Bild 3-1 a) Allgemeiner und b) sinusförmiger periodischer Vorgang /Pregla II/
|
|
- Hilke Fiedler
- vor 6 Jahren
- Abrufe
Transkript
1 FH OOW / Fachb. echnik / Studiengänge Informatik und Medientechnik Seite 3-3.) Signale 3.) Einteilung von Signalen 3..) Einteilung nach zeitlichen Abläufen (A) Gleichvorgänge Die jeweilige Größe ändert sich (in einem großen Zeitraum) nicht. (B) Veränderliche Vorgänge (B.) Periodische Vorgänge Bild 3- a) Allgemeiner und b) sinusförmiger periodischer Vorgang /Pregla II/ Merkmal: Nach einer Zeit, genannt die Periodendauer, wiederholt sich der Ablauf ganz genau gleich. Die Wiederholung setzt sich (theoretisch) beliebig lange fort. Es gilt x(t + n) = x(t) mit n Wechselvorgänge sind ein Sonderfall der periodischen Vorgänge, sie haben keinen Gleichanteil, ihr zeitlicher Mittelwert ist also null. Das bekannteste Beispiel ist der sinusförmige Verlauf, siehe Bild 3- b. Die rein periodischen Vorgänge sind immer technisch erzeugt.
2 FH OOW / Fachb. echnik / Studiengänge Informatik und Medientechnik Seite 3- (B.) Nichtperiodische Vorgänge a) zeitlich begrenzte Vorgänge, Impulse Bild 3- Verzögerter Rechteckimpuls mit der Dauer und der Höhe a Impulse können technisch erzeugt sein - mit einem gewollten Verlauf aus einem Impulsgenerator - mit einem zufälligen Verlauf, wie er bei Störquellen entsteht (z.b. Schaltfunken). Impulse können als natürliches Ereignis entstehen (Blitze). b) zeitlich unbegrenzte Vorgänge mit zufälligem Verlauf Merkmal: Der Verlauf kann nicht vorausgesagt werden, eine Beschreibung durch eine Zeitfunktion gibt es nicht. Zufällige Vorgänge können - einen natürlichen Ursprung haben Bild 3-3 Rauschspannung - technisch erzeugt sein Bild 3-4 Nachrichtensignal
3 FH OOW / Fachb. echnik / Studiengänge Informatik und Medientechnik Seite ) Zeitkontinuierliche und zeitdiskrete Signale Ein Signal x existiere in einem Zeitintervall t. Ist die Zeitvariable t innerhalb von t beliebig wählbar und das zugehörige x(t) definiert, so spricht man von einem zeitkontinuierlichen Signal, siehe x(t) in Bild 3-5. Ist innerhalb von t nur eine endliche Menge von Zeitpunkten t n, n = n... n, definiert und ein Wert x(t n ) nur für diese Zeitpunkte vorhanden, so spricht man von einem zeitdiskreten Signal und schreibt x[n] oder auch x(n). Meist haben die Zeitpunkte einen konstanten Abstand, wie es bei der Abtastung eines zeitkontinuierlichen Signals der Fall ist. Dann ist x[n] = x(n) Bild 3-5 Zeitkontinuierliches Signal x(t), und zeitdiskretes Signal x[n] 3..3) Wertkontinuierliche und wertdiskrete Signale Bei einem wertkontinuierliches Signal x(t) kann der Zahlenwert (ohne die Einheit) jede beliebige reelle Zahl sein. Praktisch ist der Wertebereich eines technischen Signals immer begrenzt. Wertkontinuierliche Signale entstehen z.b. als Mikrofonspannung oder emperaturanzeige eines Quecksilberthermometers. Beispiel: x(t) in Bild 3-5. Ein wertdiskretes Signal kann nur bestimmte Zahlenwerte innerhalb eines Wertebereichs annehmen. So sind die Ergebnisse nach einer Analog/Digital-Wandlung immer wertdiskret. Ein Grenzfall sind die binären Signale, wie sie häufig in der Digitaltechnik auftreten; sie nehmen nur zwei Werte an.
4 FH OOW / Fachb. echnik / Studiengänge Informatik und Medientechnik Seite ) Analoge und digitale Signale Die Bezeichnung analog hat ihren Ursprung im altgriechischen ανα λογος = verhältnismäßig, entsprechend. Ein analoges Signal ist zunächst ein elektrisches Abbild einer vorgegebenen physikalischen Größe, es ändert sich im gleichen Verhältnis wie diese Größe. Die elektrische Abbildung entsteht bei einem Messvorgang oder allgemein einer Umsetzung wie z.b. in einem Mikrofon Analoge Signale sind damit zunächst grundsätzlich wert- und zeitkontinuierlich Analoge elektrische Signale können auch direkt in einem elektrischen Signalgenerator erzeugt werden ( z.b. ein ongenerator ). Die Abgrenzung für digitale Signale ist in der Literatur nicht eindeutig. Digitale Signale sind wertdiskret, ihr Wertebereich enthält eine begrenzte Menge von Werten. Außerdem ändert sich ihr Wert immer nur in einem festen Zeitraster, sie sind getaktet, siehe Bild 3-7, rechts unten. Bild 3-7 Signaleinteilung nach kontinuierlich und diskret Nach dieser Definition ist von den vier Möglichkeiten in Bild 3-7 nur der Fall unten rechts ein digitales Signal. Manchmal werden aber auch die Fälle unten links und oben rechts als Digitalsignal bezeichnet, weil sie mit dem eigentlichen Digitalsignal unten rechts die rechteckige Form gemeinsam haben. Diese Auffassung ist nicht gerechtfertigt. Wenn man z.b. das Faksimile-Signal als Abbild der Abfolge von scharz und weiß in einer Bildzeile ansieht, so ist es rein analog.
5 FH OOW / Fachb. echnik / Studiengänge Informatik und Medientechnik Seite ) Deterministische und stochastische Signale Die Unterscheidung in deterministisch oder stochastisch ist durch den Entstehungsprozeß gegeben. - Ein deterministisches Signal hat einen festgelegten, durch eine Zeitfunktion beschreibbaren Verlauf. Ihr Ablauf ist vorherbestimmt. Beispiele: mathematisch theoretische Verläufe (wie Sinus-Signale); durch einen Funktionsgenerator erzeugte Signale. - Ein stochastisches Signal hat einen rein zufälligen Verlauf, der nicht vorhergesagt werden kann. Daher gibt es auch keine Zeitfunktion. Durch statistische Mittelwerte wie der lineare Mittelwert oder der Effektivwert können Eigenschaften des stochastischen Signals erfaßt werden. Beispiele: Störspannungen, elektronisches Rauschen, Nachrichtensignale. 3..6) Energie- und Leistungssignale siehe auch 3.4 Energiesignale sind Signale mit einer begrenzten, endlichen Energie. Sie sind häufig zeitlich begrenzt, haben also einen Impulsverlauf, siehe 3.., oder sie sind zeitlich nicht begrenzt, haben aber eine endliche Signal-Zeit-Fläche wie die abfallende e-funktion. + W = x (t) dt ist endlich. Leistungssignale haben eine konstante mittlere Leistung für (beliebig) lange Zeit, ihre Energie ist daher unbegrenzt (unendlich). Beispiele: theoretisches Sinus-Signal, Rauschen / / W ist unendlich, P = lim x (t) dt ist endlich.
