Entwurf von FIR-Filtern
|
|
- Louisa Weiner
- vor 7 Jahren
- Abrufe
Transkript
1 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], x[n ],..., x[n (L )} = L h[k]x[n k] k= L wird Filterlänge genannt und ist gleich der Zahl der Koeffi zienten, (L ) = N ist die Ordnung des Filters...2 Darstellung von FIR-Filtern im z Bereich L Y (z) = b X(z) + b z X(z) b L z (L ) X(z) = X(z) b k z k H(z) = Y (z) L X(z) = b + b z b L z (L ) = b k z k = b z L + b z L b L z L H(z) ist die Systemfunktion des FIR-Filters, sie hat (L ) Nullstellen und (L ) Polstellen. Die Polstellen liegen im Punkt z =. k= k=
2 2 KAPITEL. ENTWURF VON FIR-FILTERN Abbildung.: FIR-Filter im z und Frequenzbereich..3 Frequenzgang von FIR-Filtern L H(ω) = H(z) z=jω = b k e jωk = H(jω) e jϕ(ω) H(ω) ist der Frequenzgang des FIR-Filters. Der Betrag des Frequenzgangs ist eine gerade Funktion H(ω) = H( ω), die Phase des Frequenzgangs ist eine ungerade Funktion ϕ (ω) = ϕ ( ω). Abbildung. fasst die Darstellung im z Bereich und im Frequnezberiech zusammen. k=..4 Stabilität von FIR-Filtern Die Impulsantwort des FIR-Filters ist absolut summierbar h[n] <, daher sind FIR-Filter BIBO-stabil. Die Pole des FIR-Filters liegen innerhalb des Einheitskreises der z Ebene, daher sind FIR-Filter BIBO-stabil..2 Filterstrukturen.2. Direkte Form Bei der direkten Form können die Koeffi zienten der Multiplizierer direkt aus der Übertragungsfunktion abgeleitet werden. Abbildung.2 zeigt die direkte Form, Abbildung.3 zeigt die transponierte direkte Form. Die transponierte direkte Form ist empfindlicher für Rundungsfehler als die direkte Form, da Teilsummen in nachfolgende Stufen gespeist werden.
3 .2. FILTERSTRUKTUREN 3 Abbildung.2: FIR-Filter in Direktform Abbildung.3: FIR-Filter in transponierter Direktform.2.2 Kaskadierte Sektionen 2. Ordnung Die Systemfunktion H(z) = L k= werden und als Kaskadenschaltung realisiert werden b k z k kann ist Subsysteme 2. Ordnung zerlegt H(z) = K H k (z) k= H k (z) = b ko + b k z + b k2 z 2, k =, 2,..., K b kann entweder auf alle Subsystem aufgetielt werden, d.h. b = b b 2 b 3... b K, oder nur einem Subsystem zugewiesen werden. Konjugiert komplexe Nullstellen werden zusammengefasst, um reelle Koefizienten in den Subsystemen 2. Ordnung zu erhalten. Abbildung.4 zeigt ein Subsystem 2. Ordnung und die Kaskadenschaltung von Subsystemen..2.3 Kaskadierte Kettenleiter (Lattice-Filter) Kettenleiter werden aus Grundelementen, wie in Abbildung.5 gezeigt, aufgebaut. Der Begriff Kettenleiter bzw. Lattice-Filter kommt aus der Theorie der elektrischen Leitungen bzw. elektrischen (analogen) Filter und wurde für die digitalen Filter übernommen. Abbildung.4: FIR-Subsystem 2. Ordnung, Kaskadenschaltung
4 4 KAPITEL. ENTWURF VON FIR-FILTERN Abbildung.5: Basiselement eines Kettenleiter-Filters Abbildung.6: Kettenleiter-FIR-Filter Die Filterstruktur entsteht durch Hintereinanderschaltung der Grundelemente, wie in Abbildung.6 gezeigt. Die Systemfunktion des Kettenleiters der Abbildung.6 hat die Form H N (z) = X N(z) X (z) = k Nz N Die Koeffi zienten k, k 2,..., k N dieser Gleichung bestimmen wir durch Koeffi zientenvergleich mit der Systemfunktion des gewünschten FIR-Filters. Diese lautet H m (z) = N h[n]z n. Um leichter vergleichen zu können bringen wir H m n= durch herausheben von h[] in die normierte Form 2 und schreiben H N = + p n z n (.) Für die erste Stufe des Kettenleiters erhalten wir aus Abbildung.5 folgende Beziehungen n= X (z) = X (z) + k z X (z) Y (z) = k X (z) + z X (z) mit den zugehörigen Systemfunktionen 2 Schaltungstechnisch muss ein Multiplizierer h[], dem Eingang der Struktur, die H N m (z) realisiert, vorgeschaltet werden.
