Datenaquisition. Verstärker Filter. Sensor ADC. Objekt. Rechner
|
|
- Herta Fiedler
- vor 6 Jahren
- Abrufe
Transkript
1 Datenaquisition Sensor Verstärker Filter ADC Objekt Rechner
2 Datenaquisition Verstärker: - linearer Arbeitsbereich - linearer Frequenzgang - Vorkehrungen gegen Übersteuerung (trends, shot noise) - Verstärkerrauschen und -driften Arbeitsbereich an Signal anpassen!
3 Datenaquisition Filter: - Hoch-, Tief-, Bandpaß, Bandstop, Notch - Grenzfrequenz - Steilheit - Phasen-Dispersion - Antialiasing
4 Datenaquisition ADC: - Genauigkeit - Quantisierungs-Fehler (Beispiel: 10 bit ADC 0-10,24 V Einzelwert q = 10, Quantisierungsfehler (q/2) = 0,005 V = 0,01 V - Signal optimal anpassen (Verstärker!)
5 Datenaquisition Abtastintervall: Nyquistfrequenz v ( t) = v( t) δ( t n t ) v = v( n t ); n =..., 3, 2, 1012,,,, 3,... t f n n Nyquist n= Samplinginterval 1 2 t Beispiel: Kritisches Abtasten einer Sinuswelle 2 Abtastwerte pro Zyklus oder Abtastwerte
6 Datenaquisition Abtastintervall: Sampling-Theorem Die kontinuierliche Funktion v(t) sei bandbegrenzt und mit einem Samplingintervall t abgetastet, d.h. S( f ) = 0 f > f Nyquist wobei S( f ) die Fouriertransformierte von v(t) ist. Dann ist v(t) vollständig durch die Abtastwerte bestimmt: v n + n= v( t) = t v n [ 2πf t n t ] Nyquist sin ( ) π( t n t)
7 Datenaquisition Abtastintervall: Aliasing - tritt auf beim Abtasten einer nicht-bandbegrenzten kontinuierlichen Funktion S( f ) 0 f > f Nyquist - diese spektralen Anteile werden in das Intervall gefaltet. f f Nyquist Lösung: (1) natürliche Bandbreite des Signals a priori bekannt oder durch Filterung vor dem Abtasten begrenzen (2) adäquat abtasten
8 Trendanalysen Modellannahme: v( t) = T( t) + A sin( 2πf t) + R( t) T( t) R( t) k i= 1 Trendfunktion Rauschterm i i Trendfunktionen T( t) = at + b T( t) a = + 1 be ct linear logistisch
9 Datenvorbehandlung Filterung im Zeitbereich: Tiefpaß-Filter - Trendschätzer - gleitende Mittelung k ~ 1 v ( t) = v ( t + i ) 2k + 1 i= k - Reduktion von Schwingungen mit max. Periodendauer 2k - digitale Realisation von Tiefpaß-Filtern im Zeitbereich
10 Datenvorbehandlung Filterung im Zeitbereich: Hochpaß-Filter - Trendeliminatoren - Differenzenfilter v~ ( t ) = v ( t ) v ( t ) Differenz zum gleitenden Mittel (demeaning) ~ ( 1) v = v( t + 1) v( t) t Differenzbildung 1. Ordnung (Eliminierung konst. Trends) ~ ( 2) v = v( t + 2) v( t + 1) + v( t) t Differenzbildung 2. Ordnung (Eliminierung linearer Trends) - digitale Realisation von Hochpaß-Filtern im Zeitbereich
11 Datenvorbehandlung Filterung im Zeitbereich: Design linearer Filter (Tief-, Hoch-, Bandpaß, Notch) Ansatz: Sei der Input und der Output eines Filter x k y n y = c x + d y n K k n k k = 0 j= 1 c d Filterkoeffizienten k j J j n j J = 0 nichtrekursiver oder finite impulse response (FIR) Filter J 0 rekursiver oder infinite impulse response (IIR) Filter
12 Datenvorbehandlung Filterung im Zeitbereich: Design linearer Filter Bestimmung der Filterkoeffizienten - "inverses Problem" - spezielle Verfahren (z.b. bilineare Transformation) - Lehrbücher R.W. Hamming. Digital Filters. Prentice Hall, Englewood Cliffs, New Jersey, 1977 L.R. Rabiner und B. Gold. Theory and Application of digital signal processing. Prentice Hall, Englewood Cliffs, New Jersey, 1975 Press et al. und Stearns
13 Datenvorbehandlung Filterung im Frequenzbereich Filterung: Faltung der Funktion v(t) mit geeigneter Filterfunktion g(t) Idee: Ausnutzung des Faltungstheorems v ( t ) g ( t ) V ( f ) G ( f ) V(f), G(f) Fouriertransformierte von v(t), g(t) Faltung im Zeitbereich entspricht Multiplikation im Frequenzbereich
14 Datenvorbehandlung Filterung im Frequenzbereich Filterantwortfunktion G( f ) = 1 K k= 0 J c e j= 1 k 2πik ( f t ) d e j 2πij( f t) Bestimmung der Filterkoeffizienten analog wie bei Zeitbereichsfiltern
15 Datenvorbehandlung Filterung im Frequenzbereich Beispiel: Tiefpaß-Butterworth-Filter n-ter Ordnung (IIR) G ( f ) = 1 1 f + f c 2 n f c Cutoff-Frequenz
16 Datenvorbehandlung: Filter P(f) Low-pass pass band stop band P(f) High-pass f f P(f) Band-pass P(f) Band-stop (notch) f f
17 Datenvorbehandlung Filterung im Zeitbereich: - ineffizient - Echtzeitanwendung - Phasendispersion (time-reversal Filterung) Filterung im Frequenzbereich: - effizient - Phase?
