Kapitel 3 Trigonometrische Interpolation
|
|
- Thomas Schmidt
- vor 6 Jahren
- Abrufe
Transkript
1 Kapitel 3 Trigonometrische Interpolation Einführung in die Fourier-Reihen Trigonometrische Interpolation Schnelle Fourier-Transformation (FFT) Zusammenfassung Numerische Mathematik II Herbsttrimester 212 1
2 Motivation: Fourierreihen sind ein äußerst nützliches Werkzeug zur Darstellung periodischer Funktionen. In der Numerik interessieren wir uns besonders für die diskrete Fourier-Transformation die uns die Werkzeuge bereitstellt die dabei auftretenden Koeffizienten und Integrale zu berechnen. Satz 3.1 Eine periodische Funktion g auf, T lässt sich unter bestimmten Voraussetzungen (z.b. g stetig und abschnittweise stetig diffbar) als Reihe von Sinus- und Cosinus-Funktionen darstellen deren Frequenzen Vielfache der Grundfrequenz ω = 2π = 2πf sind: T a k = 2 T Beweis: siehe Analysis. g t = a 2 + a k cos k2πt T T k=1 g t cos(kωt) dt b k = 2 T + b k sin k2πt T T g t sin(kωt) dt Numerische Mathematik II Herbsttrimester 212 2
3 Exkurs: Komplexe Zahlen Die komplexen Zahlen erweitern die reellen Zahlen derart, dass z.b. die Gleichung x = lösbar wird mit der Lösung x = i. Offenbar gilt i 2 = 1. Wir wollen einige Rechenregeln und Definitionen wiederholen. Sei y = a + ib und z = c + id dann ist y + z = (a + c) + i(b + d) y z = (ac bd) + i(ad + bc) (durch ausmultiplizieren) Re y = a, Im y = b y = a 2 + b 2 y = a ib bezeichnet die zu y komplex konjugierte Zahl. Es gelten die Rechenregeln: y + z = y+z, y z = y z, z z = z 2, z + z = 2Re z, z z = 2i Im z Es gilt der wichtige Zusammenhang: e ix = cos x + isin(x) was man z.b. sehr schön an den Taylorreihen ablesen kann. Numerische Mathematik II Herbsttrimester 212 3
4 Lemma 3.2 Die Fourierreihe hat folgende alternative Darstellungen: Amplituden-Phasen Darstellung (alternativ auch mittels Sinus): g t = a 2 + A k cos( kωt φ k ) mit A k = a 2 2 k + b k k=1 φ k = arctan b k a k, a n > ; arctan b k a k + π, a k < ; sgn b k, a k = Komplexe Fourierreihe: g t = c k e ikωt mit c k = 1 T g t e ikωt dt T k= Dabei bezeichnet i die imaginäre Einheit. Die c k sind komplexe Zahlen. Es gilt folgender Zusammenhang zu den Koeffizienten aus Satz 3.1: a k = c k + c k, b k = i(c k c k ). Numerische Mathematik II Herbsttrimester 212 4
5 Beweis: Aus der Amplituden-Phasen Darstellung erhält man mittels der Additionstheoreme cos α β = cos α cos β + sin α sin(β) : A k cos( kωt φ k ) = {A k cos( φ k )} cos( kωt)+ {A k sin( φ k )} sin( kωt) und damit die Äquivalenz der ersten beiden Darstellungen. Mittels der Moivre schen Formel e ix = cos x k= c + c + c k e ikωt k=1 k=1 = c + c k e ikωt + c k e ikωt k=1 c k (cos kωt + i sin(kωt )) + c k c k (cos kωt + i sin(kωt )) + c k Also gilt : a k = c k + c k, b k = i(c k c k ). = + i sin x sieht man: cos kωt + i sin kωt = (cos kωt i sin(kωt )) Numerische Mathematik II Herbsttrimester 212 5
6 Bemerkungen: Analog zum letzten Teil des Beweises von Satz 3.2 sieht man, dass für eine reelle Funktion g gilt c k = c k. Daraus folgt, dass (i) b k = i(c k c k ) tatsächlich reell ist (ii) dass für eine reelle Funktion nur die Hälfte der c k unabhängig sind. In der praktischen Anwendung wird die Fourier-Reihe üblicherweise nach endlich vielen Gliedern abgebrochen. Numerische Mathematik II Herbsttrimester 212 6
7 Wir wenden uns jetzt dem Interpolationsproblem zu und betrachten eine äquidistante Einteilung des Intervalls, T in n + 1 Stützstellen: t j = j T, j =,, n 1. Die zu interpolierende Funktion sei periodisch n mit Periode T: g g = g T = g n. Wir setzten für n = 2m + 1: g t = a 2 + a k cos k2πt T m 1 m k=1 n = 2m: g t = a 2 + a k cos k2πt T k=1 + b k sin k2πt T + b k sin k2πt T + a m cos m2πt T und suchen geeignete Koeffizienten so dass gilt: g k g t k. In beiden Fällen kann dies auch geschrieben werden als komplexe Fourier-Reihe: m g t = c k e ikωt k= m Numerische Mathematik II Herbsttrimester 212 7
8 Dabei gilt für die Koeffizienten: n = 2m + 1: a k = c k + c k, b k = i c k c k, k =,, m n = 2m: a m = 2c m = 2c m und wie zuvor für k =,, m 1 Beachten Sie, dass für diese Wahl wie gewünscht b m = und dass wir durch diese Festlegung die korrekte Anzahl an freien Koeffizienten für unsere Interpolationsaufgabe erhalten. Mit der Kreisfrequenz ω = 2π T m g j = g t j = c k e ikωt j k= m = 2πf lautet das Interpolationsproblem: m bzw. g j = g t j = c k e k= m 2πi kj n Mittels der Moivre schen Formel sieht man: e i(2πj+x) = e ix und daher kj kj+jn kj (n k)j i 2π i 2π 2πi 2πi e n = e n oder e n = e n. Mit anderen Worten die Exponentialterme sind periodisch in k mit Periode n. Daher schreibt man ( ) oftmals auch in der Form g t j = c k e ikωt j = c k e 2πi kj n ( ) Numerische Mathematik II Herbsttrimester 212 8
9 Setzt man z t e iωt erhält man daraus die Darstellung g t j = c k e ikωt j = c k z(t j ) k Dies erklärt den Namen trigonometrisches Polynom für eine endliche Fourier-Reihe. Die Interpolationsaufgabe ist daher äquivalent zur Bestimmung eines komplexen Polynoms vom Grad n welches in den Punkten z(t j ) die Werte g j annimmt. Der in Kapitel 1 durchgeführte Beweis zur Polynominterpolation ist auch gültig für komplexe Zahlen. Daraus schließt man, dass die obige Aufgabe eindeutig lösbar ist. Im Folgenden wollen wir eine Darstellung für die Koeffizienten angeben. Numerische Mathematik II Herbsttrimester 212 9