5 .2. FILTERSTRUKTUREN 5 H (z) = X (z) X (z) = + k z G (z) = Y (z) X (z) = k + z = z H(z ) Das Verhältnis H(z) G = +kz (z) k +z beschreibt einen Allpass. Ordnung. Entsprechend erhalten wir für die zweite Stufe X 2 (z) = X (z) + k 2 z Y (z) Y 2 (z) = k 2 X (z) + z Y (z) H 2 (z) = X 2(z) X (z) = H (z) + k 2 z G (z) G 2 (z) = Y 2(z) X (z) = k 2H (z) + z G (z) = z 2 H(z ) für Stufe i wird allgemein X i (z) = X i (z) + k i z Y i (z) Y i (z) = k i X i (z) + z Y i (z) H i (z) = X i(z) X (z) = H i (z) + k i z G i (z) G i (z) = Y i(z) X (z) = k ih i (z) + z G i (z) G i (z) = z i H i (z ) (.2a) (.2b) (.2c) (.2d) (.2e) Setzen wir Gleichung (.2e) in Gleichung (.2c) ein, dann erhalten wir H i (z) = H i (z) + k i z i H i (z ) (.3) Zur Bestimmung der Koeffi zienten gehen wir vom Ausgang zum Eingang des Kettenleiters. Wir setzen i = N in Gleichung (.2c) ein und erhalten H N (z) = H N (z) + k N z G N (z) (.4a) G N (z) = k N H N (z) + z G N (z) (.4b) Multiplizieren wir Gleichung (.4b) mit k N und subtrahieren von Gleichung (.4a), dann erhalten wir H N (z) = kn 2 [H N (z) k N G N (z)] (.5) Wir setzen Gleichung (.2e) in Gleichung (.5) ein und erhalten schließlich [ H N (z) = kn 2 HN (z) k N z N H N (z ) ] (4) (.6)
6 6 KAPITEL. ENTWURF VON FIR-FILTERN Ersetzen wir in Gleichung (.6) H N aus Gleichung (.) ein, dann wird H N (z) = = kn 2 [ ( + p z + p 2 z p N z N) ( k N p N + p N z + p N 2 z p kn 2 [ ( kn p N ) + (p k N p N ) z + (p 2 k N p N 2 ) z (p N k N ) z N Obiger Ausdruck ist von der Ordnung N. Das bedeutet, dass der Term z N verschwinden muss, woraus folgt, dass k N = p N. Wir berechnen nur die weiteren Koeffi zienten H N (z) = k 2 N [ ( kn p N ) + (p k N p N ) z + (p 2 k N p N 2 ) z ] (.7a) = + p z + p 2z p N z (N ) (.7b) p i = p i k N p N i k 2 N (.7c) k N = p N (.7d) Damit haben wir k N und k N berechnet. Wir setzen mit H N 2 (z) fort und erhalten k N 2. Wir setzen fort, bis wir alle Koeffi zienten für das Lattice-Filter ermittelt haben. Als Beispiel berechnen wir das Filter H 3 (z) = +.75z +.5z z 3. Matlab stellt uns dafür die Funktion tf2latc zur Verfügung 3. b = [ ]; k = tf2latc(b) k = [.5 /3.25] Aus Gleichung (.5) sehen wir, dass k 2 N berechnet werden muss. Wenn k N = (oder k N = k N 2 =... = ) wird durch Null dividiert und wir erhalten kein Ergebnis. Bei Linear-Phasen-Filtern kann diese Situation vorliegen, wie am Beispiel eines FIR-Filters Typ zeigen. H 5 (z) = + h z + h 2 z 2 + h 2 z 3 + h z 4 + z 5 k 5 = (.8) Mit Hilfe der Beziehung Gleichung (.3) H i (z) = H i (z) + k i z i H i (z ) können wir umformen H 5 (z) = H 4 (z) + z 5 H 4 (z ) (.9) Wir schreiben Gleichung (.8) um und erhalten mit Gleichung (.9) H 5 (z) = + h z + h 2 z }{{ 2 } + z 5 + h z + h 2 z 2 }{{} H 4(z) H 2(z) H 4(z) H 4 (z) ist vierter Ordnung, die Koeffi zienten h 3 und h 4 sind aber Null, d.h. k 3 = k 4 =. Aus H 2 (z) = + h z + h 2 z 2 folgt k 2 = h 2. Aus Gleichung (.7c) finden wir k = h +h 2 3 Wenn Nullstellen auf dem Einheitskreis liegen, liefert tf2latc eine Fehlermeldung.
7 .2. FILTERSTRUKTUREN 7 Abbildung.7: FIR Typ-Filter in Lattice-Realisierung Beispiel h = [ ] H 2 (z) = +2z +3z 2 k = 2 +3, k 2 = 3 Mit Hilfe der Matlab-Funktion latc2tf können wir die Lattice-Form in die Transfer-Funktion umrechnen latc2tf([.5 3 ], fir ) und erhalten wieder h = [ ]. Abbildung.7 zeigt die Lattice-Realisierung unseres Beispiels. Als zweites Beispiel wenden wir diese Vorgangsweise für ein FIR-Filter Typ 2 an: H 4 (z) = + h z + h 2 z }{{ 2 + h } z 3 + z 4 = H 3 (z) + k 4 z 4 H 3 (z ( = + h z + h ) ( 2 2 z 2 + z 4 + h z + h ) 2 2 z H 3 (z) = + h z + h 2 2 z 2 H 2 (z) k 3 =, k 2 = h 2 2, k = h + h2 2 Für h = [ ] erhalten wir k 2 = 3 2, k = 4 5. Die Transferfunktion dafür ermitteln wir mit latc2tf([4/5 3/2 ], fir ) und erhalten wieder h = [ ]. Die Schaltungsrealisierung zeigt Abbildung. Die Umformung, wie für FIR Typ und 2 gezeigt, kann in entsprechender Weise auch für Typ 3 und 4. angewendet werden und damit Lattice-Filter realisiert werden. Bei FIR-Filtern ohne lineare Phase aber mit Filterkoeffi zient für die höchste Ordnung, können wir die Systemfunktion in einer Funktion mit lienarer Phase und Rest umwandeln. Das wir an Hand eines Beispiels gezeigt. H 4 (z) = + h z + h 2 z 2 + h 3 z 3 + z 4 = + h 3 z 3 + h 2 z 2 + h 3 z 3 + z 4 (Linearphasen-FIlter) +(h h 3 )z (Rest)
8 8 KAPITEL. ENTWURF VON FIR-FILTERN Abbildung.8: FIR Typ2-Filter in Lattice-Realisierung Abbildung.9: Lattice-Realisierung eines allgemeinen FIR-Filters Die Realisierung des Linearphasen-Filters haben wir bereits behandelt. In der Realiseirung muss lediglich der Rest, das zusätzliche FIR-Filter verwirklicht werden. Abbildung.9 zeigt die dazu gehörige Schaltung..2.4 Vorteile und Nachteile von FIR-Filtern FIR-Filter können exakt lineare Phase haben, eine wichtige Eigenschaft für Anwendungen, in denen keine Phasenverzerung zulässig ist. Die Eigenschaft der linearen Phase ist ein Alleinstellungsmerkmal der FIR-Filter. Daher werden FIR-Filter in der Regel als als Linear-Phasen-Filter realisiert. FIR-Filter sind garantiert stabil. 4 FIR-Filter sind einfach zu implementieren. Der Einfluss endlicher Wortlänge auf Rundungs- und Quantisierungsfehler ist geringer als bei IIR-Filtern. FIR-Filter können auf einfache Art beliebige Frequenzgänge realisieren. Bei gleicher Selektivität als IIR-Filter brauchen die FIR-Filter mehr Koeffi zienten, der Implementierungsaufwand ist daher höher. 4 Wenn sie nicht-rekursiv implementiert werden, was in der Regel der Fall ist.