Verzerrungsfreies System
Verzerrungsfreies System x(n) y(n) n n x(n) h(n) y(n) y(n) A 0 x(n a) A 0 x(n) (n a) h(n) A 0 (n a) H(z) A 0 z a Digitale Signalverarbeitung Liedtke 8.1.1 Erzeugung einer linearen Phase bei beliebigem
MehrVorteile digitaler Filter
Digitale Filter Vorteile digitaler Filter DF haben Eigenschaften, die mit analogen Filtern nicht realisiert werden können (z.b. lineare Phase). DF sind unabhängig von der Betriebsumgebung (z.b. Temperatur)
MehrEinführung in die Signalverarbeitung
Einführung in die Signalverarbeitung Phonetik und Sprachverarbeitung, 2. Fachsemester, Block Sprachtechnologie I Florian Schiel Institut für Phonetik und Sprachverarbeitung, LMU München Signalverarbeitung
MehrZusammenfassung der 1. Vorlesung
Zusammenfassung der 1. Vorlesung Einordnung und Motivation Grundlegende Definitionen Kontinuierliches Signal Zeitdiskretes Signal Quantisiertes Signal Digitales Signal Kontinuierliches System Abtastsystem
MehrTontechnik 2. Digitale Filter. Digitale Filter. Zuordnung diskrete digitale Signale neue diskrete digitale Signale
Tontechnik 2 Digitale Filter Audiovisuelle Medien HdM Stuttgart Digitale Filter Zuordnung diskrete digitale Signale neue diskrete digitale Signale lineares, zeitinvariantes, diskretes System (LTD-System)
Mehrfilter Filter Ziele Parameter Entwurf Zölzer (2002) Nov 14, 2015
1 Filter Ziele Parameter Entwurf Zölzer (2002) Nov 14, 2015 2 Beschreibung Übertragungsfunktion H(z), H(ω) Differenzengleichung y[n] Impulsantwort h[n]: Finite Infinite Impulse Response (FIR) Impulse Response
MehrSystemtheorie Teil B
d + d z + c d z + c uk d + + yk z d + c d z + c Systemtheorie Teil B - Zeitdiskrete Signale und Systeme Übungsaufgaben Manfred Strohrmann Urban Brunner Inhalt Übungsaufgaben - Signalabtastung und Rekonstruktion...
MehrSystemtheorie abbildender Systeme
Bandbegrenzung Bild in (b) nicht band-begrenzt: scharfe Kanten = Dirac-Funktionen = weißes Spektrum Erfordert Tapering vor Digitalisierung (Multiplikation mit geeigneter Fensterfunktion; auf Null drücken
MehrFaltung, Korrelation, Filtern
Faltung, Korrelation, Filtern Wie beschreibe ich lineare Systeme (z.b. Seismometer) -> Faltung, Konvolution, Dekonvolution? Wie quantifiziere ich die Ähnlichkeit von Zeitreihen (-> Korrelation) Wie quantifiziere
MehrFrequenzanalyse Praktischer Leitfaden zur Anwendung der Frequenzanalyse. Filter
Filter Filter! Hochpassfilter! Tiefpassfilter! Bandpassfilter (Bandsperrfilter)! FIRFilter! Oktav/Terz... nteloktavfilter wird Titel 2 Hochpassfilter LowCutFilter HighPassFilter Trittschallfilter BassCutFilter
MehrEinführung in die digitale Signalverarbeitung WS11/12
Einführung in die digitale Signalverarbeitung WS11/12 Prof. Dr. Stefan Weinzierl Musterlösung 11. Aufgabenblatt 1. IIR-Filter 1.1 Laden Sie in Matlab eine Audiodatei mit Sampling-Frequenz von fs = 44100
MehrDigitale Signalbearbeitung und statistische Datenanalyse
Digitale Signalbearbeitung und statistische Datenanalyse Teil 6 146 2. Teil Ziele der Filteranwendung Signal-Trennung (z.b. EKG eines Kindes im Mutterleib, Spektralanalyse) Signal-Restauration (z.b. unscharfes
Mehr7. Filter. Aufgabe von Filtern
. Filter Aufgabe von Filtern Amplitude Sperren einer Frequenz oder eines Frequenzbereichs Durchlassen einer Frequenz oder eines Frequenzbereichs möglichst kleine Phasenänderung Phase Phasenverschiebung
MehrZeitdiskrete, digitale Filter und schnelle Fourier-Transformation (FFT)
Zeitdiskrete, digitale Filter und schnelle Fourier-Transformation (FFT) Inhaltsverzeichnis 1 Allgemeines Filter... 2 2 Filter auf dem Signalprozessor... 2 3 Zusammenhang Zeitsignal und Frequenzspektrum...
