Geschwindigkeits und Beschleunigungsmessung mittels der,,quasi-quadratur-demodulation
|
|
- Lena Falk
- vor 5 Jahren
- Abrufe
Transkript
1 Geschwindigkeits und Beschleunigungsmessung mittels der,,quasi-quadratur-demodulation C. Fechtmann ZARM Universität Bremen, Am Fallturm, D Bremen / Germany In diesem Beitrag soll ein Verfahren vorgestellt werden, dass eine Bestimmung der instantanen Frequenz für LDA Burst-Signale auch mit nur einer einzigen Eingangsgröße erlaubt, indem das benötigte zweite, um 90 phasenversetzte Signal auf digitalem Wege erzeugt wird. Die Genauigkeit der Bestimmung der Frequenz sowie auch der Frequenzänderung in Abhängigkeit vom Signal-Rauschverhältnis wird anhand von numerischen Daten aufgezeigt. Einleitung Die Quadratur-Demodulation (QDT) ist eine der möglichen Signalverarbeitungstechniken für die Frequenzbestimmung von LDA - Burst-Signalen. Da im Rahmen der GALA bereits vielfach die Eigenschaften, Möglichkeiten und Anwendungen der QDT vorgestellt wurden, soll die normale Quadratur-Demodulation hier nur noch kurz erläutert werden. Die QDT erlaubt im Gegensatz zum FFT-Verfahren die Bestimmung einer "instantanen" Frequenz, was sie für die gleichzeitige Bestimmung von Geschwindigkeiten und Beschleunigungen interessant macht. sinϕ( ϕ( = atan cosϕ( f t = ϕ und ϕ ( ) f ( = 2 2 TP TP Vorrausetzung für den Einsatz der Quadratur-Demodulation ist jedoch das Vorliegen eines Signalpaares mit 90 Phasenversetzung. Dieses kann etwa durch den Einsatz eines Frequenzshiftes f s z.b. mittels einer Braggzelle [1], optischer Frequenzdifferenzen [2] bzw. durch Ausnutzung des Frequenzunterschiedes von zwei oder mehr Lasern [3] (Heterodyn-Technik) oder auch durch um zwei phasenversetzte Interferenzstreifenmuster (Homodyn-Technik) erzeugt werden [4]. Im Falle der Heterodyn-Techniken wird das Signal durch die Tiefpassfilterung ins Basisband verschoben und somit unabhängig vom verwendeten Frequenzshift. Dies funktioniert selbst im Falle eines stochastischen Frequenzshiftes, wodurch selbst bei nominell gleichen Frequenzshiftfbereichen auf diese Weise die unterschiedlichen Kanäle getrennt werden können [3].
2 Allen diesen Verfahren ist die Verwendung von einem Signalpaar je Geschwindigkeitskomponente gemeinsam. Die unterschiedliche Phasenbeziehung zwischen den beiden Signalen ermöglicht dann auch die Erkennung der Geschwindigkeitsrichtung bzw. des Vorzeichens der Frequenz / Phasenfunktion, wie in Abb. 2 zu sehen. Abb. 2: Positive und negative Phasenfunktion, sowie die dazugehörigen Signalpaare. Die QDT arbeitet im Zeitraum und ist z.b. mittels einer Look-Up Tabelle ohne großen Aufwand einfach in einem DSP oder FPGA zu implementieren [5]. Es ist außerdem ein sehr schneller Algorithmus O(N), d.h. er verfügt über keine Totzeit, sondern kann kontinuierlich betrieben werden, was vor allem für die Analyse von LDA-Signalen in Echtzeit wichtig ist. Hierbei ist bei der QDT eine Messung der Frequenz selbst bei weniger als einer Signalperiode möglich [6]. Die Samplingrate sollte auch nicht zu groß gewählt werden, da es sonst bei sehr langen Signalen zu Integerüberläufen bzw. Rundungsfehlern bei der Berechnung der Frequenz kommen kann. Im Vergleich dazu liefern Counter-Verfahren nur 2 Werte je Periode und daher eine zu geringe Datenrate für übliche LDA-Burstsignale von ca Perioden im Messvolumen. Bei diesen Verfahren ist häufig selbst der Fehler für die Geschwindigkeitsmessung relativ hoch. Im Falle der Fast Fourier Transformation (FFT) macht der Integralcharakter der FFT die Bestimmung der Beschleunigungskomponente der Geschwindigkeit schwierig. Eine Möglichkeit der Realisierung wurde vorgeschlagen, indem das Burst-Signal in zwei Hälften gesplittet wird und die Frequenz für jeden dieser Teile einzelnd bestimmt wird. Natürlich leidet die Frequenzbestimmung für jeden dieser Teile unter der verringerten Datenbasis, sowie unter der Asymmetrie der aus der Teilung resultierenden Signalhälften [7]. In einem anderen Ansatz wird zusätzlich zum Amplitudenspektrum der FFT auch noch das Phasenspektrum analysiert [8]. Die Genauigkeit der Beschleunigungsmessung ist allerdings in beiden Fällen nur mäßig. Bei der QDT wird über alle gleichzeitig im Signalpaar auftretenden Frequenzen gemittelt, was speziell bei Doppel- oder Mehrfachbursts bei LDA-Signalen zu einem Problem werden kann. Bei zeitlich gut zu trennenden Bursts kann hier die FFT eine deutlich bessere Frequenztrennung erzielen. Liegen die Bursts aber zeitlich zu dicht