9 .3. LINEARE PHASE 9 Abbildung.: Gegenüberstellung Magnitude-Amplitude-Response IIR-Filter können aus analogen Filtern abgeleitet werden. FIR-Filter haben kein analoges Gegenstück. Die FIR-Synthese ist algebraisch schwieriger als die Synthese von IIR- Filtern, man ist daher auf CAD-Unterstützung angewiesen..3 Lineare Phase Ein FIR-Filter linearer Phase erkennt man an der symmetrischen bzw. an der antisymetrischen Impulsantwort h[n] = h[n n] h[n] = h[n n] Eine Systemfunktion H(z) hat lineare Phase, wenn gilt H(e jω ) = e j(αω+β) H r (ω) (.) H r ist eine reelle Funktion und wird Amplitudengang oder Null-Phasen- Antwort 5 genannt. H r kann negativ werden und ist nicht identisch mit H(e jω ). Abbildung. zeigt den Betrag des Frequnezgangs im Vergleich zum Ampitudengang. Der Betrag des Frequenzgangs ist eine gerade Funtion von ω. Da H(e jω ) r = H r (ω), ist der Amplitudengang entweder eine gerade oder eine ungerade Funktion von ω, d.h H r ( ω) = ±H r (ω). Aus H(e jω ) = H (e jω ) folgt e j(αω+β) H r (ω) = e j(α( ω)+β) H r ( ω) (.) Wenn H r (ω) eine gerade Funktion ist, dann folgt aus Gl. (.), dass e jβ = e jβ, was nur für β = oder β = π erfüllt ist. Wir erhalten daher aus Gl. (.) 5 Matlab stellt zur Berechnung von H r die Funktion zerophase zur Verfügung.
10 KAPITEL. ENTWURF VON FIR-FILTERN H r (ω) = ±e jαω H(e jω ) = ± h[n]e jω(α+n) (.2) H r ( ω) = ± l= h[l]e jω(α+l) Ersetzen wir l = N n und setzen ein, dann wird H r ( ω) = ± h[n n]e jω(α+n n) (.3) n= Aus Gl. (.) und (.3) und H r ( ω) = H r (ω), erhalten wir die Bedingung n= h[n] = h[n n], n N α = N 2 Das bedeutet, dass FIR-Filter mit geradem Amplitudengang (H r gerade) eine lineare Phase haben, wenn die Impulsantwort symmetrisch ist. Wenn H r (ω) eine ungerade Funktion ist, dann folgt aus Gl. (.), dass e jβ = e jβ. Diese Bedingung ist nur erfüllt, wenn β = π/2 oder β = π/2. Eingesetzt in Gl. (.) H(e jω ) = je jαω H r (ω) (.4) H r (ω) = je jαω H(e jω ) = j h[n]e jω(α+n) Für H r (ω) ungerade, ist H r ( ω) = H r ( ω) und wir erhalten H r ( ω) = j h[l]e jω(α+l) (.5) l= n= Wir ersetzen wieder l = N n und erhalten H r ( ω) = j h[n n]e jω(α+n n) n= Aus Gl. (.4) und (.5) erhalten wir schließlich die Bedingung h[n] = h[n n], n N α = N 2 Das bedeutet, dass FIR-Filter mit ungeradem Amplitudengang (H r ungerade) eine lineare Phase haben, wenn die Impulsantwort antisymmetrisch ist.
11 .3. LINEARE PHASE.3. Typen von FIR-Filtern mit linearer Phase Da die Filterlänge gerade oder ungerade sein kann, die Impulsantworten symmetrisch oder antisymmetrisch sein können, erhalten wir vier Typen von FIR- Filtern mit linearer Phase. FIR-Filter Typ (h[n] = h[n n], Länge L ungerade, Ordnung N gerade) Wir zeigen die Zusammenhänge am Beispiel für L = 7 : h = [, 2, 3, 4, 3, 2, ] h[] = h[6] = ; h[] = h[5] = 2; h[2] = h[4] = 3; h[3] = 4 H(ω) = 6 k= h[k]e jkω = h[]+h[]e jω +h[2]e jω2 +h[3]e jω3 +h[4]e jω4 + h[5]e jω5 + h[6]e jω6 = e jω3 { h[]e jω3 + h[]e jω2 + h[2]e jω + h[3] + h[4]e jω + h[5]e jω2 + h[6]e jω3} = e jω3 {2h[] cos 3ω + 2h[] cos 2ω + h[2] cos ω + h[3]} Allgemein erhalten wir N/2 [ ] N H r (ω) = h[n/2] + 2 h 2 n cos(ωn) n= Typ ist die allgemeinste Form, alle Filtertypen (TP, HP, BP, BSp) können realisiert werden. FIR-Filter Typ 2 (h[n] = h[n n], Länge L gerade, Ordnung N ungerade) (N+)/2 [ ] N + H r (ω) = 2 h n cos (ω(n 2 ) 2 ) n= FIR-Filter Typ 2 kann kein Hochpassfilter sein. FIR-Filter Typ 3 (h[n] = h[n n], Länge L ungerade, Ordnung N gerade) N/2 [ ] N H r (ω) = 2 h 2 n sin(ωn) n= FIR-Filter Typ 4 (h[n] = h[n n], Länge L ungerade, Ordnung N gerade) (N+)/2 H r (ω) = +2 h[ N + 2 n= n] sin (ω(n 2 ) )