6 FH OOW / Fachb. echnik / Studiengänge Informatik und Medientechnik Seite ) Zusammenfassung: Darstellung von sinusförmigen Größen In diesem Abschnitt sind ein paar Grundlagen zusammengestellt, die aus vorangegangenen Vorlesungen ( Elektrotechnik, Mathematik ) bekannt sein sollten. 3.. Reelle Zeitfunktion u(t) u(t) = û sin(ωt + ϕ ) oder u(t) = û cos(ωt + ϕ - π ) = û cos(ωt + ϕ ' ) Wichtige Kenngrößen: û : Amplitude ω : Kreisfrequenz f = π ω : Frequenz ϕ : Nullphase der Sinus-Funktion ϕ ' : Nullphase der Cosinus-Funktion 3.. Drehzeiger und komplexe Schwingung u(t) a) u(t) = û e j(ωt + ϕ ) = û ( cos(ωt + ϕ ) + j sin(ωt + ϕ ) ) u(t=) zu (a) wenn der Drehzeiger der Sinus-Funktion zugeordnet ist, d.h. u(t) = Im( u(t) ) b) u(t) = û e j(ωt + ϕ ') u(t=) zu (b) = û ( cos(ωt + ϕ ') + j sin(ωt + ϕ ') ) wenn der Drehzeiger der Cosinus-Funktion zugeordnet ist, d.h. u(t) = Re( u(t) )
7 FH OOW / Fachb. echnik / Studiengänge Informatik und Medientechnik Seite 3-7 Wichtige Kenngrößen: Zusätzlich zu den Kenngrößen für die reelle Zeitfunktion u(t), siehe 3.., ist die komplexe Amplitude definiert: zu a) û = û e jϕ bzw. zu b) û = û e jϕ ' Damit kann die komplexe Schwingung auch wie folgt angegeben werden: u(t) = û e jωt Die Alternativen a) und b) sind gleichwertig und frei wählbar. Fall b) ist die Empfehlung nach DIN Auf Drehzeiger in der Darstellung mit komplexen Zahlen sind die linearen Rechenoperationen Addition/Subtraktion, Multiplikation mit einer Konstanten, Differenzieren und Integrieren ohne Einschränkung anwendbar. 3.3) Zeitliche Mittelwerte Von den unendlich vielen theoretisch möglichen Mittelwerten sind zwei praktisch besonders interessant: der lineare Mittelwert (Gleichanteil) und der quadratische Mittelwert bzw. der Effektivwert. Der quadratische Mittelwert ist eine Angabe über die mittlere Leistung eines Signals und hat von demher Bedeutung für die Signalerzeugung, Übertragung und Empfang. Der lineare Mittelwert muß für die Übertragung häufig gleich null sein, weil viele Übertragungskanäle keinen Gleichanteil übertragen können Mittelwerte für deterministische Signale Gegeben sei ein Signalverlauf x(t), der sich mit der Periodendauer beliebig oft wiederhole. Linearer Mittelwert : t* + ω t* + π x(t) = x(t) dt = π x(ωt) dωt mit t*: ein beliebiger Zeitpunkt t* ωt*
8 FH OOW / Fachb. echnik / Studiengänge Informatik und Medientechnik Seite 3-8 Quadratischer Mittelwert und Effektivwert : t* + ω t* + π x (t) = x (t) dt = π x (ωt) dωt mit t*: ein beliebiger Zeitpunkt t* ωt* X eff = x(t) Beispiel: Sinusförmige Spannung u(t) = û sin(ωt + ϕ ); gewählt: t* = ω t* + π π Dann wird u(t) = π π u(ωt) dωt = û sin(ωt + ϕ ) dωt ωt* Berechnung: û û u(t) = [ ] π cos( ω t +ϕ) = ( -cos(π + ϕ ) + cos(ϕ )) π π Wegen ( cos(π + ϕ ) = cos(ϕ ) wird also u(t) = ω t* + π π u (t) = π π u (ωt) dωt = û sin π û (ωt + ϕ ) dωt = (-cos(ωt + ϕ )) dωt π ωt* Berechnung: u π û û (t) = ω t sin(ω+ t ϕ) = (π - ) = 4π 4π ω t= û û U eff = = û Beispiel: Periodische Rechteckimpulsfolge mit astverhältnis m =,5 u(t) = t* + t* u(t) dt Mit t* = und u(t) = U für < t < / folgt: u(t) = U dt = U (/) = U/
9 FH OOW / Fachb. echnik / Studiengänge Informatik und Medientechnik Seite 3-9 u (t) = t* + / u (t) = U dt = U (/) = U / t* u (t) dt U eff = U/ 3.3. Mittelwerte für stochastische wertdiskrete Signale Für stochastische Signale gib es keine Zeitfunktion. Die Integralgleichungen in 3.3. können daher nur auf einen Bereich des Signals angewendet werden, der schon bekannt ist, z.b. eine Aufzeichnung. Der Bereich muß groß genug sein, damit er das Signal hinreichend repräsentiert und es muß sich um einen stationären Prozeß handeln, damit die Annahme gilt, daß der nachfolgende Signalverlauf die gleichen Eigenschaften hat wie der schon bekannte. Eine andere Methode zur Berechnung der Mittelwerte verwendet statistische Angaben. Wenn die Auftretenswahrscheinlichkeit der Signalwerte bekannt ist, können die Mittelwerte daraus bestimmt werden. Am einfachsten ist die Methode auf wertdiskrete Signale anzuwenden, die folgende Darstellung beschränkt sich auf diesen Fall. Annahme: Eine Quelle gibt ein digitales Signal x(t) mit n Amplitudenstufen x i, i=...n, ab. Zu jeder Amplitudenstufe sei die Auftretenswahrscheinlichkeit P(x i ) bekannt. Damit erhält man die Mittelwerte wie folgt: Linearer Mittelwert: Quadratischer Mittelwert: n x(t) = x i P(x i ) i= n x (t) = x i P(x i ) i= Beispiel: Bipolare Rechteckimpulsfolge mit drei Spannungswerten Daten: i u i /V P(u i ) -5,,5 3 +5,3 u(t) = -5V, + V,5 + 5V,3 =,5V u (t) = (-5V), + (V),5 + (5V),3 =,5V ; U eff = 3,54V
10 FH OOW / Fachb. echnik / Studiengänge Informatik und Medientechnik Seite 3-3.4) Frequenzspektrum Die Darstellung von Signalen im Frequenzbereich hat viele Anwendungen. Eine der wichtigsten ist wohl die Bestimmung der Bandbreite für die Übertragung über einen Nachrichtenkanal. 3.4.) Periodische Signale Fourier-Reihe Darstellung mit reellen Zeitfunktionen Eine periodische Funktion x(t) mit der Periode kann durch eine trigonometrische Summe x(t) = + a cos(ω t) + a cos(ω t) a n cos(nω t) b sin(ω t) + b sin(ω t) b n sin(nω t) +... dargestellt werden. Hierbei ist ω = π die Kreisfrequenz nach 3... Die Anzahl n der Summen- glieder ist meist unendlich, in Sonderfällen genügt eine endliche Anzahl. Die beste Näherung stellt die Summe dar, wenn die Koeffizienten a n und b n (n =,, 3,...) nach Fourier *) bestimmt werden: t* + t* + / b n = x(t) sin(nω t) dt = [x(t) - x(-t)] sin(nω t) dt ( sin(...) ist eine ungerade Funktion) t* / a n = x(t) cos(nω t) dt = [x(t) + x(-t)] cos(nω t) dt ( cos(...) ist eine gerade Funktion) t* a t* + a Für den Sonderfall k = gilt: a = x(t) dt. ist der Gleichanteil von x(t). t* t* ist ein beliebiger Zeitpunkt. Durch Zusammenfassen von Sinus- und Cosinus-Anteilen gleicher Frequenz ergibt sich auch folgende Schreibweise der Reihe ( Harmonische Reihe ) : a x(t) = + A sin(ω t + ϕ ) + A sin(ω t + ϕ ) A n sin(nω t + ϕ n ) a n Hierbei gilt: Amplitudenwerte A n = a n + b n und tan(ϕ n ) = b n *) Jean Baptiste Joseph Fourier,