3 beieinander, so tritt auch hier Interferenz zwischen den jeweiligen Frequenzen auf, die wiederum auch bei der FFT zu fehlerhaft bestimmten Frequenzen bzw. Geschwindigkeiten führt. Eine bessere Signaltrennung im Frequenz- wie im Zeitbereich lässt sich mit der (diskreten) Wavelet-Transformation (DWT) erzielen. Durch die Eigenschaft der QDT, das Signal ins Basisband transferieren zu können, lässt sich die QDT ideal mit der DWT verbinden. Auf diese Weise können auch im Zeitbereich sehr dicht aufeinander folgende Bursts analysiert werden, solange ihre Frequenzen in unterschiedliche Levels der DWT fallen oder sie zeitlich separierbar sind. Im Gegensatz zur FFT kennt die QDT auch keine Ensemble-Intervalle, d. h. dass etwa wie bei der FFT immer 2^k Samples für die Analyse benötigt werden. Steht eine Möglichkeit zur Verfügung, die Qualität des Burst-Signals abzuschätzen (etwa durch Betrachtung des Einhüllenden des Bursts oder aus Analyse der DWT-Koeffizienten), so kann eine beliebige Anzahl von Punkten für die Frequenzanalyse herangezogen werden. Diese wird z.b. durch die Verwendung einer mit der Leistung des Signals gewichteten linearen Regression ersten oder zweiten Grades der Phasenfunktion für die Geschwindigkeits- bzw. Geschwindigkeits- und Frequenzbestimmung realisiert. Wie auch bei den meisten anderen Verfahren, wird bei der QDT die maximale zu analysierende Frequenz durch die Samplingrate begrenzt. Es gilt wie bei der FFT das Nyquist-Theorem, wobei hier die maximal zu ermittelnde Frequenz durch einen Phasensprung von mehr als +/- π von Sample zu Sample gegeben ist. Die Genauigkeit der Frequenzbestimmung ist nicht nur durch die Cramer-Rao Grenze beschränkt, sondern hängt auch noch von der verwendeten Auflösung der Digitalisierung ab, da ja aus dem Arcustangens des Quotienten der beiden Signalpaare die Phasenfunktion und damit letztendlich die Frequenz bestimmt wird. Die untere Grenze für verwertbare Burst-Signale liegt dabei für die Frequenz bei LDA typischen Signalen meist bei einem SNR von ca. 10 db. Dies ist aber zum einen abhängig von der Anzahl der signifikanten Samples über die gemittelt wird, zum anderen von der Menge zusätzlichen Rauschens durch die Digitalisierung bzw. Quantisierung. Ferner benötigt die normale QDT benötigt immer ein um 90 phasenverschobenes Signalpaar, was jedoch nicht immer zur Verfügung steht, wenn z.b. nur ein einziger Analog-Digital-Konverter vorhanden ist. Die Quasi-Quadratur-Demodulation Bei dem hier vorgestellten neuen Verfahren wird eben dieses zweite, phasenverschobene Signal auf digitalem Wege erzeugt. Hierzu wird anstelle des Sinus/Kosinus das gemessene Burstsignal und seine Ableitung als Signalpaar für die Quadratur-Demodulation verwendet wird: b'( ϕ( ) ϕ ( = atan b( ϕ( )
4 Die Berechnung der Ableitung b' ( ϕ ( ) erfolgt mittels einer Least-Square Approximation durch ein Polynom 4. Grades aus den gemessenem Burstsignal. Zusätzlich wird auch das Originalsignal b( ϕ ( ) mit diesem Polynom gefittet, um für eine verbesserte Rauschunterdrückung zu sorgen. Die Realisierung der Ableitungsberechnung mittels eines Savitzky-Golay Filters (speziell Polynom 4. Grades mit 7 Stützstellen) erlaubt eine schnelle Implementation des LSQ-Fits als FIR-Filter [9]. Im nachfolgenden Bild sind sowohl ein Sinus (ro / Cosinus (blau) Signalpaar, als auch die aus dem Sinussignal berechneten Polynomfits für die 0. (grün) und 1. Ableitung (cyan) sowie die einhüllende Gaußkurve (magenta) dargestellt. Für die Signalberechnung wurden für die hier gezeigten Ergebnisse folgende Funktionen verwendet: f ( = t. s( + noise( b( = mit 1+ 1/ SNR ( t t = 2 0 ) f ( s( sin( π ( t t ) f ( ) * exp 0 N 2 Amplitude Zeit Abb. 3. Sinus (ro und Kosinus (blau) modulierter Burst (Einhüllende magenta), sowie ein LSQ-Fit des Sinus-modulierten Burstsignals mit einem Polynom 4. Grades und 7 Stützstellen (grün) und seiner ersten Ableitung (cyan) für einen Oversamplingfaktor von 12 und N = 5. Dies Verfahren ist somit prinzipiell geeignet, aus nur einem Eingangssignal ein um 90 phasenversetztes Signal zu erzeugen. Jedoch ist wegen des Polynomcharakters der Fitfunktion eine Berechnung der Approximation nur für einen eingeschränkten Bereich des Oversamplingfaktors fs/f mit guter Qualität möglich, da sich immer nur der zentrale Bereich der Sinus/Cosinus-Funktion gut approximieren lässt. Dieses Problem kann aber durch die zusätzliche Verwendung der DWT relativiert werden. Diese passt die Samplingrate des Originalsignals durch das inherente dyadische Downsampling immer wieder entsprechend an die Anforderung des LSQ- Fits an. Von besonderem Interesse für die Implementation ist hierbei der Oversamplingbereich von 8 bis 16 aufgrund des relativ niedrigen mindestens erforderlichen Oversamplingfaktors und der noch geringen Anzahl der benötigten Koeffizienten der Fit-Funktion.
