抽样定理

通信原理实验-抽样定理(总9页)
实验名称：抽样定理
实验目的：
1.理解抽样定理的意义和应用
2.掌握抽样定理的实验方法
实验原理：
抽样定理是通信原理中非常重要的一个原理，它是指在信号经过理想低通滤波器之后，如果采样频率大于等于信号频率的两倍，就可以完全恢复原始信号，这个定理也称为奈奎
斯特定理。

实验器材：
示波器、函数信号发生器、导线、面包板。

实验步骤：
1.将函数信号发生器的频率调整至1kHz，并将示波器连接至信号发生器输出端口检测波形。

2.在示波器上观察到正弦波形之后，将频率调整至5kHz，再次观察波形。

5.根据抽样定理的公式计算出采样频率，例如在10kHz时，采样频率应大于等于
20kHz。

6.将采样频率设置为30kHz，并观察波形。

7.继续提高采样频率直至可清晰观察到原始信号的波形。

实验结果：
在采样频率大于20kHz的情况下，可以清晰地观察到原始信号的波形。

在采样频率低
于20kHz的情况下，原始信号的波形会出现明显的径向失真。

实验分析：
在通信系统中，信号传输的过程中可能会发生失真现象，而抽样定理可以帮助我们消
除这种失真。

在本实验中，我们使用函数信号发生器产生不同频率的信号，并通过示波器
观察波形。

通过设置不同的采样频率，可以清晰地观察到原始信号的波形，并验证奈奎斯特定理的正确性。

通过本实验验证了奈奎斯特定理的正确性，即在采样频率大于信号频率的两倍时，可以完全恢复原始信号，避免信号采样带来的失真。

抽样定理定义:在一个频带限制在（0，f h）内的时间连续信号f（t），如果以1/2 f h的时间间隔对它进行抽样，那么根据这些抽样值就能完全恢复原信号。

或者说，如果一个连续信号f（t）的频谱中最高频率不超过f h，当抽样频率f S≥2 f h时，抽样后的信号就包含原连续的全部信息。

抽样定理在实际应用中应注意在抽样前后模拟信号进行滤波，把高于二分之一抽样频率的频率滤掉。

这是抽样中必不可少的步骤。

07年的抽样定理：设时间连续信号f（t），其最高截止频率为f m ，如果用时间间隔为T<=1/2f m的开关信号对f（t）进行抽样时，则f（t）就可被样值信号唯一地表示。

什么是A/D转换和D/A转换？什么是A/D转换和D/A转换？一。

什么是a/d.d/a转换：随着数字技术，特别是信息技术的飞速发展与普及，在现代控制。

通信及检测等领域，为了提高系统的性能指标，对信号的处理广泛采用了数字计算机技术。

由于系统的实际对象往往都是一些模拟量(如温度。

压力。

位移。

图像等),要使计算机或数字仪表能识别。

处理这些信号，必须首先将这些模拟信号转换成数字信号；而经计算机分析。

处理后输出的数字量也往往需要将其转换为相应模拟信号才能为执行机构所接受。

这样，就需要一种能在模拟信号与数字信号之间起桥梁作用的电路-模数和数模转换器。

将模拟信号转换成数字信号的电路，称为模数转换器(简称a/d转换器或adc,analog to digital converter)；将数字信号转换为模拟信号的电路称为数模转换器(简称d/a转换器或dac,digital to analog converter)；a/d转换器和d/a转换器已成为信息系统中不可缺俚慕涌诘缏贰？br>为确保系统处理结果的精确度，a/d转换器和d/a转换器必须具有足够的转换精度；如果要实现快速变化信号的实时控制与检测，a/d与d/a转换器还要求具有较高的转换速度。