10 Satz 3.3 Zu beliebigen Stützstellen t k, g k, k =,, n 1 mit komplexen g k und t j = j T n gibt es ein eindeutig bestimmtes trigonometrisches Polynom g t j = c k e iωkt j mit g t j = g j. Für die Koeffizienten gilt die Darstellung: c j = 1 n kj 2πi g k e n, j =,, n 1. Die komplexe AbbildungF g,, g = (c,, c ) heißt diskrete Fourier-Transformation (DFT). Für Ihre Umkehrung, die Fourier- Synthese, gilt: g j = kj 2πi c k e n, j =,, n 1, Man kann also fast den gleichen Algorithmus für Transformation und Synthese verwenden. Numerische Mathematik II Herbsttrimester 212 1
11 2πi kj 2πi mj Beweis: wir multiplizieren g j = c k e n mit e n wobei m n 1 summieren über j und erhalten: j= mj 2πi g j e n = c k e j= 2πi (k m)j n = c k e Wir betrachten den letzten Summanden und zeigen: j= k m j 2πi e n = n δ km ( ) j= 2πi (k m)j n ( ) Für k = m ist die Behauptung klar. Sei nun k m. Die obige Summe ist eine geometrische Reihe und es gilt: (k m)j 2πi e n = 1 e2πi k m n n 2πi (k m) n j= 1 e Betrachten wir hiervon den Zähler so gilt 1 e 2πi(k m) = 1 cos(2π k m ) sin(2π k m ) = Aus ( ) und ( ) folgt dann die Behauptung für die DFT. Der Beweis für die Synthese erfolgt mehr oder weniger analog. Numerische Mathematik II Herbsttrimester
12 Bemerkungen: Für DFT und IDFT (=inverse DFT) gilt (jedoch nicht bei der Festlegung der Koeffizienten für die Interpolation): Die Normierungsfaktoren 1 bzw. 1 sind Konvention. Das Produkt der n Faktoren muss nur 1 ergeben. (Beispielsweise definiert Matlab die n DFT ohne Faktor 1 n ) Das gleiche gilt für die Vorzeichen der Exponentialterme. Diese müssen für DFT und IDFT nur entgegengesetzt sein. Die DFT ist eine Abbildung von n komplexen Zahlen auf n komplexe Zahlen. Sie hängt nicht von dimensionsbehafteten Größen wie z.b. Δ ab. Numerische Mathematik II Herbsttrimester
13 Bemerkungen: Mit Fourier-Reihen lassen sich nur periodische Funktionen darstellen. Um auch nichtperiodische Funktionen g darstellen zu können dehnt man den Definitionsbereich aus ins Unendliche und erhält dann die sogenannte (kontinuierliche) Fourier-Transformation: F g ω = g t e iωt dt In der Praxis möchte man häufig die Fourier-Transformation von diskreten Daten g k zu den Stützstellen t k = kδ, k =,, n 1 auswerten mit den diskreten Kreisfrequenzen ω j = 2πf j = 2πj nδ j = n,, n. Ein naiver Ansatz liefert (vgl. mit Satz 3.3): 2 2 F g ω j = g t e iω jt dt Δ g k e 2πikj n Die Frequenz f n/2 = 1 heißt Nyquist-Frequenz. Sie besagt, dass 2Δ eine Sinuskurve an mindestens 2 Punkten abgetastet werden muss. In anderen Worten: Abtastfrequenz > 2 maximale Signal-Frequenz. Numerische Mathematik II Herbsttrimester
14 Bemerkungen: Wendet man die DFT auf einen Abschnitt, T einer unendlichen Zeitreihe an entspricht das der Multiplikation der Ausgangsfunktion mit einer Fensterfunktion der Form w x = 1 falls t T w x = sonst. Nach einem Satz der Fourier-Analyse entspricht das Produkt von zwei Funktionen im Zeitbereich der Faltung der beiden Fourier- Transformierten im Frequenzbereich. Dabei ist die Faltung von zwei Funktionen definiert durch g h (t) = g τ h t τ dτ Da die Fourier-Transformierte eines Rechteckimpulses stark oszilliert, ist es mitunter ratsam die Daten vor der Analyse mit einer speziellen Fensterfunktion zu multiplizieren die bessere Eigenschaften hat. Numerische Mathematik II Herbsttrimester
15 Beispiel 3.1 Wir berechnen das trigonometrische Polynom auf,2π zu den drei Stützstellen: t j 2π 4π 3 3 g j = cos (t j ) Wir benötigen folgende Funktionswerte: t 2π 3 4π 3 8π 3 cos (t) sin (t) Und stellen zunächst fest (Moivre) t 2π 3 4π 3 8π 3 e it i i i Numerische Mathematik II Herbsttrimester
16 Wir bestimmen nun c j gemäß Satz 3.3 und mit Hilfe der obigen Tabelle Es folgt: c j = 1 3 kj 2πi g k e 3, j =,1,2. c = = 3 c 1 = (.5.866i).5 ( i ) = = 1 2 c 2 = ( i).5 (.5.866i ) = = 1 2 und somit a =, a 1 = c 1 + c 1 = c 1 + c 2 = 1, sowie b 1 = i c 1 c 2 =. Damit wird die Fourierreihe zu a a k cos k2πt T k=1 + b k sin k2πt T = cos t. Numerische Mathematik II Herbsttrimester
17 Beispiel 3.2 Wir betrachten die periodische Fortsetzung der Sägezahnfunktion g x = x, x,2π. Wir nähern die exakten Koeffizienten aus Satz 3.1 durch eine DFT der Sägezahnfunktion mit sehr großem n=2*m+1 an und erhalten die ersten 6 Koeffizienten c i, i =,, 5 zu ans = i i i i i sowie die letzten 5 Glieder Glieder der DFT c i, i = n 5,, n 1 zu ans = i i i i i Vermöge der Formeln a k = c k + c k, b k = i(c k c k ) wollen wir die Entwicklung der Sägezahnfunktion in Sinus und Cosinus Termen angeben. Wir beachten dabei c k = c n k. Die letzten 5 Glieder entsprechen also den Gliedern c 5,, c 1. Wir erhalten den sogenannten Gleichanteil a = π Weiter gilt: a i = c i + c i =, sowie b k = i c k c k = (Im c k Im c k ) = 2/k Numerische Mathematik II Herbsttrimester