12 2 KAPITEL. ENTWURF VON FIR-FILTERN.3.2 Nullstellen von FIR-Filtern Typ 4 Für symmetrische Impulsantwort ist H(z) = h[n]z n = n= h[n n]z n n= Setzen wir m = N n, so wird aus obiger Gleichung H(z) = h[m]z N+m = z N m= N m= h[m]z m = z N H(z ) Für den Fall der antisymmetrischen Impulsantwort erhalten wir H(z) = h[n]z n = h[n n]z n = z N H(z ) n= n= Aus H(z ) = ±z N H(z ) = folgt, wenn z eine Nullstelle ist, dann ist auch z eine Nullstelle. Da H(z) eine gebrochen rationale Funktion mit reellen Koefizienten ist, sind die Nullstellen entweder reell oder konjugiert komplex. Im allgemeinen Fall erhalten wir bei Filtern ungerader Länge L (gerader Ordnung N) daher folgende Nullstellen ( re jϕ z ) ( re jϕ z ) ( r ejϕ z ) ( r e jϕ z ) Liegt eine Nullstelle auf dem Einheitskreis z = e jϕ, dann ist z = e jϕ, die Nullstellen sind daher ( e jϕ z ) ( e jϕ z ). Haben wir eine reelle Nullstelle, die nicht auf dem Einheitskreis liegt, dann erhalten wir ( ± rz ) ( ± r z ). Wir untersuchen noch die Nullstellen bei ±, H(z) = ± z. Symmetrische Impulsantwort: Wir setzen ein und erhalten H() = N H() bzw. H( ) = ( ) N H( ). Diese beiden Gleichungen sind erfüllt für N gerade, was bedeutet, dass Nullstellen bei ± auftreten können. (Typ FIR-Filter) Für N ungerade ist H() = N H() erfüllt, es können also Nullstellen bei auftreten. Bei einer Nullstelle bei wird H( ) = ( ) N H( ) = H( ). Diese Gleichung ist nur erfüllt, wenn H( ) =. Bei muss also eine Nullstelle sein. (Typ 2 FIR-Filter) Unsymmetrische Impulsantwort: Wir setzen ein und erhalten H() = N H() = H(). Diese Gleichung ist nur erfüllt, wenn H() =. Bei muss also eine Nullstelle sein, und zwar unabhängig davon, ob N gerade oder ungerade ist. (Type 3 und Typ 4 FIR-Filter)
13 Imaginary Part Imaginary Part Imaginary Part Imaginary Part.3. LINEARE PHASE 3 Typ : h[n] symmetrisch, Ordnung gerade Typ 2: h[n] symmetrisch, Ordnung ungerade Real Part Typ 3: h[n] antisymmetrisch, Ordnung gerade 2 Real Part Typ 4: h[n] antisymmetrisch, Ordnung ungerade Real Part.5.5 Real Part Abbildung.: Nullstellen von FIR-Filtern Typ 4 Schließlich finden wir, dass H( ) = N H( ) = H( ). Diese Gleichung ist nur erfüllt, wenn H( ) =. Bei muss also eine Nullstelle sein. (Typ 3 FIR-Filter) Zusammenfassend halten wir folgende Eigenschaften der FIR-Filter Typ 4 fest. Typ ist der allgemeinste Typ und kann alle Filtertypen (TP, HP, BP, BSp) relisieren. Typ 2 kann kein Hochpass sein. Typ 3 kann weder Hochpass noch Tiefpass sein. Typ 4 kann kein Tiefpass sein. Abbildung. zeigt typische Nullstellen-Lagen von FIR-Filtern der Typen bis Realisierung von symetrischen Filtern Die Symmetrieeigenschaften der Linear-Phasen-Filter können bei der Realisierung ausgenützt werden, um die Zahl der Multiplizierer zu reduzieren. Abbildung zeigt ein Beispiel für symmetrische Impulsantwort und Ordnung N = 6, Abbildung.3 zeigt ein Beispiele für symmetrische Impulsantwort und Ordnung N = 5.
14 4 KAPITEL. ENTWURF VON FIR-FILTERN x[n] x[n 6] z z b y[n] x[n ] x[n 5] b z z x[n 2] x[n 4] b 2 z z x[n 3] b 3 Typ, L ungerade Abbildung.2: Symmetrisches FIR-Filter Typ x[n] x[n 5] z z b y[n] x[n ] x[n 4] b z z x[n 2] x[n 3] b 2 z Typ 2, L gerade Abbildung.3: Symmetrisches FIR-Filter Typ 2
15 Magnitude.4. ENTWURFSKRITERIEN 5 Magnitude Response.8 N =, 5, Normalized Frequency ( π rad/sample) Abbildung.4: Gibbs sches Phänomen.4 Entwurfskriterien Im Gegensatz zu IIR-Filtern können FIR-Filter nicht aus analogen Filtern abgeleitet werden. Bei FIR-Filtern muss daher der gewünschte Frequenzgang direkt angenähert werden. Die FIR-Synthese ist algebraisch schwieriger als die Synthese von IIR-Filtern, man ist daher auf CAD-Unterstützung angewiesen..4. Fenstermethode Die Impulsantwort eines idealen Tiefpass-Filters ist H T P = {, ω ωc, ω c < ω π h T P [n] = sin ω cn πn, < n < Die Impulsantwort h T P [n] des idealen Tiefpassfilters ist nichtkausal, durch Abschneiden (Multiplikation mit einem Rechteckfenster)und Verschieben erhalten wir die Impulsantwort ĥ eines kausalen Tiefpassfilters ĥ = { sin(ωc(n M)) π(n M), n N, sonst Steigendes M kann das oszillatorische Verhalten der Betragsantwort nicht verhindern, die größte Welligkeit tritt insbesondere an beiden Seiten der Grenzfrequenz auf. Abbildung.4 zeigt das Verhalten für verschiedene Ordnungen des Filters. Die Ursache des stark oszillierenden Verhaltens ist der steilflankige Übergang von Durchlass- zu Sperrbereich. Abhilfe kann ein sanfterer Übergang vom Durchlass- in den Sperrbereich bewirken, allerdings auf Kosten geringerer Flankensteilheit des Filters. Anstelle des Rechteckfensters werden andere Fensterformen eingesetzt.
