他让我看重采样

昨天写的重采样文章被一个大佬看到了，给我发了消息如下

大佬是个技术原厂Linux方向的负责人，我在工作上遇到的好几次疑难杂症都是在他的指点下得到解决，而且平时讨论技术的时候，能感觉到他对技术问题理解很深。

从他的话语里面可以知道，如果要降采样只是单单的去掉一些采样点的话，势必会导致混叠问题。

什么是混叠现象

下图为时域混叠的体现，输入信号的频率为900k，采样的频率只有1M，图中的每个黑点代表一个采样点，将这些点集合起来就是一个100k的信号，发现由于采样频率低缘故把一个900k的信号看成了100k，这个100k信号就是混叠信号，实际任何超过采样频率一半的信号都会产生混叠信号，这个一半的限制频率就是奈奎斯特频率，超过奈奎斯特频率的信号都会产生混叠。

我们在观察混叠的时候，是可以从频谱上看出来

所以，我们在做降采样的时候，需要做两件事情：滤波-做插值

有一个python刚好可以做这方面的测试，用不同的滤波器长度也会有不同的效果。

https://pytorch.org/tutorials/beginner/audio_resampling_tutorial.html

需要安装的一些环境，可以参考之前的文章

oh，我这个大佬盆友教我整机器学习

之后就可以跑他里面的demo了「有些需要的库亲测可以用pip安装，就不说了」

https://github.com/weiqifa0/python_resample

我们生成一个48K的扫频文件

如果直接降低采样率到32K

可以看到上面有混叠产生，这样一定会导致声学测试失败。

然后我们增加一个128的低通滤波器后再进行重采样

可以看到，这样重采样的波形是正常的。

同样的，升采样也需要滤波器的参与，文章中除了讨论滤波器的作用外，还提到了rolloff 「截止衰减频率」，设置这个参数也可以解决因为重采样导致的抗混叠问题。

---

今天还看到，除了我昨天说到的重采样c方法外，有一个外文网站专门讨论重采样的文章，而且里面也有提到重采样的代码方法。

https://ccrma.stanford.edu/~jos/resample/

这里面有很多关于这部分的资料

https://ccrma.stanford.edu/~jos/resample/Free_Resampling_Software.html