样 [参数:p].
对采样增加的信号应用抗混叠FIR滤波器。
下降的样本，以降低滤波信号的采样 [参数:q].

理想的平滑滤波器具有归一化截止频率。 rad/计数和增益 [参数:p]. 为了近似平滑滤波器，函数 重采样 使用Kaiser窗口方法。

过滤顺序为 2×[参数:n]×max([参数:p],[参数:q]). 意义 [参数:n] 默认值为 10.
Kaiser窗口有一个shape参数 [参数：beta]，其确定在延迟带中的过渡宽度和衰减之间的权衡。意义 [参数：beta] 默认值为 5.
滤波器系数被归一化以占窗口增益。

作为一个例子，我们将设计一个抗混叠滤波器来重新采样信号到采样频率，在 3/2 初始值的两倍:

p = 3
q = 2
maxpq = max(p, q)

fc = 1 / maxpq
n = 10
order = 2 * n * maxpq
beta = 5

b = fir1(order, fc, kaiser(order + 1, beta))
b = p * b / sum(b)

算法

功能 重采样 使用函数执行FIR设计 鹿firls，将结果归一化以考虑窗口增益，然后使用函数实现采样率的变化 向上确认.