MehrVersuch 3: Anwendungen der schnellen Fourier-Transformation (FFT)
Versuch 3: Anwendungen der schnellen Fourier-Transformation (FFT) Ziele In diesem Versuch lernen Sie zwei Anwendungen der Diskreten Fourier-Transformation in der Realisierung als recheneffiziente schnelle
Mehr2. Digitale Codierung und Übertragung
2. Digitale Codierung und Übertragung 2.1 Informationstheoretische Grundlagen 2.2 Speicherbedarf und Kompression 2.3 Digitalisierung Ludwig-Maximilians-Universität München Prof. Hußmann Digitale Medien
MehrSeminar Digitale Signalverarbeitung Thema: Digitale Filter
Seminar Digitale Signalverarbeitung Thema: Digitale Filter Autor: Daniel Arnold Universität Koblenz-Landau, August 2005 Inhaltsverzeichnis i 1 Einführung 1.1 Allgemeine Informationen Digitale Filter sind
MehrSignalprozessoren. Prinzipieller Aufbau: 1. Folie
Signalprozessoren Sind spezielle Rechner, die Analogsignale digital verarbeiten können (Digital-Signal- Processing) DSP). Darunter versteht man die Eingabe von analogen Signalen in einem Digitalrechner,
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
MehrP4.1 Einführung in die Signalverarbeitung
P4.1 Einführung in die Signalverarbeitung Phonetik und Sprachverarbeitung, 2. Fachsemester, Block 4 Sprachtechnologie I Florian Schiel Institut für Phonetik und Sprachverarbeitung, LMU München Signalverarbeitung
MehrEinführung in die Signalverarbeitung
Einführung in die Signalverarbeitung Phonetik und Sprachverarbeitung, 2. Fachsemester, Block Sprachtechnologie I Florian Schiel Institut für Phonetik und Sprachverarbeitung, LMU München Signalverarbeitung
MehrLösungsblatt 2 Signalverarbeitung und Klassifikation
Fakultät für Informatik Übung zu Kognitive Systeme Sommersemester 06 M. Sperber (matthias.sperber@kit.edu) S. Nguyen (thai.nguyen@kit.edu) Lösungsblatt Signalverarbeitung und Klassifikation Aufgabe : Faltung
MehrKontrollfragen zum Skript Teil 1 beantwortet
Kontrollfragen zum Skript Teil 1 beantwortet Von J.S. Hussmann Fragen zu SW 1.1 Welche Vorteile hat die DSVB? Programmierbar Parametrierbar Reproduzierbar Wie heisst die Umwandlung eines Zeit-diskreten
MehrEntwicklung einer digitalen Übertragungsstrecke mit Einplatinencomputern zur Signalanalyse
Entwicklung einer digitalen mit Einplatinencomputern zur Signalanalyse Philipp Urban Jacobs p.1 Inhalt 1 Motivation 2 Grundlagen 3 Umsetzung 4 Verifizierung 5 Fazit p.2 Motivation Signalgenerator ADC Gertboard
MehrElektrotechnik II: Kolloquium 4
Elektrotechnik II: Kolloquium 4 Digitalschaltungen Hubert Abgottspon: abgottspon@eeh.ee.ethz.ch Markus Imhof: imhof@eeh.ee.ethz.ch Inhalt des Kolloquium: Digitale Messkette Sensor 1) Filter S&H- Versträker
MehrBiosignalverarbeitung (Schuster)
Biosignalverarbeitung (Schuster) 9. FOURIER - TRANSFORMATION: 4 Ausprägungen der Transformation: Zeitbereich Frequenzbereich Laplace-Transformation Fourier-Transformation kontinuierlicher Signale (FT,
MehrKlausur zur Vorlesung Signale und Systeme
Name: 10. Juli 2008, 11.00-13.00 Uhr Allgemeine Hinweise: Dauer der Klausur: Zugelassene Hilfsmittel: 120 min, 2 Zeitstunden Vorlesungsmitschrift, Mitschrift Übungen, Skript, handgeschriebene 2-seitige
MehrÜbungseinheit 3. FIR und IIR Filter
