Depende de las características de su señal y de lo que intenta hacer.
Si durante un tiempo de \ $ T_ {en \ _adc} \ $ usted muestra en \ $ f_ {adc} \ $, tomará \ $ T_ {en \ _adc} f_ {adc} \ $ muestras. Si ese período de tiempo es significativo para la señal, diga un tiempo de símbolo de un sistema de modulación, entonces puede decir con razón que está muestreando esa parte de la señal en \ $ f_ {adc} \ $.
Sin embargo, si la señal es significativa solo durante un tiempo mayor, entonces la dependencia de \ $ T_ {loop} \ $ significa que tiene una tasa de muestreo más baja.
En el caso más simple, puede decir que su tasa de muestreo es \ $ 1 / T_ {loop} \ $. Esta es la tasa de muestreo uniforme más alta que generalmente puede extraer de sus períodos de muestras / no muestras.
Si tiene una tasa de muestreo uniforme subyacente, y 'no hay muestreo' durante T_otros consiste simplemente en no tomar esas muestras, entonces puede extraer una tasa de muestreo uniforme más baja de las muestras que ha registrado. Sin embargo, esto no suena como lo que tiene, parece que los períodos de muestreo son asíncronos entre sí.
En el caso más complicado, puede utilizar un aspecto poco conocido del muestreo de Nyquist. La reconstrucción perfecta de una señal es teóricamente posible si la frecuencia de muestreo de mean está por encima del ancho de banda de 2 *. Esto significa que, en teoría, podría tomar la tasa de muestreo promedio y usarla para definir el ancho de banda de su señal. Sin embargo, hay problemas prácticos. La reconstrucción de este tipo de muestreo no es compatible con la mayoría de las cajas de herramientas de procesamiento de señales, y la gente todavía está escribiendo PhD sobre la mejor manera de reconstruir las señales de muestras no uniformes. Así que estás por tu cuenta.