Übung 3. Tutorübung zu Grundlagen: Rechnernetze und Verteilte Systeme (Gruppen Mo-T2 / Fr-T1 SS2017)
|
|
- Herta Kolbe
- vor 5 Jahren
- Abrufe
Transkript
1 Übung 3 Tutorübung zu Grundlagen: Rechnernetze und Verteilte Systeme (Gruppen Mo-T2 / Fr-T SS27) Dennis Fischer dennis.fischer@tum.de Institut für Informatik Technische Universität München / /4 Abtastung Quantisierung Kanaleinflüsse Kanalkodierung
2 Fourierreihe Mithilfe einer Fourierreihe lassen sich periodische Signale als Summe aus gewichteten Sinus und Cosinus ausdrücken a 2 bezeichnet den Gleichanteil s(t) = a 2 + (a k cos(kωt) + b k sin(kωt)) () a k = 2 T b k = 2 T k= T T s(t) cos(k ωt)dt (2) s(t) sin(k ωt)dt (3) 5/7
3 Fourierreihe 2 e) y T T.5 T 2 T 2.5 T 3 T 3.5 T 4 T 4.5 T 5 T x 6/7
4 Fourierreihe 2 g) Fourierreihe und ersten beiden Harmonischen für s(t) = t T A 3 2 s(t) t /7 h h 2 a 2 a 2 + h + h 2
5 Abtastung, Rekonstruktion und Quantisierung Natürlich vorkommende Signale sind zeitkontinuierlich und wertkontinuierlich, d. h. sie nehmen zu unendlich vielen Zeitpunkten beliebige reelle Werte an. Problem für Computer: Endlicher Speicher Endliche Rechengenauigkeit Kapitel : Physikalische Schicht Abtastung, Rekonstruktion und Quantisierung -9
6 Abtastung, Rekonstruktion und Quantisierung Natürlich vorkommende Signale sind zeitkontinuierlich und wertkontinuierlich, d. h. sie nehmen zu unendlich vielen Zeitpunkten beliebige reelle Werte an. Problem für Computer: Endlicher Speicher Endliche Rechengenauigkeit Lösung: Diskretisierung von Signalen im Zeitbereich (Abtastung) und Wertbereich (Quantisierung). Ein zeit- und wertdiskretes Signal ist digital und wird in Wörtern fester Länge gespeichert. A Q Vergleiche: Nutzung von Fix- bzw. Gleitkommazahlen anstelle von reellen Zahlen entspricht einer Rundung (Quantisierung) auf eine endliche Anzahl diskreter Stufen. Kapitel : Physikalische Schicht Abtastung, Rekonstruktion und Quantisierung -9
7 Abtastung Das Signal s(t) wird mittels des Einheitsimpulses (Dirac-Impulses) δ[t] in äquidistanten Abständen T a (Abtastintervall) für n Z abgetastet: { t = nt a, ŝ(t) = s(t) δ[t nt a], mit δ[t nt a] = sonst. n= Da ŝ(t) nur zu den Zeitpunkten nt a für ganzzahlige n von Null verschieden ist, vereinbaren wir die Schreibweise ŝ[n] für zeitdiskrete aber wertkontinuierliche Signale. s(t) Zeit t [s] Abbildung 2: Zeitkontinuierliches Signal s(t) Kapitel : Physikalische Schicht Abtastung, Rekonstruktion und Quantisierung -2
8 Abtastung Das Signal s(t) wird mittels des Einheitsimpulses (Dirac-Impulses) δ[t] in äquidistanten Abständen T a (Abtastintervall) für n Z abgetastet: { t = nt a, ŝ(t) = s(t) δ[t nt a], mit δ[t nt a] = sonst. n= Da ŝ(t) nur zu den Zeitpunkten nt a für ganzzahlige n von Null verschieden ist, vereinbaren wir die Schreibweise ŝ[n] für zeitdiskrete aber wertkontinuierliche Signale..5 s(t) ŝ[n] Zeit t [s] Abbildung 2: Zeitkontinuierliches Signal s(t) und Abtastwerte ŝ[n] Kapitel : Physikalische Schicht Abtastung, Rekonstruktion und Quantisierung -2
9 Rekonstruktion Mittels der Abtastwerte ŝ[n] ist es möglich, das ursprüngliche Signal s(t) zu rekonstruieren: ( ) t nta s(t) ŝ[n] sinc. T a n= Abtastwerte sind Stützstellen und dienen als Gewichte für eine passende Ansatzfunktion (trigonometrische Interpolation, vgl. Polynominterpolation Numerisches Programmieren)..5 s(t) ŝ[n] Zeit t [s] Abbildung 3: Abtastwerte ŝ[n] Kapitel : Physikalische Schicht Abtastung, Rekonstruktion und Quantisierung -2
10 Rekonstruktion Mittels der Abtastwerte ŝ[n] ist es möglich, das ursprüngliche Signal s(t) zu rekonstruieren: ( ) t nta s(t) ŝ[n] sinc. T a n= Abtastwerte sind Stützstellen und dienen als Gewichte für eine passende Ansatzfunktion (trigonometrische Interpolation, vgl. Polynominterpolation Numerisches Programmieren)..5 s(t) ŝ[n] ŝ[6] sinc(t/3 6) Zeit t [s] Abbildung 3: Jeder Abtastwert ŝ[n] dient als Gewicht für die Ansatzfunktion zur Rekonstruktion. Kapitel : Physikalische Schicht Abtastung, Rekonstruktion und Quantisierung -2
11 Rekonstruktion Mittels der Abtastwerte ŝ[n] ist es möglich, das ursprüngliche Signal s(t) zu rekonstruieren: ( ) t nta s(t) ŝ[n] sinc. T a n= Abtastwerte sind Stützstellen und dienen als Gewichte für eine passende Ansatzfunktion (trigonometrische Interpolation, vgl. Polynominterpolation Numerisches Programmieren)..5 s(t) ŝ[n] Zeit t [s] Abbildung 3: Jeder Abtastwert ŝ[n] dient als Gewicht für die Ansatzfunktion zur Rekonstruktion. Kapitel : Physikalische Schicht Abtastung, Rekonstruktion und Quantisierung -2
12 Rekonstruktion Mittels der Abtastwerte ŝ[n] ist es möglich, das ursprüngliche Signal s(t) zu rekonstruieren: ( ) t nta s(t) ŝ[n] sinc. T a n= Abtastwerte sind Stützstellen und dienen als Gewichte für eine passende Ansatzfunktion (trigonometrische Interpolation, vgl. Polynominterpolation Numerisches Programmieren)..5 s(t) ŝ[n] 3 Stützstellen Zeit t [s] Abbildung 3: Die Summe der gewichteten Ansatzfunktionen nähert sich dem ursprünglichen Signal in Abhängigkeit der Anzahl der Summenglieder. Kapitel : Physikalische Schicht Abtastung, Rekonstruktion und Quantisierung -2
13 Rekonstruktion Mittels der Abtastwerte ŝ[n] ist es möglich, das ursprüngliche Signal s(t) zu rekonstruieren: ( ) t nta s(t) ŝ[n] sinc. T a n= Abtastwerte sind Stützstellen und dienen als Gewichte für eine passende Ansatzfunktion (trigonometrische Interpolation, vgl. Polynominterpolation Numerisches Programmieren)..5 s(t) 3 Stützstellen 7 Stützstellen Zeit t [s] Abbildung 3: Die Summe der gewichteten Ansatzfunktionen nähert sich dem ursprünglichen Signal in Abhängigkeit der Anzahl der Summenglieder. Kapitel : Physikalische Schicht Abtastung, Rekonstruktion und Quantisierung -2