Übungseinheit 3 FIR und IIR Filter In dieser Übungseinheit sollen verschiedene Effekte mittels FIR (finite impulse response) und IIR (infinite impulse response) Filter implementiert werden. FIR Filter
MehrZufallssignal Stationär (z.b. gleichverteiltes Rauschen) Nicht-stationär (z.b. normalverteiltes Rauschen mit wechselnder Streuung) Deterministisches
Zufallssignal Stationär (z.b. gleichverteiltes Rauschen) Nicht-stationär (z.b. normalverteiltes Rauschen mit wechselnder Streuung) Deterministisches Signal Periodisch harmonische Schwingung Summe harmonischer
MehrEinführung in die Signalverarbeitung
Einführung in die Signalverarbeitung Phonetik und Sprachverarbeitung, 2. Fachsemester, Block Sprachtechnologie I Florian Schiel Institut für Phonetik und Sprachverarbeitung, LMU München Signalverarbeitung
MehrIm Frequenzbereich beschreiben wir das Verhalten von Systemen mit dem Komplexen Frequenzgang: G (jω)
4 Systeme im Frequenzbereich (jω) 4.1 Allgemeines Im Frequenzbereich beschreiben wir das Verhalten von Systemen mit dem Komplexen Frequenzgang: G (jω) 1 4.2 Berechnung des Frequenzgangs Beispiel: RL-Filter
MehrDigitale Signalverarbeitung auf FPGAs
Digitale Signalverarbeitung auf FPGAs INP: Interpolation Upsampling und D/A- Wandlung Teil 1 Upsampling 2016 Dr. Christian Münker INP: Überblick Upsampling D/A-Wandlung Interpolation Oversampling (Sigma-Delta
MehrNANO III - MSR. Signalabtastung Analog Digital Converter (ADC) Digital Analog Converter (DAC) Themen: DAC
NANO III - MSR Themen: Signalabtastung Analog Digital Converter (ADC) A ADC D Digital Analog Converter (DAC) D DAC A Nano III MSR Physics Basel, Michael Steinacher 1 Signalabtastung Praktisch alle heutigen
MehrBildrekonstruktion & Multiresolution
Bildrekonstruktion & Multiresolution Verkleinern von Bildern? Was ist zu beachten? Es kann aliasing auftreten! Das Abtasttheorem sagt wie man es vermeidet? ===> Page 1 Verkleinern von Bildern (2) Vor dem
MehrAll Digital Transceiver
All Digital Transceiver Prinzip Digital-Empfänger ADC, Analog Digital Converter ( Analog-Digital-Wandler ) DDC, Digital Down Converter ( Digitaler Abwärtsmischer ) DSP, Digital Signal Processor SDR-14
MehrAufgabe 1: Diskrete und kontin. Signale
AG Digitale Signalverarbeitung - Klausur in Signale und Systeme Frühjahr 2009 Aufgabe : Diskrete und kontin. Signale 25 Pkt. Aufgabe : Diskrete und kontin. Signale 25 Pkt.. Gegeben sei das als Summierer
Mehr3.6 Analog-Digital-Umsetzung
3.6 AnalogDigitalUmsetzung 1 Abtastung von Signalen FlashUmsetzer (ParallelUmsetzer) Stufenumsetzer (Successive Approximation) Integrierende Umsetzer DeltaSigma Umsetzer Anhang Abtastung 2 Abtastung (Sampling):
MehrModulationsverfahren
Funktions- und Fehleranalyse Herr Rößger 2011 2012 Modulationsverfahren Definition: Modulation ist die Beeinflussung einer Trägerschwingung durch eine Information. Trägerschwingung: Informationsparameter:
MehrInhalt. Nichtlineare Systeme Voltera Reihenexpansion Statische quasi-nichtlineare Systeme Dynamikprozessoren
1 Inhalt Nichtlineare Systeme Voltera Reihenexpansion Statische quasi-nichtlineare Systeme Dynamikprozessoren Kontrollparameter Anwendungen Frequenzabhängige nichtlineare Systeme Signalverfremdung Messparameter
Mehr(Bitte geben Sie bei der Beantwortung von Fragen eine Begründung bzw. bei der Lösung von Kurzaufgaben eine kurze Berechnung an!)
