Entwurf von IIR-Filtern
|
|
- Bastian Ackermann
- vor 7 Jahren
- Abrufe
Transkript
1 Kapitel Entwurf von IIR-Filtern. Einleitung.. Darstellung von IIR-Filtern im Zeitbereich y[n] = b 0 x[n] + b x[n ] + b 2 x[n 2] b M x[n M].) a y[n ] a 2 y[n 2]... a N y[n N] = M N b k x[n k] a m y[n m] k=0 m=..2 Darstellung von IIR-Filtern im z Bereich Y z) = b 0 + b z + b 2 z b M z M ) Xz) a z + a 2 z a N z N) Y z) Hz) = M Y z) b k z k Xz) = k=0 + N a m z m m= = b 0 + b z + b 2 z b M z M Bz) + a z + a 2 z 2 = a N z N Az) Das Zählerpolynom Bz) hat M Nullstellen. Das Nennerpolynom Az) hat N Nullstellen, die zur Unterscheidung Polstellen genannt werden. Wir wählen die Koeffi zienten a m im Blockdiagramm negativ, aber in der Literatur finden sich auch Darstellungen mit positiven Koeffi zienten a m. Negative Koeffi zienten werden vor allem deshalb gewählt, da auch Matlab diese Schreibweise verwendet.
2 2 KAPITEL. ENTWURF VON IIR-FILTERN..3 Frequenzgang von IIR-Filtern M b k e jωk k=0 Hjω) = Hz) z=jω = + N a m e jωm m= Hjω) = H jω)... gerade ϕω) = arg { He jω ) } ϕω) = ϕ ω)... ungerade..4 Matlab Unterstützung Für die Berechnung des Frequenzgangs stellt Matlab die Funktion freqz zur Verfügung. Pole und Nullstellen können mit der Funktion zplane dargestellt werden. Die numerische Lösung der Differenzengleichung.) für beliebige Eingangsfolgen x kann mit Hilfe von filter durchgeführt werden. impz bzw. stepz berechnen Impuls- und Sprungangtwort. Für den Vergleich von Netzwerkfunktionen unterschiedlicher Filter eignet sich die Funktion fvtool...5 Stabilität von IIR-Filtern IIR-Filter sind zum Unterschied von FIR-Filtern nicht garantiert BIBO-stabil. Stabilität liegt vor, wenn die Impulsantwort des FIR-Filters absolut summierbar ist, bzw. wenn h[n] < die Pole des IIR-Filters innerhalb des Einheitskreises in der z Ebene liegen..2 Filterstrukturen.2. Direkte Form I und II Die Systemfunktion eines FIIR-Filters kann in Form eines Blockdiagramms dargestellt werden. Abbildung. zeigt die Realisierung eines IIR-Filters 4. Ordnung in der Direkten Form. Hz) = H z)h 2 z) = M b k e jωk k=0 }{{} All-zero System + N m= a me jωm } {{ } All-pole System Der linke Teil des Blockdiagramms zeigt den Feed-forward All-zero System), der rechte Teil den Feed-back All-pole System). Aus dem Blockdiagramm kann man leicht erkennen, wie die Struktur von IIR-Filtern höherer Ordnung aussehen muss.
3 .2. FILTERSTRUKTUREN 3 Abbildung.: IIR-Filter 4. Ordnung, Direkte Form I Abbildung.2: IIR-Filter Direktform Typ 2
4 4 KAPITEL. ENTWURF VON IIR-FILTERN Abbildung.3: Transponierte Form Für die Systemfunktion gilt, dass Hz) = H z)h 2 z) = H 2 z)h z). Vertauscht man die Reihenfolge, dann liegen die Speicherelemente z in der Schaltung parallel, man kann daher mit der halben Zahl der Speicherelemente auskommen. Abbildung.2 stellt die Zusammenhänge dar. Durch Transposition kann eine weitere Netzwerktopologie gefunden werden. Dabei geht man wie folgt vor: Der Ausgang wird zum Eingang und der Eingang wird zum Ausgang. Alle Richtungspfeile im Signalflussgraphen werden umgedreht. Aus den Verzweigungen werden Addierer. Aus den Addierern werden Verzweigungen. Abbildung.3 zeigt die transponierte Form eines Netzwerks in Direkter Form, Typ 2. Transponierte und direkte Form I & II reagieren sehr empfindlich auf Quantisierungsfehler, da die Quantisierungsfehler rückgekoppelt und summiert werden und werden daher in der Regel nicht verwendet..2.2 Kaskadierte Sektionen 2. Ordnung Kaskadierte Realisierungen zerlegen die Systemfunktion in Subsysteme 2. Ordnung. K K Hz) = G H k z) = G k= k= b 0k + b k z + b 2k z 2 + a k z + a 2k z 2