14 Rekonstruktion Wann ist eine verlustfreie Rekonstruktion möglich? Die Multiplikation im Zeitbereich entspricht einer Faltung im Frequenzbereich: s(t) δ[t nt] S(f) δ[f n/t]. T Diese Faltung mit Einheitsimpulsen entspricht einer Verschiebung von S(f) entlang der Abszisse. Folglich entspricht die Abtastung des Signals s(t) in Abständen T a der periodischen Wiederholung seines Spektrums S(f) in Abständen von f a = /Ta. Beispiel: Abtastung eines auf B bandbegrenzten Signals s(t) mit der Abtastfrequenz f a = 3B: Signalamplitude s(t).5.5 Signalamplitude s(t) Zeit t [s] (a) Ursprüngliches Signal s(t) Frequenz f [Hz] (b) Zugehöriges Spektrum S(f) (schematisch) Kapitel : Physikalische Schicht Abtastung, Rekonstruktion und Quantisierung -22
15 Rekonstruktion Wann ist eine verlustfreie Rekonstruktion möglich? Die Multiplikation im Zeitbereich entspricht einer Faltung im Frequenzbereich: s(t) δ[t nt] S(f) δ[f n/t]. T Diese Faltung mit Einheitsimpulsen entspricht einer Verschiebung von S(f) entlang der Abszisse. Folglich entspricht die Abtastung des Signals s(t) in Abständen T a der periodischen Wiederholung seines Spektrums S(f) in Abständen von f a = /Ta. Beispiel: Abtastung eines auf B bandbegrenzten Signals s(t) mit der Abtastfrequenz f a = 3B: Signalamplitude s(t).5.5 Signalamplitude s(t) Zeit t [s] (a) Abgetastetes Signal ŝ[n] Frequenz f [Hz] (b) Zugehöriges Spektrum Ŝ(f) (schematisch) Kapitel : Physikalische Schicht Abtastung, Rekonstruktion und Quantisierung -22
16 Rekonstruktion Abtasttheorem von Shannon und Nyquist Ein auf f B bandbegrenztes Signal s(t) ist vollständig durch äquidistante Abtastwerte ŝ[n] beschrieben, sofern diese nicht weiter als T a /2B auseinander liegen. Die Abtastfrequenz, welche eine vollständige Signalrekonstruktion erlaubt, ist folglich durch nach unten beschränkt. f a > 2B Signalamplitude s(t).5 Ta Signalamplitude s(t) B Zeit t [s] (a) Abgetastetes Signal ŝ[n] Frequenz f [Hz] (b) Zugehöriges Spektrum Ŝ(f) (schematisch) Kapitel : Physikalische Schicht Abtastung, Rekonstruktion und Quantisierung -23
17 Rekonstruktion Abtasttheorem von Shannon und Nyquist Ein auf f B bandbegrenztes Signal s(t) ist vollständig durch äquidistante Abtastwerte ŝ[n] beschrieben, sofern diese nicht weiter als T a /2B auseinander liegen. Die Abtastfrequenz, welche eine vollständige Signalrekonstruktion erlaubt, ist folglich durch nach unten beschränkt. f a > 2B Signalamplitude s(t).5.5 Ta Signalamplitude s(t) B Aliasing Zeit t [s] (a) Abgetastetes Signal ŝ[n] Frequenz f [Hz] (b) Zugehöriges Spektrum Ŝ(f) (schematisch) Wählt man f a < 2B, so überlappen sich die periodischen Wiederholungen des Spektrums Diesen Effekt bezeichnet man als Aliasing Eine verlustfreie Rekonstruktion ist in diesem Fall nicht möglich Kapitel : Physikalische Schicht Abtastung, Rekonstruktion und Quantisierung -23
18 Quantisierung Die Abtastwerte ŝ[n] R sind noch kontinuierlich im Wertebereich und können i. A. nicht exakt gespeichert werden. Lösung: Quantisierung Die Unterscheidung von M = 2 N Signalstufen erfordert Codewörter von N bit Jeder Signalstufe wird dabei ein bestimmtes Codewort zugeordnet Die Signalstufen werden im Quantisierungsintervall I Q = [a,b] sinnvoll verteilt Was ist sinnvoll? Kapitel : Physikalische Schicht Abtastung, Rekonstruktion und Quantisierung -24
19 Quantisierung Die Abtastwerte ŝ[n] R sind noch kontinuierlich im Wertebereich und können i. A. nicht exakt gespeichert werden. Lösung: Quantisierung Die Unterscheidung von M = 2 N Signalstufen erfordert Codewörter von N bit Jeder Signalstufe wird dabei ein bestimmtes Codewort zugeordnet Die Signalstufen werden im Quantisierungsintervall I Q = [a,b] sinnvoll verteilt Was ist sinnvoll? Beispiel: Lineare Quantisierung mit mathematischem Runden Optimal, wenn alle Werte innerhalb I Q mit gleicher Wahrscheinlichkeit auftreten Stufenbreite = b a M Innerhalb I Q beträgt der maximale Quantisierungsfehler q max = /2 Signalwerte außerhalb I Q werden auf die größte bzw. kleinste Signalstufe abgebildet Außerhalb I Q ist der Quantisierungsfehler unbeschränkt b = a = 4 Kapitel : Physikalische Schicht Abtastung, Rekonstruktion und Quantisierung -24
20 Signaltypen (Übersicht) (a) Analog s(t) (b) Zeitdiskret und wertkontinuierlich ŝ[n] (c) Zeitkontinuierlich und wertdiskret s(t) (d) Digital s[n] Kapitel : Physikalische Schicht Abtastung, Rekonstruktion und Quantisierung -26
21 Quantisierung N: Länge der Codewörter in bit Anzahl an Signalstufen M = 2 N Stufenbreite / Schrittweite = b a M Maximaler Quantisierungsfehler q max = 2 2/4 Abtastung Quantisierung Kanaleinflüsse Kanalkodierung
22 Kanaleinflüsse Beispiel: Signalamplitude s(t) Zeit t Abbildung 4: Idealisiertes Sendesignal Kapitel : Physikalische Schicht Übertragungskanal -3
23 Kanaleinflüsse Beispiel: Signalamplitude s(t) Zeit t Abbildung 4: Sendesignal nach Dämpfung und Tiefpasseinflüssen durch den Kanal Kapitel : Physikalische Schicht Übertragungskanal -3
24 Kanaleinflüsse Beispiel: Signalamplitude s(t) Zeit t Abbildung 4: Sendesignal nach Dämpfung und Tiefpasseinflüssen durch den Kanal sowie mit AWGN Kapitel : Physikalische Schicht Übertragungskanal -3