Teil 1: Fragen und Kurzaufgaben (Bitte geben Sie bei der Beantwortung von Fragen eine Begründung bzw. bei der Lösung von Kurzaufgaben eine kurze Berechnung an!) Frage 1 (6 Punkte) Es wird ein analoges
MehrDigitalisierung. Digitale Übertragung analoger Signale. störsicher (0/1-Codierung, Fehlerkorrektur) präzise (fixe unveränderliche Codeworte)
Digitale Übertragung analoger Signale Vorteile digitaler Übertragung störsicher (0/1-Codierung, Fehlerkorrektur) präzise (fixe unveränderliche Codeworte) Nachteiler digitaler Übertragung natürliche Signale
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
MehrDSO. Abtastrate und Wiedergabegenauigkeit
DSO Abtastrate und Wiedergabegenauigkeit Inhalt Inhalt...- 0 - Sind eine hohe Abtastrate sowie Bandbreite notwendig?...- 2 - Ein Blick auf die messtechnischen Grundlagen...- 7 - Von Abtastrate und Bandbreite
MehrVisual Computing Filtering, Fourier Transform, Aliasing
Eidgenössische Technische Hochschule Zürich Swiss Federal Institute of Technology Zurich Zu loesen bis: 16. Mai 2006 Prof. M. Gross Remo Ziegler / Christian Voegeli / Daniel Cotting Ziele Visual Computing
MehrLongitudinale und transversale Relaxationszeit
Longitudinale und transversale Relaxationszeit Longitudinale Relaxationszeit T 1 (Zeit, die das System benötigt, um nach dem rf- Puls zurück ins Gleichgewicht zu kommen) Transversale Relaxationszeit T
MehrMotivation. Diskretisierung. Überblick. Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen. Diskretisierung und Quantisierung
Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen Motivation Analoge Aufnahme von Sprache, Bildern Digitale Speicherung durch Diskretisierung + Quantisierung Informationsverlust
MehrLinearphasiges Filterdesign und die daraus resultierenden Latenzen
und die daraus resultierenden Latenzen Anselm Goertz Jochen Kleber Michael Makarski Rainer Thaden Funktionen des Lautsprechercontrollers Schutzfunktionen Endstufenlimiter, Peaklimiter und Thermolimiter
MehrTontechnik 2. DA-Wandlung. DA-Wandlung (Übersicht) Hold-Schaltung. Prof. Oliver Curdt Audiovisuelle Medien HdM Stuttgart
Tontechnik 2 DA-Wandlung Audiovisuelle Medien HdM Stuttgart Quelle: Michael Dickreiter, Handbuch der Tonstudiotechnik DA-Wandlung (Übersicht) Hold-Schaltung 1 DA-Wandlung Rückgewinnung analoger Spannungswerte
Mehr1.3 Digitale Audiosignale
Seite 22 von 86 Abb. 1.2.12 - Wirkung der Schallverzögerung Effekte sind: Delay, Echo, Reverb, Flanger und Chorus Hört man ein akustisches Signal im Raum, dann werden die Signale von Wänden und anderen
MehrAusarbeitung zum Thema Signalverarbeitung und Signalanalyse in der Spracherkennung
Ausarbeitung zum Thema Signalverarbeitung und Signalanalyse in der Spracherkennung Michael Munz Fakultät für Informatik Universität Ulm 23. November 2004 1 INHALTSVERZEICHNIS 2 Inhaltsverzeichnis 1 Motivation
MehrPRAKTIKUMSVERSUCH M/S 2
Fakultät Informatik, Institut für Angewandte Informatik, Professur Technische Informationssysteme PRAKTIKUMSVERSUCH M/S 2 Betreuer: Dipl.-Ing. Burkhard Hensel Dr.-Ing. Alexander Dementjev ALLGEMEINE BEMERKUNGEN
MehrSV1: Aktive RC-Filter
Signal and Information Processing Laboratory Institut für Signal- und Informationsverarbeitung. September 6 Fachpraktikum Signalverarbeitung SV: Aktive RC-Filter Einführung In diesem Versuch wird ein aktives
MehrZeitdiskrete Signalverarbeitung
Alan V. Oppenheim, Ronald W. Schafer, John R. Buck Zeitdiskrete Signalverarbeitung 2., überarbeitete Auflage ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario
MehrLab3 - Fourieranalyse von Signalen
1 Einleitung Lab3 - Fourieranalyse von Signalen M. Brandner, C. Wallinger Die spektrale Analyse deterministischer und zufälliger Signale ist von zentraler Bedeutung in der Messtechnik, da sehr viele interessante
MehrPraxiswerkstatt Algorithmen der Signalcodierung
Praxiswerkstatt Algorithmen der Signalcodierung 2. Termin Themen heute: Abtastung Lineare Zeitinvariante Systeme Seite 1 Abtastung letztes Mal haben wir gesehen: 3,9 khz kaum noch hörbar bei 8 khz Abtastrate.
