এটি নমুনা হারের সাথে সম্পর্কিত এবং কীভাবে স্যাম্পলিং ক্লকটি (স্থানীয় দোলক বা এলও) আগ্রহের সংকেত ফ্রিকোয়েন্সি সম্পর্কিত।
বেসউইন্ড সংকেতের নমুনা বর্ণালীতে (এলিয়াসিং প্রতিরোধে) সর্বাধিক ফ্রিকোয়েন্সি (বা ব্যান্ডউইথ) দ্বিগুণ Nyquist ফ্রিকোয়েন্সি হার। কিন্তু বাস্তবে দেওয়া সসীম দৈর্ঘ্য সংকেত, এবং এইভাবে অ গাণিতিকভাবে পুরোপুরি bandlimited সংকেত (পাশাপাশি শারীরিকভাবে বাস্তবায়নযোগ্য অ ইট-প্রাচীর ফিল্টারের সম্ভাব্য প্রয়োজন হিসাবে), ডিএসপি জন্য স্যাম্পলিং ফ্রিকোয়েন্সি হতে হয়েছে উচ্চতর দুইবার সর্বোচ্চ সংকেত ফ্রিকোয়েন্সি চেয়ে । সুতরাং নমুনার হার (2 এক্স এলও) দ্বিগুণ করে নমুনার সংখ্যা দ্বিগুণ করা এখনও খুব কম হবে be নমুনা হারকে চারগুণ (4 এক্স এলও) আপনাকে Nyquist হারের চেয়ে সুন্দরভাবে উপরে রাখবে, তবে সেই উচ্চতর ফ্রিকোয়েন্সি নমুনা হারটি সার্কিট উপাদান, এডিসির কার্য সম্পাদন, ডিএসপি ডেটার রেট, প্রয়োজনীয় মেগাফ্লপস ইত্যাদির ক্ষেত্রে আরও ব্যয়বহুল হবে be
তাই আই কিউ স্যাম্পলিং প্রায়ই এ (অথবা অপেক্ষাকৃত নিকটে) একটি স্থানীয় অসিলেটর সুদের সংকেত বা ফ্রিকোয়েন্সি ব্যান্ড, যা স্পষ্টত হিসাবে একই ফ্রিকোয়েন্সি সঙ্গে সম্পন্ন করা হয় পথ অত্যন্ত কম স্যাম্পলিং ফ্রিকোয়েন্সি (বেসব্যান্ড সংকেত জন্য) Nyquist অনুযায়ী। সাইন ওয়েভের চক্র অনুসারে একটি নমুনা সমস্ত শূন্য ক্রসিংগুলিতে, বা সমস্ত শীর্ষে বা এর মধ্যে যে কোনও সময়ে হতে পারে। নমুনাযুক্ত সাইনোসয়েডাল সিগন্যাল সম্পর্কে আপনি প্রায় কিছুই শিখবেন না। তবে একে একে একে একে প্রায় অকেজো বলে, আইকিউ নমুনা সেটটির আই স্যাম্পলগুলির সেট করে।
তবে কীভাবে নমুনার সংখ্যা বাড়ানোর বিষয়ে, কেবলমাত্র নমুনার হার দ্বিগুণ করে নয়, প্রতিটি চক্রের প্রথমটির পরে কিছুটা অতিরিক্ত নমুনা গ্রহণ করে। চক্র প্রতি দুটি নমুনা কিছুটা দূরে একটি theাল বা ডেরাইভেটিভ অনুমান করার অনুমতি দেয়। যদি একটি নমুনা শূন্যের উপরে থাকে তবে অতিরিক্ত নমুনা হবে না। সুতরাং আপনি নমুনা দেওয়া হচ্ছে এমন সিগন্যালটি বের করার চেয়ে আরও ভাল be দুটি পয়েন্ট, প্লাস জ্ঞান যে আগ্রহের সংকেতটি প্রায় নমুনা হারে পর্যায়ক্রমে হয় (ব্যান্ড-সীমাবদ্ধতার কারণে) সাধারণত একটি ক্যানোনিকাল সাইনওয়েভ সমীকরণ (প্রশস্ততা এবং ধাপ) এর অজানাগুলি অনুমান করার জন্য যথেষ্ট is
তবে আপনি যদি দ্বিতীয় নমুনার সাথে খুব বেশি দূরে চলে যান, স্যাম্পলগুলির প্রথম সেটটির মাঝামাঝি সময়ে, আপনি 2 এক্স স্যাম্পলিংয়ের মতো একই সমস্যাটি শেষ করেন (একটি নমুনা ধনাত্মক শূন্য ক্রসিংয়ে হতে পারে, অন্যটি আপনাকে নেতিবাচক বলে দেবে) কিছুই)। এটি একই সমস্যা যেমন 2 এক্স খুব কম নমুনার হারের চেয়ে কম।