25 Kanalkapazität Rauschfreier, M-ärer Kanal Angenommen es können nicht nur zwei sondern M = 2 N unterscheidbare Symbole übertragen werden. Wie ändert sich die erzielbare Datenrate? Wir erinnern uns an Quantisierung und Entropie: Mit einer Wortbreite von N bit lassen sich M = 2 N diskrete Signalstufen darstellen. Emittiert eine Quelle alle Zeichen (Signalstufen) mit der gleichen Wahrscheinlichkeit, so ist die Entropie (und damit die mittlere Information) der Quelle maximal. Folglich erhalten wir für die Übertragungsrate über einen Kanal der Bandbreite B die maximale Rate R max = 2B log 2 (M) bit. Hartleys Gesetz Auf einem Kanal der Bandbreite B mit M unterscheidbaren Signalstufen ist die Kanalkapazität durch nach oben begrenzt. C H = 2B log 2 (M) bit Interessant: Wenn wir beliebig viele Signalstufen voneinander unterscheiden könnten, wäre die erzielbare Datenrate unbegrenzt! Wo ist das Problem? Kapitel : Physikalische Schicht Übertragungskanal -33
26 Kanalkapazität Rauschen Rauschen macht es schwer, Signalstufen auseinanderzuhalten Je feiner die Signalstufen gewählt werden, desto schwieriger wird dies Signalamplitude s(t) Zeit t Maß für die Stärke des Rauschens: SNR = Signalleistung Rauschleistung = PS P N Das Signal to Noise Ratio (SNR) wird in db angegeben: Beispiel: P S = mw, P N =,5 mw SNR = log (,5 ) db 3, db SNR db = log (SNR) Kapitel : Physikalische Schicht Übertragungskanal -34
27 Kanalkapazität Shannon-Hartley-Theorem Auf einem Kanal der Bandbreite B mit additiven weißen Rauschen mit Rauschleistung P N und Signalleistung P S beträgt die obere Schranke für die erreichbare Datenrate C S = B log 2 ( + PS P N ) bit. Herleitung des Theorems: siehe Shannons Veröffentlichung Communication in the Presence of Noise von 949 []. Vergleich mit Hartleys Gesetz (aufschlussreich!): ( b a C H = 2B log 2 (M) = 2B log 2 Die Intervallgrenzen a,b beziehen sich hier auf das unquantisierte Signal Mit α = a + /2 und β = b /2 als minimale bzw. maximale quantisierte Signalamplitude erhalten wir C H = 2B log 2 ( β α + Wird () ausmultipliziert, kommt aber etwas anderes raus! ) = B log 2 (( ). + β α ) 2 ) C S berücksichtigt nur additives Rauschen des Kanals, aber keine Quantisierungsfehler.. () C H berücksichtigt nur die Signalstufen und damit das Quantisierungsrauschen, aber keine Kanaleinflüsse. Der fehlende gemischte Term, wenn man () ausmultipliziert und mit C S vergleicht, liegt in der Unabhängigkeitsannahme des Nutzsignals und des Rauschens begründet (E[xη] = E[x]E[η]). Der Quantisierungsfehler ist natürlich nicht unabhängig vom Eingangssignal aus diesem Grund lässt sich () nicht ohne Näherung in die selbe Form wie C S bringen. Kapitel : Physikalische Schicht Übertragungskanal -37
28 Kanalkapazität Zusammenfassung Die Kanalkapazität C ist durch zwei Faktoren beschränkt: Die Anzahl M der unterscheidbaren Symbole Selbst ein rauschfreier Kanal hilft nichts, wenn wir nur zwei Symbole nutzen (können). Signal-to-Noise Ratio (SNR) Ist das Signal-zu-Rausch-Verhältnis SNR zu gering, muss ggf. der Abstand zwischen den Signalstufen erhöht und damit die Anzahl unterscheidbarer Symbole verringert werden, um eine zuverlässige Unterscheidung gewährleisten zu können. Für die tatsächliche Kanalkapazität C gilt also folgende obere Schranke: C < min{c H,C S} = min {2B log 2 (M), B log 2 ( + SNR)} bit. Anmerkungen: Das ist nur ein Modell mit stark vereinfachenden Annahmen. Wie man einen Kanalcode mit genau der richtigen Menge Redundanz konstruieren kann, so dass C maximiert wird, ist ein offenes Problem der Informationstheorie. ( Challenge!) Wir sprechen hier von Datenraten im informationstheoretischen Sinn, d. h. die zu übertragenden Daten liegen redundanzfrei vor. Dies ist in praktischen Systemen nie gewährleistet: Nutzdaten werden vor dem Senden nicht zwangsläufig (und niemals optimal) komprimiert Zusätzlich zu den Nutzdaten werden Kontrollinformationen (Header) benötigt ( später) Die tatsächlich erzielbare Netto-Datenrate liegt unterhalb der informationstheoretischen Schranke. Kapitel : Physikalische Schicht Übertragungskanal -38
29 Hartley & Shannon B: Bandbreite M: Anzahl Signalstufen Kanalkapazität nach Hartley C H = 2 B log 2 (M) Kanalkapazität nach Shannon C S = B log 2 ( + SNR) Signal-to-Noise-Ratio SNR = P Signal P Noise Signal-to-Noise Ration in db SNRdB = log (SNR)dB 3/4 Abtastung Quantisierung Kanaleinflüsse Kanalkodierung
30 Quellenkodierung [4] Digitale Daten Codewörter Kanalwörter Basisbandimpulse Quellenkodierung Kanalkodierung Leitungskodierung Modulation Kanal Kanaldekodierung Quellendekodierung Detektion Demodulation Schicht 6/ Schicht Kapitel : Physikalische Schicht Nachrichtenübertragung -4
31 Quellenkodierung [4] Quellenkodierung (Source Coding) Ziel der Quellenkodierung ist es, druch Abbildung von Bitsequenzen auf Codewörter Redundanz aus den zu übertragenden Daten zu entfernen. Die entspricht einer verlustlosen Datenkompression entspricht. Die Quellenkodierung kann in unterschiedlichen Schichten des ISO/OSI-Modell vorkommen: Datenkompression kann auf der Darstellungsschicht (Schicht 6) stattfinden Daten können bereits in komprimierter Form vorliegen (verlustlos komprimierte Dateiformate, z. B. ZIP, PNG) Im Mobilfunkbereich (digitale Sprachübertragung) kann die Quellenkodierung einer niedrigen Schicht zugeordnet werden In lokalen Netzwerken (Ethernet, WLAN) findet i. d. R. keine Quellenkodierung statt Beispiele: Huffman-Code Lempel-Ziv / Lempel-Ziv-Welch (LZW) Run-Length-Enconding (RLE) In Kapitel 5 gehen wir auf den Huffman-Code ein Kapitel : Physikalische Schicht Nachrichtenübertragung -42
32 Kanalkodierung [4] Digitale Daten Codewörter Kanalwörter Basisbandimpulse Quellenkodierung Kanalkodierung Leitungskodierung Modulation Kanal Kanaldekodierung Quellendekodierung Detektion Demodulation Schicht 6/ Schicht Kapitel : Physikalische Schicht Nachrichtenübertragung -43
