Musterlösung zur Klausur Digitale Signalverarbeitung
|
|
- Lars Fuhrmann
- vor 6 Jahren
- Abrufe
Transkript
1 Musterlösung zur Klausur Digitale Signalverarbeitung Arbeitsgruppe Digitale Signalverarbeitung Ruhr-Universität Bochum 1. Oktober 2007
2 Aufgabe 1: Transformationen 25 Pkt. Gegeben war das reellwertige kontinuierliche periodische Signal: v p (t) = sin(2πf p t + π 2 ) = cos(2πf pt) = 1 2 [ej2πfpt + e j2πfpt ] (1) mit den Vorgaben f p = 1kHz und ϕ = π 2 (bereits eingesetzt). 1. Das frequenzkontinuierliche Spektrum des periodischen Signals (1) ergibt sich mit Hilfe der Fourier Transformation; die beiden nicht verschwindenden Spektralanteile erscheinen in Abb. (a) als gewichtete Dirac-Impulse. Das frequenzdiskrete Spektrum von (1) erhält man über die Fourier Reihenentwicklung des periodischen Signals; es stellt die Fourier Koeffizienten V n dar, die aus der Fourier Reihenentwicklung (1) unmittelbar abzulesen sind: Abb. (b). 2. Festlegung der Länge N der DFT im Bereich 10 < N < 100 unter der Nebenbedingung N = 4 I, damit die DFT als Radix-4 FFT realisierbar ist. Mögliche Werte unter obiger Randbedingung: I = 2, 3 entsprechend N = 16, 64. Für die nachfolgenden Teilaufgaben wurde (willkürlich) N = 16 festgelegt. 3. Bei der Festlegung der Abtastfrequenz zur Überführung des kontinuierlichen Signals (1) in das zugehörige diskrete Signal v p (k) sind zwei Bedingungsstränge zu beachten: (a) Die strenge (von der Abtastphase unabhängige) Einhaltung des Abtasttheorems für Tiefpass-Signale führt zusammen mit der vorgegebenen oberen Schranke auf die Einschränkungen für die Abtastrate f A : 2f p = 2kHz < f A < 15kHz, (2) (b) Damit V (n) = DFT N {v p (k)}, n, k = 0, 1,..., N 1(= 15), das Spektrum gemäß Abb. (b) (bis auf einen Skalierungsfaktor) fehlerfrei repräsentiert, muss die Frequenz f p = 1kHz des periodischen Signals v p ((k) N ) auf dem DFT-Frequenzraster liegen; es muss also gelten: f p = m f A, m N, (3) N 2
3 wobei f p und N = 16 bereits festliegen. Damit ergibt sich für die Abtastfrequenz die Bedingung: f A = N f p 16 khz = m m. (4) Hieraus folgt unter Berücksichtigung der Schranken für die Abtastfrequenz gemäß (2) für die zulässigen Werte von m N: 2 m < 8, woraus sich schließlich genau zwei zulässige ganzzahlige Werte für die Abtastfrequenz f A ergeben: m 2 4 f A /khz 8 4 Für alle weiteren Berechnungen wurde (willkürlich) f A = 4 khz (N = 16, m = 4) (Frequenzinkrement f A /N = 4 khz/16 = 250Hz) gewählt. (Man beachte: Mit N = 64 ergeben sich selbstverständlich ein anderer Satz {m} und andere Abtastfrequenzen.) 4. Mit der auf die Abtastfrequenz f A normierten Kreisfrequenz entsprechend (3): Ω p = 2π f p f A = 2π N m ergibt sich die DFT des abgetasteten Signals allgemein zu: N 1 V (n) = cos( 2π N k=0 mk)w kn N = 1 2 N 1 (e j 2π N mk + e j 2π N mk )e j 2π N nk k=0 = 1 N 1 (e j 2π N k(m n) + e j 2π N k( m n) ) 2 k=0 = N 2 [δ(m n) + δ(( m n) N)] = N [δ(m n) + δ(n m n)], (5) 2 wobei die konkreten Werte N = 16 und m = 4 einzusetzen sind. Hierbei wurde die Summenorthogonalität der Drehfaktoren und die Modulo(N) Operation genutzt. 