MATLAB Signal Processing Toolbox Inhaltsverzeichnis
|
|
- Ewald Wagner
- vor 7 Jahren
- Abrufe
Transkript
1 Inhaltsverzeichnis Signal Processing Toolbox 1 Was ist Digitale Signalverarbeitung? 2 Inhalt 3 Aufbereitung der Messdaten 4 Interpolation 6 Approximation 7 Interpolation und Approximation 8 Anpassung der Abtastrate 11 Analyse im Zeitbereich 12 Korrelationsfunktionen 16 Analyse im Frequenzbereich 17 Spektralanalyse 18 Diskrete Fouriertransformation DFT 23 Leakage Effekt 25 Fensterfunktionenn 27 Leistungsdichtespektren 32 Spektralanalyse zeitvariable Signale 33 Extraktion von Signalanteilen 34 Digitale Filter 35 FIR Filter 4 IIR Filter 44 Digitale Filter Beliebiger Frequenzgang 45 Digitale Filter Vergleich 46 Analoge Filter 48 Digitale Filter Herleitung 51 sptool Simulation mit Matlab/Simulink
2 MATLAB Signal Processing Toolbox Simulation mit Matlab/Simulink
3 Was ist Digitale Signalverarbeitung? Verarbeitung zeitdiskret abgetasteter Signale mit Methoden zur Aufbereitung von Messdaten Analysen im Zeitbereich Analysen im Frequenzbereich Methoden zur Extraktion von Signalanteilen Simulation mit Matlab/Simulink 1
4 Inhalt Schwerpunkte der heutigen Vorlesung: Interpolation, Approximation und Abtastung Korrelationsfunktionen Spektralanalyse Filter Digital und Analog Simulation mit Matlab/Simulink 2
5 Aufbereitung der Messdaten Interpolation Approximation Änderung der Abtastrate Simulation mit Matlab/Simulink 3
6 Interpolation Anwendung Funktionswertberechnung zwischen Abtastpunkten Grafische Darstellung einer abgetasteten Kurve Verfahren linear kubisch Splines Simulation mit Matlab/Simulink 4
7 Interpolation Matlab Befehle Interpolation (methode = linear, cubic, spline): interp1 (x_koord, y_werte, x_auswertung, methode ) Mehrdimensionale Interpolation: interp2, interp3, interpn Zweidimensionale Interpolation unsortierter Daten: griddata (x_koord, y_koord, z_werte,... x_auswertung, y_auswertung, methode ) Simulation mit Matlab/Simulink 5
8 Approximation Anwendung Generieren von Kennlinien aus verrauschten Daten Beschreibung von Messdaten durch Ausgleichspolynom Matlab Befehle polynom = polyfit (x_koord, y_werte, ordnung) y_auswertung = polyval (polynom, x_auswertung) Simulation mit Matlab/Simulink 6
9 Interpolation und Approximation Vergleich interp1 mit Basic Fitting Tool spline, cubic spline interp., shape-preserving polyfit linear, cubic etc. Simulation mit Matlab/Simulink 7
10 Anpassung der Abtastrate Anwendung Messdaten liegen mit abweichender Abtastfrequenz vor Kompatibilität zwischen unterschiedlichen Aufzeichnungsstandards (z.b. Digital-Audio) Einfache (verlustbehaftete) Datenkompression Simulation mit Matlab/Simulink 8
11 Anpassung der Abtastrate Matlab Befehle Ohne Filterung: downsample (x, faktor) Zwischenwerte entfallen upsample (x, faktor) Auffüllen mit Mit Filterung: decimate (x, faktor [, ordnung, fir ]) interp (x, faktor) resample (x, zaehler, nenner) Simulation mit Matlab/Simulink 9
12 Anpassung der Abtastrate 5 Original x 5 y = downsample (x, 4) 5 z = upsample (y, 4) Original x 5 y = decimate (x, 4, 8, fir ) 5 z = interp (y, 4) Simulation mit Matlab/Simulink 1
13 Analyse im Zeitbereich Autokorrelation Kreuzkorrelation Simulation mit Matlab/Simulink 11
14 Korrelationsfunktionen Aufgabenstellung Korrelationsfunktion = Maß für Ähnlichkeit zweier Signale Kreuzkorrelation eines Signals mit sich selbst Autokorrelation Anwendung Erkennung und Ausblendung von Echos Laufzeitmessung zur Ortung einer Signalquelle Unterscheidung verschieden codierter Sender Simulation mit Matlab/Simulink 12
15 Korrelationsfunktionen Autokorrelation φ xx (k) = 1 N N n=1 x n+k x n cxx = xcorr (x, options ) Berechnung in Matlab: x: Signalvektor der Länge N cxx: Ergebnisvektor der Länge 2N 1 options = none Standard, ohne Skalierung 1/N = biased Skalierung wie in Formel = coeff Skalierung, so dass φ xx () = 1 Simulation mit Matlab/Simulink 13