33 Kanalkodierung [4] Kein realisierbarer Übertragungskanal ist perfekt. Ein Maßstab dafür ist die Bitfehlerwahrscheinlichkeit p e: Bei Ethernet über Kupferkabel charakteristisch: p e 8 Bei WLAN charakteristisch: p e 6 oder mehr Bei ungesicherter Funkübertragung charakteristisch: p e 4 oder mehr Gedankenspiel: Ungesicherte Funkverbindung mit p e = 4, Fehler unabhängig und gleichverteilt Paketlänge L = 5 B = 2 bit Pr [ Kein Bitfehler im Paket ] = ( 4 ) 2 3 % 7 % der übertragenen Datenpakete würden mind. einen Bitfehler enthalten. Kanalkodierung (Channel Coding) Ziel der Kanalkodierung ist es, den zu übertragenden Daten gezielt Redundanz hinzuzufügen, so dass eine möglichst große Anzahl an Bitfehlern erkannt und korrigiert werden kann. Kapitel : Physikalische Schicht Nachrichtenübertragung -44
34 Kanalkodierung [4] Beispiel: Unkomprimiertes Bild (Bitmap) über einen verlustbehafteten Kanal versendet ohne Kanalkodierung mit Kanalkodierung Kapitel : Physikalische Schicht Nachrichtenübertragung -45
35 Kanalkodierung [4] Blockcodes Blockcodes unterteilen den Datenstrom in Blöcke der Länge k und übersetzen diese in Kanalwörter der Länge n > k wobei die zusätzlichen n k bit für Fehlererkennung und Rekonstruktion verwendet werden. k n x C x Das Verhältnis R = k wird als Coderate bezeichnet. n Kapitel : Physikalische Schicht Nachrichtenübertragung -47
36 Übung 3 Tutorübung zu Grundlagen: Rechnernetze und Verteilte Systeme (Gruppen Mo-T2 / Fr-T SS27) Dennis Fischer dennis.fischer@tum.de Institut für Informatik Technische Universität München / /4 Abtastung Quantisierung Kanaleinflüsse Kanalkodierung
Übung 2. Tutorübung zu Grundlagen: Rechnernetze und Verteilte Systeme (Gruppen Mo-T2 / Fr-T1 SS2017)
Übung 2 Tutorübung zu Grundlagen: Rechnernetze und Verteilte Systeme (Gruppen Mo-T2 / Fr-T SS27) Dennis Fischer dennis.fischer@tum.de http://home.in.tum.de/fischerd Institut für Informatik Technische Universität
MehrGrundlagen Rechnernetze und Verteilte Systeme (GRNVS)
Lehrstuhl für Netzarchitekturen und Netzdienste Fakultät für Informatik Technische Universität München Grundlagen Rechnernetze und Verteilte Systeme (GRNVS) IN SoSe 26 Prof. Dr.-Ing. Georg Carle Johannes
MehrGrundlagen Rechnernetze und Verteilte Systeme (GRNVS)
Lehrstuhl für Betriebssysteme Fakultät für Informatik Technische Universität München Grundlagen Rechnernetze und Verteilte Systeme (GRNVS) IN SoSe 28 Prof. Dr. Uwe Baumgarten Dr.-Ing. Stephan Günther,
MehrÜbung 4. Tutorübung zu Grundlagen: Rechnernetze und Verteilte Systeme (Gruppen Mo-T1 / Di-T11 SS 2016) Dennis Fischer
Übung 4 Tutorübung zu Grundlagen: Rechnernetze und Verteilte Systeme (Gruppen Mo-T1 / Di-T11 SS 2016) Dennis Fischer Technische Universität München Fakultät für Informatik 09.05.2016 / 10.05.2016 1/12
MehrGrundlagen Rechnernetze und Verteilte Systeme
Grundlagen Rechnernetze und Verteilte Systeme Kapitel Physikalische Schicht SoSe 25 Fakultät für Informatik Prof. Dr. Uwe Baumgarten, Sebastian Eckl Lehrstuhl für Netzarchitekturen und Netzdienste Stephan
MehrTutorübung zur Vorlesung Grundlagen Rechnernetze und Verteilte Systeme Übungsblatt 3 (6. Mai 10. Mai 2013)
Technische Universität München Lehrstuhl Informatik VIII Prof. Dr.-Ing. Georg Carle Dipl.-Ing. Stephan Günther, M.Sc. Nadine Herold, M.Sc. Dipl.-Inf. Stephan Posselt Tutorübung zur Vorlesung Grundlagen
Mehr1.3 Digitale Audiosignale
Seite 22 von 86 Abb. 1.2.12 - Wirkung der Schallverzögerung Effekte sind: Delay, Echo, Reverb, Flanger und Chorus Hört man ein akustisches Signal im Raum, dann werden die Signale von Wänden und anderen
MehrGrundlagen der Signalverarbeitung
Grundlagen der Signalverarbeitung Zeitdiskrete Signale Wintersemester 6/7 Kontinuierliche und diskrete Signale wertkontinuierlich wertdiskret Signal Signal Signal Signal zeitdiskret zeitkontinuierlich
MehrDigitale Signalverarbeitung Bernd Edler
Digitale Signalverarbeitung Bernd Edler Wintersemester 2007/2008 Wesentliche Inhalte der Vorlesung Abtastung z-transformation Lineare zeitinvariante Systeme Diskrete Fouriertransformation Systeme bei stochastischer
MehrDigitale Signalverarbeitung Bernd Edler
Digitale Signalverarbeitung Bernd Edler Wintersemester 2010/2011 Wesentliche Inhalte der Vorlesung Abtastung z-transformation Lineare zeitinvariante Systeme Diskrete Fouriertransformation Filterentwurf
MehrDigitale Signalverarbeitung Bernd Edler
Digitale Signalverarbeitung Bernd Edler Wintersemester 2008/2009 Wesentliche Inhalte der Vorlesung Abtastung z-transformation Lineare zeitinvariante Systeme Diskrete Fouriertransformation Systeme bei stochastischer
MehrEinführung Bitübertragungsschicht
Einführung Bitübertragungsschicht 01010001 Kanal 01010001 Information Information Transformation Störeinflüsse (Rauschen, Echo, etc.) Transformation Bitübertragungsschicht (Physical Layer): Übertragung
Mehr9. Vorlesung. Systemtheorie für Informatiker. Dr. Christoph Grimm. Professur Prof. Dr. K. Waldschmidt, Univ. Frankfurt/Main
9. Vorlesung Systemtheorie für Informatiker Dr. Christoph Grimm Professur Prof. Dr. K. Waldschmidt, Univ. Frankfurt/Main Letzte Woche: Abtastung und Rekonstruktion Abtastung: Wandelt bandbegrenzte kontinuierliche
MehrPuls-Code-Modulation. Thema: PCM. Ziele
Puls-Code-Modulation Ziele Mit diesen rechnerischen und experimentellen Übungen wird die Vorgehensweise zur Abtastung und linearen Quantisierung eines analogen Signals erarbeitet. Bei der Abtastung werden
MehrGrundlagen der Nachrichtentechnik
Universität Bremen Arbeitsbereich Nachrichtentechnik Prof. Dr.-Ing. A. Dekorsy Schriftliche Prüfung im Fach Grundlagen der Nachrichtentechnik Name: Vorname: Mat.-Nr.: BSc./Dipl.: Zeit: Ort: Umfang: 07.