5 .2. FILTERSTRUKTUREN 5 Abbildung.4: IIR-Filter in Kaskadenrealisierung Wenn die Systemfunktion Hz) ungerade ist, ist eine Kaskade von. Ordnung. Kaskaden werden in der Regel in der 2. Direktform realisiert. Abbildung.4 zeigt die Anordnung von zwei kaskadierten Subsystemen 2. Ordnung. Kaskadierte Filter sind einfach zu entwerfen und sind weniger anfällig für Quantisierungsfehler und Stabiltätsprobleme als Filter der Direktformen. Allerdings ist die Aufteilung der Pole und Nullstellen auf die Subsysteme zweiter Ordnung nicht trivial. Hz) = G z z ) z z 2 )... z z m ) z p ) z p 2 )... z p n ) Man wählt folgende Vorgangsweise. Suche des dem Einheitskreis nächstgelegenen Poles oder Polpaares 2. Suche der dem Einheitskreis nächstgelegenen Nullstelle oder Nullstellenpaares 3. Zusammenfassen der gefundenen Pole und Nullstellen in eine Sektion zweiter Ordnung Hz) = G z z)z z2) z p )z p 2) 4. Fortsetzen von bis 3, bis alle Pole und Nullstellen in abnehmendem Abstand vom Einheitskreis geordnet sind 5. Implementierung der gefundenen Sektionen Matlab-Unterstützung Die Matlab-Funktion [z,p,g]=tf2zpb,a) macht aus der Darstellung der Transferfunktion eine Pol- Nullstellen-Darstellung z... Nullstellen, p... Polstellen, G... Verstärkung). Mit Hilfe der Matlabfunktion [sos,g]=tf2sosb,a) können die Koeffi zienten der Subsysteme 2. Ordnung ermittelt werden. G ist der Verstärkungsfaktor, der die Gesamtsystemverstärkung darstellt. SOS =[b0 b b2 a a2 b02 b2 b22 a2 a22. b0l bl b2l al a2l ]
6 6 KAPITEL. ENTWURF VON IIR-FILTERN Bemerkung TF2SOSB,A,DIR_FLAG) specifies the ordering of the 2nd order sections. If DIR_FLAG is equal to UP, the first row will contain the poles closest to the origin, and the last row will contain the poles closest to the unit circle. If DIR_FLAG is equal to DOWN, the sections are ordered in the opposite direction. The zeros are always paired with the poles closest to them. DIR_FLAG defaults to UP. Bemerkung 2 TF2SOSB,A,DIR_FLAG,SCALE) specifies the desired scaling of the gain and the numerator coeffi cients of all 2nd order sections. SCALE can be either NONE, Inf or 2 which correspond to no scaling, infinity norm scaling and 2-norm scaling respectively. SCALE defaults to NONE. The filter must be stable in order to scale in the 2-norm or inf-norm sense. Using infinity-norm scaling in conjunction with UP ordering will minimize the probability of overflow in the realization. On the other hand, using 2-norm scaling in conjunction with DOWN ordering will minimize the peak roundoff noise..2.3 Realisierung durch parallele Filter 2. Ordnung Bei der parallelen Realisierung wird die Systemfunktion durch Partialbruchzerlegung in Subsysteme 2. Ordnung zerlegt. Hz) = Bz) Az) = b 0 + b z b 2k z M + a z + a 2 z N = b 0 + b z b 2k z N ) M N + a z + a 2 z N + c k z k Wenn der Grad des Zählerpolynom größer als der Grad des Nennerpolynoms ist, muss zuerst dividiert werden und es entsteht der Term M N c k z k. Das ist aber nicht anderes als ein parallel geschaltetes FIR-Filter. Der wesentlichste Vorteil der Parallelrealisierung ist die höhere Verarbeitungsgeschwindigkeit, da die Ordnung auf zwei reduziert ist. Abbildung.5 zeigt die Struktur eines parallelen IIR-Filters. Matlab-Unterstützung Die Matlabfunktion [r,p,k] = residuezb,a) unterstützt die Berechnung der Filterkoeffi zienten. k=0 k=0 Hz) = r p z r p z 2 + k + k 2 z k M N z M N) Die konjugiert komplexen Pole und Residuen werden zusammengefasst, um Subsysteme 2. Ordnung und damit reelle Koeffi zienten zu erhalten. Stabilität von Subsystemen 2. Ordnung Ein IIR-Filter. Ordnung ist stabil, wenn Hz) = +az a <. Für IIR- Filter 2. Ordnung können wir den Stabiltitätsbereich graphisch darstellen.