MehrStochastic Sampling als Messprinzip
Stochastic Sampling als Messprinzip Ehrenkolloquium Frau Prof. Dr.-Ing. habil. Erika Müller 21.09.2012, Universität Rostock Holger Nobach Max-Planck-Institut für Dynamik und Selbstorganisation Göttingen
MehrHinweis: Dies ist eine gekürzte Version des C-Projektes für unser ATMEL-Board ATM1
Hinweis: Dies ist eine gekürzte Version des C-Projektes für unser ATMEL-Board ATM Einführung in die Digitale Verarbeitung von Analogen Signalen ( DSP- Grundlage mit dem Microcontroller. Das vollständige
MehrKapitel 7. Bildverarbeitung im Frequenzraum
Kapitel 7 Bildverarbeitung im Frequenzraum Durchführung von Faltungen im Frequenzraum Filterung im Frequenzraum: Tiefpass- und Hochpass-Filter, etc. Bildrestaurierung Notch-Filter: Entfernung periodischer
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
MehrFilterung von Bildern (2D-Filter)
Prof. Dr. Wolfgang Konen, Thomas Zielke Filterung von Bildern (2D-Filter) SS06 6. Konen, Zielke Aktivierung Was, denken Sie, ist ein Filter in der BV? Welche Filter kennen Sie? neuer Pixelwert bilden aus
MehrDigitale Signalverarbeitung für Mikrofone (Digital signal processing for microphones)
Digitale Signalverarbeitung für Mikrofone (Digital signal processing for microphones) Matthias Domke *, Hans-Peter Schade ** * Microtech Gefell GmbH, m.domke@microtechgefell.de ** Technische Universität
MehrMATLAB Kurs 2010 Teil 2 Eine Einführung in die Frequenzanalyse via MATLAB
MATLAB Kurs 2010 Teil 2 Eine Einführung in die via MATLAB 26.11.2010 & 03.12.2010 nhaltsverzeichnis 1 2 3 Ziele Kurze Einführung in die -Analyse Ziele Kurze Einführung in die -Analyse MATLAB Routinen für
Mehr2. Digitale Codierung und Übertragung
2. Digitale Codierung und Übertragung 2.1 Informationstheoretische Grundlagen 2.2 Verlustfreie universelle Kompression 2.3 Digitalisierung, Digitale Medien Ludwig-Maximilians-Universität München, Medieninformatik
MehrAmateurfunkkurs. Erstellt: 2010-2011. Landesverband Wien im ÖVSV. Digitale Signalverarbeitung. R. Schwarz OE1RSA. Übersicht. Definition.
Amateurfunkkurs Landesverband Wien im ÖVSV Erstellt: 2010-2011 Letzte Bearbeitung: 17. September 2012 Themen 1 2 3 4 Analog - Digital Analog-Digital Kontinuierlich-Binär Analog: Kontinuierliche Erfassung
MehrDatenverarbeitung und Tabellenkalkulation. Braunschweig, den Dipl.- Ing. Katrin Leicht
Datenverarbeitung und Tabellenkalkulation Braunschweig, den 20.11.2014 Dipl.- Ing. Katrin Leicht Gliederung Was ist Matlab? Messignal Filtern Kurze Einführung in Excel Schnittstelle Excel-Matlab Beispiele
MehrVersuch 5: Filterentwurf
Ziele In diesem Versuch lernen Sie den Entwurf digitaler Filter, ausgehend von der Festlegung eines Toleranzschemas für den Verlauf der spektralen Charakteristik des Filters, kennen. Es können Filtercharakteristiken
Mehr4.2 Abtastung und Rekonstruktion zeitkontinuierlicher
7 4 Fouriertransformation für zeitdiskrete Signale und Systeme nicht auf [, ] zeitbegrenzt ist. Es kommt daher zu einer Überlappung der periodischen Fortsetzungen. Für die Herleitung der Poissonschen Summenformel
MehrKapitel 5: FIR- und IIR-Filterentwurf
ZHW, DSV 1, 2005/01, Rur 5-1 Kapitel 5: FIR- und IIR-Filterentwurf Inhaltsverzeichnis 5.1. EINLEITUNG...2 5.2. FREQUENZGANG...3 5.3. FILTERSPEZIFIKATION...5 5.4. FIR-FILTER...6 5.4.1. TYPISIERUNG...6 5.4.2.
