π soll mit Hilfe einer DFT spektral

Größe: px
Ab Seite anzeigen:

Download "π soll mit Hilfe einer DFT spektral"

Transkript

1 Augabe 6 Das abgetastete Signal x( n) = 2 cos( 2 n ) sin( 2 π 3 n ) π soll mit Hile einer DFT spektral 4 8 analysiert werden. a) Geben Sie zunächst die Frequenz der Cosinusschwingung sowie die Frequenz der Sinusschwingung bei einer Abtastrequenz von 000 Hz an, in dem Sie x(n) au die zugehörige Beschreibung als analoges Signals x(t) zurückühren. Es werden 6 aueinanderolgende Abtastwerte von x(n) mit 0 n 5 mit einer DFT analysiert. b) Geben Sie die Summenormel zur Berechnung von { ( 4) } Berechnung von { ( 6) } Re X sowie die Summenormel zur Im X an. Führen Sie die Berechnung mit Hile von Matlab aus, in dem Sie zunächst einen Vektor n ür die Zeitindices und damit einen Vektor x ür die Abtastwerte deinieren. Zur Berechnung der Summen können Sie die Funktion sum verwenden. Tragen Sie die Ergebnisse in den nachstehenden Diagrammen ein. Re{X(k)} Index k Im{X(k)} Index k Ergänzen Sie in den Diagrammen die zu den von Ihnen berechneten Werten gehörigen Komponenten oberhalb der halben Abtastrequenz. Welcher Index k entspricht der halben Abtastrequenz? c) Berechnen Sie die Energie des Signalabschnitts mit 6 Abtastwerten im Zeitbereich. Berechnen Sie die Energie im Frequenzbereich. H.G. Hirsch 25 DSV-Übung & Praktikum

2 Praktische Übung 6 Überprüen Sie das von Ihnen in der Augabe 6 bestimmte Ergebnis, in dem Sie zunächst die 6 Abtastwerte des Signals x(n) in der graphischen Oberläche des Signalgenerators erzeugen. Gehen Sie anschließend in die graphische Oberläche zur Darstellung der DFT Eigenschaten und übernehmen Sie das Signal aus dem Generatorenster. Wählen Sie die Darstellung von Real- und Imaginärteil. Drucken Sie das Ergebnis aus. Erzeugen Sie sich in Matlab einen Nullvektor mit 6 Werten. Dieser Vektor soll das von Ihnen berechnete DFT Spektrum beinhalten. Setzen Sie dazu die entsprechenden Komponenten dieses Vektors au die von Ihnen berechneten Werte der DFT. (Hinweis: Bei Matlab beginnt die Indizierung bei!) Führen Sie eine inverse DFT mit Hile der in Matlab vorhandenen Funktion it durch. Visualisieren Sie das Ergebnis mit Hile des Beehls stem. Vergleichen Sie die Abtastwerte mit den Werten im Fenster des Signalgenerators. Augabe & Praktische Übung 7 cos mit a Zur Spektralanalyse werden 40 Abtastwerte eines Cosinussignals x( n) = 2 π n einer DFT transormiert. Die Abtastrequenz beträgt a = 8000 Hz. a) Bei welchen diskreten Frequenzen können mit der DFT die Werte des Spektrums bestimmt werden? b) Geben Sie die mathematische Beschreibung zum Extrahieren der 40 Abtastwerte im Zeitbereich an. Wie sieht die zugehörige mathematische Beschreibung im Frequenzbereich aus? Die mathematische Beschreibung im Frequenzbereich und das daraus resultierende Ergebnis soll mit Hile eines Experiments ür zwei Cosinussignale mit verschiedenen Frequenzen nachvollzogen werden. Deinieren Sie sich in Matlab zunächst einen Frequenzvektor = -4000:4000;, der den Frequenzbereich a + a deiniert. 2 2 c) Es soll ein Cosinussignal mit einer Frequenz von 800 Hz analysiert werden. Legen Sie mittels Hcos = zeros(size()); einen Nullvektor zur Beschreibung des Spektrums des Cosinussignals an. Überlegen Sie sich, bei welchen Indices Hcos einen Wert ungleich Null annimmt. (Hinweis: Sie können Ihre Überlegungen überprüen mittels ind(==-800) bzw. ind(==800) ) Setzen Sie entsprechenden Komponenten von Hcos(index) = ; H.G. Hirsch 26 DSV-Übung & Praktikum

3 Stellen Sie das Spektrum des Cosinus mittels subplot(4,,); plot(, Hcos); graphisch dar. Deinieren Sie die SI-örmige Übertragungsunktion des Rechteckensters, mit dem das Signal zum Extrahieren des Signalabschnitts multipliziert wird, als Vektor Hsi ür den durch deinierten Frequenzbereich. Stellen Sie die Übertragungsunktion mittels subplot(4,,2); plot(, Hsi); graphisch dar. Die Faltung der Spektren von Cosinussignal und Rechteckenster kann mittels Hal = conv(hcos, Hsi); ausgeührt werden. Überlegen Sie sich, zwischen welchen Indices der Vektor Hal das Spektrum als Ergebnis der Faltung im Bereich a + a beinhaltet: 2 2 Start-Index:. End-Index:. Stellen Sie das Faltungsergebnis mittels subplot(4,,3); plot(, Hal(startindex:endindex)); graphisch dar. Das Ergebnis der DFT erhält man durch eine Abtastung des Faltungsergebnisses bei den im Unterpunkt a) bestimmten Frequenzen. Hinweis: Aus dem Vektor Hal können Sie jeden n-ten Wert mit Hal(startindex:n:endindex) herausgreien! Stellen Sie das DFT Spektrum mittels subplot(4,,4); stem((-4000:n:4000), Hal(startindex:n:endindex)); graphisch dar. Es sollte deutlich werden, dass das DFT Spektrum in diesem Fall dem Spektrum des Cosinus entspricht! Drucken Sie die Graphik mittels Auru von print in Matlab aus. d) Bestimmen Sie durch Wiederholung der unter c) genannten Verarbeitungsschritte das DFT Spektrum ür ein Cosinussignal mit einer Frequenz von 900 Hz. In diesem Fall sollte deutlich werden, dass das DFT Spektrum deutlich von dem Spektrum des Cosinussignals abweicht. Drucken Sie sich das Ergebnis wieder aus. Sie können das aus den Abtastwerten des Signals bestimmte DFT Spektrum mit Hile der graphischen Oberlächen des Praktikums erzeugen. Das so erzeugte Spektrum wird nahezu identisch mit dem aus der Faltung resultierenden Spektrum sein. Erzeugen Sie in der graphischen Oberläche des Signalgenerators die 40 Abtastwerte (bei a = 8000 Hz ) eines phasenverschobenen Sinussignals mit einer Frequenz von 900 Hz und einer Phase von -20 Grad. Gehen Sie in die graphische Oberläche zu den DFT Eigenschaten und transormieren Sie die Abtastwerte aus der Oberläche des Signalgenerators. Das sich dabei einstellende Betragsspektrum sollte dem durch die Faltung bestimmten Spektrum igure; stem((0:200:4000), abs(hal(800:200:200))); näherungsweise entsprechen. H.G. Hirsch 27 DSV-Übung & Praktikum