16 6 KAPITEL. ENTWURF VON FIR-FILTERN Blackman Hann Hamming Dreieck Abbildung.5: Vergleich von Fenstern im Zeitbereich Fenster : ĥ real [n] = w[n]h ideal [n] Fensterlänge N = 2M + {, M n M Rechteck : w R =, sonst Dreieck : w D = n M +, M n M [ ( )] 2πn Hann : w Hn =.5 + cos, M n M 2M + ( ) 2πn Hamming : w Hm = cos, M n M M + ( ) ( ) 2πn 4πn Blackmann : w B = cos +.8 cos, M n M M + M + Abbildung vergleicht diese Fenstertypen im Zeitbereich. Abbildung.6 vergleicht diese Fenstertypen im Frequenzbereich. Zur Bewertung der Fenster führt man zwei Größen ein: die Breite der Hauptkeule, gemessen in den Nulldurchgängen, als Maßfür die Flankensteilheit des Fensters die relative Nebenkeulendämpfung,der Unterschied zwischen Hauptkeule und größter Nebenkeule in db Typ Hauptkeulenbreite Rel. Nebenkeule Rechteck 4π/(2M + ) 3.3 db Dreieck 4π/(2M + ) 26.5 db Hann 8π/(2M + ) 3.5 db Hamming 8π/(2M + ) 42.7 db Blackman 2π/(2M + ) 58. db
17 .4. ENTWURFSKRITERIEN 7 Abbildung.6: Vergleich der Fenster im Frequenzbereich
18 Magnitude (db) Magnitude (db) 8 KAPITEL. ENTWURF VON FIR-FILTERN Magnitude Response (db) 2 Blac k mann 3 4 Hamming Normalized Frequency ( π rad/sample) Abbildung.7: Hamming- und Blackman-Tiefpass 2. Ordnung. Magnitude Response (db) Normalized Frequency ( π rad/sample) Abbildung.8: Hamming-Tiefpass N = 2, 4, 6 Die Auswirkung eines Hamming- und eines Blackman-Fensters auf einen Tiefpass der Ordnung N = 2 ist in Abbildung.7 gezeigt. Man kann erkennen, dass der Hamming-TPr eine größere Flankensteilheit, aber eine geringere Sperrdämpfung aufweist als der Blackman-TP. Die Ordnung hat zwar einen Einfluss auf die Flankensteilheit, aber keinen Einfluss auf die minimale Sperrdämpfung der Fenster-Filter, wie in Abbildung.8 gezeigt Bei Filtern wird die Dämpfung im Durchlassbereich und im Sperrbereich auf Grund der Aufgabenstellung festgelegt. Bei Fenster-Filtern ist die Welligkeit im Durchlass- und Sperrbereich gleich, was zu unnötig kleinen Welligkeiten im Durchlassberich führen kann, um eine gewünschte Welligkeit im Sperrbereich zu erreichen. Kaiser-Fenster Das Kaiser-Fenster ist zum Unterschied von den bisher vorgestellten ein einstellbares Fenster. Seine Fensterfunktion ist
19 .4. ENTWURFSKRITERIEN 9 ( I β ) (n/m) 2 w K =, µµ M n M I (β) ( ) (µ/2) r 2 I (µ) = + r! r= I (µ) ist die modifizierte Besselfunktion. Ordnung und kann mit der Matlab- Funktion besseli berechnet werden. Der Parameter β steuert die minimale Sperrdämpfung. Durch geeignete Wahl von β können die bereits besprochenen Fenstertypen angenähert werden. β Rechteck 5 (Hamming) 6 (Hann) 8.6 (Blackman).4.2 Vor- und Nachteile der Fenstermethode Die Fenstermethode ist einfach zu verstehen und anzuwenden. Der Berechnungsaufwand der Filterkoeffi zienten ist gering, außer beim Kaiser- Fenster. Die Welligkeit im Durchlass- und im Sperrbereich sind gleich. Die Anpassung an Toleranzfleder ist nur sehr eingeschränkt möglich, außer beim Kaiser-Fenster. Die Grenzfrequenz von Durchlass- und Sperrbereich kann nicht angegeben werden, aueßer beim Kaiser-Fenster. Die Sperrdämpfung eines gewählten Fensters (außer beim Kaiser-Fenster) liegt fest..4.3 Entwurf von Linearphasen-FIR-Filtern mit Hilfe der Frequenzabtastung Die Ermittlung der Filterkoeffi zienten eines FIR-Filters aus dem Frequenzgang ist konzeptuell einfach, da Impulsantwort und Frequenzgang über die DFT verknüpft sind. Der gewünschte Frequenzgang (z.b. ein ideales Tiefpassfilter) wird abgetastet, die idft der abgetasteten Punkte liefert die Impulsantwort des FIR-Filters. Der gewünschte Frequenzgang ist periodisch H d (e jω ) = H d (e jω+2π ) und wir tasten in gleichen Intervallen ab H d (e jω ) = H(k), ω k = 2π k, k =,, 2,..., N N Sie abgetasteten Werte sind die DFT von h[n] bzw. h d [n] = idft {H(k)} h d [n] = N N k= H(k)e j 2π N kn (.6)
20 Hr(w) Decibels Hr(k) h(n) 2 KAPITEL. ENTWURF VON FIR-FILTERN Frequency Samples: N = Frequency in pi units Amplitude Response.5.5 Frequency in pi units.2. Impulse Response. 2 n Magnitude Response Frequency in pi units Abbildung.9: Entwurf eines FIR-Filters durch Frequenzabtastung Da die Impulsantwort reell sein muss, gelten für die Abtastwerte folgende Einschränkungen: H() muss reell sein, die anderen Werte von Gleichung (.6) müssen konjugiert komplex sein, damit h d [n] reell wird. (H(k)e j 2π N kn) H(N k) = H (k) = H (k)e j 2π N kn = H (k)e j 2π N (N k)n Abbildung.9 stellt den gewünschten (idealen) Frequenzgang dem erreichbaren realen Frequenzgang gegenüber. Der Frequenzgang des Filters h d [n] stimmt in den Abtastwerten exakt mit den Abtastwerten H(k) überein, der Frequenzgang zwischen den Abtastpunkten lässt sich aber nicht beeinflussen. Je steiler der Übergang von Durchlass- in den Sperrbereich ist, desto größer ist die Abweichung vom idealen Verhalten. Die Abweichung ist an der Bandgrenze größer als innerhalb der Bänder Durch Einfügen von einem oder mehreren Punkte im Übergang zwischen Durchlass- und Sperrbereich kann ein flacherer Übergang erzwungen werden und die Welligkeit wird geringer.