18 Wir vermuten also die Darstellung (das obige Vorgehen ist natürlich kein Beweis): g x = π + 2 sin (kx) k k=1 In der Tat kann man mit Hilfe von Satz 3.1 die obige Formel bestätigen. Die folgenden Abbildungen zeigen die Sägezahnfunktion in schwarz, links die einzelnen Terme der Reihenentwicklung, sowie rechts die entsprechenden Partialsummen Numerische Mathematik II Herbsttrimester
19 Beispiel 3.3 In der Praxis kann man natürlich nicht wie in Beispiel 3.1 unendlich viele Stützstellen wählen. Setzt man z.b. n = 21 = erhält man die Koeffizienten a, b a = b = Der Gleichanteil entspricht nicht dem korrekten Wert π. Die Cosinus- Terme verschwinden nicht und auch die Koeffizienten der Sinus-Terme sind nur angenähert korrekt. Wir wissen, dass die Sägezahnfunktion nicht Bandweiten begrenzt ist. Es treten Sinus Terme beliebig hoher Frequenz auf. Nach dem Nyquist Theorem können diese jedoch mit einer groben Abtastung nicht dargestellt werden. Die Energie dieser nicht repräsentierbaren Terme wird der endlichen Reihe die hier nach dem 1. Glied abgebrochen wurde zugefügt was die Koeffizienten entsprechend verfälscht. Man spricht vom Aliasing Effekt. Numerische Mathematik II Herbsttrimester
20 Exkurs Komplexität Landau Symbole: Zur Definition der algorithmischen Komplexität benutzt man üblicherweise die Landau Symbole für den Grenzwert x. Man sagt f = O g falls gilt: Es gibt ein c > und ein x > so dass für alle x > x gilt f x c g x. Beispiele: f n = 3 + n + 2 n 2. Es gilt f = O(n 2 ) f n = n! = 2 πn n e n n 1 + O 1 n (Stirling Formel) Es gilt f = O n n e Sei ein Algorithmus gegeben mit Komplexität O n 2 und ein Computer mit 1 Gflops. Wir wollen den Algorithmus auf einen Vektor der Länge 1 9 anwenden. Wir benötigen also 1 18 Rechenoperationen und auf dem obigen Rechner 1 7 Sekunden oder Tage. Existiert ein Algorithmus der den selben Zweck in O n log 2 n erfüllt, benötigen wir Operationen oder.298 Sekunden. Numerische Mathematik II Herbsttrimester 212 2
21 FFT: Schnelle Fourier-Transformation Die DFT hat eine algorithmische Komplexität von O n 2. Wir haben in Beispiel 3.1 gesehen dass die Exponentialterme sich mehrfache wiederholen. Wir können also durch geschicktes Klammern Multiplikationen einsparen. Die Idee geht schon auf Gauß zurück. Eine der bekanntesten Formulierungen stammt von Cooley & Tukey (1965). Wir nehmen hierzu an, dass n = 2m und definieren zwei DFTs der halben Länge für gerade und ungerade Koeffizienten wie folgt: g k = g 2k, g k = g 2k+1, c k = c 2k, c k = c 2k+1. Dann folgt: c j = 1 n = 1 n m 1 kj 2πi g k e n kj 2πi g k e m = c j + e πi m c j c j m j = 1 n m 1 + e πi j m c j m + e πi j m 1 n 2kj 2πi g 2k e 2m m 1 falls j < m falls j m + 1 n m 1 kj 2πi g k e m (2k+1)j 2πi g 2k+1 e 2m = = Numerische Mathematik II Herbsttrimester
22 Die letzte Zeile entsteht dadurch, dass die Indizes c j bis n 1 laufen während die Indizes c j, c j bis m 1 laufen. Bemerkungen: Wir können also die DFT der Ausgangsdaten berechnen durch 2 DFTs auf Daten der halben Länge. Falls n = 2 p eine Zweierpotenz ist kann man das ganze rekursiv p = log 2 n mal wiederholen. Man kann zeigen, dass die FFT dann eine algorithmische Komplexität von O(n log 2 n) hat. Es gibt mittlerweile auch FFT Algorithmen für n 2 p. Am schnellsten ist aber die FFT für n = 2 p. Es gibt eine Vielzahl von schnellen Algorithmen die auf der Idee basieren das Problem sukzessive zu halbieren. Man nennt dieses Pinzip auch Divide and Conquer. Die Anwendungen der FFT oder enger (Verwandter) sind mannigfaltig: Schnelle mathematische Algorithmen, Signalanalyse, Signalverarbeitung (z.b. Filterung von Daten), Synthese von Audiosignalen, Kompression von Audio, oder Bilddaten (MP3), etc. Numerische Mathematik II Herbsttrimester
23 Beispiel 3.4 Wir wollen im Folgenden die FFT eines verrauschten Signals betrachten und dann das Signal durch Filterung und Synthese in seinen reinen Bestandteile zerlegen. Wir benötigen hierzu die folgenden Begriffe: Bei der Auswertung von Fourier-Analysen betrachtet man in den meisten Fällen das sogenannte einseitige Amplitudenspektrum definiert durch: F g f k + F g f k welches sich für reelle Funktionen zu 2 F g f k vereinfacht. Alternativ findet man auch das Powerspektrum definiert durch F g f 2 k + F g f 2 k mit der entsprechenden Vereinbarung für reelle Argumente. Die Phaseninformation wird also verworfen. In der Interpolations-Notation entspricht F g f k = c k Als Tiefpass bezeichnen wir einen Filter der Signalanteile mit Frequenzen unterhalb seiner Grenzfrequenz annähernd ungeschwächt passieren lässt (analog Hochpass). Wir verwenden außerdem einen Rauschfilter der dadurch definiert ist, dass alle Signalanteile mit F g f k <.2 zu Null gesetzt werden. Numerische Mathematik II Herbsttrimester
24 Y(f) 8 Signal mit überlagertem Rauschen 8 Signal mit überlagertem Rauschen Zeit[ms] Zeit[ms] Einseitiges Amplitudensprektrum Die Abbildung oben links zeigt das Ausgangssignal. Rechts sehen wir einen Ausschnitt davon und unten das einseitige Amplitudenspektrum Frequenz [Hz] Numerische Mathematik II Herbsttrimester
