信号采样与重建实验包：Matlab代码+操作截图+完整报告

本文还有配套的精品资源，点击获取

简介：一套开箱即用的信号处理教学实验材料，重点演示如何通过不同采样率对连续信号进行离散化，并利用理想低通滤波器实现信号恢复。包含可直接运行的work5.m主程序，支持时域波形生成、FFT频谱分析、混叠现象对比及重构误差计算；配套5张分步截图（1.jpg至5-3.jpg），覆盖原始信号、欠采样频谱、过采样效果、滤波前后对比等关键界面；实验五.doc为标准化实验报告模板，含目的、原理、步骤、结果图表、误差分析和思考题参考答案；所有文件按功能归类，图片统一存放于pic子目录，便于教师课堂演示或学生课后复现。额外提供work5.py（Python兼容版本）和requirements.txt，满足多环境适配需求。

1. 项目概述：这不是一个“跑通就行”的实验包，而是一套能真正讲清采样本质的教学闭环

信号采样与重建，是数字信号处理课程里第一个真正让人“顿悟”又“踩坑”的核心环节。很多学生写完work5.m，FFT图出来了，滤波后波形也画上了，但问一句“为什么50Hz正弦波用80Hz采样会混叠成30Hz？”，答案常常是模糊的——不是不会算，而是没把数学公式和屏幕上的频谱图、时域点连成一条线。这个实验包的设计初衷，就是把这条线亲手焊死。它不追求炫技，不堆砌高级函数，所有代码都控制在Matlab基础语法范围内（fft, ifft, sinc, filter, subplot），连freqz这种需要额外解释的函数都刻意避开；五张截图不是装饰，而是五个关键认知锚点：1.jpg展示原始连续信号的“样子”，2.jpg让你亲眼看见欠采样后频谱如何“折叠”进基带，5-1.jpg对比不同重建方法的误差曲线，每一张都在回答一个具体问题。我带过七届通信工程本科生做这个实验，最常听到的困惑是：“理想低通滤波器在现实中根本不存在，那学它有什么用？”——所以报告文档里专门用一整页拆解了sinc函数插值的物理意义：它不是数学幻觉，而是所有实际重建系统（从DAC芯片到音频播放器）背后共有的脉冲响应骨架。配套的Python版本work5.py不是简单翻译，而是用numpy.fft和scipy.signal.firwin重写了重建逻辑，方便跨平台验证原理一致性。整个包的结构像一个教学沙盒：.gitignore和.inscode说明它被设计为可纳入版本管理的教学资产；pole_zero_diagram.png虽未在主流程调用，却是留给学有余力者拓展零极点分析的伏笔；而那个看似冗余的GA72V6vUSv31WD47xDO0-master-b5c78aee0ea0ae175b63b199b3d84965ddbdba14文件夹，其实是某次学生自主添加的GUI界面原型，证明这个包的生命力在于可生长性。关键词里的“信号采样”“信号重建”“奈奎斯特定理”“低通滤波”，在这里不是孤立概念，而是被压缩在一个可触摸、可修改、可质疑的操作流里——你改一行采样率，就能立刻看到频谱图上那条混叠分量如何跳动；你注释掉sinc插值，重构波形立刻崩塌成锯齿。这才是教学实验该有的样子：让抽象定理在你的屏幕上呼吸。

2. 实验整体设计与思路拆解：为什么必须用“三步验证法”构建认知阶梯

2.1 核心设计逻辑：从现象观察到定量验证的递进式教学链

这个实验包没有采用“先讲理论再做实验”的传统路径，而是用代码驱动认知升级。整个work5.m的执行流程被严格划分为三个不可跳跃的阶段：采样现象可视化 → 混叠机理量化分析 → 重建效果客观评估。第一阶段（对应1.jpg和2.jpg）只生成时域采样点和FFT频谱，不做任何计算，目的是让学生先建立“眼见为实”的直觉——当看到80Hz采样下50Hz正弦波的频谱在30Hz处出现峰值时，奈奎斯特频率的物理意义瞬间具象化。第二阶段引入混叠误差计算：alias_error = abs(fft(original_signal) - fft(aliased_signal))，这里特意不用相对误差而用绝对误差，因为初学者对“dB”单位容易混淆，直接看幅值差更直观。第三阶段（5-1.jpg至5-3.jpg）则转向重建质量评估，不仅画出重构波形，还计算均方误差（MSE）和信噪比（SNR），把“重建得好不好”从主观判断变成可比较的数字。这种设计源于我十年前在实验室调试ADC芯片的真实经历：当时示波器上看到的混叠波形，和频谱仪测出的杂散电平，必须用同一套数学模型解释，否则调试就变成玄学。因此，实验包里所有图表坐标轴都强制标注物理单位（Hz、V、samples），所有计算结果保留四位小数，杜绝“大概”“差不多”这类模糊表述。