4 Sie können den Einluss verschiedener Fensterunktionen untersuchen, in dem Sie in der graphischen Oberlächen bei dem zugehörigen Auswahlmenü eine Fensterunktion auswählen. Praktische Übung 8 In der graphischen Oberläche zur FFT Analyse besteht die Möglichkeit, Signale mit einer DFT der Längen 6, 32, 64,, 4096 zu analysieren. Dabei kann das Analyseenster mit der Maus an eine gewünschte Stelle des Signals verschoben werden. Im Folgenden werden 2 Experimente durchgeührt, die beispielhat den Einsatz einer Spektralanalyse demonstrieren sollen. a) Im ersten Experiment soll das DTMF Signal, mit dem die Inormation über die an einem Teleon gedrückten Tasten zu einer Vermittlungsanlage übertragen wird, analysiert werden. Dabei wird eine Taste als additive Überlagerung zweier Sinustöne codiert, wie es der nachstehenden Graphik entnommen werden kann. Die Taste 5 wird beispielsweise als Kombination eines 770 Hz und eines 336 Hz Sinus übertragen. In der Vermittlungsanlage wird dann durch eine Spektralanalyse aus den beiden im Signal enthaltenen Frequenzkomponenten die gedrückte Taste decodiert. 697Hz 2 3 A 770Hz B 852Hz C 94Hz * 0 # D 209Hz 336Hz 477Hz 633Hz Laden Sie in der graphischen Oberläche zur FFT Analyse das Signal dtm_telnr.wav, das eine Folge von DTMF Tönen als Codierung einer Teleonnummer beinhaltet. Verschieben Sie das Analyseenster zu den einzelnen DTMF Tönen. Verwenden Sie eine FFT der Länge 52. Vergleichen Sie die Spektren bei Auswahl eines Rechteckensters (als. Fensterunktion) und eines Hamming-Fensters (als 2. Fensterunktion). Durch Anklicken einer Spektralkomponente mit der Maus erhalten Sie Angaben zu Frequenz und db Wert der zugehörigen DFT Komponente. Geben Sie die zugehörige Teleonnummer an: H.G. Hirsch 28 DSV-Übung & Praktikum

5 b) Laden Sie das Sprachsignal vokal_a.wav, das ein gesprochenes A beinhaltet. Verwenden Sie eine FFT der Länge 52. Wie lässt sich das Signal charakterisieren, wenn Sie sich den Signalverlau des Signalausschnitts anschauen: Bei welchen Frequenzen sollte das Signal eigentlich nur Spektralwerte ungleich Null auweisen, wenn die Periodenlänge 8 ms beträgt:.. Vergleichen Sie wiederum die Spektren bei Auswahl eines Rechteckensters (als. Fensterunktion) und eines Hamming-Fensters (als 2. Fensterunktion). Drucken Sie sich das Ergebnis aus. Kontrollieren Sie die zuvor angegebenen Frequenzwerte, in dem Sie die ersten 4 Maxima des logarithmischen Leistungsdichtespektrums anklicken. Augabe & Praktische Übung 9 In der Augabe zum Thema der diskreten Faltung wurde bereits die Impulsantwort des idealen TP Filters mit einer Grenzrequenz g a = 6 analysiert. a) Geben Sie die mathematische Beschreibung der Impulsantwort h TP (n) an. Wie lässt sich die ideale Filtercharakteristik mathematisch im Frequenzbereich beschreiben? Skizzieren Sie den idealen Frequenzgang. Im Rahmen der Augabe wurden zwei zeitbegrenzte Versionen (mit 9 bzw. 8 Abtastwerten) der Impulsantwort spektral analysiert. Die zeitbegrenzten Impulsantworten mit den zugehörigen Frequenzgängen sollten Sie bereits in gedruckter Form haben (ansonsten können Sie das Experiment aus Augabe mit N=9 Werten nochmals durchühren). Es hatte sich herausgestellt, dass die Frequenzgänge der zeitbegrenzten Impulsantworten von der idealen Charakteristik abweichen. b) Geben Sie die mathematische Beschreibung der zeitbegrenzten Impulsantwort sowie der daraus resultierenden Beschreibung im Frequenzbereich in allgemeiner Form ür eine Beschränkung au N Abtastwerte der Impulsantwort an. Im Folgenden wird in Matlab ein Experiment zur Bestimmung des Frequenzgangs an Hand der unter b) angegebenen mathematischen Beschreibung durchgeührt. Deinieren Sie sich zunächst mittels a = -:0.00:; einen Vektor, der den Frequenzbereich + repräsentiert. a H.G. Hirsch 29 DSV-Übung & Praktikum

6 Legen Sie mittels Hideal = zeros(size(a)); einen Nullvektor zur Beschreibung des idealen Frequenzgangs an, der die gleiche Dimensionierung wie a besitzt. Überlegen Sie sich, zwischen welchen Indices der Vektor zu gesetzt werden muss, um einen TP mit der Grenzrequenz g a = 6 estzulegen. Start-Index:. End-Index:. Setzen Sie die Werte mittels Hideal(startindex:endindex) = ; Schauen Sie sich das Ergebnis mittels subplot(3,,); plot(a, Hideal); an. Deinieren Sie sich den Frequenzgang als Vektor Hsi, der das Spektrum des Rechteckensters, mit dem die Impulsantwort im Zeitbereich begrenzt wird, beschreibt. Stellen Sie diesen Frequenzgang mittels subplot(3,,2); plot(a, Hsi); dar. Die Faltung des idealen Frequenzgangs und des zum Rechteckenster gehörigen Spektrums kann mit Hile der Funktion conv, beispielsweise mittels Hreal = conv(hideal, Hsi); erolgen. Aus wie vielen Werten besteht das Ergebnis der Faltung (size(hreal)): Überlegen Sie sich, zwischen welchen Indices der Frequenzgang Hreal im Bereich + deiniert ist: Start-Index:. End-Index:. Stellen Sie den Frequenzgang mittels subplot(3,,3); plot(a, Hreal(startindex:endindex)); dar. Drucken Sie sich das Ergebnis durch Auru der Funktion print aus. Um das Ergebnis der Faltung genauer mit dem in Augabe ausgedruckten Frequenzgang zu vergleichen, sollte die Darstellung au den Bereich 0 +0, 5 a beschränkt werden. Zwischen welchen Indices ist dieser Frequenzbereich deiniert: Start-Index:. End-Index:. a Außerdem können Sie die Funktion abs verwenden, um den Betrag der Übertragungsunktion darzustellen. Ergänzen Sie entsprechend die nachstehende Matlab Kommandozeile zur Darstellung des Betrags der Übertragungsunktion im Bereich 0 +0, 5 : igure; plot((0:0.00:0.5), ); Das Schwingungsverhalten der Übertragungsunktion im Sperr- und Durchlassbereich des TP lässt sich durch Multiplikation der sin(x)/x -örmigen Impulsantwort mit einer zeitbegrenzten Fensterunktion verbessern. Daraus resultiert die Faltung mit der zu der jeweiligen Fensterunktion gehörigen Fourier-Transormierten. Im nachstehenden Bild sind beispielhat die Spektren dreier a H.G. Hirsch 30 DSV-Übung & Praktikum

