采样过程与采样定理
大家好，我是老张。搞了十几年控制系统，今天咱们聊聊离散系统里最基础、也最要命的一个话题——采样。
你想想看，计算机再聪明，它也只能处理离散的数字信号。可现实世界呢？温度、压力、速度……全是连续变化的模拟量。怎么把这两者搭上桥？靠的就是采样。
说白了，采样就是把连续信号“掰成”一串离散的点。但这里有个坑——掰得不好，信号就失真了。我当年刚入行时，就吃过这个亏。
采样过程：连续到离散的第一步
采样过程，本质上是一个“开关”动作。每隔一个固定的时间T，开关闭合一次，让信号通过。这个T，就是采样周期。
数学上，我们这样描述：
连续信号：x(t)
采样信号：x*(t) = x(t) · δ_T(t)
其中 δ_T(t) 是周期为T的脉冲序列嗯，这里要注意。实际采样和理想采样是有区别的。实际采样中，开关闭合需要时间，脉冲有宽度。但在理论分析中，我们通常把它理想化——认为采样瞬间完成，脉冲宽度趋近于零。
核心要点：采样周期T的选择，直接决定了离散系统的性能。选大了，信号失真；选小了，计算负担重。这是个权衡问题。
理想采样：数学上的完美模型
理想采样，说白了就是用一个周期性的单位脉冲序列去“乘”连续信号。每个脉冲的位置，就是采样时刻。
我个人习惯用这个公式来理解：
x*(t) = Σ x(nT) · δ(t - nT) (n从负无穷到正无穷)你看，每个采样点nT上，我们只保留了信号在该时刻的值x(nT)，其他时刻的信息全部丢弃了。
为什么会这样？因为计算机只能“记住”这些离散的点。我在项目中遇到过一位同事，他总觉得采样点够密就行，结果系统高频振荡，查了半天才发现是采样频率不够。
个人经验：做实际项目时，我建议先用仿真跑一遍，看看不同采样频率下的响应差异。别一上来就定参数，容易踩坑。
采样定理：奈奎斯特的智慧
采样定理，也叫奈奎斯特采样定理。它告诉我们一个铁律：
采样频率fs必须大于信号最高频率fmax的两倍。
即：fs > 2fmax，或 T < 1/(2fmax)
为什么是两倍？我简单解释一下。采样后的信号，频谱会发生周期延拓。如果采样频率不够高，延拓的频谱就会重叠在一起——这就是混叠现象。混叠一旦发生，你就再也无法从采样信号中恢复出原始信号了。
我曾经在一个振动监测项目里，采样频率只设了信号频率的1.8倍。结果呢？频谱图上出现了虚假的频率成分，差点把故障诊断方向带偏了。嗯，从那以后，我再也不敢低于2倍了。
| 采样频率 | 与信号频率关系 | 结果 |
|---|---|---|
| fs > 2fmax | 满足奈奎斯特定理 | 可无失真恢复 |
| fs = 2fmax | 临界状态 | 理论上可行，实际不推荐 |
| fs < 2fmax | 不满足定理 | 发生混叠，信号失真 |
警告：实际工程中，我建议采样频率取信号最高频率的5~10倍。为什么？因为真实信号往往含有噪声和高次谐波，2倍只是理论下限，不是工程推荐值。
采样周期的选择：工程中的艺术
采样周期怎么选？这问题没有标准答案，但有经验法则。
我个人习惯从三个角度考虑：
- 信号特性：信号变化越快，采样周期要越小。比如温度信号变化慢，采样周期可以大一些；而电机转速信号变化快，采样周期就得小。
- 系统带宽：闭环系统的带宽决定了系统能响应的最快信号。采样频率一般取系统带宽的10~20倍。
- 计算能力：采样周期越小，单位时间内需要处理的数据越多。处理器能不能扛得住？这也是个现实问题。
你想想看，如果采样周期选得太小，控制器还没算完上一轮的数据，下一轮采样又来了——这叫“计算超时”。我在一个无人机飞控项目里就遇到过，采样周期设了1ms，结果CPU跑满了，飞控直接死机。
避坑指南：我曾经犯过一个错——只关注了信号频率，忽略了执行器的响应速度。采样周期再短，执行器跟不上也是白搭。所以，采样周期也要和执行器的时间常数匹配。
下面这张图，是我总结的采样周期选择流程，帮你理清思路：
总结一下我的经验：采样周期的选择，不是纯理论问题，而是工程权衡。理论给你下限，工程给你推荐值，而实际调试才能给你最优解。
嗯，这一节就聊到这儿。记住一句话：采样是离散系统的入口，入口搞砸了，后面再好的算法也救不回来。
公众号:蓝海资料掘金营，微信deep3321