Lösungsblatt 2 Signalverarbeitung
|
|
- Dirk Messner
- vor 5 Jahren
- Abrufe
Transkript
1 Fakultät für nformatik Übung zu Kognitive Systeme Sommersemester 208 S. Constantin T. Nguyen Lösungsblatt 2 Signalverarbeitung Aufgabe : Faltung Abbildung : Faltung a) Bestimmen Sie die Faltung der Funktion f(x) mit sich selbst (f(x) f(x)) rechnerisch. echnung: f(x) f(x) = f(t)f(x t)dt () Gemäß der Definition der Faltung erhält man die Faltung von f(x) mit sich selbst durch die ntegration von f(t) mit der gespiegelten Funktion f( t). Bildlich gesprochen wird für die ntegration f( t) von links über f(t) geschoben. Lösungsblatt 2 zu Kognitive Systeme Seite
2 Fallunterscheidung: Fall : x < 0 f(t) f(x t)dt = 0 x > 2 f(t) f(x t)dt = 0 Fall 2: Wenn die gespiegelte Funktion f( x) (rotes echteck) über f(x) (blaues echteck) geschoben wird, entsteht ein Bereich der Überlappung (lila echteck). 0 x < = x 0 f(t) f(x t)dt 4dt = 4x Lösungsblatt 2 zu Kognitive Systeme Seite 2
3 Fall 3: x 2 = x f(t) f(x t)dt 4dt = 4x + 8 Das Faltungsergebnis ist demnach: b) Bestimmen Sie f(x) g(x) grafisch. echnung: Lösungsblatt 2 zu Kognitive Systeme Seite 3
4 f(x) g(x) = g(t) f(x t)dt (2) Fallunterscheidung: Fall : x < 0 g(t) f(x t)dt = 0 Fall 2: 0 x < = x 0 g(t) f(x t)dt 2t dt = x2 2 2 Fall 3: Lösungsblatt 2 zu Kognitive Systeme Seite 4
5 x < 2 = x g(t) f(x t)dt 2t dt + x ( 2t + 4) dt = [ t 2] x + [ t 2 + 4t ] x = 2x2 + 6x 3 Lösungsblatt 2 zu Kognitive Systeme Seite 5
6 Fall 4: 2 x < 3 = 2 x g(t) f(x t)dt ( 2t + 4) dt + x 2 2 dt = [ t 2 + 4t ] 2 x + [2t]x 2 = x2 4x + 5 Fall 5: 3 x g(t) f(x t)dt = 3 x 2 dt = [2t] 3 x = 2x + 8 Lösungsblatt 2 zu Kognitive Systeme Seite 6
7 Ausgehend von den vorangegangenen Berechnungen kann das Faltungsergebnis wie folgt visualisiert werden: Onlinefrage Nr. : Was ist der größte Wert des Ergebnisses der Faltung f(x) g(x)? i),0 ii),5 iii) 2,0 iv) 2,5 v) 3,0 Der größte Wert des Ergebnisses der Faltung f(x) g(x) ist 2, siehe Lösung der Aufgabe b). c) Bestimmen Sie die diskrete Faltung u(x) h(x) grafisch. Abbildung 2: Faltung Lösungsblatt 2 zu Kognitive Systeme Seite 7
8 echnung: u[x] h[x] = u[t] h[x t] (3) t= Fall : x = u[x] h[x] = Fall 2: x = 2 u[x] h[x] = + = 2 Fall 3: x = 3 u[x] h[x] = +, 5 = 2, 5 Fall 4: x = 4 u[x] h[x] =, = 3, 5 Fall 5: x = 5 u[x] h[x] = 2 Aufgabe 2: Digitalisierung von Signalen Gegeben sei das Signal f(t) = sin(2π20t) + cos(2π40t) Hinweise: Lösungsblatt 2 zu Kognitive Systeme Seite 8
9 = i 2 δ(f + 20) i 2 δ(f 20) + 2 δ(f + 40) + 2 δ(f 40) (4) Zur Vereinfachung sei in der Zeichnung die Höhe von δ = Zur Fouriertransformation existieren diverse Konventionen! Lassen Sie sich davon nicht verwirren und verwenden Sie zur Lösung dieser Aufgabe die folgenden nformationen: Funktion Fouriertransformierte sin(2πf 0 t) i 2 (δ(f + f 0) δ(f f 0 )) cos(2πf 0 t) 2 (δ(f + f 0) + δ(f f 0 )) + k= δ(t kt ) + T k= δ(f k/t ) a) Das Signal wird mit 60 Hz abgetastet. Zeichnen Sie das komplexe Spektrum des abgetasteten Signals f(t), t in Sekunden. Die Fouriertransformation der Funktion f(t) ist: F (f) = i 2 (δ(f + 20) δ(f 20)) + (δ(f + 40) + δ(f 40)) 2 Komplexes Spektrum des Signals und der mpulsfolge (Verschiebung des mpulszugs mit f o = 0): F (0) δ(0) = 0 Verschiebung des mpulszugs mit f o = 20: Lösungsblatt 2 zu Kognitive Systeme Seite 9
10 (F δ)(f o = 20) = 2 T i 2 T = 2T i 2T (F δ)(f o = 40) = (F δ)(f o = 20) = (F δ)(f o = 80) Verschiebung des mpulszugs mit f o = 40: (F δ)(f o = 40) = 2 T + i 2 T = 2T + i 2T (F δ)(f o = 20) = (F δ)(f o = 40) = (F δ)(f o = 00) Komplexes Spektrum nach der Abtastung: Lösungsblatt 2 zu Kognitive Systeme Seite 0