7 Fensterunktionen zur vergleichenden Betrachtung bei einer logarithmischen Skalierung der y- Achse (db) dargestellt. Laden Sie in der graphischen Oberläche zu den DFT Eigenschaten nochmals die in Augabe bestimmte zeitbegrenzte Impulsantwort mit 8 Werten. Sie können den Einluss der verschiedenen Fensterunktionen mit dem unter der Graphik vorhandenen Auswahlmenü untersuchen. Wählen Sie das Blackman Fenster und speichern Sie die zugehörige gewichtete Impulsantwort durch Auswahl des Menüpunkts Signal und speichern. Gehen Sie in die graphische Oberläche zur Darstellung des Frequenzgangs einer Impulsantwort und laden Sie die gewichtete Impulsantwort. Vergleichen Sie den Frequenzgang mit dem in Augabe bestimmten. Drucken Sie das Ergebnis aus. Augabe & Praktische Übung 20 Es soll die Impulsantwort eines BP Filters bestimmt werden, das bei einem mit 6 khz abgetasteten Signal den Frequenzbereich von 2 bis 4 khz durchlässt und unterhalb von 2 khz sowie oberhalb H.G. Hirsch 3 DSV-Übung & Praktikum

8 von 4 khz unterdrückt. Skizzieren Sie in der nachstehenden Darstellung den Frequenzgang des idealen BP Filters. H() /khz Das BP Filter soll durch die spektrale Verschiebung eines Prototyp-Tiepasses erzeugt werden. Skizzieren Sie in der nachstehenden Darstellung den Frequenzgang des idealen TP. H TP () /khz Geben Sie die mathematische Beschreibung der zugehörigen Impulsantwort h TP (n) des TP an. Erzeugen Sie sich in Matlab ür n=-60:60; die 32 Abtastwerte einer zeitbegrenzten Impulsantwort htp. Multiplizieren Sie die zeitbegrenzte Impulsantwort mit einem Hamming-Fenster gleicher Länge (Funktion hamming). Speichern Sie Werte der Impulsantwort htp_ham mit wavwrite(htp_ham, 6000, /data/praktikum_dnt/dsvx/a20_htpham.wav ); DSVx steht ür Ihr Gruppenkürzel. Laden Sie die gespeicherte Impulsantwort in der graphischen Oberläche zur Darstellung des Frequenzgangs einer Impulsantwort. Überprüen Sie, ob der Frequenzgang das gewünschte TP Verhalten zeigt. Geben Sie die mathematische Beschreibung im Frequenzbereich zur Verschiebung des TP Frequenzgangs zur gewünschten Mittenrequenz des BP an. Wie sieht die zugehörige mathematische Beschreibung im Zeitbereich aus? Laden Sie die Impulsantwort des TP in der graphischen Oberläche des Signalgenerators. Führen Sie die mathematische Operation aus, um die Impulsantwort des BP zu erzeugen. Speichern Sie die Impulsantwort ab und laden Sie diese wieder in der graphischen Oberläche zur Darstellung des Frequenzgangs einer Impulsantwort. Überprüen Sie, ob der Frequenzgang das gewünschte BP Verhalten zeigt. Drucken Sie die Graphik aus. Laden Sie in der graphischen Oberläche zur Faltung das Musiksignal arica_6k.wav. Laden Sie die Impulsantwort des BP und ühren Sie die Faltung durch. Hören Sie sich das Ergebnis an. Speichern Sie das geilterte Signal ab und laden Sie es in der graphischen Oberläche zur FFT Analyse. Bei einer Analyse mit einer FFT Länge von 4096 Werten sollte die gewünschte BP Filterung sichtbar werden. H.G. Hirsch 32 DSV-Übung & Praktikum

9 Augabe & Praktische Übung 2 Es soll eine 4-kanalige Filterbank entworen werden, um aus einem mit 6 khz abgetasteten Signal 4 Teilbandsignale zu erzeugen, die jeweils einen gleichbreiten Frequenzbereich des Signalspektrums abdecken. Skizzieren Sie in der nachstehenden Darstellung die idealen Frequenzgänge der vier Filter. H BPk () /khz Geben Sie die mathematische Beschreibung zur Erzeugung der 4 Bandpass-Impulsantworten h BPk (n) aus der Impulsantwort (n) Welche Grenzrequenz besitzt der Prototyp-TP? h TP eines Prototyp-TP an. Bei einem Vergleich mit dem in der vorhergehenden Augabe verwendeten Prototyp-TP sollte sich ergeben, dass der gleiche TP benötigt wird. Laden Sie die in der vorherigen Augabe bestimmte Impulsantwort des TP in der graphischen Oberläche des Signalgenerators. Erzeugen Sie die 4 BP- Impulsantworten (Hinweis: Wählen Sie die Amplitude des Cosinus zu 0,25. Dies dient lediglich zur Vermeidung von Überschreitungen des Wertebereichs von - bis +). Speichern Sie die Impulsantworten (Hinweis: ohne Skalierung) ab. Im Folgenden sollen die 4 Teilbandsignale ür ein Musiksignal erzeugt werden. Es soll gezeigt werden, dass man durch additive Überlagerung der Teilbandsignale wieder das Originalsignal erzeugen kann. Laden Sie in der graphischen Oberläche zur Faltung das Musiksignal kastagnetten_6k.wav. Laden Sie nacheinander die 4 Impulsantworten der BP Filter, ühren Si jeweils die Faltung aus und speichern Sie die Ausgangssignale ab. Gehen Sie in die graphische Oberläche des Signalgenerators und laden Sie das Ausgangssignal des niederrequentesten BP. Hören Sie sich das Signal an. Addieren Sie nun nacheinander jeweils die 3 Teilbandsignale durch Auru des Menüpunkts Signal und hinzuaddieren. Hören Sie sich das Signal nach jeder Addition an. H.G. Hirsch 33 DSV-Übung & Praktikum

Aufgabe 1 (20 Punkte)

Aufgabe 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.

