4.过采样

采样定理规定只要采样频率高于信号最高频率的两倍，就可以从采样信号中恢复出原始信号。

二、过采样和欠采样的区别和特点

1、过采样(oversampling)：采样频率高于信号最高频率的两倍，这种采样被称为过采样。

2、欠采样(undersampling)：采样频率低于信号最高频率的两倍，这种采样被称为欠采样。

特点比较：

• 过采样：重复正比例数据，实际上没有为模型引入更多数据，过分强调正比例数据，会放大正比例噪音对模型的影响。
• 欠采样：丢弃大量数据，和过采样一样会存在过拟合的问题。 由于随机过采样采取简单复制样本的策略来增加少数类样本，这样容易产生模型过拟合的问题，即使得模型学习到的信息过于特别(Specific)而不够泛化(General)。

         过采样可以将量化噪声推往更高的频率，让系统可以选用更高截止频率的低通滤波器，借此减少混叠，改善分辨率， 降低噪声。

         混叠：对原始信号的还原失真现象，可能有时域混叠和频域混叠，当信号出现混叠就无法对有效信号进行提取，导致数据异常，如下图

参考学习：频谱混叠的情况及原因 - 豆丁网 (docin.com)

三、举例BMP388温度传感器的过采样温度及数据处理流程

BMP388采样设置为过采样有利于保证数据的可靠性，降低噪声对测量信号的影响。

思路解析1：当温度和数据同时采样，当二者的过采样设置不同时，采样速率会有所差别，滤波器会自动的存储最新的数据点，将老的数据覆盖，从而在输出到FIFO中达到一个完善的数据流。

思路解析2：数据读取方式，设置数据输出速率直接影响到使用者的数据处理速度，设计者应注意512byte的FIFO缓冲区使用情况，计算出相应的延时，从而优化对数据的实时监控。