det finns tre huvudorsaker för att utföra översampling:
Anti-aliasingEdit
översampling kan göra det lättare att realisera analoga anti-aliasing-filter. Utan översampling är det mycket svårt att implementera filter med den skarpa avstängningen som krävs för att maximera användningen av den tillgängliga bandbredden utan att överskrida Nyquist-gränsen. Genom att öka bandbredden för provtagningssystemet kan designbegränsningar för anti-aliasing-filtret vara avslappnade. När samplas, signalen kan digitalt filtreras och nedsamplas till önskad samplingsfrekvens. I modern integrerad kretsteknik är det digitala filtret associerat med denna nedsampling lättare att implementera än ett jämförbart analogt filter som krävs av ett icke-översamplat system.
ResolutionEdit
i praktiken implementeras översampling för att minska kostnaderna och förbättra prestanda för en analog-till-digital-omvandlare (ADC) eller digital-till-analog-omvandlare (DAC). Vid översampling med en faktor N ökar det dynamiska området också en faktor N eftersom det finns N gånger så många möjliga värden för summan. Signal-brusförhållandet (SNR) ökar emellertid med N {\displaystyle {\sqrt {n}}}
, eftersom summering av okorrelerat brus ökar dess amplitud med N {\displaystyle {\sqrt {n}}}
, medan summering av en sammanhängande signal ökar dess genomsnitt med N. som ett resultat ökar SNR med n {\displaystyle {\sqrt {n}}}
.
för att implementera en 24-bitars omvandlare är det till exempel tillräckligt att använda en 20-bitars omvandlare som kan köras med 256 gånger målsamplingsfrekvensen. Kombinera 256 på varandra följande 20-bitarsprover kan öka SNR med en faktor 16, vilket effektivt lägger till 4 bitar i upplösningen och producerar ett enda prov med 24-bitarsupplösning.
antalet prover som krävs för att få n {\displaystyle n}
bitar med ytterligare dataprecision är antal prover = ( 2 n ) 2 = 2 2 n . {\displaystyle {\mbox{antal prover}}=(2^{n})^{2}=2^{2n}.}
för att få medelprovet skalat upp till ett heltal med n {\displaystyle n}
ytterligare bitar, summan av 2 2 n {\displaystyle 2^{2n}}
samplingar divideras med 2 n {\displaystyle 2^{n}}
: skalat medelvärde = 0 2 2 n − 1 2 n data i 2 2 n = 0 2 2 n − 1 data i 2 n . {\displaystyle {\mbox {scaled mean}}={\frac {\sum \ limits _{i = 0}^{2^{2n}-1}2^{n}{\text{data}} _ {i}}{2^{2n}}} = {\frac {\sum \ limits _{i = 0}^{2^{2n}-1} {\text{data}} _ {i}}{2^{n}}}.}
detta medelvärde är endast effektivt om signalen innehåller tillräckligt okorrelerat brus för att registreras av ADC. Om inte, när det gäller en stationär ingångssignal, skulle alla 2 n {\displaystyle 2^{n}}
prover ha samma värde och det resulterande genomsnittet skulle vara identiskt med detta värde; så i detta fall skulle översampling inte ha gjort någon förbättring. I liknande fall där ADC inte registrerar något brus och ingångssignalen förändras över tiden, förbättrar översampling resultatet, men i en inkonsekvent och oförutsägbar utsträckning. att lägga till lite dithering buller till ingångssignalen kan faktiskt förbättra det slutliga resultatet eftersom ditherbruset tillåter översampling att arbeta för att förbättra upplösningen. I många praktiska tillämpningar är en liten ökning av buller väl värt en betydande ökning av mätupplösningen. I praktiken kan ditheringbruset ofta placeras utanför frekvensområdet av intresse för mätningen, så att detta brus därefter kan filtreras ut i den digitala domänen—vilket resulterar i en slutlig mätning, i frekvensområdet av intresse, med både högre upplösning och lägre brus.
NoiseEdit
om flera prover tas av samma mängd med okorrelerat brus tillsatt till varje prov, då eftersom, som diskuterats ovan, okorrelerade signaler kombineras mer svagt än korrelerade, minskar medelvärdet av N-prover bruseffekten med en faktor N. Om vi till exempel översampar med en faktor 4, förbättras signal-brusförhållandet i termer av effekt med faktor 4 vilket motsvarar en faktor 2 förbättring när det gäller spänning.
vissa typer av ADC som kallas delta-Sigma-omvandlare producerar oproportionerligt mer kvantiseringsbrus vid högre frekvenser. Genom att köra dessa omvandlare vid någon multipel av målsamplingsfrekvensen och lågpassfiltrering av den översamplade signalen ner till hälften av målsamplingsfrekvensen kan ett slutresultat med mindre brus (över hela omvandlarens band) erhållas. Delta-Sigma-omvandlare använder en teknik som kallas brusformning för att flytta kvantiseringsbruset till de högre frekvenserna.