MehrPhysikalische Grundlagen der Kommunikation
Physikalische Grundlagen der Kommunikation Prof. Dr. Clemens H. Cap http://wwwiuk.informatik.uni-rostock.de http://www.internet-prof.de 2003 C. Cap Koordinaten tragung von Information durch nden eines
Mehrund mit t in Sekunden wird mit einer Frequenz von 8000 Hz abgetastet. Die Abtastung beginnt bei t=0 mit dem Zeitindex n=0.
Aufgabe 1 Das periodische Signal x t) 0,5 sin(2 f t) 0,5 cos(2 f t) mit f 1000Hz und mit f 2000Hz ( 1 2 1 2 und mit t in Sekunden wird mit einer Frequenz von 8000 Hz abgetastet. Die Abtastung beginnt bei
MehrGrundlagen der Informationstheorie. Hanna Rademaker und Fynn Feldpausch
Grundlagen der Informationstheorie Hanna Rademaker und Fynn Feldpausch . Thema Informationstheorie geht zurück auf Claude Shannon The Mathematical Theory of Communication beschäftigt sich mit Information
MehrMusterlösung zur Aufgabe A1.1
Abschnitt: 1.1 Prinzip der Nachrichtenübertragung Musterlösung zur Aufgabe A1.1 a) Im markierten Bereich (20 Millisekunden) sind ca 10 Schwingungen zu erkennen. Daraus folgt für die Signalfrequenz näherungsweise
MehrSysteme II 8. Die physikalische Schicht (Teil 4)
Systeme II 8. Die physikalische Schicht (Teil 4) Thomas Janson, Kristof Van Laerhoven*, Christian Ortolf Folien: Christian Schindelhauer Technische Fakultät : Rechnernetze und Telematik, *: Eingebettete
MehrDigitalisierung. Digitale Übertragung analoger Signale. störsicher (0/1-Codierung, Fehlerkorrektur) präzise (fixe unveränderliche Codeworte)
Digitale Übertragung analoger Signale Vorteile digitaler Übertragung störsicher (0/1-Codierung, Fehlerkorrektur) präzise (fixe unveränderliche Codeworte) Nachteiler digitaler Übertragung natürliche Signale
MehrSpektrumanalyse. Inhalt. I. Einleitung 2. II. Hauptteil 2-8
Fachhochschule Aachen Campus Aachen Hochfrequenztechnik Hauptstudium Wintersemester 2007/2008 Dozent: Prof. Dr. Heuermann Spektrumanalyse Erstellt von: Name: Mario Schnetger Inhalt I. Einleitung 2 II.
MehrKapitel 4 Leitungscodierung
Kapitel 4 Leitungscodierung Prof. Dr. Dirk W. Hoffmann Hochschule Karlsruhe w University of Applied Sciences w Fakultät für Informatik Übersicht Quelle Senke Kompression Huffman-, Arithmetische-, Lempel-Ziv
MehrAbschlussprüfung Nachrichtentechnik 03. August 2015
Abschlussprüfung Nachrichtentechnik 03. August 2015 Name:... Vorname:... Matrikelnr.:... Studiengang:... Aufgabe 1 2 3 4 Summe Note Punkte Hinweis: Die Teilaufgaben (a), (b) und (c) können unabhängig voneinander
MehrSpektrum zeitdiskreter Signale
Spektrum zeitdiskreter Signale 1 Aufgabenstellung Mithilfe der Fouriertransformation können zeitkontinuierliche Signale in den Frequenzbereich transformiert werden, um die im Signal enthaltenen Frequenzanteile
MehrAufgabe 1 - Pegelrechnung und LTI-Systeme
KLAUSUR Nachrichtentechnik 06.08.0 Prof. Dr.-Ing. Dr. h.c. G. Fettweis Dauer: 0 min. Aufgabe 3 4 Punkte 5 0 4 50 Aufgabe - Pegelrechnung und LTI-Systeme Hinweis: Die Teilaufgaben (a), (b) und (c) können
Mehr2. Digitale Codierung und Übertragung
2. Digitale Codierung und Übertragung 2.1 Informationstheoretische Grundlagen 2.2 Speicherbedarf und Kompression 2.3 Digitalisierung Ludwig-Maximilians-Universität München Prof. Hußmann Digitale Medien
MehrAbtastung. Normalisierte Kreisfrequenz = DSP_9-Abtasttheorem 2
Abtasttheorem Abtastung xn [ ] = xnt ( ) = Acos( ωnt+ ϕ) = Acos( ωˆ n+ ϕ) s s Normalisierte Kreisfrequenz ωˆ = ωt s DSP_9-Abtasttheorem 2 Normalisierte Kreisfrequenz ω hat die Einheit rad/sec, ω ˆ = ωt
MehrGrundlagen Rechnernetze und Verteilte Systeme
Prof. Dr.-Ing. Georg Carle Dipl.-Ing. Stephan M. Günther, M. Sc. Nadine Herold, M. Sc. Dipl.-Inf. Stephan-A. Posselt Johannes Naab, M. Sc. Marcel von Maltitz, M. Sc. Lehrstuhl für Netzarchitekturen und
MehrBild-Erfassung Digitalisierung Abtastung/Quantisierung
Multimediatechnik / Video Bild-Erfassung Digitalisierung Abtastung/Quantisierung Oliver Lietz Bild-Erfassung Abtastung / Digitalisierung Scanner: Zeilenweise Abtastung mit CCD Digitale Kamera: Flächenweise
MehrDigitale Signalverarbeitung, Vorlesung 2: Quantisierung, Frequenzanalyse
Digitale Signalverarbeitung, Vorlesung 2: Quantisierung, Frequenzanalyse 31. Oktober 2016 Eigenschaften diskreter Signale Quantisierung Frequenzbereichsmethoden Anhang Wesentliches Thema heute: 1 Eigenschaften
MehrGrundlagen der Rechnernetze. Physikalische Schicht
Grundlagen der Rechnernetze Physikalische Schicht Übersicht Frequenz, Spektrum und Bandbreite Kanalkapazität Encoding und Modulation Beispiele für Übertragungsmedien Grundlagen der Rechnernetze Physikalische
MehrGrundlagen Rechnernetze und Verteilte Systeme
Grundlagen Rechnernetze und Verteilte Systeme SoSe 22 Kapitel : Physikalische Schicht Prof. Dr.-Ing. Georg Carle Stephan M. Günther, M.Sc. Nadine Herold, M.Sc. Dipl.-Inf. Stephan Posselt Fakultät für Informatik
Mehr- Sei r(x,y) Eingangsbild, dass nur Rauschen (Quantenrauschen) enthält.
Eingang System Ausgang - Sei r(x,y) Eingangsbild, dass nur (Quantenrauschen) enthält. - Das Bild enthalte keinerlei Information, d.h. das Spektrum ist weiß und es gibt keine Korrelationen zwischen den
MehrDigitale Signalverarbeitung, Vorlesung 2: Quantisierung, Frequenzanalyse
Digitale Signalverarbeitung, Vorlesung 2: Quantisierung, Frequenzanalyse 23. Oktober 2017 Eigenschaften diskreter Signale Quantisierung Frequenzbereichsmethoden Anhang Wesentliches Thema heute: 1 Eigenschaften
MehrPraxiswerkstatt Algorithmen der Signalcodierung
Praxiswerkstatt Algorithmen der Signalcodierung 2. Termin Themen heute: Abtastung Lineare Zeitinvariante Systeme Seite 1 Abtastung letztes Mal haben wir gesehen: 3,9 khz kaum noch hörbar bei 8 khz Abtastrate.
