高级人工智能之音频信号处理入门_highest frequency pattern

这门课程主要讲述了很多人工智能的知识，它不是局限于人工智能的机器学习算法领域，而是将许多计算机应用于生活的例子，比如语音识别等等进行的统述。

这一章节主要讲语音采样技术，我们需要重点掌握的就是一些计算题，以及和这些计算题有关题干的精准辨别，我觉得这是关键。

采样的基本概念与存储

我们常用的采样经历了下面的步骤：

1. 通过设备将真实世界的模拟信号（analog）转换为数字信号(digital)（ADC）。
2. 将采集到的数字信号进行存储或者处理。
3. 再将存储的数字信号转换为模拟信号仿真输出（DAC）。
   
   数字信号采样信息如下图所示，横坐标为采样间隔的时间，纵坐标为每次采样存储的信息，这里需要注意的是「sampling」这个词，是数字信号采样的动作。和它有关联的词条有采样频率Sampling Frequency（FS）、采样样本Sampling samples：
   
   根据采样频率FS以及采样样本数Sampling samples，可以计算采样持续的时间：
   
   根据采样频率FS以及单次采样需要存储的信息大小resolution，可以计算某段采样需要用到的字节数：
   习题1:
   
   习题2:
   

采样和重建

有一个重要的定理，为了能够更好地从采样的数字信号中重建出模拟信号，我们采样信号Sampling signal的数字采样频率Sampling Frequency，需要是原先真实信号signal X的highest frequency的两倍及以上，这样得到的采样信号可以进行一些存储的计算，如下：

习题1:
注意区分「数字的采样信号sampling rate」和「真实的被采样的信息be sampled」

习题2:
注意区分某个声音是「被采样be sampled成为的数字信号」，我们也主要是对这个信息进行存储，在被采样数字信号频率确定的情况下，求「真实信号的Highest Frequency」。

总结下来：
和采样信号相关的关键词（主动语态）：a sound be sampled at XXX、sampling rate、sampling frequency、sampling signal。
和真实信号相关的关键词（被动语态）：highest frequency in the sound、the frequency of the sound that is sampled、sound signal X