7 .2. FILTERSTRUKTUREN 7 Abbildung.5: IIR-Filter in Parallelrealisierung Hz) = + a z + a 2 z = p z ) p 2 z ) Nach Koeffi zeintenvergleich erhalten wir a = p p 2, a 2. Stabilität liegt vor, wenn die Pole innerhalb des Einheitskreises liegen, d.h. p <, p 2 <. Daraus folgt, dass a 2 = p p 2 <, a < +a 2. Die Koeffi zienten a, a 2 müssen innerhalb des Stabilitätsdreiecks liegen, wie in Abbildung.6 gezeigt..2.4 Zählergrad > Nennergrad Wenn Zählergrad > Nennergrad muss durch Division zunächst eine eigentliche rationale Funktion Zählergrad < Nennergrad) erzeugt werden. Im Blockdiagramm treten dann reine FIR-Filter auf. Abbildung.6: Stabilitätsdreieck für IIR 2. Ordnung
8 8 KAPITEL. ENTWURF VON IIR-FILTERN Wir untersuchen das Filter b=[ ], a =[ ] mit der Systemfunktion H Bsp z) = b 0 + 2z + 3z 2 + 4z 3 + 5z 4 + 4z 5 + 3z 6 + 2z 7 + z z + 0.z z z 4 Da der {Zählergrad} {Nennergrad}, dividieren wir um {Zählergrad} {Nennergrad} zu erhalten. Wir führen die Division mit der Matlabfunktion [q,r]=deconvb,a) durch und erhalten q=[ ], r=[ ] H Bsp z) = +.7z z z z 4.8z z z ) z 4 z z z z ) = +.7z z z z 4.8z +z z z z 4 ) + 0.3z + 0.z z z 4 = +.7z z z z 4 }{{} + z 5 }{{} Verschiebung FIR-Teil z + 0.6z z z + 0.z z z }{{ 4 } IIR-Teil Abbildung.2.4 zeigt das Blockdiagramm von H Bsp. Die Verzögerung um z 5 kann durch Verlängerung und Abgriff des FIR-Teils realisiert werden. Blockdiagramm zu H Bsp
9 Magnitude.2. FILTERSTRUKTUREN Magnitude Response Butterworth 5. Ordnung Hamming 20. Ordnung Nor m alized Fr equency π rad/sample) Abbildung.7: Vergleich FIR- IIR-Filter Vorteile und Nachteile von IIR-Filtern IIR-Filter haben kompliziertere Blockdiagramme, sind schwerer zu entwerfen und analysieren als FIR-Filter, haben keine lineare Phase, aber sie sind selektiver! Abbildung.7 vergleicht ein Hamming-FIR-Filter 20. Ordnung mit einem Butterworth-IIR-Filter 5. Ordnung. IIR-Filter sind nicht garantiert stabil..2.7 Ermittlung der Filterkoeffi zienten Die Filterkoeffi zienten von IIR-Filtern werden in der Regel aus analogen Filtern abgeleitet. Man geht wie folgt vor:. Entwurf eines analogen Tiefpass-Filters Für analoge Tiefpässe gibt es umfangreiche Literatur und Entwurfstabellen. 2. Hochpass-, Bandpass oder Bandsperren-Filter werden durch Frequenztransformation in der s Ebene aus dem Tiefpass-Filter erzeugt. 3. Umwandeln in ein IIR-Filter durch Abbildung der s Ebene in die z Ebene. Matlab stellt Funktionen zur Verfügung, die den direkten Entwurf von IIR-Filtern ermöglichen und die Entwurfsschritte 3 umsetzen. Alternativ kann auch das analoge Tiefpass-Referenzfilter in den z Bereich transferiert werden und die Hochpass-, Bandpass-, Bandsperren-Tranformation im z Bereich durchgeführt werden Platzieren von Polen und Nullstellen Für einfache Filter erster oder zweiter Ordnung kann durch geeignetes Platzieren von Polen und Nullstellen die gewünschte Filterfunktion realisiert werden. Abbildung zeigt.2.7 ein Bandpassfilter, Abbildung.2.7 zeigt ein Bandsperrenfilter, das auf diese Weise gefunden wurde.