5. Das berechnete DFT-Spektrum (5) ist in der folgenden Abbildung dargestellt mit der physikalischen (khz) und der DFT-gemäßen (n) Beschriftung der Frequenzachse: Das Grundintervall der DFT liegt im Bereich 0 n < N = 16. Da das Signal v p (k) reellwertig und gerade bzgl. k = 0 ist, ist auch das periodische DFT-Spektrum reellwertig und bzgl. n = 0 und n = N/2 = 8 gerade. Da diesselben Symmetrien auch für das ursprüngliche kontinuierliche Signal (1) bzgl. t = 0 und f = 0 vorliegen, sind alle Koeffizienten (Spektrallinien) der Fourier Reihe gemäß der obigen Abbildung (b) des kontinuierlichen Signals in dem hier angegebenen periodischen DFT-Spektrum enthalten. 3
4 DFT-Spektrum fp =1kHz: N=16, fa= 4 khz N 2 V( n) Koeffizienten der Fourier-Reihe von vp( t) f/khz m DFT-Spektrum Grundperiode 6. Im Fall N = N + 1 = 17 ergibt sich aus (3): f p = (m + α) f A N, m N, α Q, (6) woraus mit den bisher verwendeten Werten f p = 1kHz und f A = 4 khz (N = 16, m = 4) folgt: m = m = 4, α = 1/4. Damit liegt die Frequenz des periodischen Signals (1) nicht mehr auf dem DFT Frequenzraster, und es kommt zum (spektralen) Leck-Effekt, der in der folgenden Abbildung (a) zusammen mit der zugrunde liegenden Ursache im Zeitbereich (b) grundsätzlich dargestellt ist: Das periodische, ursprünglich monofrequente Signal wird zu einem periodischen Signal mit Sprungstellen und weist somit bei allen Frquenzen Spektralanteile auf. 4
5 Aufgabe 2: Abtasttheoreme 25 Pkt. 1. Das Spektrum U (jω) des Signals u(t) ist reell und gerade (symmetrisch zur Frequenz f = 0). Aufgrund einer Symmetriebeziehung der Fourier-Transformation ist das zugehörige Signal reell und gerade. 2. Erstes Teilsystem (a) Das Signal u 1 (t) ist ein Tiefpass-Signal und lässt sich mit einem Tiefpass-Filter vom übrigen Signal separieren. (b) Die Eckfrequenz des Tiefpass-Filters kann im Bereich von f g,1 = [10MHz, 20MHz] gewählt werden. (c) Nach dem Abtasttheorem für reelle Tiefpass-Signale muss die Abtastrate f A,1 > 2f g,u1 (t) (mit der Grenzfrequenz f g,u1 (t) des Signals u 1 (t)) erfüllen. Demnach ist eine Wahl von f A,1 = 20MHz möglich. (d) Spektrum von V 1 ( e jω ), spiegelsymmetrisch zu Ω = pπ, p Z und 2π-periodisch j V 1 (e ) Zweites Teilsystem (a) Das Signal u 2 (t) ist ein Bandpass-Signal. Zur Separierung dieses Signals von u 1 (t) ist in diesem Fall ein Bandpass- oder ein Hochpass-Filter geeignet. (b) Die (untere) Eckfrequenz des Bandpass- bzw. Hochpass-Filters muss im Bereich von f g,2 = [10MHz, 20MHz] liegen. Der Wert der oberen Eckfrequenz eines Bandpass-Filters muss größer als 40MHz sein. (c) Es soll das Abtasttheorem für reelle Bandpass-Signale f A,2 4f c 4m ± 1 > 2b (mit der Mittenfrequenz f c = 30MHz, b < 20MHz und m N 0 ) angewendet werden. Die Abtastrate f A,2 wird mit m = 1 zu f A,2 = 4 30MHz = 40MHz 5
6 gewählt. (d) Spektrum von V 2 ( e jω ), spiegelsymmetrisch zu Ω = pπ, p Z und 2π-periodisch j V 2 (e ) Spektrum von Z 1 ( e jω ), 2π-periodisch (2π 20MHz) j Z 1 (e ) - 0 Spektrum von Z 2 ( e jω ), 2π-periodisch (2π 40MHz) j Z 2 (e ) 2-0 Die Frequenzgänge der digitalen Filter G(z) sind nicht spiegelsymmetrisch zu Ω = π, deshalb sind diese Filter komplexwertige Systeme. Die Signale v 1 (k) bzw. v 2 (k) werden durch diese Systeme verarbeitet, deshalb sind die Ausgangssignale z 1 (k) bzw. z 2 (k) komplexwertig. Es sind zudem (komplexe) analytische Signale. 5. Spektrum von Y 1 ( e jω ), 2π-periodisch 2 6