MehrSpektrum und Bandbreite
Spektrum und Bandbreite 0.0 0 1f 2f 3f 4f 5f 6f Spektrum: Bandbreite: Grundlagen der Rechnernetze Physikalische Schicht 12 Aperiodische Signale in der Frequenzdomäne Bildquelle: de.wikipedia.org/wiki/frequenzspektrum
MehrKapitel 7: Optimalcodierung und Huffman Coding
Kapitel 7: codierung und Huffman Coding Ziele des Kapitels Auftreten von Fehlern bei zu starker Kompression Konstruktion optimaler Codes Huffman Coding 2 Bisher Theorem (Shannon I): Die mittlere Codewortlänge
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
Name Studiengang (Hauptfach) Vorname Fachrichtung (Nebenfach)... Note Matrikelnummer Unterschrift der Kandidatin/des Kandidaten 1 I II TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Informatik Midterm-Klausur
Mehr2. Digitale Codierung und Übertragung
2. Digitale Codierung und Übertragung 2.1 Informationstheoretische Grundlagen 2.2 Speicherbedarf und Kompression 2.3 Digitalisierung Ludwig-Maximilians-Universität München Prof. Hußmann Digitale Medien
MehrGrundlagen der Nachrichtentechnik
Universität Bremen Arbeitsbereich Nachrichtentechnik Prof. Dr.-Ing. A. Dekorsy Schriftliche Prüfung im Fach Grundlagen der Nachrichtentechnik Name: Vorname: Mat.-Nr.: BSc./Dipl.: Zeit: Ort: Umfang: 07.
MehrSysteme II. Christian Schindelhauer Sommersemester Vorlesung
Systeme II Christian Schindelhauer Sommersemester 2006 5. Vorlesung 10.04.2006 schindel@informatik.uni-freiburg.de 1 Basisband und Breitband Basisband (baseband) Das digitale Signal wird direkt in Strom-
MehrKanalkapazität. Gestörter Kanal. Grundlagen der Rechnernetze Physikalische Schicht 25
Kanalkapazität Gestörter Kanal Grundlagen der Rechnernetze Physikalische Schicht 25 Signalstärken und Dämpfung Spannung U, Strom I, Leistung P und Energie E: Dämpfung Signalstärke Distanz Grundlagen der
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
Name Studiengang (Hauptfach) Vorname Fachrichtung (Nebenfach)... Note Matrikelnummer Unterschrift der Kandidatin/des Kandidaten 1 I II TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Informatik Midterm-Klausur
MehrRauschen. Signalverarbeitung. Zur Erinnerung. Fourier theorem
verarbeitung 1. Klassifizierung und charakterisierung der e 2. verarbeitungskette Fourier theorem Rauschen f sinus t3 Rauschen: die gemessenen (als informationen dienenden) physikalischen Parameter, die
MehrDipl.-Ing. (TU) Jürgen Wemheuer
Dipl.-Ing. (TU) Jürgen Wemheuer wemheuer@ewla.de http://ewla.de 1 Statt kontinuierlicher (Amplituden-)Werte einer stetigen Funktion sind nur diskontinuierliche, diskrete Werte möglich (begrenzter Wertevorrat):
Mehr(Bitte geben Sie bei der Beantwortung von Fragen eine Begründung bzw. bei der Lösung von Kurzaufgaben eine kurze Berechnung an!)
Teil 1: Fragen und Kurzaufgaben (Bitte geben Sie bei der Beantwortung von Fragen eine Begründung bzw. bei der Lösung von Kurzaufgaben eine kurze Berechnung an!) Frage 1 (6 Punkte) Es wird ein analoges
MehrÜbungsaufgaben zur Vorlesung Quellencodierung
Übungsaufgaben zur Vorlesung Quellencodierung Aufgabe 1: Gegeben seien die Verbundwahrscheinlichkeiten zweier diskreter Zufallsvariablen x und y: P(x, y) x 1 = 1 x 2 = 2 x 3 = 3 y 1 = 1 0.1 0.1 0.1 y 2
MehrÜbung 4: Physical layer and limits
Wintersemester 217/218 Rechnernetze Universität Paderborn Fachgebiet Rechnernetze Übung 4: Physical layer and limits 217-11-3 1. Basisband/Breitband Diese Aufgabe soll den Unterschied zwischen Basisband-
Mehr2. Anordnung zur digitalen Signalverarbeitung
2. Anordnung zur digitalen Signalverarbeitung Prof. Dr.-Ing. Dr. h.c. Norbert Höptner Prof. Dr.-Ing. Stefan Hillenbrand Ergänzende Informationen zur Vorlesung Signalverarbeitungssysteme Abschnitte 2.1-2.5.
MehrSystemtheorie Teil B
d + d z + c d z + c uk d + + yk z d + c d z + c Systemtheorie eil B - Zeitdiskrete Signale und Systeme - Musterlösungen Manfred Strohrmann Urban Brunner Inhalt Musterlösungen - Signalabtastung und Rekonstruktion...