11 b) Welches Phänomen tritt auf, wie kommt es dazu und wie kann verhindert werden, dass es auftritt? Die gegebene Abtastfrequenz von 60Hz wurde gemäß des Abtasttheorems zu klein gewählt. Daher tritt Aliasing auf, d.h. aufgrund der Periodizität des Frequenzbereichs sich wiederholende Spektren überlagern sich. m gegebenen Fall überlagern sich die Frequenzen der Achsen des ealteils und maginärteils des Spektrums. Weitere denkbare Effekte, die durch Aliasing verursacht werden können sind das Auftreten von Frequenzen, die im Originalsignal nicht vorhanden sind, und das Verschwinden von im Originalsignal vorhandenen Frequenzen. Bei einer D/A-Wandlung kann das Originalsignal so nicht mehr aus den abgetasteten Werten rekonstruiert werden. Um Aliasing zu verhindern, muss als Abtastfrequenz eine Frequenz gewählt werden, die echt größer ist als das 2-fache der höchsten Frequenz im Signal, also in diesem Fall > 2 40 Hz. c) Das Signal wird nun mit dem doppelten der höchsten im Signal vorkommenden Frequenz abgetastet. Zeichnen Sie das komplexe Spektrum. Tritt das oben beschriebene Phänomen immernoch auf? Komplexes Spektrum des Signals und der mpulsfolge (Verschiebung des mpulszugs mit f o = 0): F (0) δ(0) = 0 Verschiebung des mpulszugs mit f o = 20: Lösungsblatt 2 zu Kognitive Systeme Seite
12 (F δ)(f o = 20) = i 2 T = i 2T (F δ)(f o = 60) = (F δ)(f o = 20) = (F δ)(f o = 00) Verschiebung des mpulszugs mit f o = 40: (F δ)(f o = 40) = 2 T + 2 T = T (F δ)(f o = 40) = (F δ)(f o = 40) = (F δ)(f o = 20) Verschiebung des mpulszugs mit f o = 60: (F δ)(f o = 60) = i 2 T = i 2T (F δ)(f o = 20) = (F δ)(f o = 60) = (F δ)(f o = 40) Lösungsblatt 2 zu Kognitive Systeme Seite 2
13 Komplexes Spektrum nach der Abtastung: Es kommt zu Aliasing, da das Abtasttheorem nicht befolgt wird. m Frequenzbereich findet eine Überlagerung der Frequenzen bei 40 Hz statt. d) Zeichnen Sie das Betragsspektrum des mit 00 Hz abgetasteten Signals. Was beobachten Sie in Bezug auf das beschriebene Phänomen? Komplexes Spektrum des Signals und der mpulsfolge (Verschiebung des mpulszugs mit f o = 0): F (0) δ(0) = 0 Verschiebung des mpulszugs mit f o = 20: Lösungsblatt 2 zu Kognitive Systeme Seite 3
14 (F δ)(f o = 20) = i 2 T = i 2T (F δ)(f o = 80) = (F δ)(f o = 20) = (F δ)(f o = 20) Verschiebung des mpulszugs mit f o = 40: (F δ)(f o = 40) = 2 T = 2T (F δ)(f o = 60) = (F δ)(f o = 40) = (F δ)(f o = 40) Verschiebung des mpulszugs mit f o = 60: (F δ)(f o = 60) = 2 T = 2T (F δ)(f o = 40) = (F δ)(f o = 60) = (F δ)(f o = 60) Lösungsblatt 2 zu Kognitive Systeme Seite 4
15 Verschiebung des mpulszugs mit f o = 80: (F δ)(f o = 80) = i 2 T = i 2T (F δ)(f o = 20) = (F δ)(f o = 80) = (F δ)(f o = 80) Komplexes Spektrum nach der Abtastung: Betragsspektrum nach der Abtastung (ohne periodisch wiederholte Frequenzen): Es tritt kein Aliasing mehr auf. Lösungsblatt 2 zu Kognitive Systeme Seite 5
16 Onlinefrage Nr. 2: Beim ekonstruieren des Signals aus dem abgetasteten Spektrum aus Aufgabe 2a) entsteht ein Signal mit verfälschter Frequenz. Welche Frequenzen sind verfälscht? i) 0 Hz ii) 20 Hz iii) 40 Hz iv) 60 Hz v) 80 Hz Sowohl die Frequenz 20 Hz als auch die Frequenz 40 Hz werden durch Aliasing verfälscht, siehe Zeichnung in a). Aufgabe 3: Filtern a) Gegeben sei die Funktion v(t) = π δ(t) sin(3ω 0t) sin(ω 0 t) t mit der Zeitvariablen t und ω 0 > 0. Die Multiplikation ihrer Fouriertransformierten V (ω) mit der Fouriertransformierten eines Signals stellt einen Filter dar. Um welchen Filter handelt es sich dabei? Berechnen Sie für diese Aufgabe V (ω) und vereinfachen Sie in geeigneter Weise. Hinweis: Die Funktion f(t) = sin(πt) πt entspricht der Funktion f(t) = sinc(t). Benutzen Sie als Fouriertransformierte von g(t) = sinc(at) folgende Funktion: G(ω) = a rect( ω 0, t > { 2πa ) mit rect(t) = 2, t 2 Umformung: v(t) = πδ(t) sin(3ω ot) sin(ω o t) t (5) = πδ(t) ( 3ω o sin(3ω o t) ω o sin(ω o t) ) 3ω o t ω o t (6) sin(3π ωo π = πδ(t) (3ω ω sin(π o o 3π ωo π t ω π t) o π ωo π t ) (7) = πδ(t) (3ω o sinc( 3ω o π t) ω osinc( ω o π t)) Fouriertransformation: Laut Formelsammlung ist die Fouriertransformierte von f(x) = δ(x) die Funktion F (ω) =. Lösungsblatt 2 zu Kognitive Systeme Seite 6