7 j Y 1 (e ) Spektrum von Y 2 ( e jω ), 2π-periodisch j Y 2 (e ) - 0 Unter Anwendung des Abtasttheorems für komplexe analytische Signale wäre es möglich, in beiden Fällen die jeweilige Abtastrate zu halbieren, da jeweils nur die Hälfte des zur Verfügung stehenden Spektrums ausgenutzt wird. 2 7
8 Aufgabe 3: Zustandsraumdarstellung 1. ZRD des Systems, wobei die Nummerierung der Zustandsspeicher aufsteigend von rechts nach links vorgenommen wurde (s. Abbildung): A = [ a1 b ] [ b0 ; b = 1 ] [ a1 ; c = b 1 ] ; d = b 0 (7) 2. ÜF des rekursiven Systems: H(z) = c T (zi A) 1 b + d H(z) = ( ) [ ] 1 [ ] z + a a 1 b 1 b 1 b0 1 + b 0 z = ( ) [ ][ ] z b z(z+a 1 a ) 1 b 1 b0 1 + b 0 z + a = z(b 0z + b 1 ) z(z + a 1 ) = b 0z + b 1 z + a 1 = b 0 + b 1 z 1 Y (z) = 1 + a 1 z 1 V (z) 3. Der alternative kanonische (daher aufwandsgünstigere) SFG des ursprünglichen Systems wurde von der letzten oben angegebenen Form der ÜF (8) abgeleitet und benötigt nur einen Zustandsspeicher: (8) Die minimale Systemordnung ist offenbar gegeben durch die Ordnung n = 1 der kanonischen Realisierung. 4. Der Frequenzgang des Systems (a) ergibt sich aus der (kanonischen) ÜF (8) mit der Substitution z := e jω zu: H(z) z=e jω = H(e jω ) = b 0 cos Ω + b 1 + jb 0 sin Ω (9) cos Ω + a 1 + j sin Ω Hieraus folgt der Betragsfrequenzgang (b) durch Betragsbildung: [ ] H(e jω (b0 cos Ω + b 1 ) 2 + b 2 1/2 0 ) = sin2 Ω b 2 0 (cos Ω + a 1 ) 2 + sin 2 = + b b 0b 1 cos Ω Ω 1 + a a 1 cos Ω 8 (10)
9 Ausgehend von (9) ist der Phasengang (c) definiert durch: ϕ(ω) = arg { H(e jω ) } = arctan Im { H(e jω ) } Re {H(e jω )} = arctan Im { Zaehler H(e jω ) } Re Zaehler {H(e jω )} + arctan Im { Nenner H(e jω ) } (11) Re Nenner {H(e jω )} b 0 sin Ω sin Ω = arctan + arctan (12) b 0 cos Ω + b 1 cos Ω + a 1 Ergänzender Lehrhinweis: Daraus liest man die Phase bei den Frequenzen f = Ω = 0 und f = f A /2 entsprechend Ω = 2πf/f A = π ab: ϕ(0) = ϕ(π) = 0. Da das System reellwertig ist (reelle Koeffizienten besitzt), ist bekannt, dass die Phase ein ungerade Funktion bzgl. den Frequenzen Ω = {0, π} ist und damit grundsätzlich für alle reellen Parameterwerte immer die angegebenen Phasenwerte bei Ω = {0, π} aufweist. 5. Systemeigenschaften: (a) Gemäß (8) besitzt das System 1. Ordnung einen Pol bei z = a 1. Folglich ist das System ein IIR (FIR) System, wenn a 1 0 (a 1 = 0) gilt. (b) Sowohl die ursprüngliche (siehe 1.) als auch die alternative (siehe 3.) Systemstruktur ist rekursiv, d.h., beide Systeme sind mit einer Rückkopplung ausgestattet, sofern a 1 0 gilt. (c) System ist strikt stabil (grenzstabil), wenn der Pol des Systems H(z) gemäß (8) innerhalb (nicht außerhalb) des Einheitskreises der z-ebene liegt: a 1 < 1 ( a 1 1); b 0, b 1 : beliebig. (d) Stabilitätsbedingung siehe 5(c). Minimalphasigkeit: Die Nullstelle des Systems H(z) gemäß (8) darf nicht außerhalb des Einheits-kreises der z-ebene liegen: b 1 b 0. Im Fall der Gleichheit liegt die Nullstelle auf der Peripherie des Einheitskreises und das System ist nicht invertierbar. Ist das System dagegen strikt stabil und strikt minimalphasig ( b 1 < b 0 ), so ist sowohl H(z) als auch 1/H(z) strikt stabil und strikt minimalphasig - und das System ist