25 Y(f) Die nächste Abbildung zeigt das Signal nach Anwendung des oben definierten einfachen Rauschfilters. Wir sehen, dass nur die dominanten Frequenzanteile (3Hz & 8Hz) übrig geblieben sind. Die Abbildung rechts zeigt die Fourier-Synthese des rauschfreien Signals (also die inverse FFT). Zur Illustration wollen wir noch das rauschfreie Signal durch entweder einen Tiefpassfilter oder einen Hochpassfilter verarbeiten um so die beiden Frequenzanteile zu separieren. Das Ergebnis ist auf der nächsten Folie zu sehen. In der Realität ist Rauschunterdrückung natürlich deutlich komplexer. Das Prinzip ist jedoch ähnlich. 1.4 Einseitiges Amplitudensprektrum nach Rauschunterdrückung 2 Signal nach Rauschunterdrückung Frequenz [Hz] Zeit[ms] Numerische Mathematik II Herbsttrimester
26 Y(f) Y(f).7 Amplitudensprektrum nach zusätzlicher Tiefpassfilterung.6 Signal nach Rausch- und Tiefpassfilterung Frequenz [Hz] Zeit[ms].9 Amplitudensprektrum nach zusätzlicher Hochpassfilterung 1 Signal nach Rausch- und Hochpassfilterung Frequenz [Hz] Zeit[ms] Numerische Mathematik II Herbsttrimester
27 Zusammenfassung Wir haben verschiedene Darstellungen der Fourier-Reihe kennengelernt. Für die numerische Auswertung verwendet man zumeist die Darstellung als komplexe Fourier-Reihe. Angewandt auf diskrete Daten spricht man von der diskreten Fourier-Transformation (DFT) Es gibt schnelle Algorithmen zur Durchführung der DFT, die FFT. Für nichtperiodische Signale geht die Fourier-Reihe in die Fourier- Transformation über. Auch die Fourier-Transformation kann man auf einem endlichen Intervall mit der DFT/FFT auswerten. Die Koeffizienten entsprechen dann einem lokalen Mittelwert des kontinuierlichen Spektrums. Wertet man Daten aus die höhere Frequenzanteile beinhalten als die halbe Abtastfrequenz kommt es unvermeidlich zum Aliasing. Numerische Mathematik II Herbsttrimester
Beispiel für eine periodische Spline-Interpolationsfunktion: Wir betrachten f(x) = sin(πx) und geben die folgenden Stützstellen und Stützwerte vor:
5 Splineinterpolation Beispiel für eine periodische Spline-Interpolationsfunktion: Wir betrachten f(x) sin(πx) und geben die folgenden Stützstellen und Stützwerte vor: x i 3 f i Damit ist n 5, h Forderung
MehrRunde 9, Beispiel 57
Runde 9, Beispiel 57 LVA 8.8, Übungsrunde 9,..7 Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 3..7 Angabe Seien y, z C N und c, d C N ihre Spektralwerte. Außerdem bezeichne (x k ) k die N - periodische
Mehr11 Fourier-Analysis Grundlegende Begriffe
11 Fourier-Analysis 11.1 Grundlegende Begriffe Definition: Eine Funktion f : R R (oder f : R C) heißt periodisch mit der Periode T (oder T-periodisch), falls f(t + T) = f(t) für alle t R. Ziel: Entwicklung
Mehrf(t) = a 2 + darstellen lasst Periodische Funktionen.
7. Fourier-Reihen Viele Prozesse der Ingenieur- und Naturwissenschaften verlaufen periodisch oder annahernd periodisch, wie die Schwingungen einer Saite, Spannungs- und Stromverlaufe in Wechselstromkreisen
MehrSchnelle Fouriertransformation (FFT)
Schnelle Fouriertransformation (FFT) Inhaltsverzeichnis 1 Schnelle Fouriertransformation (FFT)... 3 1.1 Das Realtime-Konzept der Goldammer-Messkarten... 3 1.2 Das Abtasttheorem oder Regeln für die Abtastung
MehrPeriodische Funktionen, Fourier Reihen
Kapitel 1: Periodische Funktionen, Fourier Reihen 1.1 Grundlegende Begriffe Periodische Funktionen Definition: Eine Funktion f : R R oder f : R C) heißt periodisch mit der Periode T, falls für alle t R
Mehr2.9 Die komplexen Zahlen
LinAlg II Version 1 3. April 2006 c Rudolf Scharlau 121 2.9 Die komplexen Zahlen Die komplexen Zahlen sind unverzichtbar für nahezu jede Art von höherer Mathematik. Systematisch gehören sie zum einen in
MehrRelevante Frequenztransformationen
Relevante Frequenztransformationen Medientechnologie IL Andreas Unterweger Vertiefung Medieninformatik Studiengang ITS FH Salzburg Sommersemester 206 Andreas Unterweger (FH Salzburg) Relevante Frequenztransformationen
Mehr,Faltung. Heavisidefunktion σ (t), Diracimpuls δ (t) Anwendungen. 1) Rechteckimpuls. 2) Sprungfunktionen. 3) Schaltvorgänge
Heavisidefunktion σ (t), Diracimpuls δ (t),faltung Definition Heavisidefunktion, t > 0 σ ( t) = 0, t < 0 Anwendungen ) Rechteckimpuls, t < T r( t) = = σ ( t + T ) σ ( t T ) 0, t > T 2) Sprungfunktionen,
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
MehrApproximation von Funktionen
von Funktionen Fakultät Grundlagen Februar 6 Fakultät Grundlagen von Funktionen Übersicht Problemstellung Taylorpolynom Taylorenreihe Zusammenhang von e-funktion und trigonometrischen Funktionen 3 Fakultät
MehrPolynominterpolation. Allgemeines Problem: Beispiel 1 (Teil 1):
. Großübung Polynominterpolation Allgemeines Problem: Aufgrund gegebener Messwerte (Paare aus Werten i und Funktionswerten f( i )) soll ein Funktionsverlauf rekonstruiert bzw. zumeist angenähert werden.
MehrVorlesung Mathematik 2 für Ingenieure (Sommersemester 2016)
1 Vorlesung Mathematik 2 für Ingenieure (Sommersemester 216) Kapitel 11: Potenzreihen und Fourier-Reihen Prof. Miles Simon Nach Folienvorlage von Prof. Dr. Volker Kaibel Otto-von-Guericke Universität Magdeburg.
MehrAnwendungen der Fourier-Entwicklung in der Elektrotechnik 1 / 22
Anwendungen der Fourier-Entwicklung in der Elektrotechnik 1 / Unser heutiges Ziel Reaktion eines Netzwerks auf ein periodisches Eingangssignal oder speziell Wie reagiert ein RC-Glied auf periodische Erregung?
