欠采样实验报告 - 信号处理

信号处理是一门重要的学科领域，广泛应用于通信、图像处理、音频处理等领域。在信号处理过程中，采样是一个关键步骤，用于将连续时间的信号转换为离散时间的信号。然而，在某些情况下，信号的采样率可能会过高，导致数据存储和处理上的困难。为了解决这个问题，欠采样成为一种常用的技术，它可以在保留信号主要特征的同时减少数据量。本文将介绍欠采样的原理，并提供相应的源代码。

欠采样的原理是在保持信号频率特性的前提下，减少采样率。在信号连续时间域中，采样定理要求采样率至少是信号最高频率的两倍，以避免混叠现象的发生。然而，在某些情况下，信号的最高频率相对较低，因此可以通过降低采样率来减少数据量。欠采样的关键在于选择合适的降采样因子，以便在减少采样率的同时尽量保留信号的主要信息。

下面是一个简单的Python示例代码，演示了如何进行欠采样：

import numpy as np

def undersample(signal, factor):
    undersampled_signal