21 .4. ENTWURFSKRITERIEN 2 Für den Entwurf von FIR-Filtern mit linearer Phase und beliebigem Frequenzgang stellt Matlab die Funktion fir2 zur Verfügung. FIR2 kombiniert die Methode der Frequenzabtastung mit der Fenstermethode. Auf Grund der Fensterung geht aber die Frequenzantwort nicht exakt durch die Abtastpunkte..4.4 Optimale Approximation von FIR-Filtern Die Fenster- und Frequenzabtastungsmethode sind einfach zu verstehen und implementieren, haben aber Nachteile. Die Frequenzen für Durchlass- und Sperrbereich können nicht genau spezifiziert werden. Man muss daher überprüfen, ob das Ergebnis des Entwurfsprozesses zufriedenstellen ist. Die Welligkeit im Durchlass- und Sperrbereich können nichtr unabhängig voneinander festgelegt werden. Der Approximationsfehler, die Abweichung von tatsächlicher zu gewünschter Frequenzantwort, ist über das Frequenzband nicht gleichverteilt. Der Fehler ist an den Bandgrenzen größer als innerhalb der Bänder. Mit dem Parks-Clellan-Algorithmus steht aber ein Entwurfsverfahren für Linear-Phasen-Filter zur Verfügung, das die erwähnten Schwachpunkte beseitigt. Dieses Verfahren ist nicht einfach zu verstehen und kann nur mit Rechnerunterstützung realisiert werden. Der Parks-McClellan-Algorithmus steht in Matlab als Funktion firpm mit mehreren Parametern zur Verfügung. Die Anwendung von firpm soll anhand eines Beispiels gezeigt werden. Tiefpass: Grenzfrequenz Duchlassbereich ω p =.2π, Sperrbereich ω s =.3π Welligkeit im Durchlassbereich R p =.5 db, minimale Sperrdämpfung As = 5 db. h = firpm(n,f,a,w) N... Ordnung, F... Frequenzen DB und SpB (zwischen und ), A... gewünschte Ampitude, W... Gewichtung Durchlass- und Sperrbereich ([δ, δ 2 ]) firmpm verlangt die Welligkeiten in linearem Maß, wir müssen daher erst umrechnen: K = Rp 2, δ = K K+2, δ 2 = ( + δ ) As 2 [δ, δ 2 ] = [ , ] Die erforderliche Ordnung kann mit Hilfe der Funktion firpmord abgeschätzt werden. [N,F,A,W] = firpmord([wp,ws]/pi,[ ],[delta,delta2]) N = 38 h = firpm(n,f,a,w) fvtool(h,) Aus Abbildung.2 sehen wir, dass firpmord eine zu geringe Ordnung abgeschätzt hat.
22 Magnitude (db) 22 KAPITEL. ENTWURF VON FIR-FILTERN Magnitude Response (db) Normalized Frequency ( π rad/sample) Abbildung.2: FIR-Filter mit firpm
Zeitdiskrete Signalverarbeitung
Zeitdiskrete Signalverarbeitung Ideale digitale Filter Dr.-Ing. Jörg Schmalenströer Fachgebiet Nachrichtentechnik - Universität Paderborn Prof. Dr.-Ing. Reinhold Haeb-Umbach 7. September 217 Übersicht
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 /
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)
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:
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
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
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!
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
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,
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
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,
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
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
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
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
MehrElektronik Prof. Dr.-Ing. Heinz Schmidt-Walter
6. Aktive Filter Filterschaltungen sind Schaltungen mit einer frequenzabhängigen Übertragungsfunktion. Man unterscheidet zwischen Tief, Hoch und Bandpässen sowie Sperrfiltern. Diesen Filtern ist gemeinsam,
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:.................................... VORNAME:.................................... MAT. NR.:................................... 2. Teilprüfung 389.055 A Signale und Systeme 2 Institute of Telecommunications
MehrFilterentwurf. Aufgabe
Aufgabe Filterentwurf Bestimmung der Filterkoeffizienten für gewünschte Filtereigenschaften Problem Vorgaben häufig für zeitkontinuierliches Verhalten, z.b. H c (s) Geeignete Approximation erforderlich
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
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
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:
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, 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
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:
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
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],
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 =
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:
MehrKW Tiefpassfilter für 50 Watt MOSFET PA
KW Tiefpassfilter für 50 Watt MOSFET PA Prinzip Das vorgestellte LC Tiefpassfilter arbeitet im Frequenzbereich von 0 30MHz und dient der Unterdrückung von Oberwellen (Harmonischen) der Leistungsendstufe
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:.................................... VORNAME:.................................... MAT. NR.:................................... 2. Teilprüfung 389.055 B Signale und Systeme 2 Institute of Telecommunications
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
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:
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
MehrVor- und Nachteile FIR- und IIR-Filter DSV 1, 2005/01, Rur, Filterentwurf, 1
Vor- und Nachteile FIR- und IIR-Filter DSV 1, 2005/01, Rur, Filterentwurf, 1 FIR-Filter sind nichtrekursive LTD-Systeme werden meistens in Transversalstruktur (Direktform 1) realisiert + linearer Phasengang
MehrVersuch 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
MehrEntwurf von IIR-Filtern
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
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
MehrAnaloge und digitale Filter
Technische Universität Ilmenau Fakultät Elektrotechnik und Informationstechnik FG Nachrichtentechnik Übungsaufgaben zur Lehrveranstaltung Analoge und digitale Filter Filter. Ordnung. Betrachtet wird ein
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
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
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)
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
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:
MehrIm 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
MehrKapitel 5: FIR- und IIR-Filterentwurf
ZHW, DSV 1, 2005/01, Rur 5-1 Kapitel 5: FIR- und IIR-Filterentwurf Inhaltsverzeichnis 5.1. EINLEITUNG...2 5.2. FREQUENZGANG...3 5.3. FILTERSPEZIFIKATION...5 5.4. FIR-FILTER...6 5.4.1. TYPISIERUNG...6 5.4.2.