Mehr(Fast) Fourier Transformation und ihre Anwendungen
(Fast) Fourier Transformation und ihre Anwendungen Johannes Lülff Universität Münster 14.01.2009 Definition Fouriertransformation F (ω) = F [f(t)] (ω) := 1 2π dt f(t)e iωt Fouriersynthese f(t) = F 1 [F
MehrCrash-Kurs Komplexe Zahlen
1 Definitionen: j, C, z Im Körper R der reellen Zahlen besitzt die lineare Gleichung ax + b = 0 (a, bεr; a 0) stets eine Lösung. Die quadratische Gleichung ax 2 + bx + c = 0 führt zu der Lösungsformel
Mehr1 Fourier-Reihen und Fourier-Transformation
Fourier-Reihen und Fourier-ransformation Fourier-Reihen und Fourier-ransformation J.B.J. de Fourier beobachtete um 8, dass sich jede periodische Funktion durch Überlagerung von sin(t) und cos(t) darstellen
MehrBeate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson 2004
4 Signalverarbeitung 4.1! Grundbegriffe! 4.2! Frequenzspektren, Fourier-Transformation! 4.3! Abtasttheorem: Eine zweite Sicht Weiterführende Literatur (z.b.):!! Beate Meffert, Olaf Hochmuth: Werkzeuge
MehrMotivation Phasenbestimmung
Motivation Phasenbestimmung Problem Spezialfall der Phasenbestimmung Gegeben: Zustand z = 1 n y {0,1} n( 1)x y y Gesucht: x F n Für n = 1 ist der Zustand z = 1 ( 0 + ( 1) x 1 ) = H x. Es gilt H z = x,
Mehr10. Periodische Funktionen, Fourier Reihen
H.J. Oberle Analysis II SoSe 212 1. Periodische Funktionen, Fourier Reihen Jean Baptiste Joseph Fourier: Joseph Fourier wurde am 21.3.1768 bei Auxerre (Burgund) geboren und starb am 16.5.183 in Paris.
MehrLeitfaden a tx t
Leitfaden -0.7. Potenz-Reihen. Definition: Es sei (a 0, a, a 2,...) eine Folge reeller Zahlen (wir beginnen hier mit dem Index t 0). Ist x R, so kann man die Folge (a 0, a x, a 2 x 2, a 3 x 3,...) und
MehrGrundlagen der Signalverarbeitung
Grundlagen der Signalverarbeitung Zeitdiskrete Signale Wintersemester 6/7 Kontinuierliche und diskrete Signale wertkontinuierlich wertdiskret Signal Signal Signal Signal zeitdiskret zeitkontinuierlich
MehrFourier-Reihen und Fourier-Transformation
Fourier-Reihen und Fourier-Transformation Matthias Dreÿdoppel, Martin Koch, Bernhard Kreft 25. Juli 23 Einleitung Im Folgenden sollen dir und die Fouriertransformation erläutert und mit Beispielen unterlegt
MehrSpektralanalyse. Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann!
Spektralanalyse Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann! Mit der Spektralanalyse können wir Antworten auf folgende Fragen bekommen:
MehrErfüllt eine Funktion f für eine feste positive Zahl p und sämtliche Werte t des Definitionsbereichs die Gleichung
34 Schwingungen Im Zusammenhang mit Polardarstellungen trifft man häufig auf Funktionen, die Schwingungen beschreiben und deshalb für den Ingenieur von besonderer Wichtigkeit sind Fast alle in der Praxis
MehrParseval-Identität: Seien zwei Funktionen v. mit Fourier-Reihen: dann gilt: Parseval-Identität. Speziell:
Parseval-Identität: Seien zwei Funktionen v. mit Fourier-Reihen: dann gilt: (kühnes Vertauschen von Integral und Summe!) Parseval-Identität Speziell: Anmerkung: beide Seiten kann man als Skalarprodukt
MehrDiskrete und Schnelle Fourier Transformation. Patrick Arenz
Diskrete und Schnelle Fourier Transformation Patrick Arenz 7. Januar 005 1 Diskrete Fourier Transformation Dieses Kapitel erläutert einige Merkmale der Diskreten Fourier Transformation DFT), der Schnellen
MehrSiSy1, Praktische Übung 3. Fourier-Analyse (periodischer Signale) kann als Fourier-Reihe 1 beschrieben werden:
/5 Fourier-Analyse (periodischer Signale) Grundlagen Ein periodisches, kontinuierliches Signal x(t) der Periodendauer kann als Fourier-Reihe beschrieben werden: wie folgt ( ) = c k x t + e j k 2πf t k=
MehrAnmerkung: Falls f(x) nicht ganz glatt ist, sondern nur stückweise stetig differenzierbar ist (d.h. Sprünge hat), gilt (Satz v.
Fourier-Reihen für periodische Funktionen Sei periodisch, mit Periode L: Auch für diesen Fall gilt die Fourier- Reihen-Darstellung (b.3), mit : (b.3) (und stückweise stetig differenzierbar) (c.5) Integral
MehrDie komplexen Zahlen. 1. Einführung. A) Erweiterung des Zahlenkörpers. Def. 1 (imaginäre Einheit)
Die komplexen Zahlen 1. Einführung A) Erweiterung des Zahlenkörpers Def. 1 (imaginäre Einheit) Die Gl. x 2 + 1 = 0 hat zwei Lösungen, nämlich i und - i. Es soll also gelten: i 2 = -1 und ( - i ) 2 = -1.
MehrMathematische Erfrischungen I. Folgen und Reihen Klaus Frieler
Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen I Universität Hamburg Eine mathematische Folge ist eine Folge von Zahlen, deren Glieder durch Bildungsgesetze
MehrA2.1: Gleichrichtung. Die Grafik zeigt das periodische Signal x(t). Legt man x(t) an den Eingang einer Nichtlinearität mit der Kennlinie
Abschnitt: 2.1 Allgemeine Beschreibung A2.1: Gleichrichtung Die Grafik zeigt das periodische Signal x(t). Legt man x(t) an den Eingang einer Nichtlinearität mit der Kennlinie so erhält man am Ausgang das
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] =
MehrAnalysis 1, Woche 3. Komplexe Zahlen I. 3.1 Etwas Imaginäres
Analysis, Woche 3 Komplexe Zahlen I A 3. Etwas Imaginäres Zusätzlich zu den reellen Zahlen führen wir das Symbol i ein und wir vereinbaren: i. Wir möchten die reellen Zahlen erweitern mit i. Das heißt,
Mehrc) Realisierung des Gauß Algorithmus in Gleitpunktarithmetik: Fehlerschranke hängt linear ab von max i,k l ik. 8n 3 max i,j,k a (k) ij ε.