16 Korrelationsfunktionen Kreuzkorrelation φ xy (k) = 1 N N n=1 x n+k y n Berechnung in Matlab: cxy = xcorr (x, y, options ) x, y: Signalvektoren, Länge jeweils N, bei Bedarf wird der kürzere Vektor mit aufgefüllt cxy: Ergebnisvektor der Länge 2N 1 Simulation mit Matlab/Simulink 14
17 Korrelationsfunktionen Signallaufzeit von 4 verschieden codierten Sendern mittels Kreuzkorrelation: Kreuzkorrelation S1, 1ms S2, 2 ms S3, 15ms S4, 4 ms Laufzeit [s] Simulation mit Matlab/Simulink 15
18 Analyse im Frequenzbereich Amplitudenspektren Leistungsdichtespektren (PSD) Fensterfunktionen Averaging Simulation mit Matlab/Simulink 16
19 Spektralanalyse Aufgabenstellung Bestimmung der Frequenzanteile in einem Signal ˆ= Korrelation mit Frequenzen F k Anwendung Bestimmung der Übertragungsfunktion Bestimmung des Rauschabstands (SNR) Anlagenüberwachung (frühzeitige Fehlererkennung) Simulation mit Matlab/Simulink 17
20 Diskrete Fouriertransformation DFT Kontinuierliche FT: X(jω) = x(t) exp ( jωt) dt Zeitdiskret (N Messwerte, T s Abtastzeit): X d (jω k ) = N 1 n= x(nt s ) exp ( jω k nt s ) = N 1 n= x(nt s ) cos(ω k nt s ) }{{} Realteil x(nt s ) j sin(ω k nt s ) }{{} Imaginärteil Simulation mit Matlab/Simulink 18
21 Diskrete Fouriertransformation DFT Nur für diskrete Frequenzen definiert: ω k = k ω = 2π k F Frequenzauflösung = 1 / Messdauer: F = 1/(NT s ) Maximal messbare Frequenz = 1/2 Abtastfrequenz: F max = F s /2 = 1/(2T s ) Fourierkoeffizienten sind eindeutig und (konjugiert komplex) spiegelbildlich um N/2 bzw. F s /2 Simulation mit Matlab/Simulink 19
22 Diskrete Fouriertransformation DFT Reelle Fourierreihe: x(t) = a + K k=1 (a k cos(kω k t) + b k sin(kω k t)) Reelle Fourierkoeffizienten: a k = 2 N Re {X d(k)} k = 1... N/2 b k = 2 N Im {X d(k)} k = 1... N/2 a = 1 N Re {X d()} k = Simulation mit Matlab/Simulink 2
23 Diskrete Fouriertransformation DFT Matlab Befehl X = fft (x) x: Signalvektor der Länge N X: Frequenzgang der Länge N (komplex, symmetrisch) Achtung: Formel a, a 1, a 2... entspricht Matlab Indizes 1, 2, 3...! Simulation mit Matlab/Simulink 21
24 Diskrete Fouriertransformation DFT 15 1 Signal Spektrum DFT Ideal Hamming Zeit [s] Frequenz [Hz] Simulation mit Matlab/Simulink 22
25 Leakage Effekt Zeitbereich Frequenzbereich (Prinzip) Hz 1 sinc k F Zeitbereich Frequenzbereich (Prinzip) Hz 1 sinc k F Simulation mit Matlab/Simulink 23
26 Leakage Effekt Messzeitfenster Spaltfunktion Im allgemeinen Fall (F k F ) wird Spaltfunktion nicht in Nullstellen (k F ) abgetastet Leakage Verbesserung durch Gewichtung der Messwerte mit Fensterfunktionen: Vorteil: niedrigere Nebenzipfel verringertes Leakage Nachteil: breiterer Hauptzipfel schlechtere Frequenztrennung Simulation mit Matlab/Simulink 24
27 Fensterfunktionen Matlab Befehle Ohne Fensterung: Rechteck rectwin(n), alt: boxcar(n) Fenster in Reihenfolge zunehmender Glättung triang(n) hamming(n) hann(n) blackman(n) Dreieck Hamming Hann Blackman 1.5 Dreieck Hamming Hann Blackman Matlab Aufruf: X = fft (hamming(length(x)).* x) Matlab Tool: wintool Simulation mit Matlab/Simulink 25
28 Fensterfunktionen Simulation mit Matlab/Simulink 26
29 Leistungsdichtespektren Autoleistungsdichtespektrum Φ xx (k F ) = 1 N 2 F X d (2π k F ) 2 mit F = F s /N = 1/(NT s ) Amplitudenspektrum Leistungs(dichte)spektrum Amplitude A U Leistung P U 2 DF T / N Einheit db DF T / N 2 / F Einheit db/hz, W/Hz 2 db ˆ= 1 U 2 db ˆ= (1 U) 2 = 1 P Simulation mit Matlab/Simulink 27
30 Leistungsdichtespektren Matlab-Befehle (1) psd veraltet periodogram sehr anfällig für Rauschen pwelch mit Fensterung: reduziertes Leakage ohne Fensterung: quantitative Analyse Averaging (DFT stückweise, Mittelung) überlappende Sequenzen (geringer Datenverlust) Simulation mit Matlab/Simulink 28