17 V (ω) = F (v(t)) = F (πδ(t) (3ω o sinc( 3ωo π t) ω osinc( ωo π t))) V (ω) = π (3ω o 3ωo rect(t) ist definiert als ω ) ω o ωo ω 2π ωo π π rect( 2π 3ωo π π rect( π = π (3ω o rect( ω π ) ω o rect( ω )) (8) 3ω o 6ω o ω o 2ω o = π (πrect( ω 6ω o ) πrect( ω 2ω o )) (9) = π πrect( ω 6ω o ) + πrect( ω 2ω o ) (0) { 0, t > 2, t 2 rect( ω 6ω o ) ist nur dann wenn ω 3ω o rect( ω 2ω o ) ist nur dann wenn ω ω o } )) () Onlinefrage Nr. 3: Um welches Filter handelt es sich in Aufgabe 3a)? i) Hochpass ii) Bandsperre iii) Tiefpass iv) nichts davon Es handelt sich um eine Bandsperre (ii; siehe Lösung 3a). Aufgabe 4: Diskrete Fouriertransformation, Sampling Die Frequenzauflösung der DFT hängt von der zeitlichen Auflösung ab. Je feiner die zeitliche Auflösung ist, desto gröber ist die Frequenzauflösung und umgekehrt. Berechnet man beispielsweise die DFT über einem gesamten Musikstück, so erhält man detaillierte nformationen über die auftretenden Frequenzen, dies jedoch nur kumuliert über das gesamte Musikstück hinweg. Berechnet man die DFT auf Basis von beispielsweise 00 Werten, so erhält man als Ergebnis ebenfalls 00 Werte. Da das esultat der DFT symmetrisch ist, trägt nur die Hälfte der Werte nformationen. Somit verteilt sich die Frequenzinformation auf 50 Werte. Betrachten wir zur Verdeutlichung ein Beispiel mit unterschiedlichen Samplingraten, berechnen dabei die DFT aber stets auf Basis von 00 Samples: Lösungsblatt 2 zu Kognitive Systeme Seite 7
18 Samplingrate Grenzfrequenz Frequenzauflösung Zeitauflösung 000 Hz 500 Hz 0 Hz 0. s 00 Hz 50 Hz Hz s 0 Hz 5 Hz 0. Hz 0 s Es wird deutlich, dass die Frequenzauflösung in einem reziproken Verhältnis zur zeitlichen Auflösung steht. a) Berechnen Sie die Anzahl N der Samples, die benötigt werden, damit eine DFT eine Frequenzauflösung von 3 Hz erreichen kann, wenn ein Signal mit 42 khz abgetastet wurde. Bei einer Abtastung mit 42 khz beträgt die Grenzfrequenz 2 khz. Bei einer gewünschten Frequenzauflösung von 3 Hz benötigen wir somit 7000 informationstragende Werte. Dies entspricht einer DFT mit 4000 Werten. Folglich benötigen wir N = 4000 Samples zur Berechnung der DFT. Onlinefrage Nr. 4: Welche zeitliche Auflösung wird benötigt, damit eine DFT eine Frequenzauflösung von 3 Hz erreichen kann, wenn ein Signal mit 42 khz abgetastet wurde? i) 8 s ii) 3 s iii) s iv) 3s Aus Teilaufgabe a) wissen wir, dass wir 4000 Samples benötigen. Bei einer Abtastrate von 42 khz entspricht dies einer zeitlichen Auflösung von 3 s. Lösungsblatt 2 zu Kognitive Systeme Seite 8
Lösungsblatt 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
MehrGrundlagen der Signalverarbeitung
Grundlagen der Signalverarbeitung Zeitdiskrete Signale Wintersemester 6/7 Kontinuierliche und diskrete Signale wertkontinuierlich wertdiskret Signal Signal Signal Signal zeitdiskret zeitkontinuierlich
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
MehrZusammenfassung der 1. Vorlesung
Zusammenfassung der. Vorlesung Einordnung und Motivation Grundlegende Definitionen Kontinuierliches Signal Quantisiertes Signal Zeitdiskretes Signal Digitales Signal Auflösung der A/D- Umsetzer der MicroAutoBox
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
MehrÜbung 3: Fouriertransformation