5 Aus der so ermittelten Phasenfunktion φ( wird mittels (gewichteter) linearer Regression über den signifikanten Teil des Signals die mittlere Frequenz, sowie die Änderung der Frequenz innerhalb des Bursts ermittelt: 2 ϕ( f ϕ ( t ) = f t + f t + d bzw. f b ( = = t + f Abb. 4: Mittelwert der Abweichung von der Frequenz f bzw. der Frequenzänderung f (schwarz), sowie das jeweils dazugehörige 99% Konfidenzintervall (grün) und die maximal auftretenden Abweichungen (rot gepunkte in Abhängigkeit von Oversamplingfaktor fs/f. Die Häufigkeitsverteilung der Abweichungen ist farblich codiert von weiß nach dunkelrot. Im Bild 4 sind die Abweichungen von der Frequenz bzw. der Frequenzänderung in Abhängigkeit vom Oversampling fs/f für ein SNR von 40 db und N = 100 dargestellt. Die Ableitung mittels eines Polynomfits ist jedoch nicht perfekt, weshalb ich dieses Verfahren auch nur als Quasi -Quadratur-Demodulation bezeichnen möchte. Der Fehler für die Frequenzbestimmung ist aber deutlich kleiner als die sonst üblichen Messungenauigkeiten für LDA Systeme z.b. aufgrund von Variationen des Interferenzstreifenabstandes innerhalb des Messvolumens. Auch lässt sich der für dieses Verfahren typische, vom Verhältnis von fs / f abhängige Bias-Fehler, im nach hinein bei bekannter Samplingrate für jede so bestimmte Frequenz bzw. Frequenzänderung korrigieren, womit der Gesamt-Fehler sich noch weiter reduzieren lässt. Der Einsatz der diskreten Wavelettransformation (DWT) (oder eines anderen entsprechenden Algorithmus) zur Anpassung der Samplingrate ist für dieses Verfahren aber unvermeidlich. Die DWT hat als dyadischer Bandpassfilter aber auch noch den Vorteil Rauschen aus den übrigen Bändern/Level zu unterdrücken und somit das für die Analyse relevante Signalband zu verbessern. Des Weiteren erlaubt die DWT z.b. mittels Thresholding eines Moving Average der Wavelet-Koeffizienten eine Bursterkennung, sowie das Start / Stop Signal für die Quasi-Quadratur- Demodulations Berechnung, sowie die Wichtungsfaktoren für die lineare Regression bei der Analyse der Phasenfunktion zu liefern.
6 Abb. 5: Mittelwert der Abweichung von der Frequenz f bzw. der Frequenzänderung f (schwarz), sowie das jeweils dazugehörige 99% Konfidenzintervall (grün) und die maximal auftretenden Abweichungen (rot gepunkte in Abhängigkeit von Signal-Rauschverhältnis SNR. Die Häufigkeitsverteilung der Abweichungen ist wieder farblich codiert dahintergelegt. Abb. 6: Mittelwert der Abweichung von der Frequenz f bzw. der Frequenzänderung f für bessere SNR. Die Darstellung ist sonst Analog zur Abbildung 5.
7 In den Abbildungen 5 und 6 werden die Abweichungen von der Frequenz f bzw. der Frequenzänderung f (schwarz) in Abhängigkeit vom Signal-Rauschverhältnis SNR für einen Oversamplingfaktor von 12 mit N = 10 ohne Korrektur des fs/f-bias und ohne gewichtete lineare Regression dargestellt. Für geringe SNR lässt sich in Abb. 5 schnell abschätzen, dass für Geschwindigkeitsmessungen dieses Verfahren ab dem für die QDT typischen Wert von SNR > 10 db einsetzbar ist. Zwar ist der Fehler bei Beschleunigungsmessungen etwa eine Zehnerpotenz größer als für die Geschwindigkeitsmessung, so dass diese erst ab einem SNR > 15 db eine akzeptable Abweichung von den Sollwerten aufweist. Dieser Wert ist aber sehr gut im Vergleich zu den bisher mir bekannten Verfahren zur Berechnung der Beschleunigungskomponente. Hierbei ist auch noch zu berücksichtigen, dass dieser Fehler sehr stark von der Anzahl der Perioden bzw. Messpunkte im Messvolumen abhängig ist. Beschleunigungsmessungen sind daher nur für sehr große Messvolumen oder große Geschwindigkeitsgradienten sinnvoll einzusetzen. Letztere treten jedoch in viel mehr technischen Anwendungen auf, als man annehmen würde. Zusammenfassung Das hier vorgestellte Verfahren der Quasi -Quadratur-Demodulation erlaubt es auch bei nur einer einzigen vorhandenen Eingangsgröße die Möglichkeiten der normalen Quadratur-Demodulation (QDT) zu nutzen. Hierzu wird im Zeitbereich mittels Savitzky-Golay-Filtern das Eingangssignal gefittet und die 0. und 1. Ableitung dieses Fits werden als Signalpaar für die QDT verwendet. Die für dieses Verfahren benötigte Anpassung / Beschränkung auf einen kleinen Bereich von Oversamplingfaktoren wird mittels der diskreten Wavelet-Transformation (DWT) realisiert. Dieses Verfahren ist dann schon ab relativ niedrigen Signal-Rausch- Verhältnissen und auch bei geringen Periodenzahlen im Messvolumen in der Lage brauchbare Ergebnisse für die Frequenzänderung des Burst-Signals zu liefern. Literatur [1] Müller, H., Kramer, R., Dopheide, D.: Interferometrische Messvolumenuntersuchung von LDA-Systemen mit Quadratursignalauswertung, GALA [2] Wang, H., Müller, H., Mickan, B., Pape, N., Dopheide, D.: Faseroptisches Multikomponenten-LDA mit Richtungserkennung auf Basis optischer Frequenzdifferenzen von DBR-Laserdioden, GALA [3] Eggert, M., Grosche, G., Müller, H., Koch, M.: Multi-component LDA using coherence properties of semiconductor lasers, 11th International Symposium on Applications of Laser Techniques to Fluid Mechanics, July 2002, Lissabon, Portugal, CD-ROM, Session 21, paper 2 [4] Czarske, J.: Richtungserkennendes Homodyn-Laser-Doppler-Anemometer mit Zweiwellenlängen- Faserlaser, GALA [5] Czarske, J., Dölle, O., Kösters, B., Welling, H.: Realisierung einer Quadratur-Demodulation- Signalverarbeitung mittels digitalem Signalprozessor, GALA [6] Czarske, J.: Zur LDA-Signalverarbeitung mittels Quadratur-Demodulation; GALA [7] Lehmann, B., Helbig, J.: Laser-Doppler-Messung lokaler Beschleunigung in turbulenter Strömung; GALA 1999 [8] Nobach, H.: Verarbeitung von LDA-Signalen beschleunigter Streuteilchen; GALA [9] Press, W. H., Teukolsky, S. A., Vetterling, W. T., Flannery, B. P.: Numerical Recipes in C, Cambridge University Press, 2 nd Edition. 1994, S. 650 ff.
