Zusammenfassung der 1. Vorlesung

Transkript

1 Zusammenfassung der 1. Vorlesung Einordnung und Motivation Grundlegende Definitionen Kontinuierliches Signal Zeitdiskretes Signal Quantisiertes Signal Digitales Signal Kontinuierliches System Abtastsystem Diskretes System Auflösung der der A/D- Umsetzer der der MicroAutoBox Schreibweise diskreter Signale

2 Zusammenfassung der 1. Vorlesung Elementare diskrete Signale Einheitsimpuls, Impulsfolge Einheitssprung, Sprungfolge Energie- und Leistungssignale Eigenschaften diskreter Systeme Linearität, t, Zeitinvarianz,, Kausalität Gewichtsfolge und Faltungssummation Differenzengleichung eines PT 1 -Systems

3 Fourier-Analyse + + = = Zerlegung periodischer Funktionen in in eine Reihe harmonischer Funktionen. Bestimmung und und Bedeutung des des Amplitudenspektrums eines Signals Bedeutung in in den den Bereichen Signalanalyse Schwingungstechnik Akustik

4 Fourier-Reihe Eine Eine periodische Funktion kann in in eine eine Funktionenreihe aus aus Sinus- und und Kosinusfunktionen zerlegt werden. reelle Koeffizienten Reelle Fourier-Reihe a 0 f(t) = + ancos(nω 0t) + bnsin(nω0t) 2 n= 1 [ ] Komplexe Fourier-Reihe f(t) = n= ce n jnω t 0 i.a. komplex Betrag-Phasen Phasen-Darstellung Beispiel: Rechtecksignal f(t) = A + A sin(nω t + ϕ ) 0 n 0 n n= 1 reell

5 Fourier-Transformation Fourier-Transformation versus Laplace-Transformation s = σ + jω Die Die Fourier-Transformation ist ist wie wie die die Laplace- Transformation eine eine Integraltransformation. Für Für r Funktionen f(t) f(t) mit mit f(t) f(t) = 0 für für t< t< 0 entspricht die die Laplacetransformierte von von f(t) f(t) der der Fouriertransformierten von von f(t)e f(t)e -σ -σt t.. Bereits einfache Funktionen wie wie z.b. z.b. die die Sprungfunktion 1(t) 1(t) erfüllen die die Konvergenzbedingung der der Fourier- Transformation nicht. Die Die Fourier-Transformation ist ist besser für ffür r die die Analyse von von Signalen geeignet. Die Die Laplace-Transformation ist ist besser für ffür r die die Analyse und und die die Beschreibung von von Systemen geeignet.

6 Fourier-Transformation (2)

7 Spektrum eines kontinuierlichen Signals Was ist ist das Spektrum eines kontinuierlichen Signals? Das Das Spektrum F(jω) ist ist die die Fourier-Transformierte der der Zeitfunktion f(t). f(t). Das Das Spektrum gibt gibt an, an, welche Frequenzen in in einem Signal vorkommen und und welches Gewicht sie sie haben. Einem periodischen Signal kann über die die Fourier- Reihenentwicklung ein ein diskretes Amplitudenspektrum zugeordnet werden. Das Das Spektrum (Amplitudendichte,, Phase) eines nichtperiodischen Signals ist ist kontinuierlich.

8 Spektrum diskreter Signale Darstellung eines zeitdiskreten Signals mit mit Hilfe einer Folge von von Deltaimpulsen: f*(t) f(t) f(2t) f(t) T 2T 3T t Ersetzen der der Dirac-Impulsfolge durch die die komplexe Fourier-Reihe: ω = A 2π T

9 Fourier-Reihe einer periodischen Folge von Deltaimpulsen f(t) = δ k= (t kt) 1 f(t) Gesucht: Komplexe Fourier-Reihe f(t) = δ(t kt) = ce ν k= ν= jνω t 0-3T -2T -T T 2T 3T ω = 0 2π T 1 jνω0t Fourier-Koeffizienten: c ν = δ(t kt)e dt T T 2 T k= 2 T 2 1 = δ(t) d T T 2 jνω0t e t

10 Fourier-Reihe einer periodischen Folge von Deltaimpulsen (2) Aus Aus der der Ausblendeigenschaft des des Deltaimpulses folgt: c ν T 2 1 = δ T T 2 jνω0t (t)e dt = 1 e T jνω 0 0 = 1 T Fourier-Reihe der Folge von Deltaimpulsen: δ(t kt) = k= 1 T ν= e jνω t 0

11 Spektrum diskreter Signale (2) liefert: Hierauf wird wird jetzt jetzt die die Fourier-Transformation angewendet: Mit Mit Hilfe des des Frequenzverschiebungssatzes erhält man:

12 Frequenzverschiebungssatz Frage: Wie Wie sieht die die Fourier-Transformierte einer mit mit e jνω jνω At At multiplizierten Funktion f(t) f(t) aus? F { j } At f(t) e υω υω ω = j At j t f(t)e e dt = f(t)e j( ω υω )t A dt Mit Mit der der Substitution v = ω νω νω A ergibt A sich: F { f(t) e jυω } At = jvt f(t)e dt = F(jv) = F (j( ω νω )) A Multiplikation mit mit e jνω jνω At At im im Zeitbereich bedeutet eine eine Verschiebung des des Spektrums nach rechts um um νω νω A. A.