10 0 KAPITEL. ENTWURF VON IIR-FILTERN Invariante Impulsantwort Diese Methode findet zum analogen Filter ein digitales Filter mit ähnlicher Impulsanwort. Man geht wie folgt vor:. Ermittlung der Systemfunktion H a s) des analogen Referenz-Filters. 2. Berechnung der Impulsantwort h a t) durch inverse Laplace-Transformation L 3. Abtastung der Impulsantwort h a nt ) = h d [n] 4. z Transformation von h d n) führt zu H d z) Wir zeigen diese Methode am Beispiel eines analogen Tiefpass-Filters. Ordnung A i H a s) = s p i { } h a t) = L {H a s)} = L Ai s p i Durch Abtastung erhalten wir = A i e pit h d [n] = h a nt ) = A i e pit, n = 0,, 2,... Wir bringen in den z Bereich und erhalten
11 .2. FILTERSTRUKTUREN H d z) = h a nt )z n = Ai e pit ) z n = A i e p it z ) n n=0 Wir erhalten also die Abbildung n=0 n=0 } {{ } e p i T z A i s p i }{{} s Bereich A i e pit z }{{} z Bereich Bei Filtern höherer Ordnung wird die Partialbruchzerlegung durchgeführt und die einzelnen Pole werden vom s Bereich in den z Bereich abgebildet. Für Subsysteme 2. Ordnung erhalten wir die Beziehungen H a s) = H d z) = λ s + β) 2 + λ 2 ze βt sinλt ) z 2 2ze βt cosλt ) + e βt H a s) = H d z) = s + β s + β) 2 + λ 2 z 2 ze βt cosλt ) z 2 2ze βt cosλt ) + e βt Vom Abtasttheorem wissen wir, dass das Spektrum des analogen Signals periodisch fortgesetzt wird. Wir tasten die Impulsantwort h a t) ab, es wird also H a ω) periodisch fortgesetzt. Diese Methode kann daher nur für scharf begrenzte Tiefpass- oder Bandpassfilter verwendet werden und verlangt ein kleines T, um die Impulsantwort genau abzutasten. Für Hochpässe und Bandsperren ist dieses Verfahren wegen des Aliasings nicht geeignet. Die Matlabfunktion impinvar unterstützt die Berechnung eines IIR-Filters aus dem analogen Referenzfilter. Sprung-Invarianz Das dargestellte Verfahren ist invariant für die Impulsanwort, aber nicht z. B. für die Sprungantwort. Für die Sprungantwort erhalten wir Y astep = s H as) = A i = A i s s p i p i s + ) s p i Wir führen die Laplace-Transformation durch und erhalten Nach Abtastung wird daraus y astep t) = A i p i e p it ) δ t)
12 2 KAPITEL. ENTWURF VON IIR-FILTERN y astep nt ) = A i p i e p int ) δ t) Berechnen wir die Sprungantwort für unser Impuls-invariantes Filter im z Bereich, müsssen wir mit der z Transformierten der Sprungantwort multiplizieren und erhalten Y dstep = A i e pit z z = A i e p it ) e pit e pit z + z nach Durchführung der z Transformation wird daraus y dstep n) = A i e p it e pit e pit n + ) A i δ t) = e pit e pit n+)) δ t) Wir sehen, dass y astep nt ) y dstep n) A i p i e p int ) δ t) A i e pit e pit n+)) δ t) Das berechnete Filter ist Impuls-invariant, aber nicht Sprung-invariant! Wir berechnen noch die Sprung-Invarianz die z Tranformation liefert Y astep z) = A i p i y astep nt ) = A i p i e p int ) δ t) ) e pit z z δ t) = Hz) z ) z e pit z = A i e p it ) z p i e pit z = A i e p it ) z p }{{ i e } pit z }{{ } Konstante Hz) = A i p i Bilineare Transformation z e p i T A i e p i T z Impulsinvarianz Hz) = Sprunginvarianz Hz) = Aiep i T ) p i z e p i T z Die Filtergleichungen sind Differentialgleichungen, die wir auf einem» Analogrechner«darstellen können. Wir benötigen dazu die Operation Addition, Multiplikation mit einer Konstanten und Integration. Die Lösung der Differentialgleichung wollen wir aber numerisch über eine Differenzengleichung finden, wir benötigen daher einen digitalen Integrator.
13 .2. FILTERSTRUKTUREN 3 y a t) = x a t)dt y a nt ) = y a n ) ) }{{} + Anfangsbedingung nt n )T x a t)dt y a n ) + T 2 {x ant ) + x a n T )} }{{} Trapezregel yn) yn ) = T {xn) + xn )} 2 Wir führen die z Transformation durch und erhalten Y z) Xz) = ) + z 2 z Aus dem analogen Integrierer /s wird also s ) + z 2 z ) z s = 2 T + z z = + st/2 st/2 Aus der analogen Systemfunktion H a s) wird die digitale Systemfunktion H d z) H d z) = H a s) s= 2 z T ) z +z +z ) Die Abbildung s = 2 T nennt man bilineare 2 Transformation. Durch diese Transformation wird s Ebene in die z Ebene abgebildet. Wir schreiben Ω für die Kreisfrequenz in der s Ebene und ω für die Kreisfrequenz der z Ebene und erhalten durch Einsetzen von s = σ + jω z = + σt 2 + j ΩT 2 σt 2 j ΩT 2 σ < 0 z = σ = 0 z = σ > 0 z = + σt 2 +j ΩT 2 σt 2 j ΩT 2 +j ΩT 2 j ΩT 2 + σt 2 +j ΩT 2 σt 2 j ΩT 2 < = > Die gesamte linke offene s Halbebene wird innerhalb des Einheitskreises der z Ebene abgebildet. Die Transformation ist daher stabil. 2 Durch Umformung erhalten wir T 2 sz + T 2 s z + = 0. Eine lineare Beziehung, wenn die jeweils andere Variable konstant bleibt, oder bilinear in s und z.