Puls-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
Systeme II 8. Die physikalische Schicht (Teil 4)
Systeme II 8. Die physikalische Schicht (Teil 4) Thomas Janson, Kristof Van Laerhoven*, Christian Ortolf Folien: Christian Schindelhauer Technische Fakultät : Rechnernetze und Telematik, *: Eingebettete
Spektrumanalyse. 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.
MÖGLICHKEITEN ZUR VERARBEITUNG VON LDA-BURST-SIGNALEN MITTELS HEUTIGER DIGITALER SIGNALPROZESSOREN
Fachtagung Lasermethoden in der Strömungsmesstechnik 5. 7. September 2006, Braunschweig MÖGLICHKEITEN ZUR VERARBEITUNG VON LDA-BURST-SIGNALEN MITTELS HEUTIGER DIGITALER SIGNALPROZESSOREN Carsten Fechtmann
3. 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
Digitalisierung und Kodierung
Digitalisierung und Kodierung Digitale Medien liegen in digitaler Form vor Deshalb werden analoge Medien digitalisiert und geeignet kodiert Ziel der Digitalisierung: effiziente Berechnung wenig Verluste
Inhaltsverzeichnis. Daniel von Grünigen. Digitale Signalverarbeitung. mit einer Einführung in die kontinuierlichen Signale und Systeme
Inhaltsverzeichnis Daniel von Grünigen Digitale Signalverarbeitung mit einer Einführung in die kontinuierlichen Signale und Systeme ISBN (Buch): 978-3-446-44079-1 ISBN (E-Book): 978-3-446-43991-7 Weitere
Vorteile 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)
SYS_A - ANALYSIEREN. Statistik. NTB Druckdatum: SYS A. Histogramm (Praxis) Gaußsche Normalverteilung (Theorie) Gebrauch: bei n > 100
SYS_A - ANALYSIEREN Statistik Gaußsche Normalverteilung (Theorie) Gebrauch: bei n > 100 Histogramm (Praxis) Realisierung Lage Streuung Zufallsvariable Dichte der Normalverteilung Verteilungsfunktion Fläche
Digitale Signalverarbeitung
Daniel Ch. von Grünigen Digitale Signalverarbeitung mit einer Einführung in die kontinuierlichen Signale und Systeme 4. Auflage Mit 222 Bildern, 91 Beispielen, 80 Aufgaben sowie einer CD-ROM mit Lösungen
Digitale Signalverarbeitung für Einsteiger
Digitale Signalverarbeitung für Einsteiger Dipl.-Ing. Erich H. Franke, DK6II erich.franke@afusoft.com 54. Weinheimer UKW-Tagung 2009 Errata: Nobody is perfect Im Skriptum haben sich kleine aber ärgerliche
Erhöhung der Messgenauigkeit von 3D-Lasertriangulation
Erhöhung der Messgenauigkeit von 3D-Lasertriangulation Das Messprinzip von Laser-Triangulation Triangulationsgeometrie Beispiel Z Y X Messobjekt aus der Kamerasicht Sensorbild der Laserlinie 3D Laser-Triangulation
Diskrete und Schnelle Fourier Transformation. Patrick Arenz
Diskrete und Schnelle Fourier Transformation Patrick Arenz 7. Januar 005 1 Diskrete Fourier Transformation Dieses Kapitel erläutert einige Merkmale der Diskreten Fourier Transformation DFT), der Schnellen
SiSy1, 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=
Schnelle Fouriertransformation (FFT)
Schnelle Fouriertransformation (FFT) Inhaltsverzeichnis 1 Schnelle Fouriertransformation (FFT)... 3 1.1 Das Realtime-Konzept der Goldammer-Messkarten... 3 1.2 Das Abtasttheorem oder Regeln für die Abtastung
Kap. 7: Wavelets. 2. Diskrete Wavelet-Transformation (DWT) 4. JPEG2000. H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I 1
Kap. 7: Wavelets. Die kontinuierliche Wavelet-Transformation (WT). Diskrete Wavelet-Transformation (DWT) 3. Sh Schnelle Wavelet-Transformation ltt ti (FWT) 4. JPEG000 H. Burkhardt, Institut für Informatik,
Grundlagen der Signalverarbeitung
Grundlagen der Signalverarbeitung Zeitdiskrete Signale Wintersemester 6/7 Kontinuierliche und diskrete Signale wertkontinuierlich wertdiskret Signal Signal Signal Signal zeitdiskret zeitkontinuierlich
2. 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
Angewandte Mathematik am Rechner 1
Michael Wand Institut für Informatik. Angewandte Mathematik am Rechner 1 SOMMERSEMESTER 2017 Kapitel 5 Grundlagen Analysis Kontinuierliche Mengen Vollständige Mengen Folgen Iterative Berechnungen Grenzwert:
4.1 Grundbegriffe 4.2 Frequenzspektren, Fourier-Transformation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter
4 Signalverarbeitung 4.1 Grundbegriffe 4.2 Frequenzspektren, Fourier-Transformation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter Weiterführende Literatur (z.b.): Beate Meffert, Olaf Hochmuth: Werkzeuge
Mach-Zehnder Interferometer
Mach-Zehnder Interferometer 1891/2 von Ludwig Mach und Ludwig Zehnder entwickelt Sehr ähnlich Michelson-Interferometer Aber: Messobjekt nur einmal durchlaufen 1 Anwendung: Mach-Zehnder Interferometer Dichteschwankungen
Signale und Systeme. Grundlagen und Anwendungen mit MATLAB
Signale und Systeme Grundlagen und Anwendungen mit MATLAB Von Professor Dr.-Ing. Dr. h. c. Norbert Fliege und Dr.-Ing. Markus Gaida Universität Mannheim Mit 374 Bildern, 8 Tabellen und 38 MATLAB-Projekten
MATLAB 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
ÜBUNG 4: ENTWURFSMETHODEN
Dr. Emil Matus - Digitale Signalverarbeitungssysteme I/II - Übung ÜBUNG : ENTWURFSMETHODEN 5. AUFGABE: TIEFPASS-BANDPASS-TRANSFORMATION Entwerfen Sie ein nichtrekursives digitales Filter mit Bandpasscharakteristik!
