数字角频率的理解
作者：互联网
数字角频率的理解
与模拟角频率的联系
数字角频率 \(\omega_0\) 是描述离散时间信号的物理量，如
\[cos(\omega_0 t) \]相对应的，模拟角频率\(\Omega\)是描述连续时间信号的物理量，如
\[cos(\Omega_0 t) \]一般我们将离散与连续联系起来讲，即认为离散信号是连续信号的采样序列。
数字角频率 \(\omega_0\) 和模拟角频率 \(\Omega_0\) 的关系
\[\omega_0=\Omega_0 \times T_0=\Omega_0 / F_T \]\(T_0\)是采样周期，\(F_T\)是采样频率。这是一个很重要的关系，以上式子可以用文字描述：
数字角频率是模拟角频率对采样频率的归一化。
为什么有上述关系？
很简单，现有连续时间信号如下
以\(T_0\)为周期采样，可采到 \(n\) 点离散周期序列，此时信号(或者说函数) \(f\)的自变量变为 \(n\) ，也就是说连续信号变成了离散信号，公式如下
\[ x_0(t)=f(nT_0)=Acos(\Omega_0 T_0n+\phi_0) \]此时，将常数 \(\Omega_0 T_0\) 替换为 \(\omega_0\) ，就有另一种表达方式，
\[ x_1(n)=x_0(t)=x_0(nT_0)=Acos(\omega_0 n+\phi_0) \]此时我们说这表示了一个离散信号。
从表达式来看，你可能会说这不还是连续的吗？
确实，上述表达式描绘了一条连续的曲线，然而，不要忘了，我们的自变量变成了 \(n\) 这个采样后的离散序列，因此，我们获得的信号也只有相对应的离散序列。
数字角频率的范围
傅里叶大佬说的，任何周期函数，都可以看作是不同振幅，不同相位正弦波的叠加。而正弦波的周期为\(2\pi\),从极坐标的角度来看就是一个圆。
从欧拉公式的角度来看看，
易得，正余弦函数均可使用\(e\)指数表示，因此傅里叶分析还有指数形式，也是比较常用的形式。
注意，由数字角频率和模拟角频率的关系
\[\omega_0=\Omega_0 \times T_0=\Omega_0 / F_T \]可见，数字角频率和采样频率是密切相关的。
上面我们提到，一个信号的模拟角频率是由若干圆构成的，想看动态图可以去WiKi
直观的理解，模拟角频率的概念是每秒多少弧度，数字角频率的概念是每个采样点之间多少弧度
数字角频率是模拟角频率经过了采样后的结果，此时有一个重要的概念——混叠。
混叠就是，使用不同的采样频率获得了相同的离散序列。
不妨想想一个场景，一个人在坐摩天轮，摩天轮以固定的频率转动。我们正对着摩天轮进行连续的拍照，拍摄之间隔着固定的时间，或者说是固定的频率（采样频率），可以得到一组相片。可以想象，如果变换摩天轮的频率，再拍照的话，是有可能获得同一组相片的。这就是混叠。
说完混叠，我们再回到数字角频率的问题上来
由上述，数字角频率的概念是每个采样点之间多少弧度，又因为这是在单位圆上进行采样，自然可以知道两个采样点最大的间隔是\(2\pi\)，换一种说法，数字角频率\(3\pi\) 和数字角频率 \(\pi\) 其实是相同的两个采样点，获得的序列也是一样的。
不难得出，数字角频率\(\omega\)具有周期性，周期为\(2\pi\).一般取值范围为 \([0,2\pi]\) 或 \([-\pi ~ \pi]\) .
来个栗子
有离散序列：
如果
\[\omega_2 = \omega_1 + 2\pi k \]那么
\[x_2[n]=e^{j\omega_2 n}=e^{j(\omega_1 + 2\pi k)n}=e^{j\omega_1 n}=x_1[n] \]高频？低频？
模拟角频率是连续的，自然是数值越大，频率越高。
数字角频率就不一样了，它是具有周期性的。
那么如何界定一个离散信号的高低频呢？
这要涉及一个很重要的定理，奈奎斯特采样定理
简单来讲，获得离散信号时，采样频率必须大于原信号最高频率分量（信号带宽）的2倍。
有如下数学推导
\[\omega_0=\Omega_0 \times T_0=\Omega_0 / F_T \]采样频率确定后，最大不混叠模拟角频率频率\(\Omega_0 = 2\pi F_T/2\)，带入上式，得
\[\omega_0=\Omega_0 / F_T = \pi \]可得，最高频为\(\pi\)，同理，易知，最低频为0.
标签：采样,数字,Omega,离散,角频率,理解,pi,omega 来源： https://www.cnblogs.com/Baiyug/p/16404627.html