11 FH OOW / Fachb. echnik / Studiengänge Informatik und Medientechnik Seite 3- Beispiele zu Fourier-Reihen sind in mathematischen Lehr- und aschenbüchern sowie in elektrotechnischen Lehrbüchern zu finden, z.b. Papula / Mathematik für Ingenieure, Band ; Bronstein, Semendjajew / aschenbuch der Mathematik. Darstellung reeller Zeitfunktionen mit komplexen Schwingungen x(t) =... + c -3 e -j3ω t + c - e -jω t + c - e -jω t + c + c e jω t + c jω t e + c 3 e j3ω t = c n e jnω t n= Die Koeffizienten c n sind grundsätzlich komplexe Zahlen; auf die besondere Kennzeichnung durch einen Unterstrich wird hier und im folgenden verzichtet! Anmerkung: In der komplexen Form treten für n< negative Frequenzen auf! Dies ergibt sich durch Anwendung der Eulerschen Beziehung auf die Sinus- und Cosinus-Funktionen. Die reelle Funktion x(t) ist damit durch eine Summe von komplexen Funktionen vollständig ersetzt. Bestimmung der komplexen Fourier-Koeffizienten: t* + c n = x(t) e -jnω t dt = t* ½(a n jb n) für n > ½(a n + jb n) für n < Es gilt: c n = c -n = ½ A n, c n = c -n *, a n = Re(c n ) und b n = Im(c n ) Begriffe: Die Darstellung eines periodischen Signals durch eine Summe von sinusförmigen Schwingungen und die Ermittlung des Amplitudenspektrums wird Fourier - Analyse genannt. Die Schwingung mit der Frequenz f bzw. der Kreisfrequenz ω heißt Grundschwingung oder.harmonische. Die folgenden sind die.harmonische oder.oberwelle, dann die 3.Harmonische oder.oberwelle usw.
12 FH OOW / Fachb. echnik / Studiengänge Informatik und Medientechnik Seite 3- Beispiele:.) Gegeben sei die Periodische Rechteckimpulsfolge mit astverhältnis m =,5 aus 3.3. Gleichanteil: a / = U U dt = [] t / = U/ Bestimmung der reellen Fourier-Koeffizienten a n, b n : / / U a n = U cos(nω t) dt = sin(n ω t) = nω U sin(n /) sin() nω [ ω ] a n = U sin(n ) nπ [ π ] wegen ω = π, also a n = für alle n Es gibt keine cos-anteile, u(t) ist eine ungerade Funktion. / U b n = U sin(nω t) dt = cos(n ω t) = nω / U cos(n / ) cos() nω ω [ ] = U cos(n ) nπ [ π ] n b n /U Bild 3-8 Linienspektrum der Rechteckimpulsfolge, m =,5, normiert auf U
13 FH OOW / Fachb. echnik / Studiengänge Informatik und Medientechnik Seite 3-3 Bestimmung der komplexen Fourier-Koeffizienten c n / U c n = U e -jnωt U / dt = jnωt e U = j jn =, n -jnω e π j für n ungerade nπ nπ für n gerade Wegen c n = ½(a n jb n) für n > ½(a n + jb n) für n < folgt: a n = für alle n, b n = für alle geraden n außer n =, b n = U nπ für alle ungeraden n, siehe abelle oben c ist bei der allgemeinen Berechnung ein Sonderfall, weil der Ausdruck / entsteht. Besser bestimmt man c extra mit der Vereinfachung e -jnω t = für n = : / c = U dt = a / =,5 (siehe oben zu a )
14 FH OOW / Fachb. echnik / Studiengänge Informatik und Medientechnik Seite 3-4 Umkehrung der Fourier-Analyse: Bildet man die Summe der n ersten Schwingungen des Linienspektrums, so ergibt sich mit wachsendem n eine zunehmend bessere Annäherung an den vollständigen originalen Signalverlauf. Beispiel aus /Papula, Band/, S.69 Das Rechtecksignal ist das originale Signal. Die.Näherung erfolgt nur mit Grundwelle. Näherung mit der Grundwelle und der 3. Harmonischen Näherung mit der Grundwelle und der 3. und 5. Harmonischen
15 FH OOW / Fachb. echnik / Studiengänge Informatik und Medientechnik Seite ) Energiesignale ( Impulse ) Fourier-ransformation Impulse sind zeitlich begrenzt und nicht periodisch. Ein Linienspektrum bzw. die Summendarstellung aus frequenzdiskreten sinusförmigen Schwingungen existiert daher nicht. Mit dem theoretischen Ansatz, daß eine Wiederholung (periodische Fortsetzung) erst im Unendlichen ( -> ) existiert, erhält man als Ergebnis - unendlich viele Spektrallinien - mit unendlich kleinem Abstand und - unendlich kleiner Amplitude. Dies ergibt sich unmittelbar aus der Berechnung der Fourier-Koeffizienten z.b. nach c n = t* + t* x(t) e -jnω t dt, wenn geht und x(t) in Zeit- und Wertebereich begrenzt ist. Übergang zum Amplitudendichtespektrum Wir gehen zunächst davon aus, daß der Impuls x(t) durch periodische Fortsetzungen ergänzt wird. Damit ergeben sich endliche Amplituden (Spektrallinien) bei diskreten Frequenzen im Abstand f = f = /. Jeder Spektrallinie bei der Frequenz f = n f ordnen wir den anschließenden Frequenzabschnitt von f bis f+ f zu. Nun werden alle Amplituden auf den zugeordnenten Frequenzabschnitt bezogen, es entsteht die bezogene Amplitude t* + c n ' = c n / f = f x(t) e -jnωt dt. t* Es folgt der Grenzübergang lim c n ' = lim f t* + t* x(t) e -jnω t dt Da für alle stets gilt f = /, ist immer f =. Die obere Integrationsgrenze wird +, die untere kann für den allgemeinen Fall auf - gesetzt werden; es genügt aber praktisch, wenn das Integrationsintervall vom Anfang des Impulses bei t=t bis zum Ende bei t=t erstreckt wird. Da die Schrittweite f zwischen den Spektrallinien gegen null geht, geht auch die Kreisfrequenz ω =π f gegen null. Die diskrete Belegung der Frequenzachse mit nω geht in eine kontinuierliche Belegung mit kontinuierlichen Werten ω über. Wir erhalten den Ausdruck + c n ' = x(t) e -jωt dt = x(t) e -jωt dt t t mit den Eigenschaften: - endliche Werte von c n ' sind möglich - die Frequenzachse ist lückenlos belegt - c n ' hat die Bedeutung einer Amplitudendichte ; ist z.b. x(t) ein Spannungsverlauf, so hat c n ' die Einheit V/Hz - c n ' ist eine kontinuierliche Funktion der (Kreis-)Frequenz.