2.2 工具选型深意：为什么坚持用基础Matlab函数而非Simulink或App Designer

有人会问：既然要教学，为什么不用Simulink搭建采样系统框图？或者用App Designer做个交互界面？答案很实在：降低认知负荷，聚焦核心原理。Simulink的模块连接看似直观，但隐藏了采样时刻的精确对齐逻辑——比如零阶保持器（ZOH）和理想采样器的差异，在框图里只是一个图标切换，学生却无法感知其对频谱混叠边界的微妙影响。而App Designer的拖拽操作，会让学生把注意力放在按钮颜色和布局上，而非sinc函数的零点间隔与采样周期的关系。work5.m全程使用linspace生成时间向量、sin生成原始信号、fftshift调整频谱显示，这些函数在Matlab帮助文档里一查即得，没有任何封装黑箱。就连低通滤波器的实现，也没有调用designfilt这种高级函数，而是用最原始的sinc函数加窗截断：h = sinc((n-M)/T) .* hamming(2*M+1)'。这样做有两个硬性好处：第一，学生可以手动修改M（滤波器长度）观察重建波形振铃效应的变化；第二，当他们后续学习FIR滤波器设计时，会突然意识到“原来窗函数法就是这么来的”。至于Python版本work5.py，选择scipy.signal.firwin而非scipy.signal.butter，也是同理——巴特沃斯滤波器的传递函数形式会把学生的注意力引向分母多项式，而FIR的时域卷积形式，与Matlab版的sinc插值形成完美镜像，强化“重建=卷积”的核心思想。

2.3 文件结构背后的教学意图：为什么图片必须单独存于pic子目录

资源包目录中pic/子目录的存在，绝非随意归类。这是针对教学场景的深度适配：当教师在课堂上演示时，PPT可以直接引用pic/1.jpg作为原始信号示意图，无需担心路径错误；学生课后复现时，运行work5.m自动生成的新截图会默认保存到pic/下，与原始参考图并列存放，方便逐帧比对。更关键的是，.gitignore文件明确排除了*.jpg和*.png，这意味着实验包的Git仓库只跟踪代码和文档的变更，而将图像视为“输出产物”——这恰恰模拟了真实工程开发中源码与测试结果分离的规范。那个pole_zero_diagram.png被刻意放在根目录而非pic/，是因为它属于原理性素材，需在实验报告文档中直接嵌入，而操作截图则是过程性证据。这种结构设计，让学生在第一次接触版本管理时，就自然理解“什么该进仓库，什么该忽略”的工程常识。我曾见过学生把500MB的仿真截图全提交到Git，导致仓库臃肿不堪，而这个包的结构，本身就是一堂无声的工程实践课。

3. 核心细节解析与实操要点：那些教科书不会写的参数陷阱与视觉欺骗

3.1 采样率设置的致命细节：为什么fs=100Hz时50Hz信号必然混叠，但fs=101Hz却能“侥幸”重建

奈奎斯特采样定理的临界条件（fs > 2f_max）常被简化为“fs ≥ 2f_max”，这是教学中最大的隐患。work5.m中预设的原始信号是x(t) = sin(2π·50·t)，当设置fs = 100时，代码会生成n = 0:1/fs:T的时间序列，此时采样点恰好落在正弦波的零点上（因为周期T=0.02s，1/fs=0.01s，采样点t=0,0.01,0.02…对应sin(0),sin(π),sin(2π)…全为0）。学生看到重构波形是一条直线，会误以为“定理失效了”。而fs = 101时，由于101与50互质，采样点能遍历整个周期，频谱能量分散在多个谐波上，反而看起来“重建成功”。这个现象在2.jpg的频谱图中暴露无遗：fs=100Hz时，频谱只有0Hz一个尖峰（全零序列的FFT）；fs=101Hz时，频谱在50Hz附近出现明显主瓣。解决方案在代码第42行：强制添加微小相位偏移phi = 0.001，使信号变为sin(2π·50·t + phi)，彻底规避零点采样陷阱。这个细节的价值在于，它把抽象的“严格大于”转化为可触摸的数值操作——学生修改phi从0.001到0.01，会亲眼看到频谱主瓣宽度变化，从而理解采样相位对频谱泄漏的实际影响。