ZHAW, SiSy HS202, Rumc, Übung 3: Fouriertransformation Aufgabe Fouriertransformation Dirac-Impuls. a) Bestimmen Sie die Fouriertransformierte S(f) des Dirac-Impulses s(t) = δ(t) und interpretieren Sie
MehrZusammenfassung der 1. Vorlesung
Zusammenfassung der 1. Vorlesung Einordnung und Motivation Grundlegende Definitionen Kontinuierliches Signal Zeitdiskretes Signal Quantisiertes Signal Digitales Signal Kontinuierliches System Abtastsystem
MehrSpektrum zeitdiskreter Signale
Spektrum zeitdiskreter Signale 1 Aufgabenstellung Mithilfe der Fouriertransformation können zeitkontinuierliche Signale in den Frequenzbereich transformiert werden, um die im Signal enthaltenen Frequenzanteile
MehrSignale, Transformationen
Signale, Transformationen Signal: Funktion s(t), t reell (meist t die Zeit, s eine Messgröße) bzw Zahlenfolge s k = s[k], k ganzzahlig s reell oder komplex s[k] aus s(t): Abtastung mit t = kt s, s[k] =
MehrDigitale Signalverarbeitung Bernd Edler
Digitale Signalverarbeitung Bernd Edler Wintersemester 2008/2009 Wesentliche Inhalte der Vorlesung Abtastung z-transformation Lineare zeitinvariante Systeme Diskrete Fouriertransformation Systeme bei stochastischer
MehrBeispiel-Klausuraufgaben Digitale Signalverarbeitung. Herbst 2008
Beispiel-Klausuraufgaben Digitale Signalverarbeitung Herbst 8 Zeitdauer: Hilfsmittel: Stunden Formelsammlung Taschenrechner (nicht programmiert) eine DIN A4-Seite mit beliebigem Text oder Formeln (beidseitig)
MehrKlausur zur Vorlesung Signale u. Systeme I
Name: 8. Februar 2001, 11.30-13.00 Uhr Allgemeine Hinweise: Dauer der Klausur: Zugelassene Hilfsmittel: 90 min, 1.5 Zeitstunden Skript, Vorlesungsmitschrift, Formelsammlung Schreiben Sie bitte auf dieses
MehrDigitale Signalverarbeitung Bernd Edler
Digitale Signalverarbeitung Bernd Edler Wintersemester 2007/2008 Wesentliche Inhalte der Vorlesung Abtastung z-transformation Lineare zeitinvariante Systeme Diskrete Fouriertransformation Systeme bei stochastischer
MehrDigitale Signalverarbeitung Bernd Edler
Digitale Signalverarbeitung Bernd Edler Wintersemester 2010/2011 Wesentliche Inhalte der Vorlesung Abtastung z-transformation Lineare zeitinvariante Systeme Diskrete Fouriertransformation Filterentwurf
MehrBeate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson Ludwig-Maximilians-Universität München Prof. Hußmann Digitale Medien 4-1
4. Signalverarbeitung 4.1 Grundbegrie 4.2 Frequenzspektren, Fourier-Transormation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter Weiterührende Literatur (z.b.): Beate Meert, Ola Hochmuth: Werkzeuge der
Mehr- Sei r(x,y) Eingangsbild, dass nur Rauschen (Quantenrauschen) enthält.
Eingang System Ausgang - Sei r(x,y) Eingangsbild, dass nur (Quantenrauschen) enthält. - Das Bild enthalte keinerlei Information, d.h. das Spektrum ist weiß und es gibt keine Korrelationen zwischen den
MehrComputergraphik I. Das Abtasttheorem. Problem bei räumlicher Abtastung: Oliver Deussen Abtasttheorem 1
Das Abtasttheorem Problem bei räumlicher Abtastung: Oliver Deussen Abtasttheorem 1 Problem bei zeitlicher Abtastung: Oliver Deussen Abtasttheorem 2 Darstellung auf Monitor Was geschieht eigentlich, wenn
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
MehrSchnelle Fouriertransformation (FFT)
Schnelle Fouriertransformation (FFT) Inhaltsverzeichnis 1 Schnelle Fouriertransformation (FFT)... 3 1.1 Das Realtime-Konzept der Goldammer-Messkarten... 3 1.2 Das Abtasttheorem oder Regeln für die Abtastung
Mehr2. Anordnung zur digitalen Signalverarbeitung
2. Anordnung zur digitalen Signalverarbeitung Prof. Dr.-Ing. Dr. h.c. Norbert Höptner Prof. Dr.-Ing. Stefan Hillenbrand Ergänzende Informationen zur Vorlesung Signalverarbeitungssysteme Abschnitte 2.1-2.5.