14 4 KAPITEL. ENTWURF VON IIR-FILTERN Abbildung.8: Abbildung z Ebene s Ebene durch die bilineare Transformation Die imaginäre Achse der s Halbebene wird auf den Einheitskreises der z Ebene abgebildet. Es gibt daher kein Alisiasing. Allerdings ist die Abbildung sehr nichtlinear, da die imaginäre Achse von 0 bis + auf den Einheitskreis von 0 bis π,die imaginäre Achse von 0 bis auf den Einheitskreis von 0 bis π abgebildet wird. Wir setzen s = jω in der s Ebene und z = e jω in der z Ebene und erhalten jω = 2 ) e jω T + e jω = j 2 ω ) T tan 2 Ω = 2 ω ) T tan 2 Die Verzerrung der Frequenzachse durch die nichtlineare Abblidung wird» frequency warping«genannt. Abbildung.9 zeigt den Zusammenhang zwischen analogem und digitalem Filter am Beispiel eines Cauerfilters 5. Ordnung. Um ein digitales Filter mit einem gewünschten Toleranzschema zu erhalten, müssen die Grenzfrequenzen ω p und ω s vorverzerrt prewarped) werden, um die korrespondierenden Grenzfrequenzen Ω p und Ω s des Referenzfilters H a s) zu erhalten. Aus H a s) wird durch Bilineartransformation H d z). Matlab unterstützt die Bilineartransformation und Prewarping mit der Funktion bilinear.
15 .2. FILTERSTRUKTUREN 5 Abbildung.9: Darstellung der Verzerrung der Frequenzachse
Diskrete 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
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:
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:
MehrFilterentwurf. Aufgabe
Aufgabe Filterentwurf Bestimmung der Filterkoeffizienten für gewünschte Filtereigenschaften Problem Vorgaben häufig für zeitkontinuierliches Verhalten, z.b. H c (s) Geeignete Approximation erforderlich
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:
MehrLineare zeitinvariante Systeme
Lineare zeitinvariante Systeme Signalflussgraphen Filter-Strukturen Fouriertransformation für zeitdiskrete Signale Diskrete Fouriertransformation (DFT) 1 Signalflussgraphen Nach z-transformation ist Verzögerung
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
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
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)
MehrIIR-Filter. SigProc-7-IIR 1
IIR-Flter SgProc-7-IIR FIR IIR IIR-Flter haben komplzertere Blockdagramme, snd schwerer zu entwerfen und analyseren, haben kene lneare Phase, aber se snd selektver! Magntude 0.9 0.8 0.7 0.6 0.5 0.4 0.3
MehrÜBUNG 2: Z-TRANSFORMATION, SYSTEMSTRUKTUREN
ÜBUNG : Z-TRANSFORMATION, SYSTEMSTRUKTUREN 8. AUFGABE Bestimmen Sie die Systemfunktion H(z) aus den folgenden linearen Differenzengleichungen: a) b) y(n) = 3x(n) x(n ) + x(n 3) y(n ) + y(n 3) 3y(n ) y(n)
MehrWarum 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
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
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
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 /
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
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!
MehrPrüfung zur Vorlesung Signalverarbeitung am Name MatrNr. StudKennz.
442.0 Signalverarbeitung (2VO) Prüfung 8.3.26 Institut für Signalverarbeitung und Sprachkommunikation Prof. G. Kubin Technische Universität Graz Prüfung zur Vorlesung Signalverarbeitung am 8.3.26 Name
MehrSSYLB2 SS06 Daniel Schrenk, Andreas Unterweger Übung 8. Laborprotokoll SSY. Diskrete Systeme II: Stabilitätsbetrachtungen und Systemantwort
SSYLB SS6 Daniel Schrenk, Andreas Unterweger Übung 8 Laborprotokoll SSY Diskrete Systeme II: Stabilitätsbetrachtungen und Systemantwort Daniel Schrenk, Andreas Unterweger, ITS 4 SSYLB SS6 Daniel Schrenk,
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)
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
MehrEntwurf von FIR-Filtern
Kapitel Entwurf von FIR-Filtern. Einleitung.. Darstellung von FIR-Filtern im Zeitbereich y[n] = b x[n] + b x[n ] + b 2 x[n 2] +... + b L x[n (L )] = L b k x[n k] k= = b T x b = [b, b,..., b L ] x = {x[n],
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
MehrDigitale Signalverarbeitung Vorlesung 5 - Filterstrukturen
Digitale Signalverarbeitung Vorlesung 5 - Filterstrukturen 21. November 2016 Siehe Skript, Kapitel 8 Kammeyer & Kroschel, Abschnitt 4.1 1 Einführung Filterstrukturen: FIR vs. IIR 2 Motivation: Grundlage
MehrIn diesem Kapitel werden wir eine weitere Klasse von diskreten Filtern kennen lernen, die Infinite Impulse Response Filter.