MehrArgumente für die diskrete Realisierung der Fourierintegrale
Argumente für die diskrete Realisierung der Fourierintegrale Die Fouriertransformation gemäß der Beschreibung in Kapitel 3.1 weist aufgrund der unbegrenzten Ausdehnung des Integrationsintervalls eine unendlich
MehrSignale und Systeme I
FACULTY OF ENGNEERING CHRISTIAN-ALBRECHTS-UNIVERSITÄT ZU KIEL DIGITAL SIGNAL PROCESSING AND SYSTEM THEORY DSS Signale und Systeme I Musterlösung zur Modulklausur WS 010/011 Prüfer: Prof. Dr.-Ing. Gerhard
Mehr(Fast) Fourier Transformation und ihre Anwendungen
(Fast) Fourier Transformation und ihre Anwendungen Johannes Lülff Universität Münster 14.01.2009 Inhaltsverzeichnis 1 Einführung 2 FFT 3 Anwendungen 4 Beschränkungen 5 Zusammenfassung Definition Fouriertransformation
MehrA1.1: Einfache Filterfunktionen
A1.1: Einfache Filterfunktionen Man bezeichnet ein Filter mit dem Frequenzgang als Tiefpass erster Ordnung. Daraus lässt sich ein Hochpass erster Ordnung nach folgender Vorschrift gestalten: In beiden
MehrEinführung in die Robotik Analog-Digital und Digital-Analog Wandler
Einführung in die Robotik Analog-Digital und Digital-Analog Wandler Mohamed Oubbati Institut für Neuroinformatik Tel.: (+49) 73 / 5 2453 mohamed.oubbati@uni-ulm.de 3.. 22 Analog-Digital (A/D) Wandler Digital
MehrAbtastung schmalbandiger Signale und ihre Anwendung zur Hüllkurvenanalyse bei rechnergestützten schwingungsdiagnostischen Systemen
tm Technisches Messen 74 (2007) 2 / DOI 10.1524/teme.2007.74.2.63 Oldenbourg Verlag 63 Abtastung schmalbandiger Signale und ihre Anwendung zur Hüllkurvenanalyse bei rechnergestützten schwingungsdiagnostischen
MehrInfrastruktur der Kommunikation: Von der Theorie zur Praxis
Infrastruktur der Kommunikation: Von der Theorie zur Praxis Johannes Huber Lehrstuhl für Informationsübertragung Friedrich Alexander Universität Erlangen Nürnberg 20. Juli 2012 FRIEDRICH-ALEXANDER UNIVERSITÄT
MehrDigitale Regelung. Vorlesung: Seminarübungen: Dozent: Professor Ferdinand Svaricek Ort: 33/2211 Zeit:Di 15.00 16.30 Uhr
Vorlesung: Dozent: Professor Ferdinand Svaricek Ort: 33/2211 Zeit:Di 15.00 16.30 Uhr Seminarübungen: Dozent: Alexander Weber Ort: 33/1101 Zeit: Mo 9.45 11.15 Uhr (Beginn: 20.04.2015) Vorlesungsskript:
MehrLösung zur Übung 4.5.1/1: 2005 Mesut Civan
Lösung zur Übung 4.5.1/1: 5 Mesut Civan x e t= x e [t t t 1 ] x a t=ht für x e t=t x a t= x e [ht ht t 1 ] x a t= x e [ht ht t 1 ] a) t 1 T e Da die Impulsdauer t 1 des Eingangsimpulses größer ist als
MehrSignalverarbeitung - Filterung, PSD, Korrelationen
9. Dezember 2010 1 Signalverarbeitung - Filterung, PSD, Korrelationen Messtechnik Vorlesung 9. Dezember 2010 9. Dezember 2010 2 Zurück zur Schnellen Fourier-Transformation (FFT) Ein FFT-Beispiel mit zwei
MehrMethoden der Biosignalverarbeitung
Vorlesung SS 2012 Methoden der Biosignalverarbeitung Filterdesign Dipl. Math. Michael Wand Prof. Dr. Tanja Schultz 1 / 103 Unser Vorlesungsplan Thema dieser Vorlesung: Theorie der digitalen Filterung,
MehrProjektdokumentation
Thema: Bildschärfung durch inverse Filterung von: Thorsten Küster 11027641 Lutz Kirberg 11023468 Gruppe: Ibv-team-5 Problemstellung: Bei der Übertragung von Kamerabildern über ein Video-Kabel kommt es
Mehr7.1 Aktive Filterung von elektronischem Rauschen (*,2P)
Fakultät für Physik Prof. Dr. M. Weber, Dr. K. abbertz B. Siebenborn, P. Jung, P. Skwierawski,. Thiele 17. Dezember 01 Übung Nr. 7 Inhaltsverzeichnis 7.1 Aktive Filterung von elektronischem auschen (*,P)....................