Mehr

1 Diskrete Fourier Transformation. 2 Definition der Diskreten Fourier Transformation (DFT)

1 Diskrete Fourier Transformation. 2 Definition der Diskreten Fourier Transformation (DFT) Diskrete Fourier Transormation Das Ausgangssignal eines nachrichtentechnischen Systems oder Verarbeitungsblocks lässt sich im Zeitbereich bei Kenntnis der Impulsantwort h(n) mit Hile der diskreten Faltung

Mehr

und mit t in Sekunden wird mit einer Frequenz von 8000 Hz abgetastet. Die Abtastung beginnt bei t=0 mit dem Zeitindex n=0.

und 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

Mehr

Puls-Code-Modulation. Thema: PCM. Ziele

Puls-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

Mehr

Versuch 3: Anwendungen der schnellen Fourier-Transformation (FFT)

Versuch 3: Anwendungen der schnellen Fourier-Transformation (FFT) Versuch 3: Anwendungen der schnellen Fourier-Transformation (FFT) Ziele In diesem Versuch lernen Sie zwei Anwendungen der Diskreten Fourier-Transformation in der Realisierung als recheneffiziente schnelle

Mehr

Adaptive Differenz-Puls-Code-Modulation (ADPCM) und Lineare, Prädiktive Codierung (LPC)

Adaptive Differenz-Puls-Code-Modulation (ADPCM) und Lineare, Prädiktive Codierung (LPC) Adaptive Dierenz-Puls-Code-Modulation (ADPCM) und Lineare, Prädiktive Codierung (LPC) Ziele Mit diesen rechnerischen und experimentellen Übungen werden die Anwendungen der DPCM mit einer Anpassung der

Mehr

Versuch 5: Filterentwurf

Versuch 5: Filterentwurf Ziele In diesem Versuch lernen Sie den Entwurf digitaler Filter, ausgehend von der Festlegung eines Toleranzschemas für den Verlauf der spektralen Charakteristik des Filters, kennen. Es können Filtercharakteristiken

Mehr

Praktikum zur Sprachsignalverarbeitung

Praktikum zur Sprachsignalverarbeitung Nachstehend finden Sie eine Sammlung von Übungsaufgaben und Laborexperimenten, die im Rahmen der Übungen und Praktika des Moduls Spracherkennung bearbeitet werden sollen. Die Übungsaufgaben (als Aufgaben

Mehr

Test = 28 Punkte. 1: 2: 3: 4: 5: Punkte: Note:

Test = 28 Punkte. 1: 2: 3: 4: 5: Punkte: Note: ZHAW, DSV1, FS2010, Rumc, 1 Test 1 5 + 5 + 5 + 8 + 5 = 28 Punkte Name: Vorname: 1: 2: : 4: 5: Punkte: Note: Aufgabe 1: AD-DA-System. + 1 + 1 = 5 Punkte Das analoge Signal x a (t) = cos(2πf 0 t), f 0 =750

Mehr

(Bitte geben Sie bei der Beantwortung von Fragen eine Begründung bzw. bei der Lösung von Kurzaufgaben eine kurze Berechnung an!)

(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

Mehr

Systemtheorie Teil B

Systemtheorie 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...

Mehr

Puls-Code Modulation (PCM)

Puls-Code Modulation (PCM) Puls-Code Modulation (PCM) Zur Erassung und rechnerbasierten Verarbeitung physikalischer Messgrößen werden spezielle Sensoren eingesetzt, mit denen der zeitliche Verlau der jeweiligen Messgröße in ein

Mehr

Beate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson Ludwig-Maximilians-Universität München Prof. Hußmann Digitale Medien 4-1

Beate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson Ludwig-Maximilians-Universität München Prof. Hußmann Digitale Medien 4-1 4. Signalverarbeitung 4.1 Grundbegrie 4.2 Frequenzspektren, Fourier-Transormation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter Weiterührende Literatur (z.b.): Beate Meert, Ola Hochmuth: Werkzeuge der

Mehr

ZHAW, DSV1, FS2010, Rumc, 1. H(z) a) Zeichnen Sie direkt auf das Aufgabenblatt das Betragsspektrum an der Stelle 1.

ZHAW, DSV1, FS2010, Rumc, 1. H(z) a) Zeichnen Sie direkt auf das Aufgabenblatt das Betragsspektrum an der Stelle 1. ZHAW, DSV, FS200, Rumc, DSV Modulprüfung 7 + 4 + 5 + 8 + 6 = 30 Punkte Name: Vorname: : 2: 3: 4: 5: Punkte: Note: Aufgabe : AD-DA-Umsetzung. + + +.5 +.5 + = 7 Punkte Betrachten Sie das folgende digitale

Mehr

Spektrum zeitdiskreter Signale

Spektrum zeitdiskreter Signale Spektrum zeitdiskreter Signale 1 Aufgabenstellung Mithilfe der Fouriertransformation können zeitkontinuierliche Signale in den Frequenzbereich transformiert werden, um die im Signal enthaltenen Frequenzanteile

Mehr

Theorie digitaler Systeme

Theorie digitaler Systeme Theorie digitaler Systeme Vorlesung 8: Leakage und Zero-Padding Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann Betrag / db Einführung Ein über die DFT berechnetes Spektrum T A X n ist

Mehr

Klausur zur Vorlesung Digitale Signalverarbeitung

Klausur zur Vorlesung Digitale Signalverarbeitung INSTITUT FÜR THEORETISCHE NACHRICHTENTECHNIK UND INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 3067 Hannover Klausur zur Vorlesung Digitale Signalverarbeitung Datum: 5.0.005 Uhrzeit: 09:00

Mehr

Klausur zur Vorlesung Digitale Signalverarbeitung

Klausur zur Vorlesung Digitale Signalverarbeitung INSTITUT FÜR INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 3067 Hannover Klausur zur Vorlesung Digitale Signalverarbeitung Datum:.08.006 Uhrzeit: 09:00 Uhr Zeitdauer: Stunden Hilfsmittel:

Mehr

Digitale Signalverarbeitungssysteme II: Praktikum 2

Digitale Signalverarbeitungssysteme II: Praktikum 2 Digitale Signalverarbeitungssysteme II: Praktikum 2 Emil Matus 10. Dezember 2010 Technische Universität Dresden Mobile Communications Systems Chair Tel.: +49 351 463 41021 Fax : +49 351 463 41099 Mail:

Mehr

Erarbeiten der Diskreten Fourier Transformation (GFT) unter Verwendung von Scilab zur Veranschaulichung

Erarbeiten der Diskreten Fourier Transformation (GFT) unter Verwendung von Scilab zur Veranschaulichung Erarbeiten der Diskreten Fourier Transormation (GFT) unter Verwendung von Scilab zur Veranschaulichung 1. Das Prinzip verstehen 2. DFT beschreiben 3. DFT mit Scilab testen 4. Umsetzung der DFT ür einen

Mehr

Digitale Signalverarbeitung sehen, hören und verstehen

Digitale 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

Mehr

Digitale Signalverarbeitung, Vorlesung 11 - Kurzzeitfouriertransformation

Digitale Signalverarbeitung, Vorlesung 11 - Kurzzeitfouriertransformation Digitale Signalverarbeitung, Vorlesung 11 - Kurzzeitfouriertransformation 30. Januar 2017 Siehe Skript Digitale Signalverarbeitung, Abschnitte 11 und 12, Kammeyer & Kroschel (Absatz 8.4.1) Anwendungen

