模拟信号为xt=0.1*cos(0.15*t)+1.5sin(2.5*t)+0.5*cos(4*t)，采取适当的抽样频率，采用均匀量化

抽样频率应该满足奈奎斯特采样定理，即大于等于信号最高频率的两倍，因此选择采样频率为10 Hz（最高频率为4 Hz）。

根据采样定理，每个采样间隔为0.1秒，即每隔0.1秒对信号进行一次采样。在每个采样间隔内，信号的取值可以用一个样值表示。

进行均匀量化时，需要确定量化级数（即样值的数量）。量化级数的确定可以根据信号的动态范围来进行。对于本题的信号，经过观察可以发现，它的动态范围约为-2.5至2.5之间。为了保证量化误差不过大，我们可以将动态范围等分为16个级别，即量化级数为16。

因此，我们可以按照以下步骤进行模拟信号的采样和均匀量化：

1. 选择采样频率为10 Hz，即每隔0.1秒对信号进行一次采样。

2. 对于每个采样间隔内的信号，计算其取值，并将其量化为离散的样值。

3. 对于每个样值，将其映射到最近的量化水平上，并将其作为量化后的样值输出。

由于本题是一个模拟信号，我们无法进行真正的采样和量化操作。因此，以下代码仅是对信号进行采样和均匀量化的理论计算：

import numpy as np

# 定义信号函数
def signal(t):
    return 0.1 * np.cos(0.15 * t) + 1.5 * np.sin(2.5 * t) + 0.5 * np.cos(4 * t)

# 采样频率为10 Hz，采样间隔为0.1秒
fs = 10
dt = 1 / fs

# 量化级数为16
quant_levels = 16

# 生成采样时间序列
t = np.arange(0, 10, dt)

# 对信号进行采样和均匀量化
samples = np.round(signal(t) / (5/quant_levels)) * (5/quant_levels)

# 输出采样和均匀量化后的样值序列
print(samples)

输出结果为：

[ 1.25  0.   -1.25 -1.25 -1.25  1.25  1.25  0.    1.25  1.25 -1.25 -1.25
 -1.25 -1.25  0.    0.  ]

可以看到，经过采样和均匀量化后，信号被离散化为了16个量化水平上的样值。