Apa keuntungan memiliki laju sampling sinyal yang lebih tinggi?


14

Sebagai siswa sains non-sinyal, saya memiliki pemahaman yang terbatas tentang konsep-konsep tersebut.

Saya memiliki sinyal kesalahan bantalan periodik kontinu (dengan amplitudo waktu) yang disampel pada  frekuensi dan 48  kHz . Saya telah menggunakan beberapa teknik pembelajaran mesin (Convolutional Neural Network) untuk mengklasifikasikan sinyal yang salah ke sinyal yang tidak salah.12 kHz48 kHz

Ketika saya menggunakan saya dapat mencapai akurasi klasifikasi 97 ± 1,2 % akurasi. Demikian pula saya dapat mencapai akurasi 95 % ketika saya menerapkan teknik yang sama pada sinyal yang sama tetapi sampel pada 48  kHz meskipun rekaman dibuat pada RPM yang sama, memuat, dan merekam sudut dengan sensor.12 kHz97±1.2%95%48 kHz

  • Apa yang bisa menjadi alasan meningkatnya tingkat kesalahan klasifikasi ini?
  • Apakah ada teknik untuk menemukan perbedaan dalam sinyal?
  • Apakah sinyal beresolusi lebih tinggi rentan terhadap noise yang lebih tinggi?

Detail sinyal dapat dilihat di sini , di bab 3.


3
Pertanyaannya agak tidak jelas kecuali jika Anda menentukan pemrosesan sinyal analog apa yang terjadi sebelum sampel, dan apa yang Anda lakukan dengan sinyal sampel. Secara matematis, jika sinyal Anda dibatasi dengan benar untuk pengambilan sampel, dan kemudian dihilangkan secara digital dari 48 kHz -> 12 kHz, konten informasi terbukti identik (teorema pengambilan sampel Nyquist).
Marcus Müller

Pertanyaannya seharusnya ditanyakan sebaliknya seperti "Apakah ada kerugian dari laju pengambilan sampel yang lebih tinggi?", Karena dari setiap aspek laju pengambilan sampel yang diketahui lebih tinggi lebih baik tetapi hanya dari bandwidth 1-awalnya besar, sirkuit ADC analog 2-kecepatan tinggi, 3 - biaya komputasi dan memori DSP, aspek itu akan memiliki kelemahan, ketika digunakan secara berlebihan.
Fat32

@ Fat32 "Dari setiap aspek yang diketahui, tingkat sampling yang lebih tinggi lebih baik?" Seperti apa?
endolith

1
@ endolith ... kemungkinan untuk merepresentasikan bandwidth yang lebih banyak, peningkatan SNR melalui oversampling, menghindari filter AA analog yang cocok dengan sinyal yang Anda minati, umumnya lebih banyak kebebasan dalam desain filter analog dan digital, toleransi yang lebih tinggi untuk pengaturan waktu, peningkatan rentang dinamis melalui oversampling untuk berbagai kelas sinyal, peningkatan DR melalui dithering bahkan lebih.
Marcus Müller

@ MarcusMüller, terima kasih untuk daftar selusin aspek yang mungkin ...
Fat32

Jawaban:


22

Pengambilan sampel pada frekuensi yang lebih tinggi akan memberikan Anda jumlah bit yang lebih efektif (ENOB), hingga batas rentang dinamis palsu palsu dari Analog to Digital Converter (ADC) yang Anda gunakan (serta faktor-faktor lain seperti input analog) bandwidth ADC). Namun ada beberapa aspek penting untuk dipahami ketika melakukan ini yang akan saya perinci lebih lanjut.