31 Leistungsdichtespektren Matlab-Befehle (2) [Pxx, Fxx] = pwelch (x, fenster, Nover, Nfft, Fs) plot (Fxx, 1 * log1 (Pxx)) x: Signalvektor der Länge N fenster: Länge für Hamming (Standard), sonst Vektor Nover: Überlappung, Standard = Nfft/2 Nfft: Länge einer Sequenz N Fs: Abtastfrequenz Pxx: Fxx: Autoleistungsdichtespektrum (Schätzwert) Zugehöriger Frequenzvektor Simulation mit Matlab/Simulink 29
32 Leistungsdichtespektren 2 15 Spektrum mit "pwelch" Spektrum Ideal Rauschen Leistungsdichte [db/hz] Frequenz [Hz] Simulation mit Matlab/Simulink 3
33 Leistungsdichtespektren Skalierung bei pwelch (x, rectwin(nfft), [], Nfft, Fs) Signalanteil Zeitbereich Frequenzbereich Gleichanteil x = C X() = C 2 / F Sinus / Cosinus x = A sin (...) X(f) = A 2 / 2 / F Rauschen x normalverteilt X = σ 2 / (F s /2) Beispiel für F = F s /Nfft = 1 Hz/25 =.4 Hz: x = ˆ= 1 db/hz + 8 * sin (2*pi*8*t)... 8 ˆ= 19 db/hz + 5 * randn (1, n).5 ˆ= 3 db/hz Simulation mit Matlab/Simulink 31
34 Spektralanalyse zeitvariable Signale x = * sin (2*pi*(8+t).*t) + t.* cos (2*pi*33*t); [S, F, T, P] = spectrogram (x, 64, [], 64, Fs); pcolor (T, F, 1*log1(P)) 5 Spektraler Verlauf mit spectrogram 4 Frequenz [Hz] Zeit [s] Simulation mit Matlab/Simulink 32
35 Extraktion von Signalanteilen Digitale FIR- und IIR-Filter Analoge Filter Herleitung Digitaler Filter sptool Simulation mit Matlab/Simulink 33
36 Digitale Filter Aufgabenstellung Verstärkung des Nutzsignals Unterdrückung von Störsignalanteilen Allgemeine Gleichung (Matlab-Indizes!) H(z) = y(z) x(z) = B(z) A(z) = b 1 + b 2 z b n+1 z n a 1 + a 2 z a m+1 z m a 1 y k = b 1 x k + b 2 x k b n+1 x k n a 2 y k 1... a m+1 y k m Simulation mit Matlab/Simulink 34
37 FIR Filter Der Ausgangswert wird ausschließlich aus Eingangswerten x k... x k m berechnet: H(z) = y(z) x(z) = B(z) = b 1 + b 2 z b n+1 z n y k = b 1 x k + b 2 x k b n+1 x k n FIR Filter sind nicht rekursiv und stets stabil. Die Impulsantwort besitzt eine endliche Länge (Finite Impulse Response). Simulation mit Matlab/Simulink 35
38 FIR Filter Matlab Befehle Filterentwurf: B = fir1 (ordnung, Fg) B: Filterkoeffizienten, optimiert auf idealen Tiefpass Fg: Grenzfrequenz normiert auf F s /2 = F max Übertragungsfunktion: [H, F] = freqz (B, 1, N, Fs) N: Anzahl der Datenpunkte für Ausgabe H: Übertragungsfunktion F: zugehöriger Frequenzvektor Simulation mit Matlab/Simulink 36
39 FIR Filter Endliche Zahl an Koeffizienten Spaltfunktion Überlagerte Fensterfunktion reduziert Welligkeit.3.2 Filter Koeffizienten Filter Übertragungsfunktion Ideal FIR FIR + Hamming Nummer der Koeffizienten Frequenz [Hz] Simulation mit Matlab/Simulink 37
40 FIR Filter Matlab Befehle Tiefpass, Durchlassbereich <.4 F max fir1 (2,.4) Hochpass, Durchlassbereich >.4 F max fir1 (2,.4, high ) Bandpass, Durchlassbereich F max fir1 (2, [.2.4]) Bandsperre, Sperrbereich F max fir1 (2, [.2.4], stop ) Simulation mit Matlab/Simulink 38
41 FIR Filter Filterung (kausal): x_fir = filter (B, 1, x) Filterung (doppelt): x_fir = filtfilt (B, 1, x) (ohne Phasenverschiebung, nur off-line möglich) 3 2 Diskrete Filterung mit FIR 2. Ordnung ungefiltert FIR filter FIR filtfilt Zeit [s] Simulation mit Matlab/Simulink 39
42 IIR Filter Der Ausgangswert wird aus Eingangswerten und vergangenen Ausgangswerten berechnet. a 1 y k = b 1 x k + b 2 x k b n+1 x k n a 2 y k 1... a m+1 y k m IIR Filter sind rekursiv (d.h. a 2... a m+1 ) und kann auch instabil sein. Die Impulsantwort besitzt eine unendliche Länge (Infinite Impulse Response). Simulation mit Matlab/Simulink 4
43 IIR Filter Matlab Befehle (Filter-Typen) Butterworth-TP, Fg: Grenzfrequenz normiert [B, A] = butter (ordnung, Fg [, typ]) Tschebyscheff, Rp: Welligkeit im Durchlassbereich [db] [B, A] = cheby1 (ordnung, Rp, Fg) Tschebyscheff, Rs: Dämpfung im Sperrbereich [db] [B, A] = cheby2 (ordnung, Rs, Fg) Elliptisch (Cauer) [B, A] = ellip (ordnung, Rp, Rs, Fg) Simulation mit Matlab/Simulink 41
44 IIR Filter Matlab Befehle (Rückgabewerte) Zähler und Nennerpolynom [B, A] = butter (ordnung, Fg) Nullstellen, Pole und Verstärkung [Z, P, K] = butter (ordnung, Fg) Zustandsdarstellung [A, B, C, D] = butter (ordnung, Fg) Simulation mit Matlab/Simulink 42