转换精度与转换速度是衡量a/d与d/a转换器的重要技术指标。

抽样定理是通信理论中的一个重要定理，它是模拟信号数字化的理论基础，包括时域抽样定理和频域抽样定理。

抽样定理，也称为香农采样定律和奈奎斯特采样定律，是信息论特别是通信和信号处理中的重要基础结论。

E.T.惠特克（统计理论发表于1915年），克劳德·香农和哈里·奈奎斯特对此做出了重要贡献。

此外，V。

A. Kotelnikov也对该定理做出了重要贡献。

采样是将信号（即空间中的连续函数）转换为数字序列（即空间中的离散函数）。

采样后的离散信号通过保持器后，获得具有零阶保持器特性的阶跃信号。

如果信号受频带限制，并且采样频率高于信号最高频率的两倍，则可以从采样样本中完全重建原始连续信号。

限带信号转换的速度受到其最高频率分量的限制，也就是说，其在离散时间采样和表达信号细节的能力非常有限。

抽样定理意味着，如果信号带宽小于奈奎斯特频率（即采样频率的一半），那么这些离散采样点就可以完全代表原始信号。

高于或处于奈奎斯特频率的频率分量将导致混叠。

大多数应用都需要避免混叠，混叠的严重程度与这些混叠频率分量的相对强度有关。

采样过程中应遵循的定律也称为抽样定理和抽样定理。

抽样定理解释了采样频率和信号频谱之间的关系，这是连续信号离散化的基本基础。

抽样定理最早是由美国电信工程师H. Nyquist于1928年提出的，因此被称为Nyquist抽样定理。

1933年，苏联工程师科特尔尼科夫首次严格地通过公式表达了这一原理，因此在苏联文学中被称为科特尔尼科夫抽样定理。

1948年，信息理论的创始人C.E. Shannon 清楚地解释了这一原理，并将其正式引用为一个定理，因此在许多文献中也称为Shannon抽样定理。

抽样定理有很多表达式，但是最基本的表达式是时域抽样定理和频域抽样定理。

抽样定理广泛应用于数字遥测系统，时分遥测系统，信息处理，数字通信和采样控制理论中。

nyquist抽样定理
纳奎斯特抽样定理，又称纳奎斯特采样定理，是信号处理学中的一个重要定理，是由瑞典电子工程师Harry Nyquist于1928年提出的。

纳奎斯特抽样定理指出，要将连续时间的信
号无损地采样成离散时间的信号，采样频率必须大于原信号最大频率的两倍，即采样频率必须大于最高频率的两倍，也就是说，采样频率必须大于信号最高频率的两倍。

简单来说，纳奎斯特抽样定理指出，要想得到完整的信号，最低的采样频率必须大于信号最高频率的两倍。

这就是所谓的“双倍频率”原理，也叫做“纳奎斯特抽样定理”。

纳奎斯特抽样定理的最重要的概念是：在采样之前，信号的频率是有限的；在采样之后，信号的频率也是有限的，其值为原信号最高频率的一半。

也就是说，如果原信号的最高频率不超过采样频率的一半，那么在采样过程中不会丢失任何有用的信息。

如果原信号的最高频率超过采样频率的一半，那么在采样过程中就会丢失一部分有用的信息。

纳奎斯特抽样定理给信号处理提供了重要的理论基础，在数字信号处理的各个领域都得到了广泛的应用。

它是必须掌握的重要定律，并且它的实践应用也十分重要。

纳奎斯特抽样定理在数字音频处理、数字图像处理、数字视频处理等方面都有重要的应用，尤其是在数字信号处理领域，它的实践应用更为重要。

抽样定理抽样的分类：（1） 根据信号是低通型的还是带通型的，抽样定理分低通抽样定理和带通抽样定理；（2） 用来抽样的脉冲序列是等间隔的还是非等同间隔的，又分为均匀抽样定理和非均匀抽样定理；（3） 抽样的脉冲序列是冲击序列还是非冲击序列，又分为理想抽样和实际抽样。

低通型连续信号抽样定理抽样定理是通信原理中十分重要的定理之一，是模拟信号数字化的理论基础。

低通型连续信号的抽样定理：一个频带限制在(0,)H f 赫内的时间连续信号()m t ，若以12H f 的间隔对他进行等间隔抽样，则()m t 将被所得到的抽样值完全确定。

说明：抽样过程中满足抽样定理时，PCM 系统应无失真。

这一点与量化过程有本质区别。

量化是有失真的，只不过失真的大小可以控制。

低通型连续抽样定理证明设()m t 的频带为(0,)H f ，图中将时间连续信号()m t 和周期性冲激序列()T t δ相乘，用()s m t 表示此抽样函数，即()()()s T m t m t t δ=假设()m t 、()T t δ、()s m t 的频谱分别为()M ω、()T δω、()s M ω。

