কন্টিনিউয়াস বনাম ডিসক্রিট সিগন্যাল — স্যাম্পলিং-এর ভিত্তি

১ · কন্টিনিউয়াস-টাইম সিগন্যাল কী

একটি কন্টিনিউয়াস-টাইম সিগন্যালContinuous-time signalএমন একটি সিগন্যাল $x(t)$ যা প্রতিটি বাস্তব সংখ্যা $t$-এর জন্য সংজ্ঞায়িত — সময়ের অক্ষে কোনো ফাঁক নেই। $x(t)$ হলো এমন একটি ফাংশন যা সময়ের প্রতিটি মুহূর্তে ($t$ যেকোনো বাস্তব সংখ্যা হতে পারে — $1.0$, $1.001$, $1.0001$, ...) একটি মান দেয়। বাস্তব-জগতের প্রায় সব ভৌত রাশি — বাতাসের চাপ (শব্দ), ভোল্টেজ, তাপমাত্রা — কন্টিনিউয়াস-টাইম, কারণ সময় নিজেই কন্টিনিউয়াস। গাণিতিকভাবে এমন একটি সিগন্যাল $x(t) = \sin(2\pi f t)$ আকারে লেখা যায়, যেখানে $t$ যেকোনো বাস্তব মান নিতে পারে।

সমস্যা হলো — একটি কম্পিউটার বা মাইক্রোকন্ট্রোলার অসীম সংখ্যক মান সংরক্ষণ করতে পারে না। $t = 0$ থেকে $t = 1$ সেকেন্ডের মধ্যেও অসীম সংখ্যক $t$ মান আছে ($0.1$, $0.11$, $0.111$, ...) — তাই একটি কন্টিনিউয়াস সিগন্যালকে হুবহু ডিজিটাল মেমোরিতে রাখা অসম্ভব। এখানেই স্যাম্পলিং দরকার হয়।

২ · ডিসক্রিট-টাইম সিগন্যাল ও স্যাম্পলিং

স্যাম্পলিংSamplingএকটি কন্টিনিউয়াস সিগন্যাল $x(t)$-কে নির্দিষ্ট সময় বিরতিতে ($T_s$ সেকেন্ড পরপর) মেপে একটি সসীম-ঘনত্বের সংখ্যার তালিকা $x[n]$ বানানোর প্রক্রিয়া। মানে $x(t)$-কে প্রতি $T_s$ সেকেন্ড পরপর একবার "মাপা" — ফলাফল একটি ডিসক্রিট-টাইম সিগন্যাল $x[n]$, যেখানে $n = 0, 1, 2, \ldots$ শুধু পূর্ণসংখ্যা। সম্পর্কটি হলো:

$$x[n] = x(nT_s), \qquad T_s = \frac{1}{f_s}$$

যেখানে $f_s$ হলো স্যাম্পল রেট (প্রতি সেকেন্ডে কতগুলো স্যাম্পল, একক Hz)। খেয়াল করুন — $x[n]$ একটি সাধারণ Python list-এর মতোই আচরণ করে: $n$ একটি ইনডেক্স, আর $x[n]$ সেই ইনডেক্সের মান। এই কোর্সের বাকি সবকিছু — কনভোলিউশন, Z-ট্রান্সফর্ম, DFT — এই $x[n]$ তালিকার উপরই কাজ করে, $x(t)$-এর উপর নয়।

৩ · একটি সত্যিকারের ডেমো — সাইন-তরঙ্গ স্যাম্পল করা

ধরা যাক একটি সিগন্যাল প্রকৃতপক্ষে ৩ Hz-এ কম্পিত হচ্ছে (কন্টিনিউয়াস, প্রতি মুহূর্তে একটি মান আছে), আর আমরা এটিকে ২০ Hz রেটে, মোট ০.৫ সেকেন্ড ধরে স্যাম্পল করছি। নিচের কোড সেল math.sin-এর উপর একটি লিস্ট কমপ্রিহেনশন দিয়ে প্রকৃত ডিসক্রিট স্যাম্পলগুলো বানায় এবং প্রতিটি স্যাম্পলের সময় ও মান একটি টেবিলে দেখায়।

import math

f = 3.0        # সিগন্যালের প্রকৃত ফ্রিকোয়েন্সি (Hz) -- একটি কন্টিনিউয়াস ভৌত রাশি ধরে নিচ্ছি
fs = 20.0      # স্যাম্পল রেট (Hz)
T = 0.5        # মোট সময়কাল (সেকেন্ড)
N = int(fs * T)  # মোট স্যাম্পল সংখ্যা

# x[n] = x(n*Ts) = sin(2*pi*f*n/fs) -- সরাসরি সংজ্ঞা থেকে
samples = [math.sin(2 * math.pi * f * n / fs) for n in range(N)]

print(f"N = {N} samples, Ts = 1/fs = {1/fs} s")
print(f"{'n':>3} | {'t=n*Ts (s)':>10} | {'x[n]':>10}")
for n in range(N):
    t = n / fs
    print(f"{n:>3} | {t:>10.3f} | {samples[n]:>10.6f}")

৪ · স্যাম্পলগুলোর মাঝে কী থাকে

এখানেই একটি গুরুত্বপূর্ণ, প্রায়ই ভুল বোঝা ধারণা আসে। কন্টিনিউয়াস সিগন্যাল $x(t)$ দুটো স্যাম্পলের মাঝেও সংজ্ঞায়িত থাকে — যেমন $n=0$ ($t=0$) আর $n=1$ ($t=0.05$)-এর ঠিক মাঝখানে, $t = 0.025$ সেকেন্ডে, $x(t)$-এর একটি প্রকৃত মান আছে। কিন্তু ডিসক্রিট সিগন্যাল $x[n]$-এ $n=0.5$ বলে কিছু নেই — ইনডেক্স শুধু পূর্ণসংখ্যা। নিচের কোড সেল ঠিক এই বিন্দুর "প্রকৃত" মান গণনা করে দেখায়, শুধু তুলনার জন্য (এটি খুবই ঘন রেটে, ৪০০ Hz-এ, রেফারেন্স পয়েন্ট বানিয়ে অনুকরণ করা হয়েছে — বাস্তব হার্ডওয়্যার কখনোই এই মান দেখে না)।

import math

f = 3.0
fs = 20.0
T = 0.5

# "প্রকৃত" কন্টিনিউয়াস তরঙ্গের একটি খুব ঘন রেফারেন্স -- শুধু ইলাস্ট্রেশনের জন্য,
# বাস্তব হার্ডওয়্যার এই পয়েন্টগুলো কখনোই দেখে না
dense_rate = 400.0
dense = [math.sin(2 * math.pi * f * k / dense_rate) for k in range(int(dense_rate * T))]
print(f"dense reference points (কখনো observe করা হয় না): {len(dense)}টি, রেট {dense_rate} Hz")

# n=0 আর n=1 স্যাম্পলের ঠিক মাঝের সময়
t_between = 0.5 / fs
true_between = math.sin(2 * math.pi * f * t_between)
print(f"t = {t_between:.4f}s (n=0 আর n=1-এর ঠিক মাঝে): কন্টিনিউয়াস মান = {true_between:.6f}")
print("কিন্তু ডিসক্রিট সিগন্যাল x[n]-এ n=0.5 বলে কিছু নেই -- এই মান কখনো ডেটাতে থাকে না")