Kapitel IIR-Filter In diesem Kapitel werden wir eine weitere Klasse von diskreten Filtern kennen lernen, die Infinite Impulse Response Filter.. Vom FIR- zum IIR-Filter FIR Filter verwenden zur Berechnung
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:.................................... VORNAME:.................................... MAT. NR.:.................................... Teilprüfung 389.055 A Signale und Systeme Institute of Telecommunications
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:.................................... VORNAME:.................................... MAT. NR.:.................................... Teilprüfung 389.055 B Signale und Systeme Institute of Telecommunications
MehrÜbung 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,
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
MehrMartin 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
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
Mehr6. Vorlesung. Systemtheorie für Informatiker. Dr. Christoph Grimm. Professur Prof. Dr. K. Waldschmidt, Univ. Frankfurt/Main
6. Vorlesung Systemtheorie für Informatiker Dr. Christoph Grimm Professur Prof. Dr. K. Waldschmidt, Univ. Frankfurt/Main Letzte Woche: Letzte Woche: 1.) Erweiterung von Fourier- zu Laplace-Transformation
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:... VORNAME:... MAT. NR.:.... Teilprüfung 389.055 A Signale und Systeme Institute of Telecommunications TU-Wien.06.06 Bitte beachten Sie: Bitte legen Sie Ihren Studierendenausweis auf Ihrem Tisch
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:
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
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:.................................... VORNAME:.................................... MAT. NR.:................................... 2. Teilprüfung 389.055 A Signale und Systeme 2 Institute of Telecommunications
Mehr3. Quantisierte IIR-Filter R
. Zweierkomplement a) Wie sieht die binäre Darstellung von -5 aus bei den Wortbreiten b = 4, b =, b = 6? b) Berechnen Sie folgende Additionen im Format SINT(4). Geben Sie bei Überlauf auch die Ausgaben
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
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
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],
MehrLösungen der Übungsaufgaben zur Vorlesung Digitale Signalverarbeitung
Institut für Informationsverarbeitung Laboratorium für Informationstechnologie Lösungen der Übungsaufgaben zur Vorlesung Digitale Signalverarbeitung Wintersemester 009-00 Aufgabe : Diskrete Faltung Vorerst:
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
MehrEinführung in die Systemtheorie
Bernd Girod, Rudolf Rabenstein, Alexander Stenger Einführung in die Systemtheorie Signale und Systeme in der Elektrotechnik und Informationstechnik 4., durchgesehene und aktualisierte Auflage Mit 388 Abbildungen
MehrZusammenfassung der 2. Vorlesung
Zusammenfassung der 2. Vorlesung Fourier-Transformation versus Laplace-Transformation Spektrum kontinuierlicher Signale Das Spektrum gibt an, welche Frequenzen in einem Signal vorkommen und welches Gewicht
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 =
MehrSystemtheorie Teil B
d + d + c d + c uk d + + yk d + c d + c Systemtheorie Teil B - Zeitdiskrete Signale und Systeme - Musterlösungen Manfred Strohrmann Urban Brunner Inhalt 8 Musterlösung Frequengang eitdiskreter Systeme...
MehrGrundlagen der Elektrotechnik 3. Übungsaufgaben
Campus Duisburg Grundlagen der Elektrotechnik 3 Nachrichtentechnische Systeme Prof. Dr.-Ing. Ingolf Willms Version Juli 08 Aufgabe 1: Man bestimme die Fourier-Reihenentwicklung für die folgende periodische
MehrSignale und Systeme. Christoph Becker
Signale und Systeme Christoph Becker 18102012 Signale Definition 1 Ein Signal ist eine Folge von Zahlen {xn)} welche die Bedingung xn) < erfüllt Definition 2 Der Frequenzgang / frequency domain representation
MehrDefinition Anwendungen. z-transformation. Fakultät Grundlagen. Juli 2010
z-transformation Fakultät Grundlagen Juli 2010 Fakultät Grundlagen z-transformation Übersicht 1 2 Fakultät Grundlagen z-transformation Folie: 2 Abtastung Abtastung: Umwandlung einer stetigen (zeitkontinuierlichen)
MehrSystemtheorie. Vorlesung 16: Interpretation der Übertragungsfunktion. Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann
Systemtheorie Vorlesung 16: Interpretation der Übertragungsfunktion Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann Übertragungsfunktion Bedeutung der Nullstellen Bei der Interpretation
Mehrx 1 + u y 2 = 2 0 x 2 + 4u 2.
3. Übung: gelkreis Aufgabe 3.. Gegeben sind die beiden linearen zeitkontinuierlichen Systeme 3 ẋ = 6 x + u 6 3 [ ] y = x (3.a) (3.b) und [ ] [ ] 8 ẋ = x + 6 4 [ ] y = x + 4u. u (3.a) (3.b) Berechnen Sie
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,
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...