MehrBildpunkt auf dem Gitter: Pixel (picture element) (manchmal auch Pel)
4. Digitalisierung und Bildoperationen 4.1 Digitalisierung (Sampling, Abtastung) Rasterung auf 2D-Bildmatrix mathematisch: Abb. einer 2-dim. Bildfunktion mit kontinuierlichem Definitionsbereich auf digitales
MehrBeate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson 2004
4 Signalverarbeitung 4.1! Grundbegriffe 4.2! Frequenzspektren, Fourier-Transformation 4.3! Abtasttheorem: Eine zweite Sicht 4.4! Filter! Weiterführende Literatur (z.b.): Beate Meffert, Olaf Hochmuth: Werkzeuge
MehrDiskrete Fourier-Transformation und FFT. 1. Die diskrete Fourier-Transformation (DFT) 2. Die Fast Fourier Transform (FFT)
Diskrete Fourier-Transformation und FFT 2. Die Fast Fourier Transform (FFT) 3. Anwendungsbeispiele der DFT 1 Wiederholung: Fourier-Transformation und Fourier-Reihe Fourier-Transformation kontinuierlicher
MehrPrüfungsklausur Digitale Signalverarbeitung Ergebnis der Klausur
Fakultät für Mathematik und Informatik Elektronische Schaltungen 58084 Hagen 02331 987 1166 Prüfungsklausur Digitale Signalverarbeitung 21411 Datum: 19. März 2011 (Bearbeitungszeit 120 Minuten, 6 Blätter)
MehrBeate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson 2004
4 Signalverarbeitung 4.1 Grundbegriffe 4.2 Frequenzspektren, Fourier-Transformation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter Weiterführende Literatur (z.b.): Beate Meffert, Olaf Hochmuth: Werkzeuge
MehrAbschlussprüfung Nachrichtentechnik 03. August 2015
Abschlussprüfung Nachrichtentechnik 03. August 2015 Name:... Vorname:... Matrikelnr.:... Studiengang:... Aufgabe 1 2 3 4 Summe Note Punkte Hinweis: Die Teilaufgaben (a), (b) und (c) können unabhängig voneinander
MehrGrundlagen 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:
MehrKlausur zur Vorlesung Digitale Signalverarbeitung
INSTITUT FÜR INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 3067 Hannover Klausur zur Vorlesung Digitale Signalverarbeitung Datum:.08.006 Uhrzeit: 09:00 Uhr Zeitdauer: Stunden Hilfsmittel:
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
Mehr4.1 Grundbegriffe 4.2 Frequenzspektren, Fourier-Transformation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter
4 Signalverarbeitung 4.1 Grundbegriffe 4.2 Frequenzspektren, Fourier-Transformation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter Weiterführende Literatur (z.b.): Beate Meffert, Olaf Hochmuth: Werkzeuge
Mehr3.7 Anti-Alias-Verfahren
3.7 Anti-Alias-Verfahren Wir hatten Treppeneffekte bereits beim Rastern von Bildern kennengelernt. Aber auch beim Wiederholen verkleinerter Texturen können sich durch Rasterungseffekte unschöne Interferenzerscheinungen
Mehr4. Beschreibung von LTI-Systemen mit der Fourier-Transformation
Die Fourier-Transformation 1. Anwendungsbeispiele der Fourier-Transformation 2. Die kontinuierliche Fourier-Transformation 3. Die Fourier-Reihe 4. Beschreibung von LTI-Systemen mit der Fourier-Transformation
Mehr1 Fourier-Reihen und Fourier-Transformation
Fourier-Reihen und Fourier-ransformation Fourier-Reihen und Fourier-ransformation J.B.J. de Fourier beobachtete um 8, dass sich jede periodische Funktion durch Überlagerung von sin(t) und cos(t) darstellen
MehrFH Jena Prüfungsaufgaben - Master Prof. Giesecke FB ET/IT Digitale Signalverarbeitung SS 2012
FB ET/IT Digitale Signalverarbeitung SS 0 Name, Vorname: Matr.-Nr.: Zugelassene Hilfsmittel: beliebiger Taschenrechner ein mathematisches Formelwerk eine selbsterstellte Formelsammlung Wichtige Hinweise:
MehrLabor SMV Versuch 1. Erläuterungen zum Aliasing. Prof. Dr.-Ing. Gernot Freitag. FB: EuI, FH Darmstadt. Darmstadt, den
Labor SMV Versuch Erläuterungen zum Aliasing FB: EuI, Darmstadt, den 26.5 Elektrotechnik und Informationstechnik Rev., 9.5 Auf den folgenden Seiten sind einige typische Abtastsituationen zusammengestellt,
MehrDie Wärmeleitungsgleichung
Die Wärmeleitungsgleichung In einem Stab der Länge 1 wird die Temperaturverteilung gegeben durch die Funktion u : ([0,1] [0, )) R, u(x,t) ist die Temperatur am Punkt x zum Zeitpunkt t. Die Funktion erfüllt
Mehrund 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
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
MehrLaborprotokoll SSY Abtastung
Laborprotokoll SSY Abtastung Daniel Schrenk, Andreas Unterweger SSYLB WS 05/06 Abtastung Seite 1 von 12 Einleitung Ziel der Übung In dieser Laborübung sollte ein Signal abgetastet werden und anschließend
MehrTest = 28 Punkte. 1: 2: 3: 4: 5: Punkte: Note:
ZHAW, DSV1, FS2010, Rumc, 1 Test 1 5 + 5 + 5 + 8 + 5 = 28 Punkte Name: Vorname: 1: 2: : 4: 5: Punkte: Note: Aufgabe 1: AD-DA-System. + 1 + 1 = 5 Punkte Das analoge Signal x a (t) = cos(2πf 0 t), f 0 =750
MehrSystemtheorie Teil B
d + d z + c d z + c uk d + + yk z d + c d z + c Systemtheorie eil B - Zeitdiskrete Signale und Systeme - Musterlösungen Manfred Strohrmann Urban Brunner Inhalt Musterlösungen - Signalabtastung und Rekonstruktion...