Beate 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
Grundlagen der Nachrichtentechnik
Universität Bremen Arbeitsbereich Nachrichtentechnik Prof. Dr.-Ing. K.D. Kammeyer Schriftliche Prüfung im Fach Grundlagen der Nachrichtentechnik Name: Vorname: Mat.-Nr.: Zeit: Ort: Umfang: 05. April 2005,
Spektralanalyse. Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann!
Spektralanalyse Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann! Mit der Spektralanalyse können wir Antworten auf folgende Fragen bekommen:
PARTICLE TRACKING VELOCIMETRY (Geschwindigkeitsmessung durch Teilchenverfolgung)
PARTICLE TRACKING VELOCIMETRY (Geschwindigkeitsmessung durch Teilchenverfolgung) Hier werden zwei Bilder eines Strömungsgebietes mit Tracer-Partikel aus zwei senkrecht zu einander stehenden Richtungen
B Anhang B: Enhanced Resolution
B Anhang B: Enhanced Resolution Digitales Filtern (Enhanced Resolution) Vorteile Realisierung Die verfügbare Abtastrate der LeCroy-Oszilloskope ist oft höher, als für die Bandbreite des zu analysierenden
Das 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
Zuname: Vorname: KennNr: Matr.Nr: PRÜFUNG AUS MATHEMATIK 3. 1)(8 P.) Lösen Sie das folgende AWP mit Hilfe der Laplacetransformation.
(8 P.) Lösen Sie das folgende AWP mit Hilfe der Laplacetransformation. y 7y + 10y = sin(2x), y(0) = 1, y (0) = 3. x ( ) Bemerkung: Für festes a gilt L(e ax ) = 1 und L sin(ax) = arctan a. s a x s Die auftretenden
Martin Meyer. Signalverarbeitung. Analoge und digitale Signale, Systeme und Filter 5. Auflage STUDIUM VIEWEG+ TEUBNER
Martin Meyer Signalverarbeitung Analoge und digitale Signale, Systeme und Filter 5. Auflage STUDIUM VIEWEG+ TEUBNER VII 1 Einführung 1 1.1 Das Konzept der Systemtheorie 1 1.2 Übersicht über die Methoden
Frequenzbewertung von Luftschallsignalen
04/17 von Luftschallsignalen Das menschliche Ohr empfindet Töne mit gleichem Schalldruck aber unterschiedlichen Tonhöhen unterschiedlich laut. Dieser frequenzabhängige Empfindlichkeitsverlauf des menschlichen
1.3 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
Grundlagen der Signalverarbeitung
Grundlagen der Signalverarbeitung Digitale und analoge Filter Wintersemester 6/7 Wiederholung Übertragung eines sinusförmigen Signals u t = U sin(ω t) y t = Y sin ω t + φ ω G(ω) Amplitude: Y = G ω U Phase:
1. Bestimmen Sie die Phasengeschwindigkeit von Ultraschallwellen in Wasser durch Messung der Wellenlänge und Frequenz stehender Wellen.
Universität Potsdam Institut für Physik und Astronomie Grundpraktikum 10/015 M Schallwellen Am Beispiel von Ultraschallwellen in Wasser werden Eigenschaften von Longitudinalwellen betrachtet. Im ersten
Datenaquisition. Verstärker Filter. Sensor ADC. Objekt. Rechner
Datenaquisition Sensor Verstärker Filter ADC Objekt Rechner Datenaquisition Verstärker: - linearer Arbeitsbereich - linearer Frequenzgang - Vorkehrungen gegen Übersteuerung (trends, shot noise) - Verstärkerrauschen
Übung 4: Physical layer and limits
Wintersemester 217/218 Rechnernetze Universität Paderborn Fachgebiet Rechnernetze Übung 4: Physical layer and limits 217-11-3 1. Basisband/Breitband Diese Aufgabe soll den Unterschied zwischen Basisband-
4. 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,
Anmerkung: Falls f(x) nicht ganz glatt ist, sondern nur stückweise stetig differenzierbar ist (d.h. Sprünge hat), gilt (Satz v.