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:.................................... VORNAME:.................................... MAT. NR.:................................... 2. Teilprüfung 389.055 B Signale und Systeme 2 Institute of Telecommunications
MehrReferat zum Thema Frequenzweichen / Signalfilterung
Referat zum Thema Gliederung: Einleitung I. Filter erster Ordnung 1. Tiefpass erster Ordnung 2. Hochpass erster Ordnung II. Filter zweiter Ordnung 1.Tiefpass zweiter Ordnung 2.Bandpass zweiter Ordnung
MehrEinfluss endlicher Wortlänge bei IIR-Filtern
Einfluss endlicher Wortlänge bei IIR-Filtern yn [ ] L H( z) L M M bxn [ ] ay[ n m] m m b z a m m z m (.) Die Koeffizienten a und b in IIR-Filtern verlangen eine hohe Genauigeit, bei einem elliptischen
Mehrx(nt x )g(t nt x ) Wenn das Abtasttheorem eingehalten wird (Bandbreite von x(t) ist kleiner als F s /2) und wir die Funktion
Kapitel 1 Multiraten DSP In unseren bisherigen Untersuchungen gab es nur Systeme, in denen die Abtastrate innerhalb eines Systems gleich war. In praktischen Anwendungen ist es aber häufig erforderlich,
MehrInstitut für Elektrotechnik und Informationstechnik. Aufgabensammlung zur. Systemtheorie
Institut für Elektrotechnik und Informationstechnik Aufgabensammlung zur Systemtheorie Prof. Dr. techn. F. Gausch Dipl.-Ing. C. Balewski Dipl.-Ing. R. Besrat 05.04.2013 Übungsaufgaben zur Systemtheorie
Mehr5. Vorlesung. Systemtheorie für Informatiker. Dr. Christoph Grimm. Professur Prof. Dr. K. Waldschmidt, Univ. Frankfurt/Main
5. Vorlesung Systemtheorie für Informatiker Dr. Christoph Grimm Professur Prof. Dr. K. Waldschmidt, Univ. Frankfurt/Main Letzte Woche: e jωt -Funktionen sind sinusförmige, komplexe Funktionen. Sie sind
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:
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
MehrAlgebra. Roger Burkhardt Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft
Algebra Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft FS 2010 Roger Burkhardt roger.burkhardt@fhnw.ch Algebra
MehrTheorie digitaler Systeme
Theorie digitaler Systeme Vorlesung 2: Fakultät für Elektro- und Informationstechnik, anfred Strohrmann Einführung Frequenzgang zeitkontinuierlicher Systeme beschreibt die Änderung eines Spektrums bei
MehrFourierreihen periodischer Funktionen
Fourierreihen periodischer Funktionen periodische Funktion: (3.1) Fourierkoeffizienten und (3.2) (3.3) Fourier-Reihenentwicklungen Cosinus-Reihe: (3.4) (3.5) Exponentialreihe: (3.6) (3.7-3.8) Bestimmung
MehrSystem- und Signaltheorie
Otto Mildenberger System- und Signaltheorie Grundlagen für das informationstechnische Studium 3., überarbeitete und erweiterte Auflage Mit 166 Bildern vieweg 1 Einleitung 1 1.1 Aufgaben der Systemtheorie
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:.................................... VORNAME:.................................... MAT. NR.:................................... 2. Teilprüfung 389.055 A Signale und Systeme 2 Institute of Telecommunications
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:
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
MehrDie Sprungantwort ist die Reaktion auf den Einheitssprung: G 2 (s) = 2 (s +1)(s +6) 3 (s +7)(s +2)
Aufgabe 1: Die Laplace-Transformierte der Sprungantwort ist: Y (s) = 1 s + (s +3) 3 (s +4) Die Sprungantwort ist die Reaktion auf den Einheitssprung: w(t) =σ(t) W (s) = 1 s Die Übertragungsfunktion des
Mehr3. Beschreibung dynamischer Systeme im Frequenzbereich
3. Laplace-Transformation 3. Frequenzgang 3.3 Übertragungsfunktion Quelle: K.-D. Tieste, O.Romberg: Keine Panik vor Regelungstechnik!.Auflage, Vieweg&Teubner, Campus Friedrichshafen --- Regelungstechnik
MehrMusterlösung zur Klausur Signale und Systeme
Musterlösung zur Klausur Signale und Systeme Arbeitsgruppe Digitale Signalverarbeitung Ruhr-Universität Bochum Frühjahr 009 Diskrete und kontin. Signale 5 Pkt.. Summierer und Differenzierer (a) Falls beide
MehrDigitale Signalverarbeitung, Vorlesung 3: Laplace- und z-transformation
Digitale Signalverarbeitung, Vorlesung 3: Laplace- und z-transformation 7. November 2016 1 Laplacetransformation 2 z-transformation Ziel: Reverse-Engineering für Digitale Filter Einführung der z-transformation
MehrPartialbruchzerlegung