按照频域卷积定理，1()[()()]2s T M M ωωδωπ=因为 2()()T S n n T πδωδωω∞=-∞=-∑ 2S Tπω=所以， 1()[()*()]s s n M M n T ωωδωω∞=-∞=-∑由卷积关系，上式可写成1()()s s n M M n T ωωω∞=-∞=-∑ 上式表明，已抽样信号()s m t 的频谱()s M ω是无穷多个间隔为s ω的()M ω相迭加而成。

这表明()s M ω包含()M ω迭全部信息。

带通型抽样定理。

信号的抽样与恢复（抽样定理）信号的抽样和恢复是数字信号处理中的基本操作。

它是将连续时间信号（模拟信号）转化为离散时间信号（数字信号）的过程，也是将数字信号转化为连续时间信号的过程。

抽样定理是信号的抽样和恢复中一个十分重要的定理，它的证明也是数字信号处理中的一个重要课题。

一、信号的抽样在信号处理中，可以通过对连续时间信号进行离散化处理，使其转化为离散时间信号，便于数字处理。

抽样是指在每隔一定的时间间隔内对连续时间信号进行采样，得到一系列离散的采样值。

抽样操作可以用如下公式进行表示：x(nT) = x(t)|t=nT其中，x(t)是原始连续时间信号，x(nT)是在时刻nT处采样得到的值，T为采样周期。

具体来说，采样过程可以通过模拟信号经过一个采样和保持电路，将连续时间信号转换为离散信号的形式。

这里的采样周期越小，采样得到的离散信号的数量就越多，离散信号在时间轴的表示就越密集。

抽样后得到的信号形式如下：二、抽样定理抽样定理又称为奈奎斯特定理，是数字信号处理中的基础理论之一。

它指出，如果连续时间信号x(t)的带宽为B，则在抽样周期为T时，可以恰好通过抽样重建出原始信号x(t)，当且仅当：T ≤ 1/(2B)即抽样周期T应小于等于原始信号的最大频率的倒数的一半。

这个定理的物理意义是，需要对至少每个周期内的信号进行采样，才能够恢复出连续信号。

如果采样周期过大，将会丢失信号的高频成分，从而无法准确重建原始信号。

抽样定理说明了作为采样频率的一个下限值2B，因为将采样频率设置为低于此值会失去信号的唯一信息（高频成分）。

当采样频率等于2B时，可以从这些采样值恢复出信号的完整频率谱，即避免了信息损失。

三、信号的恢复当原始信号被采样后，需要对采样得到的离散信号进行恢复，以便生成一个趋近于原始信号的连续信号。

采样定理的证明告诉了我们如何确保在扫描连续信号的采样点时，可以正确地还原其原始形式。

例如，可以通过插值的方式将采样点之间的值计算出来，从而恢复出连续时间信号。

抽样定理的分析与仿真抽样定理（Sampling theorem）是一种用于信号处理和统计学中的理论，它描述了在进行信号采样时，采样频率应该满足的最低条件，以确保从采样信号中可以恢复原始信号的全部信息。