invertierbar. (e) Das System H(z) gemäß (8) ist genau dann linearphasig, wenn der Pol im Ursprung der z-ebene liegt: a 1 = 0, und wenn die IA (=Koeffizienten des Zählerpolynoms) des Systems symmetrisch oder antimetrisch ist: b 1 = b 0. Damit liegt die Nullstelle der ÜF (8) bei z 0 = ±1 auf der Peripherie des Einheitskreises der z-ebene, weshalb das System in diesem Fall insgesamt folgende Eigenschaften aufweist: i) Strikte Stabilität ii) Linearphasigkeit iii) einfache (nicht strikte) Minimalphasigkeit und ist daher nicht invertierbar iv) Struktur ist nichtrekursiv (siehe 3. bzw. (8)), woraus die FIR Eigenschaft folgt (begrenzte IA). 9
10 Aufgabe 4: Strukturen 25 Pkt. Gegeben waren die Signalflussgraphen (SFG) von zwei rekursiven digitalen Systemen mit reellen Parametern: 1. Die Differenzengleichung (dgl) von System 1 liest man unmittelbar aus dessen Signalflussgraphen (SFG) ab: bzw. nach Umstellung: y(k) = v(k 1) + 2r cosϕ y(k 1) r 2 y(k 2) (13) y(k) 2r cosϕ y(k 1) + r 2 y(k 2) = v(k 1). (14) 2. Bestimmung der Übertragungsfunktion (ÜF) H 1 (z) von System 1: Unterwirft man die dgl (14) der z-transformation (zt) unter Beachtung des Verschiebungssatzes der zt, so erhält man: Y (z)[1 2r cos ϕ z 1 + r 2 z 2 ] = V (z) z 1. (15) Daraus folgt unmittelbar die ÜF von System 1 durch Umstellung: H(z) = Y (z) V (z) = z 1 1 2r cosϕ z 1 + r 2 z = z 2 z 2 2r cosϕ z + r2. (16) 3. Zur Bestimmung der Übertragungsfunktion (ÜF) H 2 (z) von System 2 werden mit den einfachen Rechenregeln für SFG alle abhängigen Knoten in Innern des Systems schrittweise eliminiert, bis nur noch der (nicht eliminierbare) Quellknoten V (z) v(k) und der (abhängige) Ausgangsknoten Y (z) y(k) verbleiben. Schritt 1: Elimination der kleinen Schleifen um die Verzögerungsglieder entsprechend der Elimination der Knoten C,D (oberer Zweig) und E,F (unterer Zweig). Exemplarisch für den oberen Zweig gilt die Regel: G = z 1 A + r cosϕ z 1 G G = 10 z 1 1 r cosϕ z 1A = A z r cosϕ, (17)
11 was nachfolgend mit den 3 Schritten (a)-(c) bildlich dargestellt ist: Ergebnis 1: Schritt 2 Elimination des Knotens G: Schritt 3 Elimination des Knotens A, wobei zu beachten ist, dass cotϕ = cos ϕ/ sinϕ gilt: und Eli- Schritt 4 Zusammenfassung der beiden Eingangszweige zu a + r cos ϕ mination des Knotens B: z r cos ϕ 11
12 Die Elimination der verbleibenden Schleife führt schließlich über zu Y (z) = Y (z){1 + a(z r cos ϕ) + r cosϕ (z r cos ϕ) 2 V (z) r2 sin 2 ϕ (z r cosϕ) 2 Y (z) r2 sin 2 ϕ a(z r cosϕ) + r cosϕ } = V (z) (z r cosϕ) 2 (z r cosϕ) 2 und mit einer letzten Unstellung zur ÜF von System 2: H(z) = Y (z) V (z) = a(z r cosϕ) + r cosϕ z 2 2r cosϕ z + r 2. (18) 4. Der Vergleich der ÜF (16) und (18) zeigt, dass die ÜF beider Systeme identische Nennerpolynome aufweisen und somit das gleiche konjugiert komplexe Polpaar besitzen (Konsequenz der Reellwertigkeit): z 1,2 = r(cosϕ ± j sin ϕ) = re ±jϕ 5. Der Vergleich der ÜF (16) und (18) zeigt schließlich, dass beide ÜF vollständig identisch sind, wenn man dem bislang nicht festgelegten Koeffizienten den Wert a = 1 zuordnet. 12
Aufgabe 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
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
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...