45 IIR Filter Filterung (kausal): x_iir = filter (B, A, x) Filterung (doppelt): x_iir = filtfilt (B, A, x) Übertragungsfunktion: [H, F] = freqz (B, A, N, Fs) 3 2 Diskrete Filterung mit IIR 4. Ordnung ungefiltert IIR filter IIR filtfilt Zeit [s] Simulation mit Matlab/Simulink 43
46 Digitale Filter Beliebiger Frequenzgang Matlab Befehle FIR: fir2 (ordnung, frequenzen, amplituden) IIR: yulewalk (ordnung, frequenzen, amplituden) FIR Filterdesign mit fir2 2. Ordnung Sollverlauf fir IIR Filterdesign mit yulewalk 4. Ordnung Sollverlauf yulewalk Amplitude Amplitude Frequenz [Hz] Frequenz [Hz] Simulation mit Matlab/Simulink 44
47 Digitale Filter Vergleich FIR-Filter IIR-Filter immer stabil numerisch unkritisch Gruppenlaufzeit konstant klassische Filtertypen geringe Ordnung geringer Rechenaufwand Hinweise Fg immer auf halbe Abtastfrequenz F s /2 normiert. Grenzfrequenz Fg entspricht meist nicht 3dB. Auslegung immer anhand Frequenzgang prüfen! Simulation mit Matlab/Simulink 45
48 Analoge Filter Anwendung Verwendung in quasikontinuierlichen Simulationen Grenzfrequenz wg in [rad/s] Matlab Befehle [B, A] = besself (ordnung, wg) [B, A] = butter [B, A] = cheby1 [B, A] = cheby2 [B, A] = ellip (ordnung, wg, s ) (ordnung, Rp, wg, s ) (ordnung, Rs, wg, s ) (ordnung, Rp, Rs, wg, s ) Simulation mit Matlab/Simulink 46
49 Analoge Filter Frequenzgang plotten [B, A] = butter (4, 1, s ); [H, W] = freqs (B, A); loglog (W, abs (H)); % Butterworth-TP, analog % Frequenzgang berechnen % Frequenzgang ausgeben Bessel Butterworth Tschebyscheff Typ 1 Elliptisch (Cauer) Amplitude [db] Frequenz normiert Frequenz normiert Frequenz normiert Frequenz normiert Simulation mit Matlab/Simulink 47
50 Digitale Filter Herleitung Berechnung Auslegung IIR-Filter als analoge Filter Umrechnung mit der Bilinearen Transformation: s = 2 F s z 1 z + 1 Abbildung periodisch und verzerrt: Abbildung Frequenz, F s,... Abbildung Frequenz F s /2, 3F s /2,... Simulation mit Matlab/Simulink 48
51 Digitale Filter Herleitung Periodizität Aliasing für Frequenzen > F s /2 Immer analogen Tiefpass vorschalten! Periodischer Frequenzgang digitaler Filter Amplitude [db] analog digital Fg Fs/ Frequenz [Hz] Simulation mit Matlab/Simulink 49
52 Digitale Filter Herleitung Verzerrung Frequenz F g wird auf kleinere Frequenz abgebildet. Pre-Warping vor Bilinearer Transformation! Bei IIR-Filterfunktionen bereits berücksichtigt. Pre Warping bei digitalen Filtern Amplitude [db] analog digital (bilinear) analog (Pre Warping) digital (Pre Warping) Fg Frequenz [Hz] Simulation mit Matlab/Simulink 5
53 sptool Signal Browser & Spectrum Viewer Simulation mit Matlab/Simulink 51
54 sptool Filter Design and Analysis Tool Simulation mit Matlab/Simulink 52
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
MehrFilterentwurf. Aufgabe
Aufgabe Filterentwurf Bestimmung der Filterkoeffizienten für gewünschte Filtereigenschaften Problem Vorgaben häufig für zeitkontinuierliches Verhalten, z.b. H c (s) Geeignete Approximation erforderlich
MehrTheorie 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
MehrFilterentwurf. Bernd Edler Laboratorium für Informationstechnologie DigSig - Teil 11
Filterentwurf IIR-Filter Beispiele für die verschiedenen Filtertypen FIR-Filter Entwurf mit inv. Fouriertransformation und Fensterfunktion Filter mit Tschebyscheff-Verhalten Vorgehensweise bei Matlab /
MehrZeitdiskrete Signalverarbeitung
Zeitdiskrete Signalverarbeitung Ideale digitale Filter Dr.-Ing. Jörg Schmalenströer Fachgebiet Nachrichtentechnik - Universität Paderborn Prof. Dr.-Ing. Reinhold Haeb-Umbach 7. September 217 Übersicht
MehrGrundlagen 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:
MehrKlausur 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:
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] =
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