抽样定理的原理是基于奈奎斯特-香农采样定理（Nyquist-Shannon sampling theorem）。

该定理提供了一个准确的方式来进行信号重建，即信号的采样频率必须大于等于信号中最高频率成分的两倍。

这样的采样频率可以确保在进行信号重建时，不会产生额外的混叠（aliasing），从而保留原始信号的频谱信息。

在进行抽样定理的分析和仿真时，首先需要明确信号的频谱特性和采样要求。

频谱特性可以通过信号的傅里叶变换来获得，而采样要求通常由信号的最高频率成分确定。

接下来，可以通过理论分析来验证抽样定理是否满足。

例如，可以运用奈奎斯特-香农采样定理，计算信号的最高频率成分和采样频率的关系，以确认是否满足最低采样频率要求。

如果采样频率低于最低要求，将会导致混叠现象，即信号的高频成分被错误地表示为低频成分。

因此，采样频率必须高于信号频率的两倍。

此外，还可以通过信号的重建进行仿真来验证抽样定理的有效性。

在进行仿真时，首先需要将信号进行离散化，即从连续时间域转换到离散时间域。

然后，可以基于抽样频率进行插值操作，以恢复原始信号。

最后，通过比较原始信号和重建信号的频谱信息来评估抽样定理的有效性。

在仿真过程中，可以考虑不同的采样频率，观察重建信号的质量如何随着采样频率的变化而变化。

如果采样频率低于最低要求，将会出现明显的混叠现象，而高于最低要求的采样频率，则可以正确地恢复原始信号。

总结来说，抽样定理的分析与仿真可以通过理论分析和信号重建过程来验证。

这种方法可以确保在信号采样过程中，满足最低采样频率要求，以保留原始信号的全部信息。

这对于信号处理和统计学应用非常重要，以确保准确和可靠的结果。

抽样定理词义就是对时间连续的信号隔一定的时间间隔T抽取一个瞬时幅度值分类时域抽样定理、频域抽样定理基本定义所谓抽样，就是对时间连续的信号隔一定的时间间隔T 抽取一个瞬时幅度值（样值），抽样是由抽样门完成的。

在一个频带限制在（0，f h）内的时间连续信号f（t），如果以小于等于1/(2 f h)的时间间隔对它进行抽样，那么根据这些抽样值就能完全恢复原信号。

或者说，如果一个连续信号f（t）的频谱中最高频率不超过f h，这种信号必定是个周期性的信号，当抽样频率f S≥2 f h时，抽样后的信号就包含原连续信号的全部信息，而不会有信息丢失，当需要时，可以根据这些抽样信号的样本来还原原来的连续信号。

根据这一特性，可以完成信号的模-数转换和数-模转换过程。

意义介绍抽样定理指出，由样值序列无失真恢复原信号的条件是f S≥2 f h ，为了满足抽样定理，要求模拟信号的频谱限制在0～f h之内（fh为模拟信号的最高频率）。

为此，在抽样之前，先设置一个前置低通滤波器，将模拟信号的带宽限制在fh以下，如果前置低通滤波器特性不良或者抽样频率过低都会产生噪声。

例如，话音信号的最高频率限制在3400HZ，这时满足抽样定理的最低的抽样频率应为fS=6800HZ，为了留有一定的防卫带，CCITT规定话音信号的抽样率fS=8000HZ，这样就留出了8000-6800=1200HZ作为滤波器的防卫带。

应当指出，抽样频率fS不是越高越好，太高时，将会降低信道的利用率（因为随着fS升高，数据传输速率也增大，则数字信号的带宽变宽，导致信道利用率降低。

）所以只要能满足fS≥2f h,并有一定频带的防卫带即可。

以上讨论的抽样定理实际上是对低通信号的情况而言的，设模拟信号的频率范围为f0～fh，带宽B=fh - f0.如果f0<B，称之为低通型信号，例如，话音信号就是低通型信号的，弱f0>B，则称之为带通信号，载波12路群信号（频率范围为60～108KHZ）就属于带通型信号。

实验四、抽样定理
抽样定理是模拟信号数字化的理论基础。

当采样频率 小于 时, 在接收端恢复的信号失真比较大, 这是因为存在信号的混频；当采样频率大于或等于奈奎斯特频率 时, 恢复信号与原信号基本一致。

理论上, 理想的抽样频率为2倍的奈奎斯特带宽, 但实际工程应用中, 限带信号绝不会严格限带, 且实际滤波器特性并不理想, 通常选取抽样频率的2.5～5倍的最高频率 进行采样以避免失真。

例如, 普通的话音信号带宽为3.4kHz 左右, 而抽样频率则通常选取8kHz 。

本实验被采样的模拟信号源是幅度1V 、频率为100Hz 的正弦波, 抽样脉冲为窄矩形脉冲, 脉宽为1微秒。

抽样器用乘法器代替。

用于恢复信号的低通滤波器采用三阶巴特沃斯低通滤波器（Butterworth ）。

为验证信号与恢复不失真条件和分析信号失真的原因, 我们分别选取了100Hz 、200Hz 、500Hz 等几种不同的抽样频率, 对原输入信号波形与抽样恢复后的波形进行观察和分析。

实验信号采样与恢复原理图:
信号采样与恢复的仿真模型如图:
1．实验要求: 信号源 信号预处理 LPF 抽样脉冲
恢复信号
2．根据要求搭建实验仿真的电路模型, 并进行参数设置, 系统采样速率为10kHz, 采样点为1024；
3．实验恢复过程, 为了便于观察, 将图中的两个增益置100；
4．观察原始信号、抽样脉冲、抽样信号、及恢复信号的波形与频谱；
5．将抽样脉冲频率分别置100、200、500Hz, 观察恢复后信号的波形的失真度, 验证抽样定理的要求；
6．观察图中使用的1.4两个LPF的作用；
将实验结果记录下来, 完成实验报告。