MehrAbtastung. Normalisierte Kreisfrequenz = DSP_9-Abtasttheorem 2
Abtasttheorem Abtastung xn [ ] = xnt ( ) = Acos( ωnt+ ϕ) = Acos( ωˆ n+ ϕ) s s Normalisierte Kreisfrequenz ωˆ = ωt s DSP_9-Abtasttheorem 2 Normalisierte Kreisfrequenz ω hat die Einheit rad/sec, ω ˆ = ωt
MehrKlausur zur Vorlesung Digitale Signalverarbeitung
INSTITUT FÜR INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 067 Hannover Klausur zur Vorlesung Digitale Signalverarbeitung Datum: 0.08.007 Uhrzeit: 09:00 Uhr Zeitdauer: Stunden Hilfsmittel:
MehrSystemtheorie Teil A. - Zeitkontinuierliche Signale und Systeme - Musterlösungen. Manfred Strohrmann Urban Brunner
Systemtheorie Teil A - Zeitkontinuierliche Signale und Systeme - Musterlösungen Manfred Strohrmann Urban Brunner Inhalt 6 Musterlösungen Spektrum von Signalen 6. Approximation eines periodischen Signals
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
MehrPuls-Code-Modulation. Thema: PCM. Ziele
Puls-Code-Modulation Ziele Mit diesen rechnerischen und experimentellen Übungen wird die Vorgehensweise zur Abtastung und linearen Quantisierung eines analogen Signals erarbeitet. Bei der Abtastung werden
MehrAufgabe 1: Kontinuierliche und diskrete Signale
ufgabe (5 Punkte) ufgabe : Kontinuierliche und diskrete Signale. Zeichnen Sie jeweils den geraden und den ungeraden nteil des Signals in bb..!. Sind Sie folgenden Signale periodisch? Falls ja, bestimmen
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
MehrDiskretisierung und Quantisierung (Teil 1) Prof. U. Rüde - Algorithmik kontinuierlicher Systeme
Algorithmik kontinuierlicher Systeme Diskretisierung und Quantisierung (Teil ) Digitalisierung und Quantisierung Motivation Analoge Aufnahme von Sprache, Bildern, Digitale Speicherung durch Diskretisierung
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
MehrPraktikum, NT 1: Spektrumsschätzung
Praktikum, NT 1: Spektrumsschätzung Versuchsentwurf: M.Sc., Dipl. Ing. (FH) Marko Hennhöfer, FG Nachrichtentechnik Version vom 4. Dezember 2007 1 1 Einführung und Motivation 1.1 Anwendung In der Praxis
Mehr(Fast) Fourier Transformation und ihre Anwendungen
(Fast) Fourier Transformation und ihre Anwendungen Johannes Lülff Universität Münster 14.01.2009 Definition Fouriertransformation F (ω) = F [f(t)] (ω) := 1 2π dt f(t)e iωt Fouriersynthese f(t) = F 1 [F
Mehr,Faltung. Heavisidefunktion σ (t), Diracimpuls δ (t) Anwendungen. 1) Rechteckimpuls. 2) Sprungfunktionen. 3) Schaltvorgänge
Heavisidefunktion σ (t), Diracimpuls δ (t),faltung Definition Heavisidefunktion, t > 0 σ ( t) = 0, t < 0 Anwendungen ) Rechteckimpuls, t < T r( t) = = σ ( t + T ) σ ( t T ) 0, t > T 2) Sprungfunktionen,
Mehrd 1 P N G A L S2 d 2
Abschlussprüfung Nachrichtentechnik 28. Juli 2014 Name:... Vorname:... Matrikelnr.:... Studiengang:... Aufgabe 1 2 3 4 Summe Note Punkte Hinweis: Die Teilaufgaben (a), (b) und (c) können unabhängig voneinander
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
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=
MehrAbschlussprüfung Digitale Signalverarbeitung. Aufgaben, die mit einem * gekennzeichnet sind, lassen sich unabhängig von anderen Teilaufgaben lösen.
Name: Abschlussprüfung Digitale Signalverarbeitung Studiengang: Elektrotechnik IK, E/ME Wahlfach SS2015 Prüfungstermin: Prüfer: Hilfsmittel: 3.7.2015 (90 Minuten) Prof. Dr.-Ing. Großmann, Prof. Dr.-Ing.
MehrSignalprozessoren. 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
MehrDiskretisierung und Quantisierung (Teil 1) Prof. U. Rüde - Algorithmik kontinuierlicher Systeme
Algorithmik kontinuierlicher Systeme Diskretisierung und Quantisierung (Teil ) Digitalisierung und Quantisierung Motivation Analoge Aufnahme von Sprache, Bildern, Digitale Speicherung durch Diskretisierung
MehrMusterlösung zur Klausur Digitale Signalverarbeitung
Musterlösung zur Klausur Digitale Signalverarbeitung Arbeitsgruppe Digitale Signalverarbeitung Ruhr-Universität Bochum 1. Oktober 2007 Aufgabe 1: Transformationen 25 Pkt. Gegeben war das reellwertige kontinuierliche
MehrDigitale Signalverarbeitung, Vorlesung 11 - Kurzzeitfouriertransformation
Digitale Signalverarbeitung, Vorlesung 11 - Kurzzeitfouriertransformation 30. Januar 2017 Siehe Skript Digitale Signalverarbeitung, Abschnitte 11 und 12, Kammeyer & Kroschel (Absatz 8.4.1) Anwendungen
Mehr3. Basisbandtransformation durch Integerband-Abtastung
Bearbeiten von Frequenzbändern 1. Analyse-Filterbank, Basisbandtransformation 2. Basisbandtransformation durch Modulation 3. Basisbandtransformation durch Integerband-Abtastung 1 1. Analyse-Filterbank
MehrSpektralanalyse physiologischer Signale
Spektralanalyse physiologischer Signale Dr. rer. nat. Axel Hutt Vorlesung 1 - WS 2016/17 über mich Studium der Physik an U Stuttgart Promotion: Nichtlineare Dynamik in Gehirnsignalen Forschung in Neurowissenschaften
MehrÜbungen zu Transformationen. im Bachelor ET oder EW. Version 2.0 für das Wintersemester 2014/2015 Stand:
Fachhochschule Dortmund University of Applied Sciences and Arts Institut für Informationstechnik Software-Engineering Signalverarbeitung Regelungstechnik IfIT Übungen zu Transformationen im Bachelor ET
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...