MehrKlausur 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
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
MehrDigitale 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
MehrDigitale 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
MehrEinführung in die digitale Signalverarbeitung WS11/12
Einführung in die digitale Signalverarbeitung WS11/12 Prof. Dr. Stefan Weinzierl Musterlösung 11. Aufgabenblatt 1. IIR-Filter 1.1 Laden Sie in Matlab eine Audiodatei mit Sampling-Frequenz von fs = 44100
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
MehrKlausur 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:
MehrDiskrete Folgen, z-ebene, einfache digitale Filter
apitel 1 Diskrete Folgen, z-ebene, einfache digitale Filter 1.1 Periodische Folgen Zeitkoninuierliche Signale sind für jede Frequenz periodisch, zeitdiskrete Signale nur dann, wenn ω ein rationales Vielfaches
MehrVerzerrungsfreies System
Verzerrungsfreies System x(n) y(n) n n x(n) h(n) y(n) y(n) A 0 x(n a) A 0 x(n) (n a) h(n) A 0 (n a) H(z) A 0 z a Digitale Signalverarbeitung Liedtke 8.1.1 Erzeugung einer linearen Phase bei beliebigem
MehrDigitale Signalverarbeitung
Daniel Ch. von Grünigen Digitale Signalverarbeitung mit einer Einführung in die kontinuierlichen Signale und Systeme 4. Auflage Mit 222 Bildern, 91 Beispielen, 80 Aufgaben sowie einer CD-ROM mit Lösungen
MehrDigitale Signalverarbeitung Bernd Edler
Digitale Signalverarbeitung Bernd Edler Wintersemester 2010/2011 Wesentliche Inhalte der Vorlesung Abtastung z-transformation Lineare zeitinvariante Systeme Diskrete Fouriertransformation Filterentwurf
MehrSystemtheorie 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...
MehrGrundlagen der Informationstechnik
Martin Meyer Grundlagen der Informationstechnik Signale, Systeme und Filter Mit 250 Abbildungen und 33 Tabellen Herausgegeben von Otto Mildenberger Vieweg Praxiswissen Vieweg VII 1 Einführung 1 1.1 Das
MehrKlausur 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
MehrZHAW, 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
MehrSystemtheorie Teil B
d 0 d c d c uk d 0 yk d c d c Systemtheorie Teil B - Zeitdiskrete Signale und Systeme - Musterlösungen Manfred Strohrmann Urban Brunner Inhalt 9 Musterlösungen Zeitdiskrete pproximation zeitkontinuierlicher
Mehr5. Beispiele - Filter Seite 15
5. Beispiele - Filter Seite 15 5.2 Entwurf digitaler Filter Zur Demonstration eines rekursiv implementierten Tiefpasses (FIR Finite Impulse Response bzw. IIR Infinite Impulse Response) soll dieses Beispiel
MehrBeispiel-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)
MehrVorteile digitaler Filter
Digitale Filter Vorteile digitaler Filter DF haben Eigenschaften, die mit analogen Filtern nicht realisiert werden können (z.b. lineare Phase). DF sind unabhängig von der Betriebsumgebung (z.b. Temperatur)
MehrDigitale 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:
MehrSignale und Systeme. von Prof Dr. Uwe Kiencke, Dr.-lng. HolgerJakel 4., korrigierte Auflage. Oldenbourg Verlag Munchen
Signale und Systeme von Prof Dr. Uwe Kiencke, Dr.-lng. HolgerJakel 4., korrigierte Auflage Oldenbourg Verlag Munchen I Einfuhrung 1 1 Einleitung 3 1.1 Signale 4 1.2 Systeme 4 1.3 Signalverarbeitung 6 1.4
MehrÜbungsaufgaben 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
MehrDigitale Signalverarbeitung
Karl-Dirk Kammeyer, Kristian Kroschel Digitale Signalverarbeitung Filterung und Spektralanalyse mit MATLAB-Übungen 6., korrigierte und ergänzte Auflage Mit 315 Abbildungen und 33 Tabellen Teubner Inhaltsverzeichnis
MehrGrundlagen der Signalverarbeitung
Grundlagen der Signalverarbeitung Zeitdiskrete Signale Wintersemester 6/7 Kontinuierliche und diskrete Signale wertkontinuierlich wertdiskret Signal Signal Signal Signal zeitdiskret zeitkontinuierlich
MehrDiskrete 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
MehrDigitale Signalverarbeitung, Vorlesung 7 - IIR-Filterentwurf