MehrSchnelle Fouriertransformation (FFT)
Schnelle Fouriertransformation (FFT) Inhaltsverzeichnis 1 Schnelle Fouriertransformation (FFT)... 3 1.1 Das Realtime-Konzept der Goldammer-Messkarten... 3 1.2 Das Abtasttheorem oder Regeln für die Abtastung
MehrTheoretische Grundlagen der Informatik. Vorlesung am 31. Januar INSTITUT FÜR THEORETISCHE INFORMATIK
Theoretische Grundlagen der Informatik 3..29 Torsten Ueckerdt - Theoretische Grundlagen der Informatik KIT Die Forschungsuniversität in der Helmholtz-Gemeinschaft www.kit.edu Thema dieses Kapitels Informationstheorie
MehrSignalprozessoren. Digital Signal Processors VO [2h] , LU 2 [2h]
Signalprozessoren Digital Signal Processors VO [2h] 182.082, LU 2 [2h] 182.084 http://ti.tuwien.ac.at/rts/teaching/courses/sigproz Herbert Grünbacher Institut für Technische Informatik (E182) Herbert.Gruenbacher@tuwien.ac.at
MehrMedien- Technik. Digital Audio
Digital Audio Medientyp digital audio representation Abtastfrequenz /sampling frequency Quantisierung (Bittiefe) Anzahl der Kanäle/Spuren Interleaving bei Mehrkanal Positiv/negativ Codierung operations
MehrKlausur Informationstheorie und Codierung
Klausur Informationstheorie und Codierung WS 2013/2014 23.01.2014 Name: Vorname: Matr.Nr: Ich fühle mich gesundheitlich in der Lage, die Klausur zu schreiben Unterschrift: Aufgabe A1 A2 A3 Summe Max. Punkte
MehrAudio-Bearbeitung. Diese Freq. Anteile «verschwinden» nach dem unterabtasten Filter muß schmal genug sein! Nach Unterabtastung
Audio Signal Audio-Bearbeitung Ampl Vor Unterabtastung Teilband Grenzen Normierte Frequenz (normierte Abtastrate, maximale Frequenz ist pi oder 1) Teilbänder Diese Freq. Anteile «verschwinden» nach dem
MehrMultimediale Werkzeuge 1, Audio-Berabeitung. normierte Frequenz (normiert auf die halbe Abtastrate, maximale Frequenz ist pi oder 1
Multimediale Werkzeuge 1, Audio-Berabeitung normierte Frequenz (normiert auf die halbe Abtastrate, maximale Frequenz ist pi oder 1 Beachte: Teilbänder werden nach den Unter-Abtasten "aufgeblasen" (siehe
MehrLösungen 4.1 Analoge Übertragung mit PCM
J. Lindner: Informationsübertragung Lösungen Kapitel 4 Lösungen 4. Analoge Übertragung mit PCM 4. a) Blockbild einer Übertragung mit PCM: q(t) A D 8 bit linear f Amin = 8kHz q(i) digitales ˆq(i) Übertragungs-
MehrSysteme II 2. Woche Bitübertragungsschicht
Systeme II 2. Woche Bitübertragungsschicht Christian Schindelhauer Technische Fakultät Rechnernetze und Telematik Albert-Ludwigs-Universität Freiburg Bitübertragungsschicht Physical Layer ISO-Definition
MehrZusammenfassung der 1. Vorlesung
Zusammenfassung der. Vorlesung Einordnung und Motivation Grundlegende Definitionen Kontinuierliches Signal Quantisiertes Signal Zeitdiskretes Signal Digitales Signal Auflösung der A/D- Umsetzer der MicroAutoBox
MehrSignale, Transformationen
Signale, Transformationen Signal: Funktion s(t), t reell (meist t die Zeit, s eine Messgröße) bzw Zahlenfolge s k = s[k], k ganzzahlig s reell oder komplex s[k] aus s(t): Abtastung mit t = kt s, s[k] =
MehrÜbung zu Drahtlose Kommunikation. 1. Übung
Übung zu Drahtlose Kommunikation 1. Übung 22.10.2012 Termine Übungen wöchentlich, Montags 15 Uhr (s.t.), Raum B 016 Jede Woche 1 Übungsblatt http://userpages.uni-koblenz.de/~vnuml/drako/uebung/ Bearbeitung
Mehr3. Fourieranalyse und Amplitudenspektren
3.1 Fourieranalyse 3.1.1 Einleitung Laut dem französischen Mathematiker Fourier (1768-1830) kann jedes periodische Signal in eine Summe von sinusförmigen Signalen mit unterschiedlichen Amplituden, Frequenzen
MehrWichtigste Voraussetzung für die in dieser Vorlesung beschriebenen Systeme und Verfahren sind digitale Aufnahmen. Doch was ist eigentlich ein
1 Wichtigste Voraussetzung für die in dieser Vorlesung beschriebenen Systeme und Verfahren sind digitale Aufnahmen. Doch was ist eigentlich ein digitales Foto oder Video? Das folgende Kapitel soll einen
MehrFachprüfung. Nachrichtencodierung
Fachprüfung Nachrichtencodierung 6. August 2009 Prüfer: Prof. Dr. P. Pogatzki Bearbeitungszeit: 2 Stunden Hilfsmittel: Taschenrechner, Vorlesungsscript, Übungsaufgaben Name: Vorname: Matr.-Nr.: Unterschrift:
MehrKanalkapazität. Grundlagen der Rechnernetze Physikalische Schicht 25
Kanalkapazität Gestörter t Kanal Grundlagen der Rechnernetze Physikalische Schicht 25 Signalstärken und Dämpfung Spannung U, Strom I, Leistung P und Energie E: Dämpfung Signalstärk ke Distanz Grundlagen
MehrAlgorithmen und Datenstrukturen (für ET/IT)
Algorithmen und Datenstrukturen (für ET/IT) Wintersemester 2012/13 Dr. Tobias Lasser Computer Aided Medical Procedures Technische Universität München Informationen zur Klausur Termin: 21. Februar 2013,
Mehrdbw und dbm dbw und dbm zur logarithmischen Darstellung einer Leistungsgröße P [W]:
dbw und dbm dbw und dbm zur logarithmischen Darstellung einer Leistungsgröße P [W]: Beispiel: Leistungsgröße P out [dbw] bei Leistungsgröße P in [dbw] und Dämpfung L [db] Leistungsgröße P out [W] Grundlagen
MehrLaborprotokoll SSY Abtastung
Laborprotokoll SSY Abtastung Daniel Schrenk, Andreas Unterweger SSYLB WS 05/06 Abtastung Seite 1 von 12 Einleitung Ziel der Übung In dieser Laborübung sollte ein Signal abgetastet werden und anschließend
MehrInhaltsverzeichnis. Daniel von Grünigen. Digitale Signalverarbeitung. mit einer Einführung in die kontinuierlichen Signale und Systeme
Inhaltsverzeichnis Daniel von Grünigen Digitale Signalverarbeitung mit einer Einführung in die kontinuierlichen Signale und Systeme ISBN (Buch): 978-3-446-44079-1 ISBN (E-Book): 978-3-446-43991-7 Weitere
MehrEinführung in die Nachrichtenübertragung
Klausur Einführung in die Nachrichtenübertragung Vorlesung und Rechenübung - Prof. Dr.-Ing. Thomas Sikora - Name:............................ Vorname:................................... Matr.Nr:..........................
MehrNAE Nachrichtentechnik und angewandte Elektronik
Inhaltsverzeichnis: Thema Unterpunkt eite Modulation allgemein Definition 8-2 Frequenzmultiplex 8-2 Zeitmultiplex 8-2 Übersicht Modulationsverfahren Amplitudenmodulation (AM) 8-3 Winkelmodulation (WM)
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
Name Studiengang (Hauptfach) Vorname Fachrichtung (Nebenfach)... Note Matrikelnummer Unterschrift der Kandidatin/des Kandidaten I II TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Informatik Midterm-Klausur
MehrCodierung Fehlerdetektion
Übersicht Elektromagnetische Wellen Frequenzen und Regulierungen Antennen Signale Signalausbreitung Multiplex Modulation Bandspreizverfahren Codierung Rauschen und Übertragungsfehler Fehlerdetektion Block-Codes
MehrDigitale Signalverarbeitung sehen, hören und verstehen
Digitale Signalverarbeitung sehen, hören und verstehen Hans-Günter Hirsch Hochschule Niederrhein, Krefeld email: hans-guenter.hirsch@hs-niederrhein.de http://dnt.kr.hs-niederrhein.de Folie 1 Gliederung
Mehri Der Informatinonsgehalt ist also intuitiv umgekehrt proportional der Auftritswahrscheimlichkeit.
1 2 Im ersten Schritt werden wir uns mit dem Begriff und der Definition der Information beschäftigen. Ferner werden die notwendigen math. Grundlagen zur Quellencodierung gelegt. Behandelt werden Huffman,
MehrFunktion von Delta-Sigma-Wandlern zur Digitaliserung eines analogen Sensorsignals mit einer praktischen Anwendung. Dr.