Matrix unverändert: A = QR cond 2 (R) = cond 2 (A). c) Realisierung des Gauß Algorithmus in Gleitpunktarithmetik: Fehlerschranke hängt linear ab von max i,k l ik. Spaltenpivotisierung: l ik 1 kleine Fehlerschranke
MehrBildverarbeitung Herbstsemester 2012. Fourier-Transformation
Bildverarbeitung Herbstsemester 2012 Fourier-Transformation 1 Inhalt Fourierreihe Fouriertransformation (FT) Diskrete Fouriertransformation (DFT) DFT in 2D Fourierspektrum interpretieren 2 Lernziele Sie
Mehr4.1 Grundbegriffe 4.2 Frequenzspektren, Fourier-Transformation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter
4 Signalverarbeitung 4.1 Grundbegriffe 4.2 Frequenzspektren, Fourier-Transformation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter Weiterführende Literatur (z.b.): Beate Meffert, Olaf Hochmuth: Werkzeuge
MehrPunktweise Konvergenz stückweise glatter Funktionen. 1 Vorbereitungen
Vortrag zum Seminar zur Fourieranalysis, 3.10.007 Margarete Tenhaak Im letzten Vortrag wurde die Fourier-Reihe einer -periodischen Funktion definiert. Fourier behauptete, dass die Fourier-Reihe einer periodischen
Mehr3.3 Das Abtasttheorem
17 3.3 Das Abtasttheorem In der Praxis kennt man von einer zeitabhängigen Funktion f einem Signal meist nur diskret abgetastete Werte fn, mit festem > und ganzzahligem n. Unter welchen Bedingungen kann
Mehr2D-Visualisierung komplexer Funktionen
2D-Visualisierung komplexer Funktionen 1 Komplexe Zahlen Die komplexen Zahlen C stellen eine Erweiterung der reellen Zahlen dar, in der das Polynom z 2 + 1 eine Nullstelle besitzt. Man kann sie als Paare
MehrEinführung in die Fourier-Reihen. 1 Fourier-Reihen: Definitionen
Vortrag zum Seminar zur Analysis, 05.07.2010 André Stollenwerk, Eva-Maria Seifert Die Fourieranalysis beschäftigt sich mit dem Problem, inwiefern sich Funktionen mittels Sinus und Cosinus, das heißt periodischen
MehrAddition, Subtraktion und Multiplikation von komplexen Zahlen z 1 = (a 1, b 1 ) und z 2 = (a 2, b 2 ):
Komplexe Zahlen Definition 1. Eine komplexe Zahl z ist ein geordnetes Paar reeller Zahlen (a, b). Wir nennen a den Realteil von z und b den Imaginärteil von z, geschrieben a = Re z, b = Im z. Komplexe
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
MehrSystemtheorie Teil A. - Zeitkontinuierliche Signale und Systeme - Musterlösungen. Manfred Strohrmann Urban Brunner
Systemtheorie Teil A - Zeitkontinuierliche Signale und Systeme - Musterlösungen Manfred Strohrmann Urban Brunner Inhalt 6 Musterlösungen Spektrum von Signalen 6. Approximation eines periodischen Signals
MehrZusammenfassung der 1. Vorlesung
Zusammenfassung der. Vorlesung Einordnung und Motivation Grundlegende Definitionen Kontinuierliches Signal Quantisiertes Signal Zeitdiskretes Signal Digitales Signal Auflösung der A/D- Umsetzer der MicroAutoBox
Mehr9 Fourier-Transformation
9 Fourier-Transformation Zoltán Zomotor Versionsstand: 5. September 2015, 18:26 Die nummerierten Felder bitte mithilfe der Videos ausfüllen: http://www.z5z6.de This work is based on the works of Jörn Loviscach
MehrKomplexe Analysis für ITET und RW/CSE. Serie 11
Prof. Dr. F. Da Lio R. Gantner Frühlingssemester 5 Komplexe Analysis für ITET und RW/CSE ETH Zürich D-MATH Serie Aufgabe. Fourierreihen (.a Sei f p die ungerade periodische Fortsetzung der Funktion f :
MehrKontinuierliche Fourier-Transformation. Laplace-Transformation
Kontinuierliche Fourier-Transformation. Laplace-Transformation Jörn Loviscach Versionsstand: 16. Juni 2010, 17:56 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Videos dazu:
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
MehrVIII. Fourier - Reihen
VIII. Fourier - Reihen Dieses Kapitel enthält eine kurze Einführung in die mathematische Beschreibung von Schwingungen. Übersicht über den Inhalt von Kapitel VIII: 5. Der Satz von Fejér 53. Die Parsevalsche
MehrBeate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson 2004
4 Signalverarbeitung 4.1 Grundbegriffe 4.2 Frequenzspektren, Fourier-Transformation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter Weiterführende Literatur (z.b.): Beate Meffert, Olaf Hochmuth: Werkzeuge
Mehr4. Übung für Übungsgruppen Musterlösung
Grundlagenveranstaltung Systemtheorie WS 6/7 (H.S. Stiehl, AB Kognitive Systeme, FB Informatik der Universität Hamburg). Übung für Übungsgruppen Musterlösung (N. Stein, Institut für Angewandte Physik,
MehrFourier-Reihen: Definitionen und Beispiele
Fourier-Reihen: Definitionen und Beispiele Die Fourieranalysis beschäftigt sich mit dem Problem Funktionen in Kosinus und Sinus zu entwickeln. Diese Darstellungen sind in der Mathematik sowie in der Physik
MehrSPEZIELLE KAPITEL DER MATHEMATIK TEIL 1
Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik SPEZIELLE KAPITEL DER MATHEMATIK TEIL 1 13. Fourier-Reihen Prof. Dr. Gunar Matthies Wintersemester 216/17
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 5. Juni 2016 Definition 5.21 Ist a R, a > 0 und a 1, so bezeichnet man die Umkehrfunktion der Exponentialfunktion x a x als
MehrFourier-Integrale: Ausgangsdaten und Transformierte sind jeweils Funktionen über der ganzen reellen Achse.