MehrKompaktseminar Nanoelektronik. Das Rauschen überlisten
Kompaktseminar Nanoelektronik Das Rauschen überlisten Jan-Philip Gehrcke 29. Januar 2009 Was ist Rauschen? Was ist Rauschen? zufällig verteilte Störgröße in Übertragungssystemen Art des Rauschens wird
MehrMATLAB Signal Processing Toolbox Inhaltsverzeichnis
Inhaltsverzeichnis Signal Processing Toolbox 1 Was ist Digitale Signalverarbeitung? 2 Inhalt 3 Aufbereitung der Messdaten 4 Interpolation 6 Approximation 7 Interpolation und Approximation 8 Anpassung der
MehrDigital Signal Processing
- for Master Study by TFH Bochum - Analog Signal I OO O I I I O O O Digital Signal Seite 1 Zielsetzung der Signalverarbeitung Analyse: H(t), H(f) Modellieren y(t) {} Physikalische Größe und Prozesse Synthese
MehrElektrische Messtechnik Protokoll - Bestimmung des Frequenzgangs durch eine Messung im Zeitbereich
Elektrische Messtechnik Protokoll - Bestimmung des Frequenzgangs durch eine Messung im Zeitbereich André Grüneberg Janko Lötzsch Mario Apitz Friedemar Blohm Versuch: 19. Dezember 2001 Protokoll: 6. Januar
MehrRauschen. Signalverarbeitung. Zur Erinnerung. Fourier theorem
verarbeitung 1. Klassifizierung und charakterisierung der e 2. verarbeitungskette Fourier theorem Rauschen f sinus t3 Rauschen: die gemessenen (als informationen dienenden) physikalischen Parameter, die
MehrEAH Jena Prüfungsaufgaben Prof. Giesecke FB ET/IT Filterentwurf WS 12/13
FB ET/IT Filterentwurf WS 2/3 Name, Vorname: Matr.-Nr.: Zugelassene Hilfsmittel: beliebiger Taschenrechner eine selbsterstellte Formelsammlung ein mathematisches Formelwerk Wichtige Hinweise: Ausführungen,
MehrAktuelle Themen der Angewandten Informatik: Datenkompression
Seminar-Unterlagen Sommer Semester 2014 - Proseminar-Unterlagen 1 / 7 Johann Wolfgang Goethe Universität Frankfurt am Main-InformatikDK SS2007 Dr.-Ing The Anh Vuong, Frankfurt - Bielefeld 2007. Änderungen
MehrSeminar Digitale Signalverarbeitung
Universität Koblenz-Landau Institut für integrierte aturwissenschaften Abteilung Physik Dr. Merten Joost Seminar Digitale Signalverarbeitung Thema: Fast Fourier Transformation Praktische Durchführung einer
MehrDer Tiefpass Betreuer: Daniel Triebs
Der Tiefpass Betreuer: Daniel Triebs 1 Gliederung Definiton: Filter Ideale Tiefpass Tiefpass 1.Ordnung Frequenzgänge Grundarten des Filters Filterentwurf Tiefpass 2.Ordnung 2 Definition: Filter 3 Filter
MehrEinführung in die Signalverarbeitung
Einführung in die Signalverarbeitung Phonetik und Sprachverarbeitung, 2. Fachsemester, Block Sprachtechnologie I Florian Schiel Institut für Phonetik und Sprachverarbeitung, LMU München Signalverarbeitung
MehrAufgabe 1: Kontinuierliche und diskrete Signale
Klausur zur Vorlesung: Signale und Systeme Aufgabe : Kontinuierliche und diskrete Signale. Zwei Systeme sollen auf ihre Eigenschaften untersucht werden: v(t) S { } y (t) v(t) S { } y (t) Abbildung : zeitkontinuierliche
Mehr2. Digitale Codierung und Übertragung
2. Digitale Codierung und Übertragung 2.1 Informationstheoretische Grundlagen 2.2 Verlustfreie universelle Kompression 2.3 Digitalisierung, Digitale Medien Ludwig-Maximilians-Universität München Prof.
MehrLABORVERSUCH MT2. Grundlagen der digitalen Messsignalerfassung. Labor Messtechnik FGA. Prof. Dr. rer. nat.g. Haussmann Dipl. Ing.
LABORVERSUCH MT2 Grundlagen der digitalen Messsignalerfassung Prof. Dr. rer. nat.g. Haussmann Dipl. Ing. Wolfgang Then Ha V06/06 Versuch Grundlagen der digitalen Messsignalfassung Seite 1 0. Bedeutung
Mehr1. Differentialgleichung der Filter zweiter Ordnung
Prof. Dr.-Ing. F. Keller abor Elektronik 3 Filter zweiter Ordnung Info v.doc Hochschule Karlsruhe Info-Blatt: Filter zweiter Ordnung Seite /6. Differentialgleichung der Filter zweiter Ordnung Ein- und
MehrDas Nyquist-Shannon Theorem
Fachbereich Medieninformatik Hochschule Harz Das Nyquist-Shannon Theorem Referat Philip Lücke Matrikelnummer: 10070 Abgabe: 15.01.2007 Seite: 1 Inhaltsverzeichnis 1 Einleitung...3 2 Das Phänomen des stillstehenden
MehrDigitale Signalverarbeitung auf FPGAs
Digitale Signalverarbeitung auf FPGAs INP: Interpolation Upsampling und D/A-Wandlung Teil 1 Upsampling 2016 Dr. Christian Münker INP: Überblick Upsampling D/A-Wandlung Interpolation Oversampling DACs Dr.
MehrFilterentwurf. Patrick Seiler. Präsentation im Rahmen des Projektlabors der TU Berlin im Sommersemester 2009
Filterentwurf Patrick Seiler Präsentation im Rahmen des Projektlabors der TU Berlin im Sommersemester 2009 7. Mai 2009 1 Gliederung 1. Was sind Filter? 2. Grundlagen: Charakteristika/Kenngrößen 3. Filterentwurf
Mehr