Digitale Signalverarbeitung, Vorlesung 7 - IIR-Filterentwurf 5. Dezember 2016 Siehe begleitend: Kammeyer / Kroschel, Digitale Signalverarbeitung, 7. Auflage, Kapitel 4.2 1 Filterentwurfsstrategien 2 Diskretisierung
MehrDSP-NF-Filter in QRP-Manier QRP an der See, 15. September 2012
DSP-NF-Filter in QRP-Manier QRP an der See, 15. September 2012 Gerrit Buhe, Inhalt 2 Aufbau DSP-System Digitalisierung und Abtasttheorem Beschreibung LTI-System Impulsantwort zu Übertragungsfunktion Werkzeuge
MehrFouriertransformation, 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:
MehrAbschlussprüfung Digitale Signalverarbeitung. Aufgaben, die mit einem * gekennzeichnet sind, lassen sich unabhängig von anderen Teilaufgaben lösen.
Name: Abschlussprüfung Digitale Signalverarbeitung Studiengang: Elektrotechnik IK, E/ME Wahlfach SS2015 Prüfungstermin: Prüfer: Hilfsmittel: 3.7.2015 (90 Minuten) Prof. Dr.-Ing. Großmann, Prof. Dr.-Ing.
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
MehrKlausur 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:
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
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...
MehrErweiterung einer digitalen Übertragungsstrecke mit Einplatinencomputern zur Signalanalyse
Erweiterung einer digitalen mit Einplatinencomputern Alexander Frömming Mario Becker p.1 Inhalt 1 Ausgangssituation 2 Zielsetzung 3 Theoretische Grundlagen 4 Umsetzung - Hardware 5 Umsetzung - Software
Mehr1. 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
MehrAnaloge und digitale Filter
Technische Universität Ilmenau Fakultät Elektrotechnik und Informationstechnik FG Nachrichtentechnik Matlab-Praktika zur Vorlesung Analoge und digitale Filter 1. Betrachtet wird ein Tiefpass. Ordnung mit
MehrFH 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:
MehrDigitale Verarbeitung analoger Signale
Digitale Verarbeitung analoger Signale Digital Signal Analysis von Samuel D. Stearns und Don R. Hush 7., durchgesehene Auflage mit 317 Bildern, 16 Tabellen, 373 Übungen mit ausgewählten Lösungen sowie
MehrÜBUNG 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!
MehrTest = 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
MehrEinführung in die digitale Signalverarbeitung WS11/12
Einführung in die digitale Signalverarbeitung WS11/12 Prof. Dr. Stefan Weinzierl usterlösung 1. Aufgabenblatt 1. Digitale Filter 1.1 Was ist ein digitales Filter und zu welchen Zwecken wird die Filterung
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
MehrKontrollfragen zum Skript Teil 1 beantwortet
Kontrollfragen zum Skript Teil 1 beantwortet Von J.S. Hussmann Fragen zu SW 1.1 Welche Vorteile hat die DSVB? Programmierbar Parametrierbar Reproduzierbar Wie heisst die Umwandlung eines Zeit-diskreten
MehrSystemtheorie. Vorlesung 27: Schaltungstechnische Realisierung von Filtern. Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann
Systemtheorie Vorlesung 7: Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann Passive LC-Schaltungen erster Ordnung Übertragungsfunktionen, die durch die Entwurfsverfahren bestimmt werden,
MehrTheorie 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
MehrDatenaquisition. Verstärker Filter. Sensor ADC. Objekt. Rechner
Datenaquisition Sensor Verstärker Filter ADC Objekt Rechner Datenaquisition Verstärker: - linearer Arbeitsbereich - linearer Frequenzgang - Vorkehrungen gegen Übersteuerung (trends, shot noise) - Verstärkerrauschen
MehrÜbungsaufgaben Signalverarbeitung (SV)
Übungsaufgaben Signalverarbeitung (SV) Prof. Dr.-Ing. O. Nelles Institut für Mechanik und Regelungstechnik Universität Siegen 3. Mai 27 Einführung Keine Aufgaben. 2 Zeitdiskrete Signale und Systeme Aufgabe
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
MehrLösungsblatt 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
MehrSystemtheorie. Vorlesung 25: Butterworth-Filter. Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann
Systemtheorie Vorlesung 5: Butterworth-Filter Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann Übersicht Für den Filterentwurf stehen unterschiedliche Verfahren zur Verfügung Filter mit
MehrNachrichtentechnik [NAT] Kapitel 4: Fourier-Transformation. Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik
Nachrichtentechnik [NAT] Kapitel 4: Fourier-Transformation Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik Sommersemester 25 Inhaltsverzeichnis Inhalt Inhaltsverzeichnis 4 Fourier-Transformation 3
MehrEntwurf zeitdiskreter Systeme. Prof. Dr.-Ing. Marcus Purat Beuth Hochschule für Technik Berlin - Wintersemester 2012/13
Entwurf zeitdiskreter Systeme Prof. Dr.-Ing. Marcus Purat Beuth Hochschule für Technik Berlin - Wintersemester 0/3 Inhalt Einführung Entwurf auf der Basis zeitkontinuierlicher Systeme Impulsinvarianz Bilinear-Transformation
Mehrx[n-1] x[n] x[n+1] y[n-1] y[n+1]
Systeme System Funtion f, die ein Eingangssignal x in ein Ausgangssignal y überführt. zeitdisretes System Ein- und Ausgangssignal sind nur für disrete Zeitpunte definiert y[n] = f (.., x[n-1], x[n], x[n+1],
MehrBeate 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
MehrDigitale 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:
MehrSignale und Systeme. Grundlagen und Anwendungen mit MATLAB
Signale und Systeme Grundlagen und Anwendungen mit MATLAB Von Professor Dr.-Ing. Dr. h. c. Norbert Fliege und Dr.-Ing. Markus Gaida Universität Mannheim Mit 374 Bildern, 8 Tabellen und 38 MATLAB-Projekten
MehrLineare zeitinvariante Systeme
Lineare zeitinvariante Systeme Signalflussgraphen Filter-Strukturen Fouriertransformation für zeitdiskrete Signale Diskrete Fouriertransformation (DFT) 1 Signalflussgraphen Nach z-transformation ist Verzögerung
MehrSignale und Systeme. Martin Werner
Martin Werner Signale und Systeme Lehr- und Arbeitsbuch mit MATLAB -Übungen und Lösungen 3., vollständig überarbeitete und erweiterte Auflage Mit 256 Abbildungen, 48 Tabellen und zahlreichen Beispielen,
MehrLösungsblatt 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
Mehr6Si 6. Signal-und Bildfilterung sowie. H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I 1
6Si 6. Signal-und Bildfilterung sowie Korrelation H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I Bildfilterung und Korrelation Die lineare Bildfilterung wird zur Rauschunterdrückung
MehrVorwort. I Einführung 1. 1 Einleitung Signale Systeme Signalverarbeitung Struktur des Buches 9. 2 Mathematische Grundlagen 11
Vorwort V I Einführung 1 1 Einleitung 3 1.1 Signale 4 1.2 Systeme 4 1.3 Signalverarbeitung 6 1.4 Struktur des Buches 9 2 Mathematische Grundlagen 11 2.1 Räume 11 2.1.1 Metrischer Raum 12 2.1.2 Linearer
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:.................................... VORNAME:.................................... MAT. NR.:................................... 2. Teilprüfung 389.055 B Signale und Systeme 2 Institute of Telecommunications
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:.................................... VORNAME:.................................... MAT. NR.:................................... 2. Teilprüfung 389.055 A Signale und Systeme 2 Institute of Telecommunications
MehrSiSy1, 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=
Mehrfilter Filter Ziele Parameter Entwurf
1 Filter Ziele Parameter Entwurf 2.3.2007 2 Beschreibung Pol-Nullstellen- Diagramm Übertragungsfunktion H(z) Differenzengleichung y(n) Impulsantwort h(n): Finite Impulse Response (FIR) Infinite Impulse
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
MehrZeitdiskrete, digitale Filter und schnelle Fourier-Transformation (FFT)
Zeitdiskrete, digitale Filter und schnelle Fourier-Transformation (FFT) Inhaltsverzeichnis 1 Allgemeines Filter... 2 2 Filter auf dem Signalprozessor... 2 3 Zusammenhang Zeitsignal und Frequenzspektrum...