Fourier-Reihen für periodische Funktionen Sei periodisch, mit Periode L: Auch für diesen Fall gilt die Fourier- Reihen-Darstellung (b.3), mit : (b.3) (und stückweise stetig differenzierbar) (c.5) Integral
Zusammenfassung 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
Medien- Technik. Digital Audio
Digital Audio Medientyp digital audio representation Abtastfrequenz /sampling frequency Quantisierung (Bittiefe) Anzahl der Kanäle/Spuren Interleaving bei Mehrkanal Positiv/negativ Codierung operations
Analyse eines zweistufigen, regionalen Clusteralgorithmus am Beispiel der Verbundenen Wohngebäudeversicherung
Analyse eines zweistufigen, regionalen Clusteralgorithmus am Beispiel der Verbundenen Wohngebäudeversicherung Zusammenfassung der Diplomarbeit an der Hochschule Zittau/Görlitz Maria Kiseleva Motivation
Approximation 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
Beate 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
Übungsblatt 1 Geometrische und Technische Optik WS 2012/2013
Übungsblatt 1 Geometrische und Technische Optik WS 2012/2013 Gegeben ist eine GRIN-Linse oder Glasaser) mit olgender Brechzahlverteilung: 2 2 n x, y, z n0 n1 x y Die Einheiten der Konstanten bzw. n 1 sind
1. 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
Messung & Darstellung von Schallwellen
Messung Digitalisierung Darstellung Jochen Trommer jtrommer@uni-leipzig.de Universität Leipzig Institut für Linguistik Phonologie/Morphologie SS 2007 Messung Digitalisierung Darstellung Überblick Messung
Biosignalverarbeitung
Peter Husar Biosignalverarbeitung Springer Inhaltsverzeichnis 1 Entstehung bioelektrischer Signale 9 1.1 Das Neuron 9 1.2 Elektrische Erregungsleitung und Projektion 15 2 Verstärkung und analoge Filterung
Grundlagen 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
Bildverarbeitung: Fourier-Transformation. D. Schlesinger () BV: Fourier-Transformation 1 / 16
Bildverarbeitung: Fourier-Transformation D. Schlesinger () BV: Fourier-Transformation 1 / 16 Allgemeines Bilder sind keine Vektoren. Bilder sind Funktionen x : D C (Menge der Pixel in die Menge der Farbwerte).
Backends für die Radioastronomie
Backends für die Radioastronomie Dr. Bernd Klein Max-Planck-Institut für Radioastronomie Signalweg bei einem Radioteleskop Backend 2 Backend-Typen Kontinuum-Backends: total-power Erfassung, ggf. mit Polarimeter
Einführung in die Fourier-Reihen. 1 Fourier-Reihen: Definitionen
Vortrag zum Seminar zur Analysis, 05.07.2010 André Stollenwerk, Eva-Maria Seifert Die Fourieranalysis beschäftigt sich mit dem Problem, inwiefern sich Funktionen mittels Sinus und Cosinus, das heißt periodischen
1-D photonische Kristalle
1-D photonische Kristalle Berechnung der Dispersionsrelation und der Zustandsdichte für elektromagnetische Wellen Antonius Dorda 15.03.09 Inhaltsverzeichnis 1 Einleitung 2 2 Herleitung der Relationen 2
Diskrete Signalverarbeitung und diskrete Systeme
Diskrete Signalverarbeitung und diskrete Systeme Computer- basierte Verarbeitung von Signalen und Realisierung von Systemverhalten erfordern diskrete Signale und diskrete Systembeschreibungen. Wegen der
Vorwort. I Einführung 1. 1 Einleitung Signale Systeme Signalverarbeitung Struktur des Buches 9. 2 Mathematische Grundlagen 11
Vorwort V I Einführung 1 1 Einleitung 3 1.1 Signale 4 1.2 Systeme 4 1.3 Signalverarbeitung 6 1.4 Struktur des Buches 9 2 Mathematische Grundlagen 11 2.1 Räume 11 2.1.1 Metrischer Raum 12 2.1.2 Linearer
DSP-NF-Filter in QRP-Manier QRP an der See, 15. September 2012
DSP-NF-Filter in QRP-Manier QRP an der See, 15. September 2012 Gerrit Buhe, Inhalt 2 Aufbau DSP-System Digitalisierung und Abtasttheorem Beschreibung LTI-System Impulsantwort zu Übertragungsfunktion Werkzeuge
Elektrische Messtechnik, Labor
Institut für Elektrische Meÿtechnik und Meÿsignalverarbeitung Elektrische Messtechnik, Labor Rechnerunterstützte Erfassung und Analyse von Messdaten Studienassistentin/Studienassistent Gruppe Datum Note
Chebyshev & Fourier Reihen
Chebyshev & Fourier Reihen Pascal Bauer 26. Mai 2015 1 / 75 Inhaltsverzeichnis 1 Fourier-Reihen 2 Chebyshev-Polynome 3 Zusammenhang zwischen Fourier und Chebyshev 4 Konvergenzgeschwindigkeiten 5 Konvergenzuntersuchungen
Beate 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
MESSUNG LAGRANGE SCHER BESCHLEUNIGUNGEN MITTELS LASER-DOPPLER-ANEMOMETRIE
Fachtagung Lasermethoden in der Strömungsmesstechnik 5. 7. September 006, Braunschweig MESSUNG LAGRANGE SCHER BESCHLEUNIGUNGEN MITTELS LASER-DOPPLER-ANEMOMETRIE Matthias Kinzel 1,, Holger Nobach 1,3, Cameron
Übung: Computergrafik 1
Prof. Dr. Andreas Butz Prof. Dr. Ing. Axel Hoppe Dipl.-Medieninf. Dominikus Baur Dipl.-Medieninf. Sebastian Boring Übung: Computergrafik 1 Fouriertransformation Organisatorisches Neue Abgabefrist für Blatt
Praktikum Optische Technologien, Protokoll Versuch Absorptionsmessung
Praktikum Optische Technologien, Protokoll Versuch Absorptionsmessung 09.0.204 Ort: Laserlabor der Fachhochschule Aachen Campus Jülich Inhaltsverzeichnis Einleitung 2 Fragen zur Vorbereitung 2 3 Geräteliste
Multimediale Werkzeuge 1, Audio-Berabeitung. normierte Frequenz (normiert auf die halbe Abtastrate, maximale Frequenz ist pi oder 1
Multimediale Werkzeuge 1, Audio-Berabeitung normierte Frequenz (normiert auf die halbe Abtastrate, maximale Frequenz ist pi oder 1 Beachte: Teilbänder werden nach den Unter-Abtasten "aufgeblasen" (siehe
T n (1) = 1 T n (cos π n )= 1. deg T n q n 1.