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
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...
MehrAllgemeine Einführung in Filter
Allgemeine Einführung in Filter Konstantin Koslowski TU-Berlin 3. November 2009 Konstantin Koslowski (TU-Berlin) Allgemeine Einführung in Filter 3. November 2009 1 / 22 Inhalt 1 Einführung Was sind Filter
MehrEAH Jena Prüfungsaufgaben Prof. Giesecke FB ET/IT Filterentwurf WS 12/13
FB ET/IT Filterentwurf WS 2/3 Name, Vorname: Matr.-Nr.: Zugelassene Hilfsmittel: beliebiger Taschenrechner eine selbsterstellte Formelsammlung ein mathematisches Formelwerk Wichtige Hinweise: Ausführungen,
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
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
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
Mehrx 1 + u y 2 = 2 0 x 2 + 4u 2.
3. Übung: Regelkreis Aufgabe 3.1. Gegeben sind die beiden linearen zeitkontinuierlichen Systeme 3 2 2 ẋ 1 = 6 5 x 1 + 1 u 1 6 2 3 [ ] y 1 = 2 x 1 (3.1a) (3.1b) und [ ] [ ] 8 15 1 ẋ 2 = x 2 + 6 1 4 [ ]
Mehr1. Differentialgleichung der Filter zweiter Ordnung
Prof. Dr.-Ing. F. Keller abor Elektronik 3 Filter zweiter Ordnung Info v.doc Hochschule Karlsruhe Info-Blatt: Filter zweiter Ordnung Seite /6. Differentialgleichung der Filter zweiter Ordnung Ein- und
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.
MehrNachrichtentechnik [NAT] Kapitel 6: Analoge Filter. Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik
Nachrichtentechnik [NAT] Kapitel 6: Analoge Filter Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik Sommersemester 25 Inhaltsverzeichnis Inhalt Inhaltsverzeichnis 6 Analoge Filter 3 6. Motivation..................................
MehrSignale und Systeme I
FACULTY OF ENGNEERING CHRISTIAN-ALBRECHTS-UNIVERSITÄT ZU KIEL DIGITAL SIGNAL PROCESSING AND SYSTEM THEORY DSS Signale und Systeme I Musterlösung zur Modulklausur WS 010/011 Prüfer: Prof. Dr.-Ing. Gerhard
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
MehrPrüfungsklausur Digitale Signalverarbeitung Ergebnis der Klausur
Fakultät für Mathematik und Informatik Elektronische Schaltungen 58084 Hagen 02331 987 1166 Prüfungsklausur Digitale Signalverarbeitung 21411 Datum: 19. März 2011 (Bearbeitungszeit 120 Minuten, 6 Blätter)
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
MehrKlausur im Lehrgebiet. Signale und Systeme. - Prof. Dr.-Ing. Thomas Sikora - Name:... Bachelor ET Master TI Vorname:... Diplom KW Magister...
Signale und Systeme - Prof. Dr.-Ing. Thomas Sikora - Name:............................ Bachelor ET Master TI Vorname:......................... Diplom KW Magister.............. Matr.Nr:..........................
Mehr5. Fourier-Transformation
Fragestellungen: 5. Fourier-Transformation Bei Anregung mit einer harmonischen Last kann quasistatitisch gerechnet werden, wenn die Erregerfrequenz kleiner als etwa 30% der Resonanzfrequenz ist. Wann darf
MehrFahrzeugmechatronik Masterstudiengang M 3.2 Sensoren und Aktoren Labor für Automatisierung und Dynamik AuD FB 03MB
Abb. 6 Dreidimensionale Darstellung des Frequenzgangs G ATP () s, Achsteilungen s 2 π in Hz Prof. Dr. Höcht 1/29 18.06.2006 11:13 Z_ Abb. 7 Einfluß des Pols bei s imaginären Achse, Achsteilungen in Hz
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
MehrDiskontinuierliche 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:. (engl.: first harmonic frequency)
5 Fourier-Reihen 5.1 Schwingungsüberlagerung 5.2 "Oberschwingungen" f 0 :. (engl.: fundamental frequency) :. (engl.: first harmonic frequency) Jede ganzzahlige (n) vielfache Frequenz von f 0 nennt man
MehrSkriptum zur 2. Laborübung. Transiente Vorgänge und Frequenzverhalten
Elektrotechnische Grundlagen (LU 182.692) Skriptum zur 2. Laborübung Transiente Vorgänge und Frequenzverhalten Martin Delvai Wolfgang Huber Andreas Steininger Thomas Handl Bernhard Huber Christof Pitter
MehrAufgabensammlung. eines Filters: c) Wie stark steigen bzw. fallen die beiden Flanken des Filters?
