<think>我们要生成抽样信号Sa(t)的波形图。Sa(t)函数定义为：Sa(t) = sin(t)/t，通常也称为Sinc函数。但在信号处理中，有两种定义： 1. 非归一化的Sinc函数：sin(t)/t 2. 归一化的Sinc函数：sin(πt)/(πt) 这里我们按照常见的定义，即非归一化的Sinc函数：Sa(t) = sin(t)/t。 注意：在t=0时，函数值为1（通过极限可得）。 步骤： 1. 导入必要的库：numpy和matplotlib 2. 创建时间轴t，注意要避免t=0时的除零问题（可以使用numpy的sin和divide函数，并设置where条件或使用掩码） 3. 计算Sa(t) = sin(t)/t 4. 绘制波形图 为了避免t=0处出现除零错误，我们可以使用numpy.sinc函数吗？注意：numpy.sinc函数使用的是归一化定义：sinc(t) = sin(πt)/(πt)。所以如果我们想要非归一化的，需要自己计算。 我们可以这样处理t=0的点：在t=0处，我们将其设为1，其他点计算sin(t)/t。 另一种方法是使用numpy.where或掩码数组。 下面我们使用两种方法： 方法1：直接计算，对于t=0的点单独处理（利用numpy的数组操作，避免循环） 方法2：使用掩码数组，在t=0处设置为1，然后计算其他点。 这里使用方法1：使用numpy的除法，并利用一个技巧：当t接近0时，sin(t)/t接近1。我们可以通过设置一个很小的阈值，将t=0附近的值设为1。但更简单的是，我们可以利用numpy的除法，而t=0的位置会出现NaN，然后我们将NaN替换为1。 但是，我们也可以使用numpy.sinc函数并调整参数：因为Sa(t)=sin(t)/t，而numpy.sinc(t) = sin(πt)/(πt)，所以我们可以令： Sa(t) = sinc(t/π) ??? 实际上：sinc(t) = sin(πt)/(πt) -> 如果我们令x=t/π，则sinc(x)=sin(πx)/(πx)=sin(t)/(π*(t/π))? 不对，应该这样： 如果我们有：Sa(t)=sin(t)/t，而sinc(t)=sin(πt)/(πt)，那么Sa(t)=sinc(t/π)*π? 不对，因为： sinc(t/π) = sin(π*(t/π)) / (π*(t/π)) = sin(t)/t -> 所以 Sa(t) = sinc(t/π) 因此，我们可以这样计算：Sa(t) = np.sinc(t/np.pi) 但是注意：numpy.sinc函数的定义确实是归一化的sinc函数，即sinc(x)=sin(πx)/(πx)。所以： Sa(t) = sin(t)/t = sin(π*(t/π)) / (π*(t/π)) * (π*(t/π))/(t) ??? 这样不对。 实际上： Sa(t) = sin(t)/t = [sin(π*(t/π))] / [π*(t/π)] * [π*(t/π)] / t = sinc(t/π) * (π*(t/π))/t = sinc(t/π) * 1 = sinc(t/π) 所以：Sa(t)=sinc(t/π) 因此，我们可以使用：y = np.sinc(t/np.pi) 但是，我们也可以自己计算，以明确过程。 为了清晰，我们将采用两种方式实现，并验证一致性。不过这里我们使用直接计算，并处理t=0的情况。 实现步骤： 1. 定义时间范围，比如从-10到10，步长0.01。 2. 创建t数组。 3. 计算y = sin(t)/t，同时将t=0的位置设为1（因为极限为1）。 注意：由于浮点精度，t可能不会精确等于0，所以我们可以使用一个很小的阈值来判断。 然而，更安全的方法是使用numpy的函数，它已经处理了除以0的情况（返回NaN），然后替换NaN。 具体代码： ```python import numpy as np import matplotlib.pyplot as plt # 定义时间范围 t = np.arange(-20, 20, 0.01) # 计算Sa(t) = sin(t)/t y = np.sin(t) / t # 在t=0的位置，由于除以0会得到NaN，我们需要将这些NaN替换为1.0 # 使用numpy的isnan函数找到NaN的位置，然后用1替换 y[np.isnan(y)] = 1.0 # 另一种方法：使用numpy.sinc函数（归一化定义）来得到非归一化的Sa(t)？ # 根据上面的推导：Sa(t)=sinc(t/π) y2 = np.sinc(t/np.pi) # 应该和y一样 # 我们可以验证一下：实际上，y2和y应该是相等的（在数值精度内） # 但由于浮点计算误差，可能会有微小差异。 # 绘制图形 plt.figure(figsize=(12,6)) plt.plot(t, y, 'b-', linewidth=2, label='Sa(t)=sin(t)/t') # 也可以同时绘制y2来比较，这里我们只画一个 plt.title('Sampling Signal Sa(t)', fontsize=14) plt.xlabel('t', fontsize=12) plt.ylabel('Amplitude', fontsize=12) plt.grid(True, linestyle='--', alpha=0.7) # 设置坐标轴范围 plt.xlim(-20, 20) # y轴范围：因为Sa(t)在0附近振荡，且幅值递减，我们设置y轴范围 plt.ylim(-0.3, 1.1) # 标记零点 plt.axhline(y=0, color='k', linestyle='-', alpha=0.3) plt.axvline(x=0, color='k', linestyle='-', alpha=0.3) # 显示图形 plt.legend() plt.tight_layout() plt.show() ``` 注意：由于我们使用`np.arange`创建时间轴，可能不会包含0，但步长0.01，所以会包含0（因为-20到20，0在中间）。但是浮点计算中，0可能被表示为非常接近0的数，所以除以0会出现inf或nan，我们使用`np.isnan`来检测并替换。 但是，上面的方法可能也会遇到当t接近0时，由于浮点精度，sin(t)/t计算不准确的问题，但通常对于绘图来说，使用上述方法已经足够。 另外，我们也可以使用数学方法：对于|t|很小的点，使用泰勒展开近似，但这里不需要。 我们绘制的是从-20到20的Sa(t)波形。 §§相关问题§§: 1. 如何生成归一化的Sinc函数（即sin(πt)/(πt)）的波形？ 2. 如何计算并绘制Sa(t)函数的频谱（傅里叶变换）？ 3. 如何生成一个Sa(t)函数的离散序列，并保存为数据文件？ 4. 在数字信号处理中，Sa(t)函数有哪些应用场景？ </think> # 生成抽样信号 Sa(t) 波形图 抽样信号 Sa(t) 在信号处理中非常重要，定义为 Sa(t) = sin(t)/t（当 t ≠ 0 时），且在 t=0 处定义为 1。以下是用 Python 实现生成 Sa(t) 波形图的完整解决方案： ```python import numpy as np import matplotlib.pyplot as plt from matplotlib.ticker import MultipleLocator # 创建时间轴：从 -30 到 30，步长 0.1 t = np.arange(-30, 30, 0.1) # 计算 Sa(t) = sin(t)/t # 避免除以零错误：在 t=0 处直接设置为 1 sa_t = np.zeros_like(t) mask = t != 0 # 创建非零位置的掩码 sa_t[mask] = np.sin(t[mask]) / t[mask] sa_t[t == 0] = 1 # t=0 处设置为 1 # 创建图形 plt.figure(figsize=(14, 8)) # 绘制 Sa(t) 波形 plt.plot(t, sa_t, 'b-', linewidth=2.5, label=r'$Sa(t) = \frac{\sin(t)}{t}$') # 设置标题和标签 plt.title('Sampling Function Sa(t)', fontsize=16, pad=20) plt.xlabel('Time (t)', fontsize=14, labelpad=10) plt.ylabel('Amplitude', fontsize=14, labelpad=10) # 添加网格和零轴线 plt.grid(True, linestyle='--', alpha=0.7) plt.axhline(y=0, color='k', linewidth=1) plt.axvline(x=0, color='k', linewidth=1) # 设置坐标轴范围 plt.xlim(-30, 30) plt.ylim(-0.3, 1.1) # 设置刻度 plt.gca().xaxis.set_major_locator(MultipleLocator(5)) plt.gca().yaxis.set_major_locator(MultipleLocator(0.1)) # 添加图例 plt.legend(fontsize=12, loc='upper right') # 添加数学公式说明 plt.text(15, 0.9, r'$Sa(t) = \begin{cases} \frac{\sin(t)}{t} & t \neq 0 \\ 1 & t = 0 \end{cases}$', fontsize=16, bbox=dict(facecolor='white', alpha=0.8)) # 高亮显示关键特征点 for n in range(-9, 