Fourier-Reihen Fourier-Transformation Die Fourier-Transformation ist eines der wichtigsten Instrumente zur Behandlung linearer Systeme, seien es gewöhnliche oder partielle lineare Differentialgleichungen
MehrA. Die Laplace-Transformation
A. Die Laplace-Transformation Die Laplace-Transformation ist eine im Wesentlichen eineindeutige Zuordnung von Funktionen der Zeit t zu Funktionen einer komplexen Variablen s. Im Rahmen der einseitigen)
MehrKomplexe Zahlen. Darstellung
Komplexe Zahlen Die Zahlenmengen, mit denen wir bis jetzt gearbeitet haben lassen sich zusammenfassen als N Z Q R Die natürlichen Zahlen sind abgeschlossen bezüglich der Operation des Addierens. Das heisst
MehrSpektrum zeitdiskreter Signale
Spektrum zeitdiskreter Signale 1 Aufgabenstellung Mithilfe der Fouriertransformation können zeitkontinuierliche Signale in den Frequenzbereich transformiert werden, um die im Signal enthaltenen Frequenzanteile
Mehr(x x j ) R m [x] (3) x x j x k x j. R m [x]. (4)
33 Interpolation 147 33 Interpolation In vielen praktischen Anwendungen der Mathematik treten Funktionen f auf, deren Werte nur näherungsweise berechnet werden können oder sogar nur auf gewissen endlichen
MehrDiskrete Fourier-Transformation und FFT. 1. Die diskrete Fourier-Transformation (DFT) 2. Die Fast Fourier Transform (FFT)
Diskrete Fourier-Transformation und FFT 2. Die Fast Fourier Transform (FFT) 3. Anwendungsbeispiele der DFT 1 Wiederholung: Fourier-Transformation und Fourier-Reihe Fourier-Transformation kontinuierlicher
Mehr12.2 Gauß-Quadratur. Erinnerung: Mit der Newton-Cotes Quadratur. I n [f] = g i f(x i ) I[f] = f(x) dx
12.2 Gauß-Quadratur Erinnerung: Mit der Newton-Cotes Quadratur I n [f] = n g i f(x i ) I[f] = i=0 b a f(x) dx werden Polynome vom Grad n exakt integriert. Dabei sind die Knoten x i, 0 i n, äquidistant
MehrNumerische Verfahren und Grundlagen der Analysis
Numerische Verfahren und Grundlagen der Analysis Rasa Steuding Hochschule RheinMain Wiesbaden Wintersemester 2011/12 R. Steuding (HS-RM) NumAna Wintersemester 2011/12 1 / 22 3. Funktionen. Grenzwerte.
MehrSystemtheorie. Vorlesung 20: Eigenschaften der Fourier-Transformation. Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann
Systemtheorie Vorlesung 2: Eigenschaften der Fourier-Transformation Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann Fourier-Transformation Eigenschaften der Fourier-Transformation Definitionsgleichungen
Mehrf(x 0 ) = lim f(b k ) 0 0 ) = 0
5.10 Zwischenwertsatz. Es sei [a, b] ein Intervall, a < b und f : [a, b] R stetig. Ist f(a) < 0 und f(b) > 0, so existiert ein x 0 ]a, b[ mit f(x 0 ) = 0. Wichtig: Intervall, reellwertig, stetig Beweis.
MehrA Die Menge C der komplexen Zahlen
A Die Menge C der komplexen Zahlen (Vgl. auch Abschnitt C) A.1 Definition Wir erweitern R um eine Zahl i / R (genannt imaginäre Einheit) mit der Eigenschaft i 2 i i = 1. (653) Unter einer komplexen Zahl
MehrInterpretation: f(x) wird zerlegt als Summe von unendlich vielen Funktionen
C6.3 Fourier-Transformation Entspricht Fourier-Reihe für 'Fourier-Integral' Für endliches L: (C6.1b.3) Für stellt eine kontinuierliche Funktion dar: und Fourier-Summe wird ein Integral: 'Fourier-Transformation'
MehrINGENIEURMATHEMATIK. 8. Reihen. Sommersemester Prof. Dr. Gunar Matthies
Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik INGENIEURMATHEMATIK 8. Reihen Prof. Dr. Gunar Matthies Sommersemester 2016 G. Matthies Ingenieurmathematik
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
MehrVorkurs Mathematik Übungen zu Komplexen Zahlen
Vorkurs Mathematik Übungen zu Komplexen Zahlen Komplexe Zahlen Koordinatenwechsel Aufgabe. Zeichnen Sie die folgende Zahlen zunächst in ein (kartesisches) Koordinatensystem. Bestimmen Sie dann die Polarkoordinaten
MehrMathematik für Sicherheitsingenieure II (MScS, MScQ)
Priv.-Doz. Dr. J. Ruppenthal Wuppertal,.3.7 Mathematik für Sicherheitsingenieure II MScS, MScQ) Modulteil: Mathematik II Aufgabe. 8+6+6 Punkte) a) Bringen Sie folgende komplexe Zahlen in die Form x + iy
MehrStefan Ruzika. 24. April 2016
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 24. April 2016 Stefan Ruzika 2: Körper 24. April 2016 1 / 21 Gliederung 1 1 Schulstoff 2 Körper Definition eines Körpers
MehrMathematik, Signale und moderne Kommunikation
Natur ab 4 - PH Baden Mathematik, Signale und moderne Kommunikation 1 monika.doerfler@univie.ac.at 29.4.2009 1 NuHAG, Universität Wien monika.doerfler@univie.ac.at Mathematik, Signale und moderne Kommunikation
MehrBeispiel: Die Sägezahnfunktion.
Beispiel: Die Sägezahnfunktion. Betrachte die Sägezahnfunktion : für t = oder t = π S(t) := 1 (π t) : für < t < π Die Sägezahnfunktion ist ungerade, also gilt (mit ω = 1) a k = und b k = π π und damit
MehrSerie 3 - Komplexe Zahlen II
Analysis D-BAUG Dr. Meike Akveld HS 2015 Serie - Komplexe Zahlen II 1. Wir betrachten die komplexe Gleichung z 6 = 4 4i. a) Bestimmen Sie alle en z C dieser Gleichung. b) Zeichnen Sie die en in die komplexe
MehrDer Satz von Taylor. Kapitel 7
Kapitel 7 Der Satz von Taylor Wir haben bereits die Darstellung verschiedener Funktionen, wie der Exponentialfunktion, der Cosinus- oder Sinus-Funktion, durch unendliche Reihen kennen gelernt. In diesem
MehrNachrichtentechnik [NAT] Kapitel 4: Fourier-Transformation. Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik
Nachrichtentechnik [NAT] Kapitel 4: Fourier-Transformation Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik Sommersemester 25 Inhaltsverzeichnis Inhalt Inhaltsverzeichnis 4 Fourier-Transformation 3
MehrAngewandte Mathematik und Programmierung
Angewandte Mathematik und Programmierung Einführung in das Konzept der objektorientierten Anwendungen zu mathematischen Rechnens SS2013 Inhalt Fourier Reihen Sehen wir in 2 Wochen Lösung der lin. Dgln.