16 FH OOW / Fachb. echnik / Studiengänge Informatik und Medientechnik Seite 3-6 Die obige Integralgleichung für c n ' wird gewöhnlich als Fourier-ransformation des Signals x(t) bezeichnet; ihr Resultat ist die Fourier-ransformierte F (x(t)) = X(f) = + x(t) e -jωt dt Beispiel: Einzelner Rechteckimpuls der Höhe U und der Dauer von t = -/ bis t = +/ t u(t) = U rect F (u(t)) = / / U e -jωt dt F (u(t)) = F (u(t)) = U e ω j t ω j / / U e ω j / e +ω j / jω Bild 3- Rechteckiger Impuls U U F (u(t)) = sin( ω / ) = sin( ω / ) = U si(ω/) ω ω/ Symbolische Darstellung der Abbildung vom Zeit- in den Frequenzbereich : t U rect ο U si(ω/) Bild 3- Fourier-ransformierte des t Rechteckimpulses U rect nach /Lük/
17 FH OOW / Fachb. echnik / Studiengänge Informatik und Medientechnik Seite 3-7 Übergang vom Frequenz- in den Zeitbereich / Fourier-Rücktransformation Bei gegebenem Verlauf der Fourier-ransformierten X(f) im Frequenzbereich kann durch die inverse Fourier-ransformation der zugehörige Zeitverlauf x(t) bestimmt werden: x(t) = F - (X(f)) = + X(f) e jπft df Anwendungen: - In Verbindung mit der Fourier-ransformation in der Systemtheorie, um das Ausgangssignal eines Systems zu einem beliebigen Eingangssignal zu bestimmen. - Praktischer Fall: Beim Digitalen Rundfunk wird das Sendesignal für die OFDM-Modulation durch die Fourier-Rücktransformation in Echtzeit laufend berechnet ) Leistungssignale ( Nachrichtensignale, Rauschen ) Zufallssignale wie Nachrichtensignale oder Rauschen fallen weder in die Gruppe der periodischen Signale noch in die der Energiesignale. Sie dauern (beliebig) lange an und da sie sich ständig unregelmäßig ändern, wird ihre Leistung kontinuierlich über den Frequenzbereich verteilt. Die Verteilung ist meist unregelmäßig. Leistungssignale werden im Frequenzbereich durch das Leistungsdichtespektrum charakterisiert. Ein Beispiel für ein digitales Nachrichtensignal zeigt Bild 3-, das zugehörige Leistungsdichtespektrum zeigt Bild 3-3. Bild 3- Digitales Nachrichtensignal Bild 3-3 Leistungsdichtespektrum /Loc/
18 FH OOW / Fachb. echnik / Studiengänge Informatik und Medientechnik Seite 3-8 In der Darstellung des Spektrums in Bild 3-3 ist die Leistungsdichte normiert (Maximalwert ). Im allgemeinen hat die Leistungsdichte die Dimension dim(φ SS ) = Leistung Frequenz(abschnitt) Die Fläche unter der Funktion Φ SS (f) über einen bestimmten Abschnitt von f bis f stellt die Signalleistung dar, die auf diesen Abschnitt entfällt. Das bedeutet z.b. für das digitale Signal nach Bild 3-, daß der wesentliche Anteil der Leistung im Frequenzbereich von bis / liegt. Die Herleitung des Leistungsdichtespektrums Φ SS (f) ist über die Autokorrelationsfunktion des gegebenen Signals möglich. Die gesamte Herleitung ist allerdings mathematisch so aufwendig, daß sie in diesem Rahmen nicht behandelt werden kann. Weiteres Beispiel: Leistungsdichtespektrum des sog. Weißen Rauschens Bild 3-4 Rauschsignal n(t) und zugehöriges Leistungsdichtespektrum Φ SS Das Weiße Rauschen weist eine gleichmäßige Leistungsdichte auf. Damit ist die Rauschleistung innerhalb einer Bandbreite f direkt proportional zu der Bandbreite selbst. Dies hat praktische Bedeutung z.b. für das Eigenrauschen und das mitverstärkte Rauschen eines Verstärkers.
19 FH OOW / Fachb. echnik / Studiengänge Informatik und Medientechnik Seite Sprungfunktion ε(t) und Dirac-Impuls oder Stoßfunktion δ(t) Die Sprungfunktion und der Dirc-Impuls (auch Stoßfunktion oder Delta-Funktion genannt) haben ihre Bedeutung bei der Ermittlung und Beschreibung der Eigenschaften von Übertragungssystemen und für die mathematische Behandlung der Signalabtastung. Sprungfunktion ε(t) = fürt< fürt Bild 3-5 Sprungfunktion Stoßfunktion δ(t) = lim x(t) mit x(t) = fürt< undt> / für t Bild 3-6 a) Näherung der Stoßfunktion b) Symbolische Darstellung Eigenschaften der Stoßfunktion Die Stoßfunktion mit dem Gewicht besitzt eine Fläche der Größe : δ(t) dt = Die Stoßfunktion ist die Ableitung der Sprungfunktion: Umkehrung: t δ(τ) dτ = ε(t) d( ε(t)) dt = δ(t) +
20 FH OOW / Fachb. echnik / Studiengänge Informatik und Medientechnik Seite 3-3.6) Logarithmische Pegelmaße In der Nachrichtentechnik werden Signalspannungen und Mittelwerte der Signalleistung häufig nicht direkt in linearer Darstellung (z.b. mit der Einheit Volt) angegeben, sondern erst auf einen Bezugswert normiert und dann in eine logarithmische Darstellung umgerechnet. Für die logarithmische Pegelangabe wird die Pseudo-Einheit db = dezi Bel benutzt. Die logarithmische Darstellung wird z.b. in der Nachrichtenübertragung in einem Pegelplan angewendet. Vorteile: - kleine Pegel(unterschiede) können mit der gleichen Auflösung angegeben werden wie große - in einer grafischen Darstellung können auch kleine Pegel sichtbar gemacht werden - bei der Berechnung von Pegeln in einer Kette von Übertragungsblöcken, die durch ihre Übertragungsfaktoren gekennzeichnet sind, wird die Multiplikation durch Addition ersetzt Allgemeine Umrechnung in die logarithmische Darstellung a) Umrechnung von Spannungen Gegeben: Spannung u in V (Volt) logarithmische Pegelangabe für u: L U = lg( u/u ref ) b) Umrechnung von Leistungen Gegeben: Leistung P in W (Watt) logarithmische Pegelangabe für P: L P = lg( P/P ref ) Beziehung zwischen Spannungs- und Leistungspegel Mit Hilfe der Gleichung P = U eff /R können Spannungswerte in Leistungswerte umgerechnet werden, wenn der Widerstand R bekannt ist. Für die Umrechnung in das logarithmische Pegelmaß der Leistung ergibt sich damit: U L P = lg eff /R = lg(u eff /U ref ) = L U U ref /R Die Werte der logarithmischen Pegelmaße für Leistungen und für Spannungen sind also gleich. ( An dem logarithmischen Pegelmaß selbst kann man nicht erkennen, ob es sich um einen Leistungs- oder einen Spannungspegel handelt.)