3.2 FFT频谱图的视觉欺骗：为什么必须用fftshift且横坐标要除以N

几乎所有初学者都会犯一个错误：直接对采样信号做fft(x)，然后画plot(abs(fft(x)))，结果得到一张左右不对称的频谱图。work5.m在第68行强制使用X = fftshift(fft(x))/N，并在绘图时用f = (-N/2:N/2-1)*fs/N计算横坐标。这里的/N缩放不是可选项，而是能量守恒的硬性要求。举个实例：若原始信号幅度为1V，其功率谱密度理论值应为0.5W/Hz，但若不做/N归一化，FFT幅值会随采样点数N线性增长，导致学生误判滤波器增益。更隐蔽的陷阱在fftshift——它把FFT输出的[0, fs/2, …, fs-1]顺序，重排为[-fs/2, …, -1, 0, 1, …, fs/2-1]，这样才能正确显示负频率分量。在2.jpg中，欠采样频谱的混叠分量（如50Hz信号在80Hz采样下出现在30Hz处）只有在fftshift后的坐标系里才符合f_alias = |f_original - k·fs|的数学关系。我曾让学生手动计算k=1时的混叠频率，再对照2.jpg的横坐标读数，误差超过0.1Hz就算失败——这个训练把公式从纸面拽到了像素级精度。

3.3 理想低通滤波器的“理想”代价：sinc函数截断长度M如何决定重建振铃与过渡带

sinc函数理论上无限长，实际必须截断。work5.m中M=50（第85行）不是随意取的，而是经过三重权衡的结果：第一，M必须远大于fs/f_max（此处为100/50=2），否则主瓣太宽，无法抑制混叠分量；第二，M不能过大，否则计算量剧增且边缘效应显著；第三，M需为奇数以保证滤波器对称性。当M=10时，5-2.jpg显示重建波形出现剧烈振铃（Gibbs现象），尤其在信号跳变沿处；当M=200时，虽然振铃减弱，但5-3.jpg的误差曲线在高频段出现异常波动，这是因为长滤波器对采样噪声更敏感。代码中hamming(2*M+1)窗函数的选择，正是为了平衡主瓣宽度与旁瓣衰减——汉明窗的旁瓣衰减约41dB，足够压制混叠分量，而主瓣宽度仅比矩形窗宽一倍。这个参数选择过程，在实验报告文档的“结果分析”章节有详细推导：用freqz(h,1)计算滤波器频率响应，测量-3dB带宽是否接近50Hz，旁瓣峰值是否低于-40dB。学生通过修改M值反复运行，会直观理解“理想”与“现实”的量化边界。

4. 实操过程与核心环节实现：从零开始复现每一个关键截图的完整路径

4.1 复现1.jpg：原始信号与采样点的时域可视化

要生成1.jpg，需在Matlab命令行执行以下步骤：
1. 将work5.m所在目录设为当前路径，确保pic/子目录存在；
2. 打开work5.m，找到第25行f0 = 50; % 原始信号频率(Hz)，确认其值为50；
3. 找到第28行fs = 200; % 过采样率(Hz)，此值决定采样点密度；
4. 找到第32行T = 0.1; % 信号总时长(s)，此值影响波形周期数；
5. 运行脚本，程序自动调用plot_original_signal()函数（第112行）；
6. 该函数生成时间向量t = linspace(0,T,round(T*fs)+1)，注意round()确保采样点数为整数；
7. 绘制原始连续信号x_cont = sin(2*pi*f0*t)（蓝色虚线）和离散采样点x_disc = x_cont(1:round(fs*T)+1)（红色圆圈）；
8. 关键细节：横坐标范围设为[0 0.05]（前50ms），纵坐标[-1.2 1.2]，确保能清晰分辨采样点与连续曲线的拟合度；
9. 执行saveas(gcf,'pic/1.jpg')保存，此时1.jpg即生成。

提示：若想观察欠采样效果，可临时将fs改为80，重新运行，会发现采样点稀疏到无法辨认正弦波形，这正是混叠的时域前兆。

4.2 复现2.jpg：欠采样频谱混叠的量化验证

2.jpg的核心是揭示混叠的数学本质。操作路径如下：
1. 在work5.m中，将第28行fs改为80（欠采样）；
2. 运行脚本，程序执行analyze_aliasing()函数（第145行）；
3. 该函数首先生成欠采样信号x_aliased = sin(2*pi*f0*n/fs)，其中n=0:1:round(fs*T)；
4. 计算FFT：X_aliased = fftshift(fft(x_aliased))/length(x_aliased)；
5. 关键计算：f_alias = abs(f0 - round(f0/fs)*fs)，此处round(50/80)=1，故f_alias=30Hz；
6. 绘图时，横坐标f = (-N/2:N/2-1)*fs/N，纵坐标abs(X_aliased)，并用红色箭头标注30Hz处的峰值；
7. 同时绘制原始信号频谱X_original = fftshift(fft(x_cont))/length(x_cont)，用蓝色箭头标50Hz；
8. 两图叠加对比，清晰显示50Hz分量“折叠”到30Hz；
9. 执行saveas(gcf,'pic/2.jpg')保存。