Hal ini disebabkan oleh sifat umum kebisingan kuantisasi, yang dalam kondisi pengambilan sampel, sinyal yang tidak berkorelasi dengan jam pengambilan sampel diperkirakan dengan baik sebagai distribusi kebisingan seragam putih (frekuensi) (dalam besaran). Selanjutnya, Signal to Noise Ratio (SNR) dari gelombang sinus nyata skala penuh akan didekati dengan baik sebagai:

SNR=6.02 dB/bit+1.76dB

6.02×12+1.76=74

Dengan menggunakan gelombang sinus skala penuh, kami membuat garis referensi yang konsisten dari mana kami dapat menentukan kekuatan noise total karena kuantisasi. Dengan alasan, kekuatan noise tetap sama bahkan ketika amplitudo gelombang sinus berkurang, atau ketika kami menggunakan sinyal yang merupakan komposit dari beberapa gelombang sinus (artinya melalui Fourier Series Expansion, semua sinyal umum).

A212σs2σN2Δ2bΔ(2bΔ)28Vp2Vp

SNR untuk ADC

fs/2fs/2+fs/2Vp2turun. Jika kami kemudian memfilter karena bandwidth yang kami minati lebih rendah, total kebisingan akan turun. Khususnya jika Anda menyaring setengah spektrum, noise akan turun 2 (3 dB). Saring 1/4 spektrum dan kebisingan turun sebesar 6 dB yang setara dengan mendapatkan 1 bit lebih presisi! Jadi rumus untuk SNR yang menyebabkan oversampling diberikan sebagai:

Lebih dari Sampling

ADC yang sebenarnya dalam praktiknya akan memiliki batasan termasuk non-linearitas, bandwidth input analog, apertur dll yang akan membatasi seberapa banyak kita dapat melakukan oversample, dan berapa banyak bit efektif yang dapat dicapai. Bandwidth input analog akan membatasi frekuensi input maksimum yang dapat kami sampel secara efektif. Non-linearitas akan menyebabkan "taji" yang berkorelasi dengan frekuensi yang tidak akan menyebar dan karenanya tidak akan mendapat manfaat dari perolehan pemrosesan suara yang sama seperti yang kita lihat sebelumnya dengan model kebisingan kuantisasi putih. Taji ini dikuantifikasi pada lembar data ADC sebagai rentang dinamis bebas semu (SFDR). Dalam praktiknya saya mengacu pada SFDR dan biasanya mengambil keuntungan dari oversampling sampai kebisingan kuantisasi yang diprediksi sejajar dengan SFDR, pada titik mana jika taji terkuat terjadi pada pita, tidak akan ada lagi peningkatan SNR. Untuk perincian lebih lanjut saya perlu merujuk ke desain spesifik lebih terinci.

Semua kontribusi noise ditangkap dengan baik dalam spesifikasi jumlah efektif bit (ENOB) yang juga diberikan pada lembar data ADC. Pada dasarnya total suara ADC aktual yang diharapkan dikuantifikasi dengan membalikkan persamaan SNR yang pertama kali saya berikan untuk menghasilkan jumlah bit yang setara dengan yang diberikan oleh ADC sempurna. Akan selalu kurang dari jumlah bit aktual karena sumber degradasi ini. Yang penting, ini juga akan turun karena laju pengambilan sampel naik sehingga akan ada titik balik yang menurun dari oversampling.

Sebagai contoh, pertimbangkan ADC aktual yang memiliki ENOB tertentu 11,3 bit dan SFDR 83 dB pada 100 MSPS sampling rate. 11.3 ENOB adalah SNR 69,8 dB (70 dB) untuk gelombang sinus skala penuh. Sinyal aktual yang disampel kemungkinan akan berada pada level input yang lebih rendah agar tidak terpotong, tetapi dengan mengetahui tingkat daya absolut dari gelombang sinus skala penuh, kita sekarang mengetahui tingkat daya absolut dari kebisingan ADC total. Jika misalnya gelombang sinus skala penuh yang menghasilkan SFDR dan ENOB maksimum adalah +9 dBm (juga perhatikan bahwa level ini dengan kinerja terbaik biasanya 1-3 dB lebih rendah dari skala penuh sebenarnya di mana gelombang sinus mulai memotong! ), maka total daya derau ADC akan + 9dBm-70 dB = -61 dBm. Karena SFDR adalah 83 dB, maka kita dapat dengan mudah berharap untuk memperoleh hingga batas itu dengan oversampling (tetapi tidak lebih jika memacu berada di pita bunga terakhir kami).N=10836110=158.5