21 FH OOW / Fachb. echnik / Studiengänge Informatik und Medientechnik Seite 3- Logarithmische Pegelmaße mit verschiedenen Bezugsspannungen oder -Leistungen In den verschiedenen Anwendungsbereichen der Nachrichtentechnik sind im Laufe der Zeit aus praktischen Gründen eigene Bezugswerte für Spannungen oder Leistungen eingeführt worden. Dadurch haben sich je nach Bezugswert mehrere Angaben für Pegelmaße ergeben. Einige gebräuchliche sind im folgenden aufgeführt. a) Spannungspegel bezogen auf U ref = V: L U = lg( u/v) dbv V Beispiele: u = V ergibt L U = lg(v/v) = 6,dBV (gesprochen db Volt ) u =,V ergibt L U = lg(,v/v) = - dbv b) Spannungspegel bezogen auf U ref =,775V: L U = lg( u/,775v) dbu,775v Beispiele: u = V ergibt L U = lg(v/,775v) = 8,3dBU (gesprochen db U ) u =,V ergibt L U = lg(,v/,775v) = - 7,79dBU Anmerkung: Die Angaben in dbu sind immer um,db höher als in dbv. c) Leistungspegel bezogen auf P ref = mw: L P = lg(p/mw) dbm mw Beispiele: P = mw ergibt L P = lg(mw/mw) = 3,dBm P = mw ergibt L P = lg(mw/mw) = dbm ritt eine Leistung P an einem bekannten Widerstand R auf, so kann die der Leistung entsprechende Spannung U eff bestimmt werden. Beispiele:.) P = mw, R = 5Ω Mit P = U eff /R folgt U eff = P R, also U eff =,4V Der Spannungspegel bei,4v an 5Ω ist also L U = dbm = -3dBV.) P = mw, R = 6Ω U eff = P R, also U eff =,775V Der Spannungspegel bei,775v an 6Ω ist also L U = dbm = -,dbv
22 FH OOW / Fachb. echnik / Studiengänge Informatik und Medientechnik Seite 3- Rechnen mit logarithmischen Pegelmaßen Multiplizieren (bzw. Dividieren) von linearen Maßen entspricht dem Addieren (bzw. Subtrahieren ) von logarithmischen Maßen. Beispiele: Lineares Maß Logarithmisches Maß V = 5V dbv = 3,98dBV + 6,dB,5V = 5V, - 6,dBV = 3,98dBV + (- db),5v = 5V / - 6,dBV = 3,98dBV - db mw = mw mw = mw / dbm = dbm + db dbm = dbm - db Addieren (bzw. Subtrahieren) von linearen Maßen hat keine Entsprechung mit logarithmischen Maßen, d.h. ist mit logarithmischen Maßen nicht nachzuvollziehen.
Elektrische Nachrichtentechnik
HS EL / Fachb. echnik / Studiengang Medientechnik 15.5.13 Seite 1-1 1.) Signale Inhaltsverzeichnis 1.1) Einteilung von Signalen 1.1.1) Einteilung nach zeitlichen AblÄufen 1.1.) Zeitkontinuierliche und
MehrMathematik 1, Teil B
FH Oldenburg/Ostfriesland/Wilhelmshaven Fachb. Technik, Abt. Elektrotechnik u. Informatik Prof. Dr. J. Wiebe www.et-inf.fho-emden.de/~wiebe Mathematik 1, Teil B Inhalt: 1.) Grundbegriffe der Mengenlehre
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
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,
MehrGrundlagen der Nachrichtentechnik. Inhalt
FH OOW / Fachb. Technik / Studiengänge Informatik u. Medientechnik Seite 1-1 Inhalt 1.) Einführung und Grundbegriffe 1.1) Historische Entwicklung 1.2) Abgrenzung der Nachrichtentechnik durch ihre Aufgabengebiete
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?
MehrIKA IKA. Zeitsignale. Analoge, zeitdiskrete, und digitale Signale
Zeitsignale Je nach Zeitbasis und Wertemenge des Signals unterscheidet man zeit- und wertkontinuierliche Signale (analoge Signale); zeitdiskrete, aber wertkontinuierliche Signale (zeitdiskrete Signale);
MehrFourier- und Laplace- Transformation
Skriptum zur Vorlesung Mathematik für Ingenieure Fourier- und Laplace- Transformation Teil : Fourier-Transformation Prof. Dr.-Ing. Norbert Höptner (nach einer Vorlage von Prof. Dr.-Ing. Torsten Benkner)
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
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
MehrNachrichtentechnik [NAT] Kapitel 3: Zeitkontinuierliche Systeme. Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik
Nachrichtentechnik [NAT] Kapitel 3: Zeitkontinuierliche Systeme Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik Sommersemester 2005 Inhaltsverzeichnis Inhalt Inhaltsverzeichnis 3 Zeitkontinuierliche
MehrUebungsserie 1.1 Harmonische Signale und Ihre Darstellung
28. September 2016 Elektrizitätslehre 3 Martin Weisenhorn Uebungsserie 1.1 Harmonische Signale und Ihre Darstellung Aufgabe 1. Die nachfolgende Grafik stellt das Oszillogramm zweier sinusförmiger Spannungen
MehrSystemtheorie Teil B
d + d z + c d z + c uk d + + yk z d + c d z + c Systemtheorie eil B - Zeitdiskrete Signale und Systeme - Musterlösungen Manfred Strohrmann Urban Brunner Inhalt Musterlösungen - Signalabtastung und Rekonstruktion...