抽样定理与信号恢复实验报告一、实验目的1、掌握抽样定理的基本原理和抽样过程。

2、理解抽样频率对信号恢复的影响。

3、学会使用实验设备进行抽样和信号恢复的操作。

4、通过实验观察和数据分析，验证抽样定理的正确性。

二、实验原理1、抽样定理抽样定理指出，对于一个带宽有限的连续信号，如果抽样频率大于或等于信号最高频率的两倍，那么可以通过抽样值无失真地恢复出原始信号。

设连续信号为＄f(t)＄，其频谱为＄F(ω)＄，最高频率为＄ω_m$。

以抽样间隔＄T_s ＝ 1/f_s$ 对＄f(t)＄进行抽样，得到抽样信号＄f_s(t)＄。

抽样信号的频谱＄F_s(ω)＄是原信号频谱＄F(ω)＄以抽样频率＄ω_s ＝2πf_s$ 为周期进行周期延拓。

2、信号恢复从抽样信号恢复原始信号通常使用低通滤波器。

理想低通滤波器的频率响应为：＼H(ω) ＝＼begin{cases}1, ＆｜ω| ＜ω_c ＼＼0, ＆｜ω| ＞ω_c＼end{cases}＼其中，＄ω_c$ 为低通滤波器的截止频率，通常取＄ω_c ＝ω_m$。