注意：若fs设为100，f_alias计算结果为0，此时频谱图将显示直流分量，需结合3.1节的相位偏移修正，否则2.jpg会失去教学价值。

4.3 复现5-1.jpg至5-3.jpg：重建误差的三维评估体系

这三张图构成重建质量的黄金三角：
- 5-1.jpg（误差对比图）：运行compare_reconstruction_methods()函数（第188行）。它调用三种重建方法：① sinc插值（主方法）；② 零阶保持（ZOH）；③ 线性插值。每种方法计算均方误差MSE = mean((x_recon - x_cont).^2)，并用不同颜色曲线绘制误差随采样率变化的趋势。图中红色虚线标出奈奎斯特频率（100Hz），直观显示误差在fs>100Hz后趋于平稳。
- 5-2.jpg（滤波前后对比）：执行visualize_filter_effect()函数（第225行）。左侧显示欠采样信号频谱（含混叠分量），中间显示sinc滤波器频率响应（主瓣宽度=100Hz），右侧显示滤波后频谱——混叠分量被压制到-40dB以下。关键技巧：滤波器响应用freqz(h,1,1024,fs)计算，确保与信号FFT点数一致。
- 5-3.jpg（重构波形细节）：调用plot_reconstruction_detail()函数（第256行）。放大显示0.02~0.03s区间，对比原始信号（黑色）、sinc重建（红色）、ZOH重建（蓝色）的细微差异。特别标注两个位置：A点（信号过零点）显示sinc重建的过冲，B点（信号峰值）显示ZOH的阶梯状失真。
所有图表均通过exportgraphics(gcf,'pic/5-1.jpg','ContentType','image')导出，确保分辨率适配论文打印。

5. 常见问题与排查技巧实录：从报错信息到认知误区的全链路解决

5.1 典型报错与速查表

5.2 认知误区与破除技巧

误区1：“FFT结果就是真实频谱”
学生常把abs(fft(x))当作信号真实功率谱，忽略窗函数效应。破除方法：在实验报告“思考题3”中要求学生用pwelch(x,hamming(256),128,1024,fs)重绘功率谱密度，对比fft结果。会发现pwelch在50Hz处峰值更尖锐，旁瓣更低——这揭示了FFT是周期延拓假设下的频谱，而真实信号需加窗抑制泄漏。

误区2：“理想低通滤波器只要截止频率对就行”
许多学生将sinc滤波器截止频率设为fs/2，却忽略其主瓣宽度由M决定。破除技巧：在work5.m中插入调试代码[H,f] = freqz(h,1,1024,fs); figure; plot(f,20*log10(abs(H)));，观察当M=10时-3dB点远高于50Hz，证明滤波器实际带宽不足。这迫使学生理解“设计滤波器”不是设参数，而是权衡性能指标。

误区3：“Python版work5.py只是Matlab的翻译”
实际上，numpy.fft.fft默认不进行fftshift，且scipy.signal.firwin设计的滤波器相位响应与sinc不同。破除方法：要求学生在Python版中添加np.fft.fftshift，并用scipy.signal.group_delay计算群延迟，对比Matlab版的线性相位特性。这个练习会让他们深刻体会“相同原理，不同实现”的工程本质。

5.3 教师端独家调试技巧

• 快速验证学生作业：用diff([1.jpg 2.jpg 5-1.jpg])命令批量比对学生提交的截图与标准图的像素差异，差异率>5%即判定未按要求操作；
• 动态演示混叠边界：在课堂上演示时，将fs设为滑块变量，实时拖动观察2.jpg频谱峰值移动，当fs降至100Hz时，峰值突跳至0Hz，直观展示临界点；
• 误差分析进阶：指导学有余力者修改work5.m，在重建后添加x_noise = x_recon + 0.05*randn(size(x_recon));，观察噪声对不同重建方法的影响，引出维纳滤波概念。

这个实验包的终极价值，不在于教会学生运行一段代码，而在于让他们在修改一个参数、观察一张截图、计算一个误差的过程中，亲手触摸到数字世界的底层纹理——那里没有魔法，只有严谨的数学与诚实的物理定律。

本文还有配套的精品资源，点击获取

简介：一套开箱即用的信号处理教学实验材料，重点演示如何通过不同采样率对连续信号进行离散化，并利用理想低通滤波器实现信号恢复。包含可直接运行的work5.m主程序，支持时域波形生成、FFT频谱分析、混叠现象对比及重构误差计算；配套5张分步截图（1.jpg至5-3.jpg），覆盖原始信号、欠采样频谱、过采样效果、滤波前后对比等关键界面；实验五.doc为标准化实验报告模板，含目的、原理、步骤、结果图表、误差分析和思考题参考答案；所有文件按功能归类，图片统一存放于pic子目录，便于教师课堂演示或学生课后复现。额外提供work5.py（Python兼容版本）和requirements.txt，满足多环境适配需求。

本文还有配套的精品资源，点击获取