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
Mehr4.1 Grundbegriffe 4.2 Frequenzspektren, Fourier-Transformation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter
4 Signalverarbeitung 4.1 Grundbegriffe 4.2 Frequenzspektren, Fourier-Transformation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter Weiterführende Literatur (z.b.): Beate Meffert, Olaf Hochmuth: Werkzeuge
MehrKlausur zur Vorlesung Digitale Signalverarbeitung
INSTITUT FÜR THEORETISCHE NACHRICHTENTECHNIK UND INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 067 Hannover Klausur zur Vorlesung Digitale Signalverarbeitung Datum:.08.00 Uhrzeit: 09:00
MehrÜbung 2: Spektrum periodischer Signale
ZHAW, SiSy, Rumc, Übung : Spektrum periodischer Signale Augabe Verschiedene Darstellungen der Fourierreihe. Betrachten Sie das periodische Signal s(t) = + sin(π t). a) Bestimmen Sie die A k - und B k -Koeizienten
MehrSignale und Systeme I
TECHNISCHE FAKULTÄT DER CHRISTIAN-ALBRECHTS-UNIVERSITÄT ZU KIEL DIGITALE SIGNALVERARBEITUNG UND SYSTEMTHEORIE DSS Signale und Systeme I Modulklausur WS 017/018 Prüfer: Prof. Dr.-Ing. Gerhard Schmidt Datum:
MehrFH Jena FB Elektrotechnik/Informationstechnik Prof. Giesecke Prüfungsaufgaben Signalverarbeitung SS 2012
Name, Vorname: Matr.-Nr.: Wichtige Hinweise: Ausführungen, Notizen und Lösungen auf den Aufgabenblättern werden nicht gewertet. Vor der entsprechenden Lösung ist deutlich die dazugehörige Nummer der Aufgabe
MehrÜbung 2. Tutorübung zu Grundlagen: Rechnernetze und Verteilte Systeme (Gruppen Mo-T2 / Fr-T1 SS2017)
Übung 2 Tutorübung zu Grundlagen: Rechnernetze und Verteilte Systeme (Gruppen Mo-T2 / Fr-T SS27) Dennis Fischer dennis.fischer@tum.de http://home.in.tum.de/fischerd Institut für Informatik Technische Universität
MehrDigitale 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
MehrZHAW, DSV1, FS2010, Rumc, 1. H(z) a) Zeichnen Sie direkt auf das Aufgabenblatt das Betragsspektrum an der Stelle 1.
ZHAW, DSV, FS200, Rumc, DSV Modulprüfung 7 + 4 + 5 + 8 + 6 = 30 Punkte Name: Vorname: : 2: 3: 4: 5: Punkte: Note: Aufgabe : AD-DA-Umsetzung. + + +.5 +.5 + = 7 Punkte Betrachten Sie das folgende digitale
MehrDiskretisierung und Quantisierung (Teil 1) Prof. U. Rüde - Algorithmik kontinuierlicher Systeme
Algorithmik kontinuierlicher Systeme Diskretisierung und Quantisierung (Teil ) Digitalisierung und Quantisierung Motivation Analoge Aufnahme von Sprache, Bildern, Digitale Speicherung durch Diskretisierung
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
MehrMedien- 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
MehrErarbeiten der Diskreten Fourier Transformation (GFT) unter Verwendung von Scilab zur Veranschaulichung
Erarbeiten der Diskreten Fourier Transormation (GFT) unter Verwendung von Scilab zur Veranschaulichung 1. Das Prinzip verstehen 2. DFT beschreiben 3. DFT mit Scilab testen 4. Umsetzung der DFT ür einen
Mehr5. Übung für Übungsgruppen Musterlösung
Grundlagenveranstaltung Systemtheorie WS 6/7 (H.S. Stiehl, AB Kognitive Systeme, Department Informatik der Universität Hamburg) 5. Übung für Übungsgruppen Musterlösung (U. Köthe, Department Informatik,
MehrDie schnelle Fouriertransformation
Die schnelle Fouriertransformation Die stetige Fouriertransformation ˆf : Z C eines Signals f : [0, π] C ist gegeben durch ˆf(k) = π 0 f(t)e kt dt Die folgende Umkehrformel drückt dann f als Fourierreihe
MehrProf. Dr. Stefan Weinzierl Aufgabe: Amplitudenstatistik analoger Audiosignale. Abb. 1: WDF eines Audiosignals. p X.