Sebagai catatan terakhir, ketahuilah bahwa arsitektur Delta Delta ADC menggunakan umpan balik dan pembentukan noise untuk mencapai peningkatan yang jauh lebih baik dalam jumlah bit dari oversampling daripada apa yang saya jelaskan di sini tentang apa yang dapat dicapai dengan ADC tradisional. Kami melihat peningkatan 3dB / oktaf (setiap kali kami menggandakan frekuensi kami mendapatkan 3 dB di SNR). Sigma Delta ADC orde pertama sederhana memiliki gain 9dB / oktaf, sementara Sigma Delta orde 3 memiliki gain 21 dB / oktaf! (Urutan kelima Sigma Delta tidak biasa!).

Lihat juga tanggapan terkait di

Bagaimana Anda secara serampangan undersample dan oversample?

Oversampling sambil mempertahankan noise PSD

Bagaimana memilih kedalaman FFT untuk analisis kinerja ADC (SINAD, ENOB)

Bagaimana meningkatkan noise Signal to Quantization meningkatkan resolusi ADC


Hmm ... Adakah yang tahu mengapa ADC audio memiliki lebih banyak noise pada kecepatan pengambilan sampel yang lebih tinggi? SNR berbobot A UDA1380 pada 96 kHz adalah 3 dB lebih buruk dari pada 48 kHz, misalnya, dan WM8776 adalah 2 dB lebih buruk pada 96 vs 48.
endolith

Banyak sumber distorsi diperbaiki dalam waktu tunda relatif (seperti ketidakpastian aperture). Pada laju pengambilan sampel yang lebih tinggi, waktu tetap ini adalah fase yang lebih besar (relatif terhadap jam pengambilan sampel) dan karenanya komponen kebisingan fase yang lebih besar.
Dan Boschen

@endolith untuk menambah penjelasan cepat di atas, jika Anda terbiasa dengan terjemahan frekuensi menggunakan mixer di dunia analog: proses pengambilan sampel identik dengan pencampuran (hanya dengan beberapa LO masing-masing pada hubungan bilangan bulat dengan fundamental, yang merupakan milik Anda jam pengambilan sampel). Ketika kami melakukan terjemahan frekuensi dengan mixer, noise fase LO diterjemahkan ke sinyal kami (melalui konvolusi), sehingga kebisingan fase apa pun pada LO kami menjadi noise fase pada sinyal kami dengan kepadatan spektral dBc / Hz yang sama. Nonlinearit ADC dengan LO sempurna mirip efeknya dengan ADC sempurna dengan LO berisik
Dan Boschen

1
CV2/f

@ Dan, terima kasih banyak, meskipun butuh waktu lama bagi saya untuk memahami penjelasan Anda itu luar biasa.
Raady

5

Jika Anda mengambil sampel dengan laju sampel yang lebih tinggi, Anda perlu menganalisis (misalnya, memberi makan ke CNN Anda) vektor sampel yang lebih panjang secara proporsional untuk mendapatkan resolusi frekuensi yang sama (atau karakteristik lain dari getaran apa pun, dll.)

Atau jika ukuran input CNN Anda terbatas, Anda dapat memfilter dan menurunkan sampel data ke panjang sebelumnya (dan dengan demikian menurunkan laju sampel) sebelumnya. Dalam beberapa kasus (tergantung pada noise sistem, filter anti alias ditambah ADC yang digunakan, dll.), Ini dapat meningkatkan S / N data Anda (karena menurunkan aliasing noise atau menyebarkan noise kuantisasi, dll.)

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.