Mehr

Systemtheorie Teil A. - Zeitkontinuierliche Signale und Systeme - Musterlösungen. Manfred Strohrmann Urban Brunner

Systemtheorie Teil A. - Zeitkontinuierliche Signale und Systeme - Musterlösungen. Manfred Strohrmann Urban Brunner Systemtheorie Teil A - Zeitkontinuierliche Signale und Systeme - Musterlösungen Manfred Strohrmann Urban Brunner Inhalt 6 Musterlösungen Spektrum von Signalen 6. Approximation eines periodischen Signals

Mehr

Grundlagen der Signalverarbeitung

Grundlagen der Signalverarbeitung Grundlagen der Signalverarbeitung Zeitdiskrete Signale Wintersemester 6/7 Kontinuierliche und diskrete Signale wertkontinuierlich wertdiskret Signal Signal Signal Signal zeitdiskret zeitkontinuierlich

Mehr

Gruppe. Kanalcodierung

Gruppe. Kanalcodierung Kanalcodierung Ziele Mit diesen rechnerischen und experimentellen Übungen wird die prinzipielle Vorgehensweise zur Kanalcodierung mit linearen Block-Codes und mit Faltungscodes erarbeitet. Die konkrete

Mehr

Übung 2: Spektrum periodischer Signale

Übung 2: Spektrum periodischer Signale ZHAW, SiSy, Rumc, Übung : Spektrum periodischer Signale Augabe Verschiedene Darstellungen der Fourierreihe. Betrachten Sie das periodische Signal s(t) = + sin(π t). a) Bestimmen Sie die A k - und B k -Koeizienten

Mehr

Grundlagen der Schwingungslehre

Grundlagen der Schwingungslehre Grundlagen der Schwingungslehre Einührung. Vorgänge, bei denen eine physikalische Größe in estem zeitlichen Abstand ein und denselben Werteverlau auweist, werden als periodisch bezeichnet. Den zeitlichen

Mehr

Übung 4: Spektrogramm

Übung 4: Spektrogramm ZHAW, DSV, FS2,. Einleitung Übung 4: Spektrogramm Mit einem Spektrogramm kann der zeitliche Verlauf des Spektrums von einem Signal dargestellt werden. Ein Spektrogramm besteht also aus vielen, sich allenfalls

Mehr

Abtastung. Normalisierte Kreisfrequenz = DSP_9-Abtasttheorem 2

Abtastung. 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

Mehr

Audio-Bearbeitung. Diese Freq. Anteile «verschwinden» nach dem unterabtasten Filter muß schmal genug sein! Nach Unterabtastung

Audio-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

Mehr

4.1 Grundbegriffe 4.2 Frequenzspektren, Fourier-Transformation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter

4.1 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

Mehr

Beispiel-Klausuraufgaben Digitale Signalverarbeitung. Herbst 2008

Beispiel-Klausuraufgaben Digitale Signalverarbeitung. Herbst 2008 Beispiel-Klausuraufgaben Digitale Signalverarbeitung Herbst 8 Zeitdauer: Hilfsmittel: Stunden Formelsammlung Taschenrechner (nicht programmiert) eine DIN A4-Seite mit beliebigem Text oder Formeln (beidseitig)

Mehr

Theorie digitaler Systeme

Theorie digitaler Systeme Theorie digitaler Systeme Vorlesung 2: Fakultät für Elektro- und Informationstechnik, anfred Strohrmann Einführung Frequenzgang zeitkontinuierlicher Systeme beschreibt die Änderung eines Spektrums bei

Mehr

Schnelle Fouriertransformation (FFT)

Schnelle 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

Mehr

Digitale Signalverarbeitungssysteme II: Praktikum 1

Digitale Signalverarbeitungssysteme II: Praktikum 1 Digitale Signalverarbeitungssysteme II: Praktikum 1 Emil Matus 18. November 2010 Technische Universität Dresden Mobile Communications Systems Chair Tel.: +49 351 463 41021 Fax : +49 351 463 41099 Mail:

Mehr

Übung 6: Analyse LTD-Systeme

Übung 6: Analyse LTD-Systeme ZHAW, DSV, FS2009, Übung 6: Analyse LTD-Systeme Aufgabe : Pol-Nullstellendarstellung, UTF und Differenzengleichung. Die folgenden Pol-Nullstellen-Darstellungen charakterisieren verschiedene LTD- Systeme,

Mehr

ÜBUNG 4: ENTWURFSMETHODEN

ÜBUNG 4: ENTWURFSMETHODEN Dr. Emil Matus - Digitale Signalverarbeitungssysteme I/II - Übung ÜBUNG : ENTWURFSMETHODEN 5. AUFGABE: TIEFPASS-BANDPASS-TRANSFORMATION Entwerfen Sie ein nichtrekursives digitales Filter mit Bandpasscharakteristik!

Mehr

Systemtheorie Teil B

Systemtheorie Teil B d + d z + c d z + c uk d + + yk z d + c d z + c Systemtheorie Teil B - Zeitdiskrete Signale und Systeme Übungsaufgaben Manfred Strohrmann Urban Brunner Inhalt Übungsaufgaben - Signalabtastung und Rekonstruktion...

Mehr

Prof. Dr. Stefan Weinzierl Aufgabe: Amplitudenstatistik analoger Audiosignale. Abb. 1: WDF eines Audiosignals. p X.

Prof. Dr. Stefan Weinzierl Aufgabe: Amplitudenstatistik analoger Audiosignale. Abb. 1: WDF eines Audiosignals. p X. Audiotechnik II 1.Übungstermin Prof. Dr. Stefan Weinzierl 21.1.21 1. Aufgabe: Amplitudenstatistik analoger Audiosignale a. Ein Signal x(t) hat die durch Abb. 1 gegebene Wahrscheinlichkeitsdichtefunktion

Mehr

Frequenzgang der Verstäkung von OPV-Schaltungen

Frequenzgang der Verstäkung von OPV-Schaltungen Frequenzgang der Verstäkung von OPV-Schaltungen Frequenzgang der Spannungsverstärkung eines OPV Eigenschaten des OPV (ohne Gegenkopplung: NF-Verstärkung V u 4 Transitrequenz T 2. 6. Hz T Knickrequenz =

Mehr

Klausur zur Vorlesung Digitale Signalverarbeitung

Klausur zur Vorlesung Digitale Signalverarbeitung INSTITUT FÜR THEORETISCHE NACHRICHTENTECHNIK UND INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 067 Hannover Klausur zur Vorlesung Digitale Signalverarbeitung Datum:.08.00 Uhrzeit: 09:00

Mehr

Spektrumanalyse. Inhalt. I. Einleitung 2. II. Hauptteil 2-8

Spektrumanalyse. 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.