Audiotechnik II 1.Übungstermin Prof. Dr. Stefan Weinzierl 21.1.21 1. Aufgabe: Amplitudenstatistik analoger Audiosignale a. Ein Signal x(t) hat die durch Abb. 1 gegebene Wahrscheinlichkeitsdichtefunktion
MehrSignale und Systeme I
TECHNISCHE FAKULTÄT DER CHRISTIAN-ALBRECHTS-UNIVERSITÄT ZU KIEL DIGITALE SIGNALVERARBEITUNG UND SYSTEMTHEORIE DSS Signale und Systeme I Modulklausur SS 07 Prüfer: Prof. Dr.-Ing. Gerhard Schmidt Datum:
MehrDigitale Signalverarbeitung, Vorlesung 10 - Diskrete Fouriertransformation
Digitale Signalverarbeitung, Vorlesung 10 - Diskrete Fouriertransformation 23. Januar 2017 Siehe Skript Digitale Signalverarbeitung, Abschnitte 10.1 und 11, Kammeyer & Kroschel (7.1-7.3) eues Thema in
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.
MehrDiskrete Fourier Transformation (DFT): Zeitfenster, Frequenzauflösung, Fensterfunktionen
Diskrete Fourier Transformation (DFT): Zeitfenster, Frequenzauflösung, Fensterfunktionen Fourier-Analyse Zeitfenster DFT Zeit [s] 2 Frequenz [Hz] Fourier-Analyse Abtastintervall TT aa : Zeit zwischen zwei
MehrTET - Formelsammlung
TET - Formelsammlung Matthias Jung 30. August 2008 1 Dierentialgleichungen Characterisierung von DGLn: Linear: y(t) sowie ẏ(t), ÿ(t)... kommen nur in der 1. Potenz vor Gewöhnlich: y(t) hängt nur von einer
Mehreinige Zusatzfolien für s Seminar
Signale und Systeme einige Zusatzfolien für s Seminar Dr. Mike Wolf, Fachgebiet Nachrichtentechnik Signale und Systeme Fourierreihe reelle Fourierreihe betrachtet wird ein periodisches Zeitsignal u p mit
MehrVersuchsprotokoll E208: Fourriertransformation und nichtlinearer Oszillator Fortgeschrittenenpraktikum Physik Universität Bonn
Versuchsprotokoll E208: Fourriertransformation und nichtlinearer Oszillator Fortgeschrittenenpraktikum Physik Universität Bonn Alexander Rothkegel, Frank Fremerey unter Anleitung von Ursula Meyer 1. Juni
MehrTransformationen Übungen 1. 1 Signale und Systeme. 1.1 Gegeben ist die Funktion f(t). Skizzieren Sie folgende Funktionen: a) f(t - 3) b) f(2 t) f(t)
Transformationen Übungen 1 1 Signale und Systeme 1.1 Gegeben ist die Funktion f(t). Skizzieren Sie folgende Funktionen: a) f(t - 3) b) f(2 t) f(t) 1 c) f(-t) d) f(t + 3) 1 t e) f(t / 4) f) f(t) + 2 g)
MehrKlausur zur Vorlesung Digitale Signalverarbeitung
INSTITUT FÜR THEORETISCHE NACHRICHTENTECHNIK UND INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 3067 Hannover Klausur zur Vorlesung Digitale Signalverarbeitung Datum: 5.0.005 Uhrzeit: 09:00
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
MehrÜbungsaufgaben Digitale Signalverarbeitung
Übungsaufgaben Digitale Signalverarbeitung Aufgabe 1: Gegeben sind folgende Zahlenfolgen: x(n) u(n) u(n N) mit x(n) 1 n 0 0 sonst. h(n) a n u(n) mit 0 a 1 a) Skizzieren Sie die Zahlenfolgen b) Berechnen
MehrFilterentwurf. Aufgabe
Aufgabe Filterentwurf Bestimmung der Filterkoeffizienten für gewünschte Filtereigenschaften Problem Vorgaben häufig für zeitkontinuierliches Verhalten, z.b. H c (s) Geeignete Approximation erforderlich
MehrHertz ), also 1 Schwingung pro Sekunde. Der Vorfaktor A ist die Amplitude, er misst die Lautstärke des Tons.
1 Vorbereitungen 1.1 Was ist und wofür braucht man Fourieranalysis? Anwendungsgebiete der Fourier-Analysis sind z.b. Signalverarbeitung, Bildverarbeitung, Schaltkreisentwurf, Elektrodynamik, Optik, Akustik,
MehrA2.1: Gleichrichtung. Die Grafik zeigt das periodische Signal x(t). Legt man x(t) an den Eingang einer Nichtlinearität mit der Kennlinie
Abschnitt: 2.1 Allgemeine Beschreibung A2.1: Gleichrichtung Die Grafik zeigt das periodische Signal x(t). Legt man x(t) an den Eingang einer Nichtlinearität mit der Kennlinie so erhält man am Ausgang das
MehrComputergrafik 2: Filtern im Frequenzraum
Computergrafik 2: Filtern im Frequenzraum Prof. Dr. Michael Rohs, Dipl.-Inform. Sven Kratz michael.rohs@ifi.lmu.de MHCI Lab, LMU München Folien teilweise von Andreas Butz, sowie von Klaus D. Tönnies (Grundlagen
MehrFourier-Transformation: Anwendung
Fourier-Transformation: Anwendung Sebastian Krieter Seminar: Integraltransformationen Dozent: Prof. Dr. Raimar Wulkenhaar WS 0/3 Westfälische Wilhelms-Universität Münster 06..0 Inhaltsverzeichnis Berechnung
Mehr