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
MehrZusammenfassung der 1. Vorlesung
Zusammenfassung der 1. Vorlesung Einordnung und Motivation Grundlegende Definitionen Kontinuierliches Signal Zeitdiskretes Signal Quantisiertes Signal Digitales Signal Kontinuierliches System Abtastsystem
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
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
MehrVerzerrungsfreies System
Verzerrungsfreies System x(n) y(n) n n x(n) h(n) y(n) y(n) A 0 x(n a) A 0 x(n) (n a) h(n) A 0 (n a) H(z) A 0 z a Digitale Signalverarbeitung Liedtke 8.1.1 Erzeugung einer linearen Phase bei beliebigem
MehrSignale und Systeme II
TECHNISCHE FAKULTÄT DER CHRISTIAN-ALBRECHTS-UNIVERSITÄT ZU KIEL DIGITALE SIGNALVERARBEITUNG UND SYSTEMTHEORIE DSS Signale und Systeme II Lösung zur Modulklausur SS 201 Prüfer: Prof. Dr.-Ing. Gerhard Schmidt
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)
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
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
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
Mehr(s + 3) 1.5. w(t) = σ(t) W (s) = 1 s. G 1 (s)g 2 (s) 1 + G 1 (s)g 2 (s)g 3 (s)g 4 (s) = Y (s) Y (s) W (s)g 1 (s) Y (s)g 1 (s)g 3 (s)g 4 (s)
Aufgabe : LAPLACE-Transformation Die Laplace-Transformierte der Sprungantwort ist: Y (s) = 0.5 s + (s + 3).5 (s + 4) Die Sprungantwort ist die Reaktion auf den Einheitssprung: w(t) = σ(t) W (s) = s Die
MehrBetrachtetes Systemmodell
Betrachtetes Systemmodell Wir betrachten ein lineares zeitinvariantes System mit der Impulsantwort h(t), an dessen Eingang das Signal x(t) anliegt. Das Ausgangssignal y(t) ergibt sich dann als das Faltungsprodukt
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
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
MehrSSYLB2 SS06 Daniel Schrenk, Andreas Unterweger Übung 8. Laborprotokoll SSY. Diskrete Systeme II: Stabilitätsbetrachtungen und Systemantwort
SSYLB SS6 Daniel Schrenk, Andreas Unterweger Übung 8 Laborprotokoll SSY Diskrete Systeme II: Stabilitätsbetrachtungen und Systemantwort Daniel Schrenk, Andreas Unterweger, ITS 4 SSYLB SS6 Daniel Schrenk,
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
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=
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,
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)
Mehr19. Frequenzgangkorrektur am Operationsverstärker
9. Frequenzgangkorrektur am Operationsverstärker Aufgabe: Die Wirkung komplexer Koppelfaktoren auf den Frequenzgang eines Verstärkers ist zu untersuchen. Gegeben: Eine Schaltung für einen nichtinvertierenden
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
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
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...
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
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
MehrMathematica - Notebooks als Bonusmaterial zum Lehrbuch
R. Brigola, TH Nürnberg Georg Simon Ohm, 2014 Mathematica - Notebooks als Bonusmaterial zum Lehrbuch [1] Rolf Brigola Fourier-Analysis und Distributionen, Eine Einführung mit Anwendungen, edition swk,
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
MehrMathematische Erfrischungen III - Vektoren und Matrizen
Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen
MehrSignale und Systeme Ergänzungen zu den Spektraltransformationen
Signale und Systeme Ergänzungen zu den Spektraltransformationen Gerhard Schmidt Christian-Albrechts-Universität zu Kiel Technische Faculty of Engineering Fakultät Elektrotechnik Institute of Electrical
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
MehrErgänzung zu komplexe Zahlen
Juli 2015 Übersicht 1 Ortskurven 2 Wechselstromkreis mit ohmschem und kapazitivem Widerstand (Parallelschaltung) i(t) u(t) R C Bei festen Werten für den ohmschen Widerstand R und die Kapazität C ergibt
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
MehrElektronik Prof. Dr.-Ing. Heinz Schmidt-Walter
6. Aktive Filter Filterschaltungen sind Schaltungen mit einer frequenzabhängigen Übertragungsfunktion. Man unterscheidet zwischen Tief, Hoch und Bandpässen sowie Sperrfiltern. Diesen Filtern ist gemeinsam,
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
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,
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
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
MehrVersuchsprotokoll zum Versuch Nr. 9 Hoch- und Tiefpass
In diesem Versuch geht es darum, die Kennlinien von Hoch- und Tiefpässen aufzunehmen. Die Übertragungsfunktion aller Blindwiderstände in Vierpolen hängt von der Frequenz ab, so daß bestimmte Frequenzen
MehrNachrichtentechnik [NAT] Kapitel 6: Analoge Filter. Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik
Nachrichtentechnik [NAT] Kapitel 6: Analoge Filter Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik Sommersemester 25 Inhaltsverzeichnis Inhalt Inhaltsverzeichnis 6 Analoge Filter 3 6. Motivation..................................