KAPITEL 3. INTERPOLATION UND APPROXIMATION 47 Beweis: Wir nehmen an qx) für alle x [, ] und führen diese Annahme zu einem Widerspruch. Es gilt nach Folgerung ii) T n ) T n cos π n ). Wir betrachten die
Technische Beschreibung der akustischen Signalkette
Technische Beschreibung der akustischen Signalkette Wichtige Aufgabe: Vielfältige Medien Gestaltung akustischer Kommunikationsketten (Sprache, Geräusche, Musik, CD, Radio, mp3,...) Unterschiedlichste Information
Parseval-Identität: Seien zwei Funktionen v. mit Fourier-Reihen: dann gilt: Parseval-Identität. Speziell:
Parseval-Identität: Seien zwei Funktionen v. mit Fourier-Reihen: dann gilt: (kühnes Vertauschen von Integral und Summe!) Parseval-Identität Speziell: Anmerkung: beide Seiten kann man als Skalarprodukt
Optische SNR Messung an modulierten Signalen. Optische Spektralanalyse Jörg Latzel Februar 2009
Optische SNR Messung an modulierten Signalen Optische Spektralanalyse Jörg Latzel Februar 2009 Wir beschäftigen uns im Folgenden mit Optische SNR Messung Standard Modulationen (RZ/NRZ) Neue Modulationen
Dynamische 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
Signale - Prozesse - Systeme
U. Karrenberg Signale - Prozesse - Systeme Eine multimediale und interaktive Einführung in die Signalverarbeitung Vierte, neu bearbeitete und erweiterte Auflage Mit 280 Abbildungen bzw. Folienentwürfen,
Praxiswerkstatt 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.
Fadenpendel (M1) Ziel des Versuches. Theoretischer Hintergrund
Fadenpendel M1) Ziel des Versuches Der Aufbau dieses Versuches ist denkbar einfach: eine Kugel hängt an einem Faden. Der Zusammenhang zwischen der Fadenlänge und der Schwingungsdauer ist nicht schwer zu
Optimierung des dynamischen Verhaltens netzstützender Anlagen am Beispiel der Virtuellen Synchronmaschine
1 / 12 Optimierung des dynamischen Verhaltens netzstützender Anlagen am Beispiel der Virtuellen Synchronmaschine EnInnov 2014, Session E2 Timo Dewenter 1, Benjamin Werther 2, Alexander K. Hartmann 1 und
und mit t in Sekunden wird mit einer Frequenz von 8000 Hz abgetastet. Die Abtastung beginnt bei t=0 mit dem Zeitindex n=0.
Aufgabe 1 Das periodische Signal x t) 0,5 sin(2 f t) 0,5 cos(2 f t) mit f 1000Hz und mit f 2000Hz ( 1 2 1 2 und mit t in Sekunden wird mit einer Frequenz von 8000 Hz abgetastet. Die Abtastung beginnt bei
Digitale Medien. Vorlesung: Heinrich Hußmann Übung: Renate Häuslschmid. Übung zur Vorlesung
Übung zur Vorlesung Digitale Medien Vorlesung: Heinrich Hußmann Übung: Renate Häuslschmid Wintersemester 2016/17 LZW-Komprimierung Idee: Nicht einzelne Zeichen werden günstig kodiert, sondern ganze Zeichenketten
RelAtive SpecTrAl (RASTA) Processing of Speech
RelAtive SpecTrAl (RASTA) Processing of Speech Paul Glad Mihai 23.11.06 Gliederung Einleitung Wieso RASTA? RASTA erläutert Probleme Modulationsspektrum von Sprache Methode RASTA erweitert Lin-Log Rasta
Protokoll Grundpraktikum: F0: Auswertung und Präsentation von Messdaten
Protokoll Grundpraktikum: F0: Auswertung und Präsentation von Messdaten Sebastian Pfitzner 19. Februar 013 Durchführung: Sebastian Pfitzner (553983), Jannis Schürmer (5589) Betreuer: N. Haug Versuchsdatum:
Ziel: Minimalität der Feature-Werte Ausnutzung Kompaktheit im Frequenzbereich Kompaktheit:
Anwendung DFT zur Feature-Aufbereitung Ziel: Minimalität der Feature-Werte Ausnutzung Kompaktheit im Frequenzbereich Kompaktheit: Funktion häufig durch wenige, niedrige Frequenzkoeffizienten approximierbar,
Vorlesung Regelungstechnik SoSe 2018 PO2008, PO2015, weitere. Univ.-Prof. Dr.-Ing. Dirk Söffker. Ort: MD 162/MC 122 Zeit: Freitag,
Vorlesung Regelungstechnik SoSe 2018 PO2008, PO2015, weitere Univ.-Prof. Dr.-Ing. Ort: MD 162/MC 122 Zeit: Freitag, 16.00 19.00 Uhr Betreuender wiss. Mitarbeiter: Sebastian Wirtz, M.Sc. www.uni-due.de/srs/v-rt.shtml
3. Leistungsdichtespektren
Stochastische Prozesse: 3. Leistungsdichtespektren Wird das gleiche Geräusch mehrmals gemessen, so ergeben sich in der Regel unterschiedliche zeitliche Verläufe des Schalldrucks. Bei Geräuschen handelt
Kapitel 2.1: Die stochastische Sicht auf Signale Georg Dorffner 67
Kapitel 2.1: Die stochastische Sicht auf Signale 215 Georg Dorffner 67 Stochastische Prozesse Stochastische Prozesse sind von Zufall geprägte Zeitreihen x n f x, n 1 xn2,... n vorhersagbarer Teil, Signal
Physik & Musik. Frequenzanalyse. 1 Auftrag
Physik & Musik 15 Frequenzanalyse 1 Auftrag Physik & Musik Frequenzanalyse Seite 1 Frequenzanalyse Bearbeitungszeit: 45 Minuten Sozialform: Einzelarbeit Voraussetzung: Posten 1: "Wie funktioniert ein KO?"