Aufgabensammlung Analoge Grundschaltungen 1. Aufgabe AG: Gegeben sei der Amplitudengang H(p) = a e eines Filters: a) m welchen Filtertyp handelt es sich? b) Bestimmen Sie die Mittenkreisfrequenz des Filters
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
MehrSignale und Systeme I
TECHNISCHE FAKULTÄT DER CHRISTIAN-ALBRECHTS-UNIVERSITÄT ZU KIEL DIGITALE SIGNALVERARBEITUNG UND SYSTEMTHEORIE DSS Signale und Systeme I Modulklausur WS 017/018 Prüfer: Prof. Dr.-Ing. Gerhard Schmidt Datum:
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
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
MehrG S. p = = 1 T. =5 K R,db K R
TFH Berlin Regelungstechnik Seite von 0 Aufgabe 2: Gegeben: G R p =5 p 32ms p 32 ms G S p = p 250 ms p 8 ms. Gesucht ist das Bodediagramm von G S, G R und des offenen Regelkreises. 2. Bestimmen Sie Durchtrittsfrequenz
MehrDer Tiefpass Betreuer: Daniel Triebs
Der Tiefpass Betreuer: Daniel Triebs 1 Gliederung Definiton: Filter Ideale Tiefpass Tiefpass 1.Ordnung Frequenzgänge Grundarten des Filters Filterentwurf Tiefpass 2.Ordnung 2 Definition: Filter 3 Filter
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
MehrBearbeitungszeit: 120 Min
4 6 Fachgebiet gelungstechnik Leiter: Prof. Dr.-Ing. Johann ger gelungs- und Systemtechnik - Übungsklausur 9 Bearbeitungszeit: Min Modalitäten Es sind keine Hilfsmittel zugelassen. Bitte schreiben Sie
MehrÜbung 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
MehrÜbungsklausur/Lösungsvorschläge Elektrotechnik II
Übungsklausur/ösungsvorschläge Elektrotechnik II Aufgabe : Ein Zweipol ( Originalschaltung ) bestehe nach Zeichnung aus einer Spule, einem Widerstand und einem Kondensator Ermitteln Sie die Gleichung f
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
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
MehrBetrachtetes Systemmodell
Betrachtetes Systemmodell Wir betrachten ein lineares zeitinvariantes System mit der Impulsantwort h(t), an dessen Eingang das Signal x(t) anliegt. Das Ausgangssignal y(t) ergibt sich dann als das Faltungsprodukt
MehrDigitale Signalbearbeitung und statistische Datenanalyse
Digitale Signalbearbeitung und statistische Datenanalyse Teil 6 146 2. Teil Ziele der Filteranwendung Signal-Trennung (z.b. EKG eines Kindes im Mutterleib, Spektralanalyse) Signal-Restauration (z.b. unscharfes
MehrAntialiasing-Filter. Die erforderliche Dämpfung des Antialiasingfilters bei der halben Abtastfrequenz errechnet sich nach (bei N-Bit ADU): f f.
ntialiasing-filter Bei der btastung eines auf f < fb bandbeenzten Messsignal ergibt sich, wie später gezeigt wird, für das abgetastete ignal eine periodische Wiederholung des Basisspektrums. m Überlappungen
MehrInverse Tschebyscheff Tiefpassfilter
Inverse Tschebyscheff Tiefpassfilter Inverse Tschebyscheff-Tiefpassfilter (Tschebyscheff Typ-) werden dort verwendet wo eine hohe Flankensteilheit bei maximal flachem mplitudengang im Durchlassbereich
MehrDigitale Filter. Martin Schlup. 8. Mai 2012
Digitale Filter Martin Schlup 8. Mai 2012 1. Filterstrukturen Dieser Beitrag ist eine kurz gehaltene Einführung in die Darstellung zeitdiskreter Systeme und soll einige elementare Hinweise geben, wie digitale
MehrÜbung Grundlagen der Elektrotechnik B
Übung Grundlagen der Elektrotechnik B 1 Übertragungsfunktion, Filter Gegeben sei die folgende Schaltung: R U 2 1. Berechnen Sie die Übertragungsfunktion H( jω)= U 2. 2. Bestimmen Sie die Zeitkonstante.
MehrFrequenzanalyse Praktischer Leitfaden zur Anwendung der Frequenzanalyse. Filter
Filter Filter! Hochpassfilter! Tiefpassfilter! Bandpassfilter (Bandsperrfilter)! FIRFilter! Oktav/Terz... nteloktavfilter wird Titel 2 Hochpassfilter LowCutFilter HighPassFilter Trittschallfilter BassCutFilter
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
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
MehrGegeben sei folgender Regelkreis mit der Führungsgröße r, dem Regelfehler e und der Ausgangsgröße y: r e R(s) P (s)
1. Teilklausur SS 16 Gruppe A Name: Matr.-Nr.: Für beide Aufgaben gilt: Gegeben sei folgender Regelkreis mit der Führungsgröße r, dem Regelfehler e und der Ausgangsgröße y: r e R(s) P (s) y Aufgabe 1 (6
MehrZu Beginn der Vorlesung Signale und Systeme ausgegebene Übungsaufgaben V 1.2
Leibniz Universität Hannover Institut für Kommunikationstechnik Prof. Dr. J. Peissig Zu Beginn der Vorlesung Signale und Systeme ausgegebene Übungsaufgaben V 1.2 Universität Hannover, Institut für Kommunikationstechnik,
MehrExperimentalphysik II Elektromagnetische Schwingungen und Wellen
Experimentalphysik II Elektromagnetische Schwingungen und Wellen Ferienkurs Sommersemester 2009 Martina Stadlmeier 10.09.2009 Inhaltsverzeichnis 1 Elektromagnetische Schwingungen 2 1.1 Energieumwandlung
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
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
MehrKlasse WI06b MLAN2 zweite-klausur 13. Juni 2007
Klasse WI6b MLAN zweite-klausur 3. Juni 7 Name: Aufgabe Gegeben sind die beiden harmonischen Schwingungen ( y = f (t) = +3 sin ωt + π ) (), ( 4 y = f (t) = 8 cos ωt + π ) (). 4 a) Bestimmen Sie mit Hilfe
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
Mehr(Bitte geben Sie bei der Beantwortung von Fragen eine Begründung bzw. bei der Lösung von Kurzaufgaben eine kurze Berechnung an!)
Teil 1: Fragen und Kurzaufgaben (Bitte geben Sie bei der Beantwortung von Fragen eine Begründung bzw. bei der Lösung von Kurzaufgaben eine kurze Berechnung an!) Frage 1 (6 Punkte) Es wird ein analoges
Mehr