Funktion von Delta-Sigma-Wandlern zur Digitaliserung eines analogen Sensorsignals mit einer praktischen Anwendung Dr. Thomas Komarek 1 Übersicht Praktische Anwendung: Super Audio Compact Disc (SACD) Grundlagen
MehrKommunikationstechnik II Wintersemester 08/09
Kommunikationstechnik II Wintersemester 8/9 Prof. Dr. Stefan Weinzierl Musterlösung: 8. Aufgabenblatt Lösung in der Rechenübung am 9.1.9 1. Aufgabe: Fehlererkennung/-korrektur Audio Symbole mit einer Länge
Mehr4.1 Grundbegriffe 4.2 Frequenzspektren, Fourier-Transformation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter
4 Signalverarbeitung 4.1 Grundbegriffe 4.2 Frequenzspektren, Fourier-Transformation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter Weiterführende Literatur (z.b.): Beate Meffert, Olaf Hochmuth: Werkzeuge
MehrAufgabe 1 (20 Punkte)
Augabe 1 (20 Punkte) Es wird ein Sprachsignal x(t) betrachtet, das über eine ISDN-Teleonleitung übertragen wird. Das Betragsspektrum X() des analogen Signals kann dem nachstehenden Diagramm entnommen werden.
Mehr2. Digitale Codierung und Übertragung
2. Digitale Codierung und Übertragung 2.1 Informationstheoretische Grundlagen 2.2 Verlustfreie universelle Kompression 2.3 Digitalisierung, Digitale Medien Ludwig-Maximilians-Universität München, Medieninformatik
MehrDigitalisierung von Tönen. Von Paul
Digitalisierung von Tönen Von Paul Was passiert beim hören Tonquelle erzeugt Schallwellen Alle vibrierende Objekte erzeugen Schallwellen. Durch die Vibration wird das Medium stoßweise verdichtet. Schallwellen
MehrZusammenfassung der 1. Vorlesung
Zusammenfassung der 1. Vorlesung Einordnung und Motivation Grundlegende Definitionen Kontinuierliches Signal Zeitdiskretes Signal Quantisiertes Signal Digitales Signal Kontinuierliches System Abtastsystem
MehrVorlesung 2 Medizininformatik. Sommersemester 2017
Vorlesung 2 Medizininformatik Zeitplan Medizininformatik () Vorlesung (2 SWS) Montags 8:30-10:00 Übung (1 SWS) 10:15-11:00 1. 24.4 1.5 2. 8.5 3. 15.5 4. 22.5 Computer Architecture Begrüssung, Review: Daten
MehrBeispiel: Zeigen Sie, dass H(x) = H 0 = I gilt, wenn alle Zeichen gleichwahrscheinlich sind.
1 2 Im ersten Schritt werden wir uns mit dem Begriff und der Definition der Information beschäftigen. Ferner werden die notwendigen math. Grundlagen zur Quellencodierung gelegt. Behandelt werden Huffman,
MehrLabor SMV Versuch 1. Erläuterungen zum Aliasing. Prof. Dr.-Ing. Gernot Freitag. FB: EuI, FH Darmstadt. Darmstadt, den
Labor SMV Versuch Erläuterungen zum Aliasing FB: EuI, Darmstadt, den 26.5 Elektrotechnik und Informationstechnik Rev., 9.5 Auf den folgenden Seiten sind einige typische Abtastsituationen zusammengestellt,
Mehr2 Signalabtastung und Rekonstruktion
Signalabtastung und Rekonstruktion Signalabtastung und Rekonstruktion In vielen praktischen Anwendungen werden analoge Signale mit digitalen Systemen wie z.b. Computern oder Mikro-Controllern erfasst und
MehrCODIERUNGSTHEORIE KURS ZELL AN DER PRAM, FEBRUAR 2005
CODIERUNGSTHEORIE KURS ZELL AN DER PRAM, FEBRUAR 2005 1. Das Problem 1.1. Kanalcodierung und Fehlerkorrektur. Wir wollen eine Nachricht über einen digitalen Kanal, der nur 0 oder 1 übertragen kann, schicken.
MehrTheoretische Grundlagen der Informatik. Vorlesung am 7. Februar INSTITUT FÜR THEORETISCHE INFORMATIK
Theoretische Grundlagen der Informatik 0 07.02.2019 Torsten Ueckerdt - Theoretische Grundlagen der Informatik KIT Die Forschungsuniversität in der Helmholtz-Gemeinschaft www.kit.edu Werbung Vorlesung Algorithmen
Mehr4.3 OFDM (Variante mit Cyclic Prefix) Dr. Mike Wolf, Fachgebiet Nachrichtentechnik Drahtlose Nachrichtenübertragung 65
(Variante mit Cyclic Prefix) Dr. Mike Wolf, Fachgebiet Nachrichtentechnik Drahtlose Nachrichtenübertragung 65 (Variante mit Cyclic Prefix) zeitkontinuierliches Sendesignal ohne CP Bitrate: R b (Bitrate
Mehr{w, e, o, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13}.
LEHRSTUHL FÜR INFORMATIONSÜBERTRAGUNG Laboratorium für Nachrichtentechnik μ Prof. Dr. Ing. J. Huber Friedrich Alexander Universität Erlangen Nürnberg D Schriftliche Prüfung im Fach Signalübertragung und
MehrNeue Technologien in Internet und WWW. 0. Einleitung. 1. Digitalisierung 1.1 Sampling und Quantisierung (1) 1. Digitalisierung
Neue Technologien in Internet und WWW 0. Einleitung Kodierung und Komprimierung von Audiodaten Was ist Schall? Schwingungen von Molekülen in einem elastischen Medium, die sich wellenförmig ausbreiten.
MehrSystemtheorie abbildender Systeme
Bandbegrenzung Bild in (b) nicht band-begrenzt: scharfe Kanten = Dirac-Funktionen = weißes Spektrum Erfordert Tapering vor Digitalisierung (Multiplikation mit geeigneter Fensterfunktion; auf Null drücken
MehrSignale - Prozesse - Systeme
U. Karrenberg Signale - Prozesse - Systeme Eine multimediale und interaktive Einführung in die Signalverarbeitung Zweite Auflage Mit 239 Abbildungen J i Springer i Inhaltsverzeichnis Kapitel 0 Einführung
MehrSYS_A - ANALYSIEREN. Statistik. NTB Druckdatum: SYS A. Histogramm (Praxis) Gaußsche Normalverteilung (Theorie) Gebrauch: bei n > 100
SYS_A - ANALYSIEREN Statistik Gaußsche Normalverteilung (Theorie) Gebrauch: bei n > 100 Histogramm (Praxis) Realisierung Lage Streuung Zufallsvariable Dichte der Normalverteilung Verteilungsfunktion Fläche
MehrÜbertragungstechnik. Übertragungstechnik. Copyright Chr. Schaffer, Fachhochschule Hagenberg, MTD 1
Übertragungstechnik Copyright Chr. Schaffer, Fachhochschule Hagenberg, MTD 1 Allgemeines Schema einer Nachrichtenübertragung Modulator Sender Störungen Strecke Nachrichtenquelle Nachrichtensenke Demodulator
Mehr1 Informationsverarbeitung & Wahrscheinlichkeitsrechnung Informationsverarbeitung Wahrscheinlichkeitsrechnung... 2.
Inhaltsverzeichnis 1 Informationsverarbeitung & Wahrscheinlichkeitsrechnung 2 1.1 Informationsverarbeitung............................. 2 1.2 Wahrscheinlichkeitsrechnung........................... 2 2
Mehr