MehrAnaloge und digitale Filter
Technische Universität Ilmenau Fakultät Elektrotechnik und Informationstechnik FG Nachrichtentechnik Übungsaufgaben zur Lehrveranstaltung Analoge und digitale Filter Filter. Ordnung. Betrachtet wird ein
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
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
MehrAufgabe 3. Signal Processing and Speech Communication Lab. Graz University of Technology
Signal Processing and Speech Communication Lab. Graz University of Technology Aufgabe 3 Senden Sie die Hausübung bis spätestens 15.06.2015 per Email an hw1.spsc@tugraz.at. Verwenden Sie MatrikelNummer1
MehrMathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren
Mathematik II Frühlingsemester 215 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren www.math.ethz.ch/education/bachelor/lectures/fs215/other/mathematik2 biol Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/
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
MehrSignale und Systeme. A1 A2 A3 Summe
Signale und Systeme - Prof. Dr.-Ing. Thomas Sikora - Name:............................... Vorname:.......................... Matr.Nr:.............................. Ergebnis im Web mit verkürzter Matr.Nr?
MehrHöhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 10. Übungsblatt. < 0 für alle t > 1. tan(x) tan(0) x 0
KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmann WS 03/4 Höhere Mathematik I für die Fachrichtung Informatik Lösungsvorschläge zum 0. Übungsblatt Aufgabe
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
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
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
MehrRealisierung digitaler Filter FHTW-Berlin Prof. Dr. F. Hoppe 1
Realisierung digitaler Filter FHTW-Berlin Prof. Dr. F. Hoppe System zur digitalen Signalverarbeitung: Signal- Quelle AAF ADC DAC RCF DSP Po rt Po rt Signal- Ziel Das Bild zeigt ein allgemeines System zur
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
MehrKomplexe Funktionen. für Studierende der Ingenieurwissenschaften Technische Universität Hamburg-Harburg. Reiner Lauterbach. Universität Hamburg
Komplexe Funktionen für Studierende der Ingenieurwissenschaften Technische Universität Hamburg-Harburg Reiner Lauterbach Universität Hamburg SS 2006 Reiner Lauterbach (Universität Hamburg) Komplexe Funktionen
MehrPP Physikalisches Pendel
PP Physikalisches Pendel Blockpraktikum Frühjahr 2007 (Gruppe 2) 25. April 2007 Inhaltsverzeichnis 1 Einführung 2 2 Theoretische Grundlagen 2 2.1 Ungedämpftes physikalisches Pendel.......... 2 2.2 Dämpfung
MehrFourier- und Laplace- Transformation
Übungsaufgaben zur Vorlesung Mathematik für Ingenieure Fourier- und Lalace- Transformation Teil : Lalace-Transformation Prof. Dr.-Ing. Norbert Hötner (nach einer Vorlage von Prof. Dr.-Ing. Torsten Benkner)
MehrFormelanhang Mathematik II
Formelanhang Mathematik II Mechatronik 2. Sem. Prof. Dr. K. Blankenbach Wichtige Formeln: - Euler: e j = cos() + j sin() ; e -j = cos() - j sin() - Sinus mit Phase: Übersicht Differentialgleichungen (DGL)
MehrDefinition von Sinus und Cosinus
Definition von Sinus und Cosinus Definition 3.16 Es sei P(x y) der Punkt auf dem Einheitskreis, für den der Winkel von der positiven reellen Halbachse aus (im Bogenmaß) gerade ϕ beträgt (Winkel math. positiv,
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
MehrFunktionen. Mathematik-Repetitorium
Funktionen 4.1 Funktionen einer reellen Veränderlichen 4.2 Eigenschaften von Funktionen 4.3 Die elementaren Funktionen 4.4 Grenzwerte von Funktionen, Stetigkeit Funktionen 1 4. Funktionen Funktionen 2
MehrVorkurs Mathematik für Wirtschaftsingenieure und Wirtschaftsinformatiker
Vorkurs Mathematik für Wirtschaftsingenieure und Wirtschaftsinformatiker Übungsblatt Musterlösung Fachbereich Rechts- und Wirtschaftswissenschaften Wintersemester 06/7 Aufgabe (Definitionsbereiche) Bestimme
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
MehrKomplexe Zahlen. Die bildliche Vorstellung einer komplexen Zahl z = (a, b) stellt ein Punkt in der Bildebene dar. Die Elemente der Menge:
Komplexe Zahlen Die bildliche Vorstellung einer komplexen Zahl z = (a, b) stellt ein Punkt in der Bildebene dar. Die Elemente der Menge: R = R R = {(a, b) a, b R} heißen komplexe Zahlen wenn für die Verknüpfung
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
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
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
MehrMusterlösung zur Klausur. Grundlagen der Mechatronik
26.3.212 Musterlösung zur Klausur Grundlagen der Mechatronik Name: Matrikel-Nr.: Hinweise zur Bearbeitung: Die Klausur besteht aus 4 Aufgaben. Es sind alle Aufgaben zu bearbeiten. Die Bearbeitungszeit
MehrLösungen zur Klausur Funktionentheorie I SS 2005
Universität Karlsruhe 29 September 25 Mathematisches Institut I Prof Dr M von Renteln Dr C Kaiser Aufgabe en zur Klausur Funktionentheorie I SS 25 Sei S die Möbiustransformation, die durch S(z) = i i z
MehrSignalübertragung und -verarbeitung
ILehrstuhl für Informationsübertragung Schriftliche Prüfung im Fach Signalübertragung und -verarbeitung 6. Oktober 008 5Aufgaben 90 Punkte Hinweise: Beachten Sie die Hinweise zu den einzelnen Teilaufgaben.