Mehr

1. Aufgabenblatt: EDS Wiederholung und Filterung

1. Aufgabenblatt: EDS Wiederholung und Filterung Kommunikationstechnik II 1.Übungstermin Prof. Dr. Stefan Weinzierl 19.10.2009 1. Aufgabenblatt: EDS Wiederholung und Filterung 1. Aufgabe a. Erstellen Sie ein Rechtecksignal mit der Frequenz f = 130 Hz

Mehr

Signalprozessoren. Digital Signal Processors VO [2h] , LU 2 [2h]

Signalprozessoren. 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

Mehr

Übungsaufgaben Digitale Signalverarbeitung

Übungsaufgaben Digitale Signalverarbeitung Übungsaufgaben Digitale Signalverarbeitung Aufgabe 1: Gegeben sind folgende Zahlenfolgen: x(n) u(n) u(n N) mit x(n) 1 n 0 0 sonst. h(n) a n u(n) mit 0 a 1 a) Skizzieren Sie die Zahlenfolgen b) Berechnen

Mehr

Theorie digitaler Systeme

Theorie digitaler Systeme Theorie digitaler Systeme Vorlesung 15: Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann Einführung Entwurfsmethoden für IIR-Filtern sind für Zeitbereich und Bildbereich bekannt Finite-Impulse-Response

Mehr

Multimediale 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 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

Mehr

Einführung in die Signalverarbeitung

Einführung in die Signalverarbeitung Einführung in die Signalverarbeitung Phonetik und Sprachverarbeitung, 2. Fachsemester, Block Sprachtechnologie I Florian Schiel Institut für Phonetik und Sprachverarbeitung, LMU München Signalverarbeitung

Mehr

Beate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson 2004

Beate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson 2004 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

Mehr

Als Summendarstellung der komplexen Zahl bezeichnen wir den bekannten Ausdruck

Als Summendarstellung der komplexen Zahl bezeichnen wir den bekannten Ausdruck A.1 MATHEMATISCHE GRUNDLAGEN In diesem Abschnitt werden die mathematischen Grundlagen zusammengestellt, die für die Behandlung von Übertragungssystemen erforderlich sind. Unter anderem sind dies die komplexen

Mehr

Grundlagen der Signalverarbeitung

Grundlagen der Signalverarbeitung Grundlagen der Signalverarbeitung Digitale und analoge Filter Wintersemester 6/7 Wiederholung Übertragung eines sinusförmigen Signals u t = U sin(ω t) y t = Y sin ω t + φ ω G(ω) Amplitude: Y = G ω U Phase:

Mehr

Lösungen. Lösungen Teil I. Lösungen zum Kapitel 3. u(t) 2mV. t/s. u(t) 2mV 1mV. t/ms. u(t) t/ms -2V. x(t) 1. a) u(t) = 2mV3 (t 2ms)

Lösungen. Lösungen Teil I. Lösungen zum Kapitel 3. u(t) 2mV. t/s. u(t) 2mV 1mV. t/ms. u(t) t/ms -2V. x(t) 1. a) u(t) = 2mV3 (t 2ms) Lösungen Lösungen eil I Lösungen zum Kapitel 3. a ut = mv3 t ms ut mv t/ms b ut = mv3t mv3 t ms mv3 t ms mv mv ut t/ms p c ut = V3 t ms sin ms t V ut -V 3 4 5 6 t/ms d xt = 4 s r t s 4 s r t s 4 s r t

Mehr

SiSy1, Praktische Übung 3. Fourier-Analyse (periodischer Signale) kann als Fourier-Reihe 1 beschrieben werden:

SiSy1, Praktische Übung 3. Fourier-Analyse (periodischer Signale) kann als Fourier-Reihe 1 beschrieben werden: /5 Fourier-Analyse (periodischer Signale) Grundlagen Ein periodisches, kontinuierliches Signal x(t) der Periodendauer kann als Fourier-Reihe beschrieben werden: wie folgt ( ) = c k x t + e j k 2πf t k=

Mehr

Klausur zur Vorlesung Digitale Signalverarbeitung

Klausur zur Vorlesung Digitale Signalverarbeitung INSTITUT FÜR INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 067 Hannover Klausur zur Vorlesung Digitale Signalverarbeitung Datum: 0.08.007 Uhrzeit: 09:00 Uhr Zeitdauer: Stunden Hilfsmittel:

Mehr

Y und Z sind zwei mittelwertfreie, voneinander unabhängige Zufallsgrössen mit

Y und Z sind zwei mittelwertfreie, voneinander unabhängige Zufallsgrössen mit AUFGABEN STOCHASTISCHE SIGNALE Augabe Ein stationäres Zuallssignal Xt) besitzt den Gleichanteil mx. Der Wechselanteil des Signals ist somit gegeben durch XACt) Xt) mx. a) Zeigen Sie, dass olgende Beziehung

Mehr

Diskrete Fourier-Transformation und FFT. 1. Die diskrete Fourier-Transformation (DFT) 2. Die Fast Fourier Transform (FFT)

Diskrete Fourier-Transformation und FFT. 1. Die diskrete Fourier-Transformation (DFT) 2. Die Fast Fourier Transform (FFT) Diskrete Fourier-Transformation und FFT 2. Die Fast Fourier Transform (FFT) 3. Anwendungsbeispiele der DFT 1 Wiederholung: Fourier-Transformation und Fourier-Reihe Fourier-Transformation kontinuierlicher

Mehr

1 Wahrscheinlichkeitsdichtefunktion

1 Wahrscheinlichkeitsdichtefunktion 1 Wahrscheinlichkeitsdichtefunktion Es wird zunächst der Begriff der Wahrscheinlichkeitsdichtefunktion vorgestellt, die zur statistischen Beschreibung von zufälligen Prozessen oder zufälligen Signalen

Mehr

Lösungsblatt 2 Signalverarbeitung und Klassifikation

Lösungsblatt 2 Signalverarbeitung und Klassifikation Fakultät für Informatik Übung zu Kognitive Systeme Sommersemester 06 M. Sperber (matthias.sperber@kit.edu) S. Nguyen (thai.nguyen@kit.edu) Lösungsblatt Signalverarbeitung und Klassifikation Aufgabe : Faltung

Mehr

Aufgabe Summe Note Punkte

Aufgabe Summe Note Punkte Fachhochschule Südwestfalen - Meschede Prof. Dr. Henrik Schulze Klausur Signale und Systeme am. September 0 Name Matr.-Nr. Vorname Unterschrift Aufgabe Summe Note Punkte Die Klausur umfasst Aufgaben. Insgesamt

Mehr

Übung 3: Fouriertransformation

Übung 3: Fouriertransformation ZHAW, SiSy HS202, Rumc, Übung 3: Fouriertransformation Aufgabe Fouriertransformation Dirac-Impuls. a) Bestimmen Sie die Fouriertransformierte S(f) des Dirac-Impulses s(t) = δ(t) und interpretieren Sie

Mehr

Warum z-transformation?