Partialbruchzerlegung Eine rationale Funktion r mit n verschiedenen Polstellen z j der Ordnung m j, r = p q, lässt sich in der Form r(z) = f (z) + n j=1 q(z) = c(z z 1) m1 (z z n ) mn r j (z), r j (z)
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
MehrUmsetzung des neuen EL-Lehrplans
Umsetzung des neuen EL-Lehrplans... für Maschinenbauer... Dipl.-Ing. Dr.techn. Michael Schwarzbart scb@htlwrn.ac.at Salzburg 09.Dezember 2015 Der Weg zu dynamischen Systemen Festigkeitslehre Statik Hydromechanik
MehrLösungen der Übungsaufgaben zur Vorlesung Digitale Signalverarbeitung
Institut für Informationsverarbeitung Laboratorium für Informationstechnologie Lösungen der Übungsaufgaben zur Vorlesung Digitale Signalverarbeitung Wintersemester 00-0 Mathematische Grundlagen I. Geometrische
MehrSignale und Systeme II
TECHNISCHE FAKULTÄT DER CHRISTIAN-ALBRECHTS-UNIVERSITÄT ZU KIEL DIGITALE SIGNALVERARBEITUNG UND SYSTEMTHEORIE DSS Signale und Systeme II Lösung zur Modulklausur SS 201 Prüfer: Prof. Dr.-Ing. Gerhard Schmidt
Mehr(s + 3) 1.5. w(t) = σ(t) W (s) = 1 s. G 1 (s)g 2 (s) 1 + G 1 (s)g 2 (s)g 3 (s)g 4 (s) = Y (s) Y (s) W (s)g 1 (s) Y (s)g 1 (s)g 3 (s)g 4 (s)
Aufgabe : LAPLACE-Transformation Die Laplace-Transformierte der Sprungantwort ist: Y (s) = 0.5 s + (s + 3).5 (s + 4) Die Sprungantwort ist die Reaktion auf den Einheitssprung: w(t) = σ(t) W (s) = s Die
MehrEinführung in die Digitale Verarbeitung Prof. Dr. Stefan Weinzierl
Einführung in die Digitale Verarbeitung Prof. Dr. Stefan Weinierl WS11/12 Musterlösung 6. Aufgabenblatt Analyse von LTI-Systemen. 1. Betrachten Sie ein stabiles lineares eitinvariantes System mit der Eingangsfolge
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
Mehrfilter Filter Ziele Parameter Entwurf Zölzer (2002) Nov 14, 2015
1 Filter Ziele Parameter Entwurf Zölzer (2002) Nov 14, 2015 2 Beschreibung Übertragungsfunktion H(z), H(ω) Differenzengleichung y[n] Impulsantwort h[n]: Finite Infinite Impulse Response (FIR) Impulse Response
MehrZeitdiskrete Signalverarbeitung
Alan V. Oppenheim, Ronald W. Schafer, John R. Buck Zeitdiskrete Signalverarbeitung 2., überarbeitete Auflage ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario
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
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] =
Mehr3.3.1 Digitale Filter
Leseprobe Digitale Signalverarbeitung Abschnitt aus Algorithmische Bausteine 3.3.1 Digitale Filter In den folgenden Abschnitten sollen die digitalen Filter im Gegensatz zum Abschnitt Grundlagen der DSV
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
MehrMusterlösung zur Klausur Digitale Signalverarbeitung
Musterlösung zur Klausur Digitale Signalverarbeitung Arbeitsgruppe Digitale Signalverarbeitung Ruhr-Universität Bochum 1. Oktober 2007 Aufgabe 1: Transformationen 25 Pkt. Gegeben war das reellwertige kontinuierliche
MehrU 2 F 2 = U r, U 2 = F a (U 1 + U r ) U 2 U 1. = V u R (337) 1 + jωτ. (1 + jωτ)(1 + jωτ) 1. Vgl. mit Gl. (317) und (322) liefert die Definition:
Kapitel 6: Stabilität linearer Schaltungen 50 Anwendungsbeispiel (Verstärker mit SP-Kopplung) Für den dargestellten Verstärker mit einem frequenzabhängigen ückkopplungsnetzwerk läßt sich die Schleifenverstärkung
MehrTontechnik 2. Digitale Filter. Digitale Filter. Zuordnung diskrete digitale Signale neue diskrete digitale Signale
Tontechnik 2 Digitale Filter Audiovisuelle Medien HdM Stuttgart Digitale Filter Zuordnung diskrete digitale Signale neue diskrete digitale Signale lineares, zeitinvariantes, diskretes System (LTD-System)
MehrControl Systems Toolbox K. Taubert WS 01/02. 1 Einführung. X(s) = H(s)U(s) x = Ax + Bu y = Cx + Du,
Control Systems Toolbox K. Taubert WS 1/2 Zusammenfassung: Die Control Systems Toolbox ist ein Hilfsmittel für den Entwurf, die Entwicklung und Analyse in der Regelungstechnik. Unterschiedliche Beschreibungen
Mehry(k) = v(k) v(k 1) (a) Untersuchen Sie die Linearität beider Systeme (Bitte unbedingt den Rechenweg
AG Digitale Signalverarbeitung - Klausur in Signale und Systeme Frühjahr 2010 Aufgabe 1: Diskrete und kontin. Signale 25 Pkt. Aufgabe 1: Diskrete und kontin. Signale 25 Pkt. 1.1 Gegeben sei das als Differenzierer
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
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
Mehr