10): if n != 0: zero_crossing = n * np.pi plt.axvline(x=zero_crossing, color='r', linestyle='--', alpha=0.4) plt.text(zero_crossing, -0.25, f'{n}π', horizontalalignment='center', fontsize=10, color='red') # 添加包络线 envelope = 1 / (np.abs(t) + 1e-10) # 避免除以零 plt.plot(t, envelope, 'g--', linewidth=1.2, alpha=0.7, label='Envelope 1/|t|') plt.plot(t, -envelope, 'g--', linewidth=1.2, alpha=0.7) # 添加图例 plt.legend(fontsize=12) # 显示图形 plt.tight_layout() plt.show() ``` ## 代码解释 ### 1. 时间轴创建 ```python t = np.arange(-30, 30, 0.1) ``` 创建一个从 -30 到 30 的时间轴，步长为 0.1，足够密集以绘制平滑曲线。 ### 2. Sa(t) 计算 ```python sa_t = np.zeros_like(t) mask = t != 0 # 创建非零位置的掩码 sa_t[mask] = np.sin(t[mask]) / t[mask] sa_t[t == 0] = 1 # t=0 处设置为 1 ``` - 避免除以零错误：使用掩码处理 t=0 的情况 - 在 t=0 处直接设置为 1（根据 Sa(t) 的定义） ### 3. 图形设置 ```python plt.figure(figsize=(14, 8)) plt.title('Sampling Function Sa(t)', fontsize=16, pad=20) plt.xlabel('Time (t)', fontsize=14, labelpad=10) plt.ylabel('Amplitude', fontsize=14, labelpad=10) ``` 创建 14×8 英寸的大图，设置标题和坐标轴标签。 ### 4. 特征增强 ```python # 添加网格和零轴线 plt.grid(True, linestyle='--', alpha=0.7) plt.axhline(y=0, color='k', linewidth=1) plt.axvline(x=0, color='k', linewidth=1) # 高亮显示关键特征点 for n in range(-9, 10): if n != 0: zero_crossing = n * np.pi plt.axvline(x=zero_crossing, color='r', linestyle='--', alpha=0.4) plt.text(zero_crossing, -0.25, f'{n}π', horizontalalignment='center', fontsize=10, color='red') ``` - 添加网格和零轴线增强可读性 - 标记所有零点位置（nπ, n=±1,±2,...） ### 5. 包络线 ```python # 添加包络线 envelope = 1 / (np.abs(t) + 1e-10) # 避免除以零 plt.plot(t, envelope, 'g--', linewidth=1.2, alpha=0.7, label='Envelope 1/|t|') plt.plot(t, -envelope, 'g--', linewidth=1.2, alpha=0.7) ``` 添加 1/|t| 包络线，显示 Sa(t) 的衰减特性。 ### 6. 数学公式标注 ```python plt.text(15, 0.9, r'$Sa(t) = \begin{cases} \frac{\sin(t)}{t} & t \neq 0 \\ 1 & t = 0 \end{cases}$', fontsize=16, bbox=dict(facecolor='white', alpha=0.8)) ``` 在图中直接显示 Sa(t) 的数学定义，增强教学价值。 ## 输出效果 运行此代码将生成一个包含以下特征的 Sa(t) 波形图： 1. 蓝色实线：Sa(t) 波形 2. 绿色虚线：1/|t| 包络线 3. 红色虚线：零点位置（nπ） 4. 数学公式标注 5. 坐标网格和刻度 6. 图例说明 Sa(t) 的主要特性在图中清晰可见： - 在 t=0 处值为 1 - 在 t = nπ (n=±1,±2,...) 处穿过零点 - 幅度随 |t| 增大而衰减 - 波形关于 y 轴对称