13 Spektrum diskreter Signale (3) F(j ω) Spektrum des kontinuierlichen Signals bandbegrenztes kontinuierliches Signal ω g * T F(j ω) Spektrum des abgetasteten Signals Seitenbänder nder Spektrum eines zeitdiskreten Signals ist ist periodisch mit mit der der Periode ω A =2π/T A und und mit mit 1/T 1/Tgewichtet

14 Tiefpaßverhalten und Bandbreite Elektrische Drosselklappe (8) RTI Data ADC Drosselklappenwinkel Istwinkel 0,1 30 Hz in 60 s In1 Out1 Winkel in Grad Terminator 0.2 output Chirp Signal Gain DAC Drossellklappennmotor Switch In1 Eingangssignal in Grad Offset 0.18 Offset1 0 Simulink Blockschaltbild

15 Elektrische Drosselklappe (10) Ermittlung der Bandbreite (Amplitudenabfall < 3 db) 1 Hz 2 Hz 4 Hz 10 Hz 20 Hz 25 Hz

16 Elektrische Drosselklappe (11) Abtasttheorem 40 Elektrische Drosselklappe 30 f A = 10 Hz f A = 4 Hz Winkel [Grad] Sollwinkel Istwinkel Zeit [s]

17 Abtasttheorem Periodendauer: T 0 = 0,5 s T 0 o o o o o T Frequenz: f 0 = 2 Hz Abtastintervall: T = 0,25 s Abtastfrequenz: f A = 4 Hz Die Die abgetasteten Werte eines Sinussignals sind sind von von einem Gleichspannungssignal nicht zu zu unterscheiden, wenn die die Abtastfrequenz doppelt so so hoch ist, ist, wie wie die die Frequenz des des Sinussignals.

18 Abtasttheorem (2)

19 Abtasttheorem (3) Beispiel: Audio-CD Frequenzbereich: Abtastfrequenz: 5 Hz 20 khz 44,1 khz Nyquistfrequenzf A /2 liegt 10 % über der Grenzfrequenz 20 khz Amplitudenauflösung: 16 bit (1/32767=0,00003) Speicherbedarf: 16 bit Hz / 8 = 176,4 KByte / s 176,4 KByte / s s 60 s = 10,6 MByte / Minute

20 Frequenzfaltung oder Aliasing Spektrum Spektrum des des kontinuierlichen kontinuierlichen Signals Signals Spektrum Spektrum des des mit mitω A > A 2ω2 2ω g abgetasteten g abgetasteten Signals Signals Spektrum Spektrum des des mit mitω A < A 2ω2 2ω g abgetasteten g abgetasteten Signals Signals ω A ω g

21 Frequenzfaltung oder Aliasing (2) Die Die Spektren des des kontinuierlichen und und des des diskreten Signals stimmen offensichtlich im im Intervall (-ω (-ω A /2 A /2 ω ω A /2) A /2) überein, wenn die die folgenden Forderungen eingehalten werden:

22 Frequenzfaltung oder Aliasing (3) o o f 1 f(t) 1 (t) = -sin -sin2π0,9t o o o o o o o f 2 f(t) 2 (t) = sin sin2π0,1t o o

23 Aliasing-Effekt: Simulink-Simulation Simulation DSP-Blockset Toolbox f = 0,9 Hz T = 1,0 s

24 Frequenzfaltung oder Aliasing (4) Verhinderung der Frequenzfaltung Bei Bei nicht-bandbegrenzten Signalen muß mußman man vor vorder Abtastung mit mit Hilfe eines Tiefpasses (Anti-Aliasing-Filter) Frequenzanteile ab ab der der halben Abtastfrequenz unterdrücken oder am am besten vollständig verschwinden lassen. Bei Bei bandbegrenzten Signalen muß mußdie Abtastfrequenz größer als als das das Doppelte der der höchsten, im im Signal vorkommenden Frequenz sein. Wenn nicht möglich, Einsatz eines Anti-Aliasing-Filters. u(t) Analoges AAF ADU u(k) Diskreter Regler y(k) DAU y(t)

25 Frequenzfaltung oder Aliasing (5) F(jω) F(jω) ω Ideales Antialiasing-Filter ω A /2 ω A /2 F(jω) ω Reales Antialiasing-Filter ω A /2 ω A /2 ω F * (jω) ω A ω A /2 ω A /2 ω A ω

26 Abtastfrequenzen in technischen Systemen Regelkreise im Kraftfahrzeug Regelkreise im Flugzeug Regelkreise in der Verfahrenstechnik CD-Audio-Aufzeichnung Signalverarbeitung mit Mikrocontroller Abtastfrequenz Hz Hz 1 10 Hz 44,1 khz Bis 50 MHz