MehrSignal- 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
MehrSeminar Digitale Signalverarbeitung Thema: Digitale Filter
Seminar Digitale Signalverarbeitung Thema: Digitale Filter Autor: Daniel Arnold Universität Koblenz-Landau, August 2005 Inhaltsverzeichnis i 1 Einführung 1.1 Allgemeine Informationen Digitale Filter sind
MehrFilter - Theorie und Praxis
23.06.2016 Manuel C. Kohl, M.Sc. 1 Agenda Einführung und Motivation Analoge und digitale Übertragungssysteme Grundlegende Filtertypen Übertragungsfunktion, Impulsantwort und Faltung Filter mit endlicher
MehrBiosignalverarbeitung
Peter Husar Biosignalverarbeitung Springer Inhaltsverzeichnis 1 Entstehung bioelektrischer Signale 9 1.1 Das Neuron 9 1.2 Elektrische Erregungsleitung und Projektion 15 2 Verstärkung und analoge Filterung
MehrZufallssignal Stationär (z.b. gleichverteiltes Rauschen) Nicht-stationär (z.b. normalverteiltes Rauschen mit wechselnder Streuung) Deterministisches
Zufallssignal Stationär (z.b. gleichverteiltes Rauschen) Nicht-stationär (z.b. normalverteiltes Rauschen mit wechselnder Streuung) Deterministisches Signal Periodisch harmonische Schwingung Summe harmonischer
MehrDigitale Signalverarbeitung Übungsaufgaben
Kapitel : Einleitung -: Analoger Tiefpass Dieser Tiefpass mit den Werten R = Ω, L =.5mH R L und C =.5µF ist wie folgt zu analysieren: U e C R. Es springe U e bei t =.5ms auf 5V und bei t = ms wieder auf.
MehrVersuch 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
MehrBiosignalverarbeitung (Schuster)
Biosignalverarbeitung (Schuster) 9. FOURIER - TRANSFORMATION: 4 Ausprägungen der Transformation: Zeitbereich Frequenzbereich Laplace-Transformation Fourier-Transformation kontinuierlicher Signale (FT,
MehrÜbungen zu Transformationen. im Bachelor ET oder EW. Version 2.0 für das Wintersemester 2014/2015 Stand:
Fachhochschule Dortmund University of Applied Sciences and Arts Institut für Informationstechnik Software-Engineering Signalverarbeitung Regelungstechnik IfIT Übungen zu Transformationen im Bachelor ET
MehrPraktikum, NT 1: Spektrumsschätzung
Praktikum, NT 1: Spektrumsschätzung Versuchsentwurf: M.Sc., Dipl. Ing. (FH) Marko Hennhöfer, FG Nachrichtentechnik Version vom 4. Dezember 2007 1 1 Einführung und Motivation 1.1 Anwendung In der Praxis
MehrKapitel 3 Trigonometrische Interpolation
Kapitel 3 Trigonometrische Interpolation Einführung in die Fourier-Reihen Trigonometrische Interpolation Schnelle Fourier-Transformation (FFT) Zusammenfassung Numerische Mathematik II Herbsttrimester 212
MehrAllpass-Transformation
Grundidee: Allpass-Transformation Entwurf eines IIR-Filters H p (z) mit bekanntem Verfahren Abbildung des Frequenzgangs durch Transformation der Frequenzvariablen Transformation durch Substitution ζ =
MehrEinführung 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
MehrPRAKTIKUMSVERSUCH M/S 2
Fakultät Informatik, Institut für Angewandte Informatik, Professur Technische Informationssysteme PRAKTIKUMSVERSUCH M/S 2 Betreuer: Dipl.-Ing. Burkhard Hensel Dr.-Ing. Alexander Dementjev ALLGEMEINE BEMERKUNGEN
MehrEinführung in die Elektronik für Physiker
Hartmut Gemmeke Forschungszentrum Karlsruhe, IPE gemmeke@ipe.fzk.de Tel.: 0747-8-5635 Einführung in die Elektronik für Physiker 4. Breitbanderstärker und analoge aktie Filter. HF-Verhalten on Operationserstärkern.
Mehr3. Informationsverarbeitung in Objekten
3. Informationsverarbeitung in Objekten 1 3.1. Abtastung von Signalen an der Schnittstelle 2 Falls System an einen Rechner angeschlossen ist wert- und zeit-diskrete Signale x * (t k ) = abstrakte Zahlen
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
MehrFiltertypen Filter 1. Ordnung Filter 2. Ordnung Weitere Filter Idee für unser Projekt. Filter. 3. November Mateusz Grzeszkowski
typen. Ordnung 2. Ordnung Weitere Idee für unser Projekt 3. November 2009 Mateusz Grzeszkowski / 24 Mateusz Grzeszkowski 3. November 2009 typen. Ordnung 2. Ordnung Weitere Idee für unser Projekt Motivation
MehrSV1: Aktive RC-Filter
Signal and Information Processing Laboratory Institut für Signal- und Informationsverarbeitung. September 6 Fachpraktikum Signalverarbeitung SV: Aktive RC-Filter Einführung In diesem Versuch wird ein aktives
Mehr