3. Diskrete Fourier-Transformation
Vorüberlegung: Die Gleichung λ =0 hat die N verschiedenen Lösungen λ k =e 2 π i k / N,,, Aus λ = (λ λ k ) k =0 folgt durch Koeffizientenvergleich e 2 π i k/ N = λ k =0 Für jede ganze Zahl m gilt m d. h.
Der Satz von Taylor. Kapitel 7
Kapitel 7 Der Satz von Taylor Wir haben bereits die Darstellung verschiedener Funktionen, wie der Exponentialfunktion, der Cosinus- oder Sinus-Funktion, durch unendliche Reihen kennen gelernt. In diesem
Kapitel 2: Fourieranalyse. Analoge, periodische Signale
ZHW, NM, 5/, Rur Kapitel : Fourieranalyse Analoge, periodische Signale Inhaltsverzeichnis. EINLEIUNG.... LINEARER MIELWER... 3. LEISUNG UND EFFEKIVWER...3 4. WINKELFUNKIONEN...3 5. FOURIERREIHE...4 6.
Kapitel 4 Leitungscodierung
Kapitel 4 Leitungscodierung Prof. Dr. Dirk W. Hoffmann Hochschule Karlsruhe w University of Applied Sciences w Fakultät für Informatik Übersicht Quelle Senke Kompression Huffman-, Arithmetische-, Lempel-Ziv
Signale - Prozesse - Systeme
U. Karrenberg Signale - Prozesse - Systeme Eine multimediale und interaktive Einführung in die Signalverarbeitung Dritte Auflage Mit 266 Abbildungen bzw. Folienentwürfen, 13 einführenden Videos sowie über
Signale - Prozesse - Systeme
U. Karrenberg Signale - Prozesse - Systeme Eine multimediale und interaktive Einführung in die Signalverarbeitung Zweite Auflage Mit 239 Abbildungen J i Springer i Inhaltsverzeichnis Kapitel 0 Einführung
Digitale 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
Einführung 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
Zeitreihenanalyse. H.P. Nachtnebel. Institut für Wasserwirtschaft, Hydrologie und konstruktiver Wasserbau. Definitionen und Anwendung
.. Zeitreihenanalyse H.P. Nachtnebel Institut für Wasserwirtschaft, Hydrologie und konstruktiver Wasserbau Definitionen und Anwendung Definition Zeitreihe zeitliche Abfolge von Messwerten, deren Auftreten
Warum z-transformation?
-Transformation Warum -Transformation? Die -Transformation führt Polynome und rationale Funktionen in die Analyse der linearen eitdiskreten Systeme ein. Die Faltung geht über in die Multiplikation von
LINIENSENSOR MIT SKALIERBARER MESSVOLUMENLÄNGE
Fachtagung Lasermethoden in der Strömungsmesstechnik 8. 10. September 2015, Dresden LINIENSENSOR MIT SKALIERBARER MESSVOLUMENLÄNGE Line sensor with scalable measuring volume length Stefan Oertel, Volker
Digitale Signalverarbeitung Bernd Edler
Digitale Signalverarbeitung Bernd Edler Wintersemester 2010/2011 Wesentliche Inhalte der Vorlesung Abtastung z-transformation Lineare zeitinvariante Systeme Diskrete Fouriertransformation Filterentwurf
Signalprozessoren. Digital Signal Processors VO [2h] , LU 2 [2h]
Signalprozessoren Digital Signal Processors VO [2h] 182.082, LU 2 [2h] 182.084 http://ti.tuwien.ac.at/rts/teaching/courses/sigproz Herbert Grünbacher Institut für Technische Informatik (E182) Herbert.Gruenbacher@tuwien.ac.at
Digitale Signalverarbeitung mit MATLAB
Martin Werner Digitale Signalverarbeitung mit MATLAB Grundkurs mit 16 ausführlichen Versuchen 4., durchgesehene und ergänzte Auflage Mit 180 Abbildungen und 76 Tabellen STUDIUM VIEWEG+ TEUBNER 1 Erste
Prof. Dr. Stefan Weinzierl SNR V = P signal P noise
Audiotechnik II Digitale Audiotechnik: 5. Tutorium Prof. Dr. Stefan Weinzierl 0.11.01 Musterlösung: 1. November 01, 15:50 1 Dither a) Leiten sie den SNR eines idealen, linearen -bit Wandlers her. Nehmen
Diskrete 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