MehrNachrichtentechnik [NAT] Kapitel 2: Zeitkontinuierliche Signale. Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik
Nachrichtentechnik [NAT] Kapitel 2: Zeitkontinuierliche Signale Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik Sommersemester 25 Inhaltsverzeichnis Inhalt Inhaltsverzeichnis 2 Zeitkontinuierliche
MehrMusterlösung zur Aufgabe A1.1
Abschnitt: 1.1 Prinzip der Nachrichtenübertragung Musterlösung zur Aufgabe A1.1 a) Im markierten Bereich (20 Millisekunden) sind ca 10 Schwingungen zu erkennen. Daraus folgt für die Signalfrequenz näherungsweise
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
MehrProf. Dr. Stefan Weinzierl Aufgabe: Amplitudenstatistik analoger Audiosignale. Abb. 1: WDF eines Audiosignals. p X.
Audiotechnik II 1.Übungstermin Prof. Dr. Stefan Weinzierl 21.1.21 1. Aufgabe: Amplitudenstatistik analoger Audiosignale a. Ein Signal x(t) hat die durch Abb. 1 gegebene Wahrscheinlichkeitsdichtefunktion
Mehreinige Zusatzfolien für s Seminar
Signale und Systeme einige Zusatzfolien für s Seminar Dr. Mike Wolf, Fachgebiet Nachrichtentechnik Signale und Systeme Fourierreihe reelle Fourierreihe betrachtet wird ein periodisches Zeitsignal u p mit
MehrDigitale Signalverarbeitung Bernd Edler
Digitale Signalverarbeitung Bernd Edler Wintersemester 2007/2008 Wesentliche Inhalte der Vorlesung Abtastung z-transformation Lineare zeitinvariante Systeme Diskrete Fouriertransformation Systeme bei stochastischer
MehrDigitale Signalverarbeitung Bernd Edler
Digitale Signalverarbeitung Bernd Edler Wintersemester 2008/2009 Wesentliche Inhalte der Vorlesung Abtastung z-transformation Lineare zeitinvariante Systeme Diskrete Fouriertransformation Systeme bei stochastischer
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
MehrGrundlagen der Signalverarbeitung
Grundlagen der Signalverarbeitung Zeitdiskrete Signale Wintersemester 6/7 Kontinuierliche und diskrete Signale wertkontinuierlich wertdiskret Signal Signal Signal Signal zeitdiskret zeitkontinuierlich
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
MehrTechnische Beschreibung der akustischen Signalkette
Technische Beschreibung der akustischen Signalkette Wichtige Aufgabe: Vielfältige Medien Gestaltung akustischer Kommunikationsketten (Sprache, Geräusche, Musik, CD, Radio, mp3,...) Unterschiedlichste Information
MehrSignalverarbeitung Charakterisierung der Signale
Signalverarbeitung Charakterisierung der Signale SE+ Med 4. Semester Werner Backfrieder Mathematisches Repetitorium Winkel- oder Kreisfunktionen α H AK GK sin( α) cos( α) Gegenkathete Hypothenuse Ankathete
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
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
Mehr1. Kraft- und Weganregung 2. Deterministische Lasten. 3. Stochastische Lasten
Dynamische Lasten 1. Kraft- und Weganregung 2. Deterministische Lasten 2.1 Periodische Lasten 2.2 Allgemeine zeitabhängige Lasten 2.3 Harmonische Lasten 3. Stochastische Lasten 3.1 Instationäre stochastische
MehrDigitale Signalverarbeitung Bernd Edler
Digitale Signalverarbeitung Bernd Edler Wintersemester 2010/2011 Wesentliche Inhalte der Vorlesung Abtastung z-transformation Lineare zeitinvariante Systeme Diskrete Fouriertransformation Filterentwurf
Mehr2. Eigenschaften digitaler Nachrichtensignale
FH OOW / Fachb. Technik / Studiengang Elektrotechnik u. Automatisierungstechnik Seite 2-2. Eigenschaften digitaler Nachrichtensignale 2. Abgrenzung zu analogen Signalen Bild 2.- Einteilung der Signale
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
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
MehrFourier-Reihe und -Spektrum
SiSy, Fourier-Reihen / Fourier-Reihe und -Spektrum Fourier-Darstellung periodischer Funktionen. Einleitung In vielen technischen Anwendungen sind die zeitlichen Verläufe von Signalen wie z.b. Spannung
Mehr5. Fourier-Transformation
5. Fourier-Transformation 5.1 Definition 5.2 Eigenschaften 5.3 Transformation reeller Funktionen 5.4 Frequenzbereich und Zeitbereich 2.5-1 5.1 Definition Definition: Die Fourier-Transformation einer Funktion
MehrFachprüfung. Signal- und Systemtheorie
Fachprüfung Signal- und Systemtheorie 15. September 2010 Prüfer: Prof. Dr. P. Pogatzki Bearbeitungszeit: 2 Stunden Hilfsmittel: Taschenrechner, Formelblatt (2 DIN A4-Seiten) Name: Vorname: Matr.-Nr.: Unterschrift:
MehrZeitfunktionen. Kapitel Elementarfunktionen
Kapitel Zeitfunktionen Systeme werden durch Eingangsgrößen (Ursache, Eingangssignal, Erregung) angeregt und man interessiert sich für die Ausgangsgrößen (Wirkung, Ausgangssignal, Antwort). Die praktisch
MehrMusterModulprüfung. Anteil Transformationen
MusterModulprüfung Anteil Transformationen Studiengang: Elektrotechnik oder Energiewirtschaft Datum: Prüfer: heute Prof. Dr. Felderhoff Version:.0 (vom 30.1.014) Name: Vorname: Matr.-Nr.: 1 Aufgabe 1 Fourier-Transformation
MehrÜbungen zu Signal- und Systemtheorie
Fachhochschule Dortmund University of Applied Sciences and Arts Übungen zu Signal- und Systemtheorie (Anteil: Prof. Felderhoff) Version 1.3 für das Wintersemester 016/017 Stand: 05.1.016 von: Prof. Dr.-Ing.
Mehr2. Fourier-Transformation
2. Fourier-Transformation Die Fourier-Transformation ist ein wichtiges Hilfsmittel für die dynamische Analyse linearer Systeme: Die Fourier-Transformierte der Antwort ist gleich dem Produkt der Fourier-Transformierten
Mehr5. Vorlesung. Systemtheorie für Informatiker. Dr. Christoph Grimm. Professur Prof. Dr. K. Waldschmidt, Univ. Frankfurt/Main
5. Vorlesung Systemtheorie für Informatiker Dr. Christoph Grimm Professur Prof. Dr. K. Waldschmidt, Univ. Frankfurt/Main Letzte Woche: e jωt -Funktionen sind sinusförmige, komplexe Funktionen. Sie sind
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
MehrExperimentalphysik E1
Experimentalphysik E1 Gedämpfte & erzwungene Schwingungen Alle Informationen zur Vorlesung unter : http://www.physik.lmu.de/lehre/vorlesungen/index.html 16. Dez. 16 Harmonische Schwingungen Auslenkung
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
MehrDynamische Lasten. 1. Kraft- und Weganregung 2. Deterministische Lasten. 3. Stochastische Lasten
Dynamische Lasten 1. Kraft- und Weganregung 2. Deterministische Lasten 2.1 Allgemeine zeitabhängige Lasten 2.2 Periodische Lasten 2.3 Harmonische Lasten 3. Stochastische Lasten 3.1 Instationäre stochastische
MehrStatistische Kennwerte und -funktionen. Dr.-Ing. habil. H. Nobach
Statistische Kennwerte und -funktionen Dr.-Ing. habil. H. Nobach 1. Einführung Statistische Kennwerte und -funktionen, wie Mittelwert Varianz Wahrscheinlichkeitsdichte Autokorrelation spektrale Leistungsdichte
MehrIntegraltransformationen
Fourier-ransformation Integraltransformationen Fakultät Grundlagen Juli 00 Fakultät Grundlagen Integraltransformationen Übersicht Fourier-ransformation Fourier-ransformation Motivation Fakultät Grundlagen
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.