Warum z-transformation? -Transformation Warum -Transformation? Die -Transformation führt Polynome und rationale Funktionen in die Analyse der linearen eitdiskreten Systeme ein. Die Faltung geht über in die Multiplikation von

Mehr

Im Frequenzbereich beschreiben wir das Verhalten von Systemen mit dem Komplexen Frequenzgang: G (jω)

Im Frequenzbereich beschreiben wir das Verhalten von Systemen mit dem Komplexen Frequenzgang: G (jω) 4 Systeme im Frequenzbereich (jω) 4.1 Allgemeines Im Frequenzbereich beschreiben wir das Verhalten von Systemen mit dem Komplexen Frequenzgang: G (jω) 1 4.2 Berechnung des Frequenzgangs Beispiel: RL-Filter

Mehr

Gruppe. . Das Aussehen des Dirac Impulses wird in Bild 1 veranschaulicht. δ(n)

Gruppe. . Das Aussehen des Dirac Impulses wird in Bild 1 veranschaulicht. δ(n) Übug &Praktikum zur digitale Nachrichtetechik Thema: Faltug Diskrete Faltug Wird ei zeitdiskretes Sigal ( T ) x mit Hile eies Sigalverarbeitugssystems oder eies Sigalverarbeitugsblocks weiter bearbeitet,

Mehr

Digitale Signalverarbeitung. mit MATLAB

Digitale Signalverarbeitung. mit MATLAB Martin Werner Digitale Signalverarbeitung mit MATLAB Grundkurs mit 16 ausführlichen Versuchen 3., vollständig überarbeitete und aktualisierte Auflage Mit 159 Abbildungen und 67 Tabellen Studium Technik

Mehr

Digitale Signalverarbeitung auf FPGAs

Digitale Signalverarbeitung auf FPGAs Digitale Signalverarbeitung auf FPGAs INP: Interpolation Upsampling und D/A- Wandlung Teil 1 Upsampling 2016 Dr. Christian Münker INP: Überblick Upsampling D/A-Wandlung Interpolation Oversampling (Sigma-Delta

Mehr

Bestimmung des Frequenz- und Phasenganges eines Hochpaßfilters 1. und 2. Ordnung sowie Messen der Grenzfrequenz. Verhalten als Differenzierglied.

Bestimmung des Frequenz- und Phasenganges eines Hochpaßfilters 1. und 2. Ordnung sowie Messen der Grenzfrequenz. Verhalten als Differenzierglied. 5. Versuch Aktive HochpaßiIter. und. Ordnung (Durchührung Seite I-7 ) ) Filter. Ordnung Bestimmung des Frequenz- und Phasenganges eines Hochpaßilters. und. Ordnung sowie Messen der Grenzrequenz. Verhalten

Mehr

FH Jena FB Elektrotechnik/Informationstechnik Prof. Giesecke Prüfungsaufgaben Signalverarbeitung SS 2012

FH Jena FB Elektrotechnik/Informationstechnik Prof. Giesecke Prüfungsaufgaben Signalverarbeitung SS 2012 Name, Vorname: Matr.-Nr.: Wichtige Hinweise: Ausführungen, Notizen und Lösungen auf den Aufgabenblättern werden nicht gewertet. Vor der entsprechenden Lösung ist deutlich die dazugehörige Nummer der Aufgabe

Mehr

FH Jena Prüfungsaufgaben - Master Prof. Giesecke FB ET/IT Digitale Signalverarbeitung SS 2012

FH Jena Prüfungsaufgaben - Master Prof. Giesecke FB ET/IT Digitale Signalverarbeitung SS 2012 FB ET/IT Digitale Signalverarbeitung SS 0 Name, Vorname: Matr.-Nr.: Zugelassene Hilfsmittel: beliebiger Taschenrechner ein mathematisches Formelwerk eine selbsterstellte Formelsammlung Wichtige Hinweise:

Mehr

Martin Meyer. Signalverarbeitung. Analoge und digitale Signale, Systeme und Filter 5. Auflage STUDIUM VIEWEG+ TEUBNER

Martin Meyer. Signalverarbeitung. Analoge und digitale Signale, Systeme und Filter 5. Auflage STUDIUM VIEWEG+ TEUBNER Martin Meyer Signalverarbeitung Analoge und digitale Signale, Systeme und Filter 5. Auflage STUDIUM VIEWEG+ TEUBNER VII 1 Einführung 1 1.1 Das Konzept der Systemtheorie 1 1.2 Übersicht über die Methoden

Mehr

Fouriertransformationen DSP 1

Fouriertransformationen DSP 1 Fouriertransformationen DSP Fourierreihe periodisch kontinuierlich (t), diskret (ω) jk t jkt xt () Xke Xk xt () e dt T T k k " Anhalten",, T T Periodendauer DSP Fouriertransformation aperiodisch kontinuierlich

Mehr

Die Fourier-Transformation

Die Fourier-Transformation 1/20 Die Fourier-Transformation 2/20 Die FT ermittelt aus dem Signal von überlagerten Schwingungen welche Frequenzen enthalten sind FT 3/20 Von der folgenden Schwingung soll die Frequenz ermittelt werden

Mehr

Beate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson 2004

Beate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson 2004 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

Mehr

Anwendungen der Fourier-Entwicklung in der Elektrotechnik 1 / 22

Anwendungen der Fourier-Entwicklung in der Elektrotechnik 1 / 22 Anwendungen der Fourier-Entwicklung in der Elektrotechnik 1 / Unser heutiges Ziel Reaktion eines Netzwerks auf ein periodisches Eingangssignal oder speziell Wie reagiert ein RC-Glied auf periodische Erregung?

Mehr

A2.1: Gleichrichtung. Die Grafik zeigt das periodische Signal x(t). Legt man x(t) an den Eingang einer Nichtlinearität mit der Kennlinie

A2.1: Gleichrichtung. Die Grafik zeigt das periodische Signal x(t). Legt man x(t) an den Eingang einer Nichtlinearität mit der Kennlinie Abschnitt: 2.1 Allgemeine Beschreibung A2.1: Gleichrichtung Die Grafik zeigt das periodische Signal x(t). Legt man x(t) an den Eingang einer Nichtlinearität mit der Kennlinie so erhält man am Ausgang das

Mehr

Klausur zu Signal- und Systemtheorie I 20. Januar 2015

Klausur zu Signal- und Systemtheorie I 20. Januar 2015 Institut für Kommunikationstechnik Prof. Dr. Helmut Bölcskei Klausur zu Signal- und Systemtheorie I 20. Januar 2015 Bitte beachten Sie: Prüfungsdauer: 180 Minuten Erreichbare Punkte: 100 Als Hilfsmittel

Mehr

Informationstechnik Lösung SS 2006

Informationstechnik Lösung SS 2006 Prüfung: Informationstechnik MT 7D51 Termin: Mittwoch, 05. Juli 2006 8:30 10:30 Prüfer: Prof. J. Walter Hilfsmittel: beliebig / kein Internet / kein WLAN Name: Vorname: Projekt: bitte keine rote Farbe

Mehr

Grundlagen der Nachrichtentechnik

Grundlagen 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.