通过低通滤波器对抽样信号进行滤波，即可得到恢复后的信号。

三、实验设备1、信号发生器：用于产生连续信号。

2、抽样脉冲发生器：产生抽样脉冲。

3、示波器：用于观察信号的波形。

4、低通滤波器：实现信号的恢复。

四、实验内容及步骤1、产生连续信号使用信号发生器产生一个频率为＄f_1$ 的正弦信号，调节信号的幅度和频率，使其在示波器上显示清晰稳定。

2、选择抽样频率设置不同的抽样频率＄f_s$，分别为＄2f_1$、＄3f_1$ 和＄5f_1$。

3、抽样过程将抽样脉冲与连续信号同时输入到示波器的两个通道，观察抽样信号的波形。

4、信号恢复将抽样信号通过低通滤波器，在示波器上观察恢复后的信号，并与原始信号进行比较。

5、记录数据记录不同抽样频率下抽样信号和恢复信号的波形、幅度和频率等数据。

五、实验数据及分析1、当抽样频率为＄2f_1$ 时抽样信号的频谱发生了混叠，通过低通滤波器恢复的信号出现了明显的失真，幅度减小，频率也发生了变化。

抽样定理什么是抽样定理？抽样定理是统计学中一个重要的概念，它指出了当样本数量足够大时，从一个总体中得到的样本均值的分布将趋向于正态分布。

抽样定理广泛应用于各个领域的统计研究中，为我们提供了一种有效的估计总体参数的方法。

抽样定理的背景抽样定理最早由俄国数学家切比雪夫在1874年提出。

他证明了当总体为无限大且服从一定规律时，从总体中随机抽取的样本均值的分布将逐渐趋近于正态分布。

这个定理被广泛应用于概率论、数理统计以及其他与随机变量有关的领域中。

抽样定理的假设抽样定理的有效性基于以下几个重要的假设：1.总体是无限大的；2.样本的抽取是随机的；3.样本之间是相互独立的；4.样本的大小足够大。

这些假设是抽样定理成立的前提条件，只有在满足这些条件的情况下，我们才能应用抽样定理进行推断统计。

抽样定理的应用抽样定理为统计学的推断统计提供了有力的工具。

通过从总体中随机抽取样本，我们可以利用抽样定理来估计总体的参数。

例如，我们可以根据样本均值来估计总体的均值，根据样本标准差来估计总体的标准差等。

除了参数估计，抽样定理还可以用于假设检验。

通过计算样本均值与总体均值之间的差异，在一定的统计显著性水平下，我们可以判断总体均值是否与某个假设值相差显著。

抽样定理的局限性尽管抽样定理在统计学中有着广泛的应用，但我们也需要注意它的局限性。

抽样定理仅适用于样本数量足够大的情况下，当样本数量较小时，抽样定理可能并不成立。

此外，抽样定理假设总体分布为正态分布，然而实际情况中总体的分布并不总是正态分布，这也是抽样定理的一大限制。

总结抽样定理是统计学中一个重要的概念，它指出了从一个总体中得到的样本均值的分布将趋向于正态分布。

抽样定理为我们提供了一种有效的估计总体参数的方法。

然而，我们需要注意抽样定理的前提条件和限制，在应用抽样定理时要考虑到这些因素。

抽样定理在统计学中有着广泛的应用，为我们理解和推断总体提供了有力的工具。

以上是关于抽样定理的文档，希望能对您有所帮助！。

抽样定理实验原理
抽样定理是统计学中的一项重要原理，它可以帮助研究者在分析数据时得出准确的结论。

抽样定理的实验原理是通过从总体中随机抽取一部分样本，并对这些样本进行观察和分析，从而推断出总体的性质。

实际操作中，研究者需要按照一定的规则从总体中选择样本。

这种选择需要具备随机性，确保每个样本都有被选择的机会，并且不会受到任何外部因素的干扰。

通过随机抽样，可以减小样本选择的偏差，提高对总体的推断准确性。

在实验开始前，研究者需要确定样本的大小。

通常情况下，样本越大，推断总体特征的准确性就越高。

然而，样本大小的选择也需要考虑实际操作的可行性以及经济成本等因素。

当样本被选定后，研究者可以对样本进行观察和测量。

通过对样本数据的分析，可以获取有关总体的统计信息，如均值、方差等。

同时，抽样定理指出，样本均值的分布会逐渐接近总体均值，而样本方差的分布也会逐渐接近总体方差。

基于抽样定理的实验原理，研究者可以运用统计学中的各种方法，如假设检验、置信区间估计等，来推断总体的特征。

这些方法可以帮助研究者对数据进行分析和解释，进而得出科学结论。

总之，抽样定理的实验原理是通过随机抽样和样本观察来推断总体性质的一种统计学原理。

它在现实应用和科学研究中扮演
着重要角色，帮助研究者从有限的样本中获取对总体的准确认识。

（一）信号抽样信号抽样是利用抽样脉冲序列)(t p 从连续信号)(t f 中抽取一系列的离散值，通过抽样过程得到的离散值信号称为抽样信号，记为)(t f s 。

从数学上讲，抽样过程就是信号相乘的过程，即)()()(t p t f t f s ∙=因此，可以使用傅里叶变换的频域卷积性质来求抽样信号)(t f s 的频谱。

常用的抽样脉冲序列有周期矩形脉冲序列和周期冲激脉冲序列。

上式表明，信号在时域被抽样后，它的频谱是原连续信号频谱以抽样角频率为间隔周期的延拓，即信号在时域抽样或离散化，相当于频域周期化。

在频谱的周期重复过程中，其频谱幅度受抽样脉冲序列的傅里叶系数加权，即被n P 加权。

可以看出，)(ωs F 是以s ω为周期等幅地重复。

（二）抽样定理 如果)(t f 是带限信号，带宽为m ω，则信号)(t f 可以用等间隔的抽样值来唯一表示。

)(t f 经过抽样后的频谱()ωs F 就是将)(t f 的频谱()ωF 在频率轴上以抽样频率s ω为间隔进行周期延拓。

因此，当m s ωω2≥时，周期延拓后频谱()ωs F 不会产生频率混叠；当m s ωω2<时，周期延拓后频谱()ωs F 将产生频率混叠。

通常把满足抽样定理要求的最低抽样频率)2,2(2πωπωm m s s m s f f f f ===称为奈奎斯特频率，把最大允许的抽样间隔ms s f f T 211==称为奈奎斯特间隔。

（三）信号重建 抽样定理表明，当抽样定理小于奈奎斯特间隔时，可以使用抽样信号唯一表示原信号，即信号的重建。

为了从频谱中无失真的恢复原信号，可以采用截止频率为m c ωω≥的理想低通滤波器。

上式表明连续信号可展开为抽样函数()t Sa 的无穷级数，该级数的系数为抽样值。

利用MATLAB 中的函数tt t c ππ)sin()(sin =来表示()t Sa ，所以可获得由()s nT f 重建()t f 的表达式，即()()()⎪⎭⎫ ⎝⎛-=∑+∞=-∞=s c n n s c s nT t c nT f T t f πωπωsin。