MehrÜbungen zu Transformationen. im Bachelor ET oder EW. Version 2.0 für das Wintersemester 2014/2015 Stand:
Fachhochschule Dortmund University of Applied Sciences and Arts Institut für Informationstechnik Software-Engineering Signalverarbeitung Regelungstechnik IfIT Übungen zu Transformationen im Bachelor ET
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
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
MehrPuls-Code-Modulation. Thema: PCM. Ziele
Puls-Code-Modulation Ziele Mit diesen rechnerischen und experimentellen Übungen wird die Vorgehensweise zur Abtastung und linearen Quantisierung eines analogen Signals erarbeitet. Bei der Abtastung werden
MehrElektro- und Informationstechnik. Mathematik 1 - Übungsblatt 12 und nicht vergessen: Täglich einmal Scilab!
Mathematik 1 - Übungsblatt 12 und nicht vergessen: Täglich einmal Scilab! Aufgabe 1 (Zuordnung reeller Größen zu komplexen Größen) Der Vorteil der komplexen Rechnung gegenüber der reellen besteht darin,
MehrZusammenfassung der 1. Vorlesung
Zusammenfassung der 1. Vorlesung Einordnung und Motivation Grundlegende Definitionen Kontinuierliches Signal Zeitdiskretes Signal Quantisiertes Signal Digitales Signal Kontinuierliches System Abtastsystem
MehrAls Summendarstellung der komplexen Zahl bezeichnen wir den bekannten Ausdruck
A.1 MATHEMATISCHE GRUNDLAGEN In diesem Abschnitt werden die mathematischen Grundlagen zusammengestellt, die für die Behandlung von Übertragungssystemen erforderlich sind. Unter anderem sind dies die komplexen
MehrDas wissen Sie: 6. Welche Möglichkeiten zur Darstellung periodischer Funktionen (Signalen) kennen Sie?
Das wissen Sie: 1. Wann ist eine Funktion (Signal) gerade, ungerade, harmonisch, periodisch (Kombinationsbeispiele)? 2. Wie lassen sich harmonische Schwingungen mathematisch beschreiben und welche Beziehungen
Mehr3. Fourieranalyse und Amplitudenspektren
3.1 Fourieranalyse 3.1.1 Einleitung Laut dem französischen Mathematiker Fourier (1768-1830) kann jedes periodische Signal in eine Summe von sinusförmigen Signalen mit unterschiedlichen Amplituden, Frequenzen
MehrDipl.-Ing. (TU) Jürgen Wemheuer
Dipl.-Ing. (TU) Jürgen Wemheuer wemheuer@ewla.de http://ewla.de 1 Statt kontinuierlicher (Amplituden-)Werte einer stetigen Funktion sind nur diskontinuierliche, diskrete Werte möglich (begrenzter Wertevorrat):
MehrSpektrumanalyse. Inhalt. I. Einleitung 2. II. Hauptteil 2-8
Fachhochschule Aachen Campus Aachen Hochfrequenztechnik Hauptstudium Wintersemester 2007/2008 Dozent: Prof. Dr. Heuermann Spektrumanalyse Erstellt von: Name: Mario Schnetger Inhalt I. Einleitung 2 II.
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
MehrKapitel 8: Zeitdiskrete Zufallssignale
ZHAW, DSV2, 2007, Rumc, 8-1 Kapitel 8: Zeitdiskrete Zufallssignale Inhaltsverzeichnis 1. STOCHASTISCHER PROZESS...1 2. STATISTISCHE EIGENSCHAFTEN EINER ZUFALLSVARIABLEN...2 3. STATISTISCHE EIGENSCHAFTEN
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
MehrLineare zeitinvariante Systeme
Lineare zeitinvariante Systeme Signalflussgraphen Filter-Strukturen Fouriertransformation für zeitdiskrete Signale Diskrete Fouriertransformation (DFT) 1 Signalflussgraphen Nach z-transformation ist Verzögerung
Mehr12 3 Komplexe Zahlen. P(x y) z = x + jy
2 3 Komplexe Zahlen 3 Komplexe Zahlen 3. Grundrechenoperationen Definition Die Menge C = {z = a + jb a, b IR; j 2 = } heißt Menge der komplexen Zahlen; j heißt imaginäre Einheit. (andere Bezeichnung: i)
MehrÜbung 2: Spektrum periodischer Signale
ZHAW, SiSy, Rumc, Übung : Spektrum periodischer Signale Augabe Verschiedene Darstellungen der Fourierreihe. Betrachten Sie das periodische Signal s(t) = + sin(π t). a) Bestimmen Sie die A k - und B k -Koeizienten
MehrSignale und Systeme I
TECHNISCHE FAKULTÄT DER CHRISTIAN-ALBRECHTS-UNIVERSITÄT ZU KIEL DIGITALE SIGNALVERARBEITUNG UND SYSTEMTHEORIE DSS Signale und Systeme I Formelsammlung v.5 Inhaltsverzeichnis Mathematische Formeln. Trigonometrische
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
MehrTransformationen Übungen 1. 1 Signale und Systeme. 1.1 Gegeben ist die Funktion f(t). Skizzieren Sie folgende Funktionen: a) f(t - 3) b) f(2 t) f(t)
Transformationen Übungen 1 1 Signale und Systeme 1.1 Gegeben ist die Funktion f(t). Skizzieren Sie folgende Funktionen: a) f(t - 3) b) f(2 t) f(t) 1 c) f(-t) d) f(t + 3) 1 t e) f(t / 4) f) f(t) + 2 g)
MehrEinführung in die Laplace Transformation
Einführung in die aplace Transformation Peter Riegler 17. Oktober 2 Zusammenfassung Dieser Text gibt Ihnen eine kurze Einführung in das Werkzeug der aplace Transformation. Es zeigt Ihnen, wo und warum
MehrEinführung in die Physik I. Schwingungen und Wellen 1
Einführung in die Physik I Schwingungen und Wellen O. von der Lühe und U. Landgraf Schwingungen Periodische Vorgänge spielen in eine große Rolle in vielen Gebieten der Physik E pot Schwingungen treten
MehrDifferentialgleichungen 2. Ordnung
Differentialgleichungen 2. Ordnung 1-E1 1-E2 Einführendes Beispiel Freier Fall Viele Geschichten ranken sich um den schiefen Turm von Pisa: Der Legende nach hat der aus Pisa stammende Galileo Galilei bei
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=
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
MehrHertz ), also 1 Schwingung pro Sekunde. Der Vorfaktor A ist die Amplitude, er misst die Lautstärke des Tons.