Mehr

Lösungsblatt 2 Signalverarbeitung

Lösungsblatt 2 Signalverarbeitung Fakultät für nformatik Übung zu Kognitive Systeme Sommersemester 208 S. Constantin (stefan.constantin@kit.edu) T. Nguyen (thai.nguyen@kit.edu) Lösungsblatt 2 Signalverarbeitung Aufgabe : Faltung Abbildung

Mehr

Signal- und Systemtheorie

Signal- und Systemtheorie Thomas Frey, Martin Bossert Signal- und Systemtheorie Mit 117 Abbildungen, 26 Tabellen, 64 Aufgaben mit Lösungen und 84 Beispielen Teubner B.G.Teubner Stuttgart Leipzig Wiesbaden Inhaltsverzeichnis 1 Einleitung

Mehr

Diskontinuierliche Signale und Systeme

Diskontinuierliche Signale und Systeme Diskontinuierliche Signale und Systeme Fourier-Transformation für diskontinuierliche Funktionen Eigenschaften und Sätze, Fourier-Paare Diskrete Fourier-Transformation (DFT) Zeitdiskrete LTI-Systeme, Faltung

Mehr

Mathematik, Signale und moderne Kommunikation

Mathematik, Signale und moderne Kommunikation Natur ab 4 - PH Baden Mathematik, Signale und moderne Kommunikation 1 monika.doerfler@univie.ac.at 29.4.2009 1 NuHAG, Universität Wien monika.doerfler@univie.ac.at Mathematik, Signale und moderne Kommunikation

Mehr

Readme zum Filterbastler

Readme zum Filterbastler Dies ist ein kleines Delphi-Projekt, was ich mir zum Ausprobieren von digitalen FIR-Filtern geschrieben habe. Es ist im Grunde kein echtes Nutzprogramm, obwohl es ein paar nützliche Dinge beinhaltet. Im

Mehr

Digitale Signalverarbeitung, Vorlesung 10 - Diskrete Fouriertransformation

Digitale Signalverarbeitung, Vorlesung 10 - Diskrete Fouriertransformation Digitale Signalverarbeitung, Vorlesung 10 - Diskrete Fouriertransformation 23. Januar 2017 Siehe Skript Digitale Signalverarbeitung, Abschnitte 10.1 und 11, Kammeyer & Kroschel (7.1-7.3) eues Thema in

Mehr

Digitale Signalverarbeitung mit MATLAB

Digitale Signalverarbeitung mit MATLAB Martin Werner Digitale Signalverarbeitung mit MATLAB Grundkurs mit 16 ausführlichen Versuchen 4., durchgesehene und ergänzte Auflage Mit 180 Abbildungen und 76 Tabellen STUDIUM VIEWEG+ TEUBNER 1 Erste

Mehr

Klausur zur Vorlesung Digitale Signalverarbeitung

Klausur zur Vorlesung Digitale Signalverarbeitung INSTITUT FÜR INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 3067 Hannover Klausur zur Vorlesung Digitale Signalverarbeitung Datum: 7.03.007 Uhrzeit: 3:30 Uhr Zeitdauer: Stunden Hilfsmittel:

Mehr

Inhaltsverzeichnis. 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 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

Mehr

Klausur im Lehrgebiet. Signale und Systeme. - Prof. Dr.-Ing. Thomas Sikora -

Klausur im Lehrgebiet. Signale und Systeme. - Prof. Dr.-Ing. Thomas Sikora - Signale und Systeme - Prof. Dr.-Ing. Thomas Sikora - Name:............................ Bachelor ET Master TI Vorname:......................... Diplom KW Magister... Matr.Nr:.......................... Erasmus

Mehr

Digitale Signalverarbeitung Bernd Edler

Digitale 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

Mehr

Störgeräuschreduktion bei stimmhaften Sprachsignalen

Störgeräuschreduktion bei stimmhaften Sprachsignalen Störgeräuschreduktion bei stimmhaften Sprachsignalen Einkanaliges Mikrofon Nutzsignal Störgeräusche Allgemein: einkanalige Störgeräuschreduktion Folie 1 Gliederung Störgeräuschreduktion: Arten und Einsatzgebiete

Mehr

Spektralanalyse. Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann!

Spektralanalyse. Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann! Spektralanalyse Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann! Mit der Spektralanalyse können wir Antworten auf folgende Fragen bekommen:

Mehr

3. Fourieranalyse und Amplitudenspektren

3. 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

Mehr

,Faltung. Heavisidefunktion σ (t), Diracimpuls δ (t) Anwendungen. 1) Rechteckimpuls. 2) Sprungfunktionen. 3) Schaltvorgänge

,Faltung. Heavisidefunktion σ (t), Diracimpuls δ (t) Anwendungen. 1) Rechteckimpuls. 2) Sprungfunktionen. 3) Schaltvorgänge Heavisidefunktion σ (t), Diracimpuls δ (t),faltung Definition Heavisidefunktion, t > 0 σ ( t) = 0, t < 0 Anwendungen ) Rechteckimpuls, t < T r( t) = = σ ( t + T ) σ ( t T ) 0, t > T 2) Sprungfunktionen,

Mehr

Zufallsprozesse. Nachrichtentechnik Labor. Gruppe 8: ... Matr.Nr.:... Tong Cha Matr.Nr.:... Matr.Nr.:...

Zufallsprozesse. Nachrichtentechnik Labor. Gruppe 8: ... Matr.Nr.:... Tong Cha Matr.Nr.:... Matr.Nr.:... Nachrichtentechnik Labor Zufallsprozesse Gruppe 8:...... Matr.Nr.:... Tong Cha Matr.Nr.:......... Matr.Nr.:... - 1 - Inhalt Das Inhaltsverzeichnis ist leer, da keiner der Absatzstile, die in den Informationen

Mehr

Gruppe

Gruppe Übug&Praktikum zu digitale Kommuikatiossysteme Thema: Faltug Diskrete Faltug Wird ei zeitdiskretes Sigal x T mit Hile eies Sigalverarbeitugssystems oder eies Sigalverarbeitugsblocks weiter bearbeitet,

Mehr

Fouriertransformation, z-transformation, Differenzenglei- chung

Fouriertransformation, z-transformation, Differenzenglei- chung Kommunikationstechnik II 1.Übungstermin 31.10.2007 Fouriertransformation, z-transformation, Differenzenglei- Wiederholung: chung Als Ergänzung dieser sehr knapp gehaltenen Wiederholung wird empfohlen:

Mehr