MehrBehandlung der komplexen Darstellung von Wellen: Negative Frequenzen und komplexe Felder
Behandlung der komplexen Darstellung von Wellen: Negative Frequenzen und komplexe Felder Bei der Behandlung reeller elektromagnetischer Felder im Fourierraum ist man mit der Tatsache konfrontiert, dass
MehrRegelungs- und Systemtechnik 1 - Übung 6 Sommer 2016
4 6 Fachgebiet Regelungstechnik Leiter: Prof. Dr.-Ing. Johann Reger Regelungs- und Systemtechnik - Übung 6 Sommer 26 Vorbereitung Wiederholen Sie Vorlesungs- und Übungsinhalte zu folgenden Themen: Zeitkonstantenform
MehrFlüsse, Fixpunkte, Stabilität
1 Flüsse, Fixpunkte, Stabilität Proseminar: Theoretische Physik Yannic Borchard 7. Mai 2014 2 Motivation Die hier entwickelten Formalismen erlauben es, Aussagen über das Verhalten von Lösungen gewöhnlicher
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
MehrKreuze nur die zutreffenden Eigenschaften für die folgenden Funktionen im richtigen Feld an!
Teil : Grundkompetenzen ( Punkte) Beispiel : ( Punkt) Die nebenstehende Graphik stellt ein eponentielles Wachstum der Form f() = a b (a, b R + ) dar. Bestimme aus dem Graphen die Werte der Konstanten a
MehrRegelungs- und Systemtechnik 1 - Übung 5 Sommer 2016
4 6 Fachgebiet Regelungstechnik Leiter: Prof. Dr.-Ing. Johann Reger Regelungs- und Systemtechnik 1 - Übung 5 Sommer 216 Vorbereitung Wiederholen Sie Vorlesungs- und Übungsinhalte zu folgenden Themen: Skizzieren
Mehr3.3.1 Digitale Filter
Leseprobe Digitale Signalverarbeitung Abschnitt aus Algorithmische Bausteine 3.3.1 Digitale Filter In den folgenden Abschnitten sollen die digitalen Filter im Gegensatz zum Abschnitt Grundlagen der DSV
MehrZulassungsprüfung für den Master-Studiengang in Elektrotechnik und Informationstechnik an der Leibniz Universität Hannover
Zulassungsprüfung für den Master-Studiengang in Elektrotechnik und Informationstechnik an der Leibniz Universität Hannover Zulassungsjahr: 04 (Sommersemester) Allgemeine Informationen: Der deutschsprachige
Mehr1 Euklidische und unitäre Vektorräume
1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen
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
MehrReell. u(t) Komplex u(t), Zeitabhängig Zeitunabhängig. u(t)e jωt. Reell Û. Elektrische Größe. Spitzenwert. Komplex Û. Reell U. Effektivwert.
Aufgaben Reell u(t) Elektrische Größe Zeitabhängig Zeitunabhängig Spitzenwert Effektivwert Komplex u(t), Reell Û Komplex Û Reell U Komplex U u(t)e jωt Institut für Technische Elektronik, RWTH - Aachen
MehrÜbung 8: Digitale Modulationen
ZHW, NTM, 25/6, Rur ufgabe : Modulationsarten. Übung 8: Digitale Modulationen Die Datensequenz wird bei einer festen Bitrate von Mb/s mittels 3 verschiedener Modulationsarten übertragen. Charakterisieren
MehrDierentialgleichungen 2. Ordnung
Dierentialgleichungen 2. Ordnung haben die allgemeine Form x = F (x, x, t. Wir beschränken uns hier auf zwei Spezialfälle, in denen sich eine Lösung analytisch bestimmen lässt: 1. reduzible Dierentialgleichungen:
Mehr4. Passive elektronische Filter
4.1 Wiederholung über die Grundbauelemente an Wechselspannung X Cf(f) X Lf(f) Rf(f) 4.2 Einleitung Aufgabe 1: Entwickle mit deinen Kenntnissen über die Grundbauelemente an Wechselspannung die Schaltung
MehrAntialiasing-Filter. Die erforderliche Dämpfung des Antialiasingfilters bei der halben Abtastfrequenz errechnet sich nach (bei N-Bit ADU): f f.