Mehr9. Polynom- und Potenzreihenringe
64 Andreas Gathmann 9. Polynom- und Potenzreihenringe Bevor wir mit der allgemeinen Untersuchung von Ringen fortfahren, wollen wir in diesem Kapitel kurz zwei sehr wichtige weitere Beispiele von Ringen
MehrAnalysis I. Guofang Wang Universität Freiburg
Universität Freiburg 22.11.2016 3. Mächtigkeit und die komplexe Zahlen Komplexe Zahlen Definition Die komplexe Zahlen sind definiert als C = R 2 = R R, mit (x 1, y 1 ) + (x 2, y 2 ) = (x 1 + x 2, y 1 +
MehrMathematik III Die Fourier-Transformation in Bildern
Mathematik III Die Fourier-Transformation in Bildern Cornelia Busch D-CHAB 20. Dezember 2018 Eine periodische Funktion f (t)... ... wird zerlegt: f (t) = sin(3t) + cos(5t). f (t) = cos(2t) + sin(3t) +
MehrZusammenfassung : Fourier-Reihen
Zusammenfassung : Fourier-Reihen Theorem : Jede (nicht-pathologische) periodische Funktion läßt sich schreiben als "Fourier-Reihe" der Form: Vorzeichen ist Konvention, in Mathe : + Fourier-Transformation
Mehr3.5 Schnelle Fouriertransformation (FFT, DFT)
3.5 Schnelle Fouriertransformation (FFT, DFT) 3.5.1 Grundlagen Ein Polynom P = i a ix i C[x] vom Grad n ist eindeutig durch seine Koeffizienten a i bestimmt, d.h. man hat eine Bijektion {Polynome C[x]
MehrFourier-Integrale: Ausgangsdaten und Transformierte sind jeweils Funktionen über der ganzen reellen Achse.
Fourier-Reihen Fourier-Transformation Die Fourier-Transformation ist eines der wichtigsten Instrumente zur Behandlung linearer Systeme, seien es gewöhnliche oder partielle lineare Differentialgleichungen
MehrKonvergenz und Stetigkeit
Mathematik I für Biologen, Geowissenschaftler und Geoökologen 10. Dezember 2008 Konvergenz Definition Fourierreihen Obertöne Geometrische Reihe Definition: Eine Funktion f : D R d heißt beschränkt, wenn
MehrKapitel II Funktionen reeller Variabler
Kapitel II Funktionen reeller Variabler D (Funktion) Es sei f XxY eine Abbildung Die Abbildung f heiß Funktion, falls sie eindeutig ist Man schreibt dann auch: f : X Y f ( x) = y, wobei y das (eindeutig
MehrKonvergenz und Stetigkeit
Mathematik I für Biologen, Geowissenschaftler und Geoökologen 12. Dezember 2007 Konvergenz Definition Fourierreihen Obertöne Geometrische Reihe Definition: Eine Funktion f : D R d heißt beschränkt, wenn
Mehr1 2 x x x x x x2 + 83
Polynominterpolation Aufgabe 1 Gegeben sei die Wertetabelle i 0 1 2 3 x i 0 1 2 4 f i 3 1 2 7 a) Bestimmen Sie das Interpolationspolynom von Lagrange durch die obigen Wertepaare. b) Interpolieren Sie die
MehrBrückenkurs Mathematik. Freitag Freitag
Brückenkurs Mathematik Freitag 9.09. - Freitag 13.10.017 Vorlesung 10 Komplexe Zahlen Kai Rothe Technische Universität Hamburg-Harburg Freitag 13.10.017 0 Brückenkurs Mathematik, K.Rothe, Vorlesung 10
MehrKonvergenz im quadratischen Mittel und die Parsevelsche Gleichung
Konvergenz im quadratischen Mittel und die Parsevelsche Gleichung Skript zum Vortrag im Proseminar Analysis bei Dr. Gerhard Mülich Christian Maaß 6.Mai 8 Im letzten Vortrag haben wir gesehen, dass das
MehrKomplexe Funktionen. Freitag Vorlesung 1. Kai Rothe. Sommersemester Technische Universität Hamburg-Harburg
Komplexe Funktionen Freitag 13.04.018 Vorlesung 1 Kai Rothe Sommersemester 018 Technische Universität Hamburg-Harburg K.Rothe, komplexe Funktionen, Vorlesung 1 Nullstellen quadratischer Gleichungen Beispiel
MehrBeate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson 2004
4 Signalverarbeitung 4.1! Grundbegriffe 4.2! Frequenzspektren, Fourier-Transformation 4.3! Abtasttheorem: Eine zweite Sicht 4.4! Filter! Weiterführende Literatur (z.b.): Beate Meffert, Olaf Hochmuth: Werkzeuge
MehrLINEARE ALGEBRA UND ANALYSIS FÜR FUNKTIONEN EINER VARIABLEN
Fakultät Mathematik Institut für Numerische Mathematik LINEARE ALGEBRA UND ANALYSIS FÜR FUNKTIONEN EINER VARIABLEN 6. Komplexe Zahlen Prof. Dr. Gunar Matthies Wintersemester 2017/18 G. Matthies Lineare
Mehr13 Die trigonometrischen Funktionen
13 Die trigonometrischen Funktionen Wir schreiben die Werte der komplexen Exponentialfunktion im Folgenden auch als e z = exp(z) (z C). Geometrisch definiert man üblicherweise die Werte der Winkelfunktion
Mehr(a, 0) (c, 0) = (ac, 0) (0, 1) =: i. Re(z) := a der Realteil und Im(z) := b der Imaginärteil
14 DIE EXPONENTIALFUNKTION IM KOMPLEXEN 73 Wegen (a, 0) + (c, 0) = (a + c, 0) (a, 0) (c, 0) = (ac, 0) kann man die Teilmenge {(a, 0) a R} mit den darauf eingeschränkten Verknüpfungen identifizieren mit
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:
MehrReihen/Partialsummenfolgen und vollständige Induktion. Robert Klinzmann
Reihen/Partialsummenfolgen und vollständige Induktion Robert Klinzmann 3. Mai 00 Reihen / Partialsummen 1 Inhaltsverzeichnis 1 Vorwort Das Prinzip der vollständigen Induktion 3 3 Herleitung der Gauß schen
Mehr