তবে কোথাও প্রথম সেটটির দুটি নমুনার মধ্যে ("আমি" সেট) রয়েছে একটি মিষ্টি স্পট। অপ্রয়োজনীয় নয়, একই সময়ে নমুনা দেওয়ার মতো, এবং সমানভাবে ব্যবধানযুক্ত নয় (যা নমুনার হার দ্বিগুণ করার সমতুল্য) নয়, এমন একটি অফসেট রয়েছে যা আপনাকে সংকেত সম্পর্কে সর্বাধিক তথ্য দেয়, ব্যয়টি অতিরিক্ত নমুনার পরিবর্তে সঠিক বিলম্ব হিসাবে একটি অনেক বেশি নমুনা হার। দেখা যাচ্ছে যে বিলম্বটি 90 ডিগ্রি। এটি আপনাকে একটি খুব দরকারী "কিউ" নমুনার সেট দেয়, যা "আই" সেটটির সাথে একত্রে আপনাকে সিগন্যাল সম্পর্কে অনেক বেশি বলে দেয়। এএম, এফএম, এসএসবি, কিউএএম, প্রভৃতি ইত্যাদির ডিডোমুলেট করার পক্ষে যথেষ্ট যখন জটিল বা আইকিউ নমুনা বাহক ফ্রিকোয়েন্সি বা খুব কাছাকাছি, 2 এক্স এর চেয়ে বেশি।
যোগ করা হয়েছে:
স্যাম্পলগুলির দ্বিতীয় সেটটির জন্য সঠিক 90 ডিগ্রি অফসেটটি ডিএফটি-র অংশের ভিত্তিক ভেক্টরগুলির অর্ধেকের সাথেও খুব ভালভাবে মিলিত হয়। অ-প্রতিসাম্যহীন ডেটা সম্পূর্ণরূপে উপস্থাপন করার জন্য একটি সম্পূর্ণ সেট প্রয়োজন। আরও দক্ষ এফএফটি অ্যালগরিদম খুব সাধারণভাবে প্রচুর সংকেত প্রক্রিয়াকরণ করতে ব্যবহৃত হয়। অন্যান্য নন-আইকিউ স্যাম্পলিং ফর্ম্যাটগুলির জন্য হয় তথ্যের প্রাক প্রসেসিং প্রয়োজন (উদাহরণস্বরূপ পর্ব বা লাভের কোনও আইকিউ ভারসাম্যহীনতার জন্য সামঞ্জস্য করা), বা দীর্ঘতর এফএফটি ব্যবহার করা, সম্ভবত সাধারণত ফিল্টারিং বা ডিমোডুলেশনের জন্য সাধারণত সাধারণত কার্যকরভাবে কম দক্ষ হতে পারে আইডিএফ ডেটার এসডিআর প্রক্রিয়াকরণ।
যোগ করা হয়েছে:
আরও মনে রাখবেন যে একটি এসডিআর আইকিউ সিগন্যালের জলপ্রপাত ব্যান্ডউইথটি, যা প্রশস্ত-ব্যান্ড বলে মনে হচ্ছে সাধারণত আইকিউ বা জটিল নমুনা হারের চেয়ে কিছুটা সংক্ষিপ্ত, যদিও প্রি-জটিল-হিটারোডিন কেন্দ্রের ফ্রিকোয়েন্সি আইকিউ নমুনার হারের চেয়ে অনেক বেশি হতে পারে । সুতরাং উপাদান হার (একক কমপ্লেক্স বা আইকিউ নমুনা প্রতি 2 উপাদান), যা আইকিউ হারের দ্বিগুণ, সুদের ব্যান্ডউইথের দ্বিগুণের চেয়ে বেশি হয়ে শেষ হয়, এভাবে নাইকুইস্ট নমুনা অনুসরণ করে।
যোগ করা হয়েছে:
আপনি কেবল ইনপুটটি বিলম্ব করেই দ্বিতীয় চতুর্ভুজ সংকেত তৈরি করতে পারবেন না, কারণ আপনি 90 ডিগ্রি পরে সিগন্যাল এবং সিগন্যালের মধ্যে পরিবর্তন খুঁজছেন। এবং যদি আপনি একই দুটি মান ব্যবহার করেন তবে কোনও পরিবর্তন দেখতে পাবেন না। আপনি যদি দুটি ভিন্ন সময়ে নমুনা করেন তবে সামান্য অফসেট করুন।