1 Vorbereitungen 1.1 Was ist und wofür braucht man Fourieranalysis? Anwendungsgebiete der Fourier-Analysis sind z.b. Signalverarbeitung, Bildverarbeitung, Schaltkreisentwurf, Elektrodynamik, Optik, Akustik,
MehrTechnische Schwingungslehre, WS2009/10
Institut für Technische Mechanik Prof. Dr.-Ing. C. Proppe Prof. Dr.-Ing. W. Seemann Technische Schwingungslehre, WS9/ Übungsblatt Nr. Thema: Darstellung von Schwingungen Formelsammlung: Grundbegriffe der
MehrPraktikum Grundlagen der Elektrotechnik
Fakultät für Elektrotechnik und Informationstechnik Institut für Informationstechnik Lehrgruppe Grundlagen der Elektrotechnik Praktikum Grundlagen der Elektrotechnik 1. Versuchsbezeichnung GET 10: Fourieranalyse
MehrKapitel 6: Grundlagen der Wechselstromtechnik
Inhalt Kapitel 6: Grundlagen der technik Sinusförmige Signale Zeigerdarstellung Darstellung mit komplexen Zahlen komplexe Widerstände Grundschaltungen Leistung im kreis Ortskurven Übertragungsfunktion
Mehrf (t) =A sin ( t+ ) (1)
1 Das Sinoid in verschiedenen Schreibweisen f (t) A t enthalt fur jedes zwei Parameter, A und v. f (t) =A sin ( t+ ) (1) Formt man um f (t) =A (cos tsin + sin tcos ) und setzt b = A sin a = A cos so ergibt
Mehr6. Vorlesung. Systemtheorie für Informatiker. Dr. Christoph Grimm. Professur Prof. Dr. K. Waldschmidt, Univ. Frankfurt/Main
6. Vorlesung Systemtheorie für Informatiker Dr. Christoph Grimm Professur Prof. Dr. K. Waldschmidt, Univ. Frankfurt/Main Letzte Woche: Letzte Woche: 1.) Erweiterung von Fourier- zu Laplace-Transformation
MehrFOURIERREIHEN. a) Periodische Funktionen. 3) Rechteckschwingung. b) Stückweise stetige Funktionen. Skizze= Sägezahnschwingung
FOURIERREIHEN 1. Grundlagen a) Periodische Funtionen Beispiele: 1) f( x) = sin( x+ π / 3), T = 2 π /. 2) f( t) = cos( ωt+ ϕ), T = 2 π / ω. 3) Rechtecschwingung, 1< t < f() t =, f( t+ 2) = f() t 1, < t
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:
MehrSystem- und Signaltheorie
Otto Mildenberger System- und Signaltheorie Grundlagen für das informationstechnische Studium 3., überarbeitete und erweiterte Auflage Mit 166 Bildern vieweg 1 Einleitung 1 1.1 Aufgaben der Systemtheorie
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
MehrProbestudium der Physik 2011/12
Probestudium der Physik 2011/12 1 Schwingungen und Wellen: Einführung in die mathematischen Grundlagen 1.1 Die Sinus- und die Kosinusfunktion Die Sinusfunktion lässt sich genauso wie die Kosinusfunktion
Mehrf = T φ ist negative für nacheilende Funktionen φ ist positive für voreilende Funktionen 2 Signale im Zeitbereich 2.1 Harmonische Funktionen
2 Signale im Zeitbereich 2.1 Harmonische Funktionen = Xˆ sin( ω t) 1 f = T Einheiten: [ f ] = Hz ω = 2 π -1 [ ω] = s f mit Phasenverschiebung (hier: nacheilend) : = Xˆ sin( ω t - ϕ) φ ist negative für
MehrGrundlagen der Schwingungslehre
Grundlagen der Schwingungslehre Einührung. Vorgänge, bei denen eine physikalische Größe in estem zeitlichen Abstand ein und denselben Werteverlau auweist, werden als periodisch bezeichnet. Den zeitlichen
MehrGrundlagen der Elektrotechnik 3
Campus Duisburg Grundlagen der Elektrotechnik 3 Fakultät für Ingenieurwissenschaften Abteilung Elektrotechnik und Informationstechnik Fachgebiet Allgemeine und Theoretische Elektrotechnik Bismarckstraße
MehrGrundlagen der Nachrichtentechnik
Universität Bremen Arbeitsbereich Nachrichtentechnik Prof. Dr.-Ing. A. Dekorsy Schriftliche Prüfung im Fach Grundlagen der Nachrichtentechnik Name: Vorname: Mat.-Nr.: BSc./Dipl.: Zeit: Ort: Umfang: 07.
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
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
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
MehrProbeklausur Signale + Systeme Kurs TIT09ITA
Probeklausur Signale + Systeme Kurs TIT09ITA Dipl.-Ing. Andreas Ströder 13. Oktober 2010 Zugelassene Hilfsmittel: Alle außer Laptop/PC Die besten 4 Aufgaben werden gewertet. Dauer: 120 min 1 Aufgabe 1
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
MehrSignal- und Systemtheorie
Thomas Frey, Martin Bossert Signal- und Systemtheorie Mit 117 Abbildungen, 26 Tabellen, 64 Aufgaben mit Lösungen und 84 Beispielen Teubner B.G.Teubner Stuttgart Leipzig Wiesbaden Inhaltsverzeichnis 1 Einleitung
MehrKleine Formelsammlung für IuK
Kleine Formelsammlung für IuK Florian Franzmann 17. März 4 Inhaltsverzeichnis 1 Dezimale Vielfache und Teile von Einheiten Konstanten 3 Shannon 3.1 Informationsgehalt...................................
MehrKapitel 2: Fourieranalyse. Periodische und nichtperiodische Signale
ZHAW, ASV, FS9, - Kapitel : Fourieranalyse Periodische und nichtperiodische Signale Inhaltsverzeichnis. EINLEIUNG.... LINEARER MIELWER... 3 3. LEISUNG UND EFFEKIVWER... 3 4. WINKELFUNKIONEN... 4 5. FOURIERREIHE...
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:
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
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
MehrLeseprobe. Taschenbuch der Nachrichtentechnik. Herausgegeben von Wolfgang Frohberg, Horst Kolloschie, Helmut Löffler ISBN:
Leseprobe Taschenbuch der Nachrichtentechnik Herausgegeben von Wolfgang Frohberg, Horst Kolloschie, Helmut Löffler ISBN: 978-3-446-46-4 Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-46-4
Mehr