ntialiasing-filter Bei der btastung eines auf f < fb bandbeenzten Messsignal ergibt sich, wie später gezeigt wird, für das abgetastete ignal eine periodische Wiederholung des Basisspektrums. m Überlappungen
MehrKlausur zum Fach Mathematik 1 Teil 1
(Name) (Vorname) (Matrikelnummer) Fachbereich Elektrotechnik und Informationstechnik Prof. Georg Hoever 06.07.202 Klausur zum Fach Mathematik Teil Bearbeitungszeit: 90 Minuten Hilfsmittel: ein (beidseitig)
MehrKapitel 7. Funktionentheorie. 7.1 Holomorphe und harmonische Funktionen. 1. Definitionen
Kapitel 7 Funktionentheorie In diesem Kapitel geht es meistens um Funktionen, die auf einem Gebiet G C definiert sind und komplexe Werte annehmen. Nach Lust, Laune und Bedarf wird C mit R identifiziert,
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
MehrBaudynamik und Zustandsanalyse
Baudynamik und Zustandsanalyse Eine Einführung in die Baudynamik mit Mathematica Das vorliegende Skript wurde im Original mit dem Programmsystem MATHEMATICA von WOLFRAM-Research [http://www.wolfram.com]
MehrC orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =
1 v Die Länge Def. Sei (V,, ) ein Euklidscher Vektorraum. Für jeden Vektor v V heißt die Zahl v,v die Länge von v und wird v bezeichnet. Bemerkung. Die Länge des Vektors ist wohldefiniert, da nach Definition
Mehreine Folge in R, für die man auch hätte schreiben können, wenn wir alle richtig raten, was auf dem Pünktchen stehen sollte.
Analysis, Woche 5 Folgen und Konvergenz A 5. Cauchy-Folgen und Konvergenz Eine Folge in R ist eine Abbildung von N nach R und wird meistens dargestellt durch {x n } n=0, {x n} n N oder {x 0, x, x 2,...
MehrEntwurf von IIR-Filtern
Kapitel Entwurf von IIR-Filtern. Einleitung.. Darstellung von IIR-Filtern im Zeitbereich y[n] = b 0 x[n] + b x[n ] + b 2 x[n 2] +... + b M x[n M].) a y[n ] a 2 y[n 2]... a N y[n N] = M N b k x[n k] a m
MehrTaschenbuch der Elektrotechnik
Taschenbuch der Elektrotechnik Grundlagen und Elektronik von Ralf Kories, Heinz Schmidt-Walter überarbeitet Taschenbuch der Elektrotechnik Kories / Schmidt-Walter schnell und portofrei erhältlich bei beck-shop.de
Mehr2.6 Der komplexe Logarithmus und allgemeine Potenzen
2.6 Der komplexe Logarithmus und allgemeine Potenzen Ziel: Umkehrung der komplexen Exponentialfunktion fz) = expz). Beachte: Die Exponentialfunktion expz) ist für alle z C erklärt, und es gilt Dexp) =
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
MehrMusterlösung zur Aufgabe A4.1
Musterlösung zur Aufgabe A4.1 a) Mit N = 8 Bit können insgesamt 2 8 Quantisierungsintervalle dargestellt werden M = 256. b) Nummeriert man die Quantisierungsintervalle von 0 bis 255, so steht die Bitfolge
MehrNumerische Methoden und Algorithmen in der Physik
Numerische Methoden und Algorithmen in der Physik Hartmut Stadie, Christian Autermann 29.01.2009 Numerische Methoden und Algorithmen in der Physik Hartmut Stadie 1/ 18 Einführung Fourier-Transformation
MehrDifferenzengleichungen
Universität Basel Wirtschaftswissenschaftliches Zentrum Differenzengleichungen Dr. Thomas Zehrt Inhalt: 1. Einführungsbeispiele 2. Definition 3. Lineare Differenzengleichungen 1. Ordnung (Wiederholung)
Mehr