3 Diskrete Fourier-Transformation
|
|
- Frauke Schreiber
- vor 8 Jahren
- Abrufe
Transkript
1 33 3 Diskrete Fourier-Transformation Inhalt 3 Diskrete Fourier-Transformation Grundlagen Diskrete Fourier-Transformation Eigenschaften der diskreten Fourier-Transformation Vorbereitende Aufgaben Versuchsdurchführung Klirrfaktormessung mit der Klirrfaktor Vorbereitende Aufgaben Versuchsdurchführung Zusammenfassung Quiz Lösungshinweise Literaturverzeichnis und Quellen Sachverzeichnis... 5 Schlüsselbegriffe Diskrete Fourier-Transformation, Fourier-Summe, harmonische Analyse, Klirrfaktormessung, Leckphänomen, MATLAB, Spektrum, Kurzzeit-Spektralanalyse Lernziele ach Bearbeiten dieses Versuches können Sie die Definitionsgleichungen der und I angeben die Begriffe harmonische Analyse, -Spektrum und -Koeffizient erläutern den prinzipiellen Zusammenhang zwischen den -Koeffizienten und den transformierten Zeitsignalen erklären für Sinus- und Kosinussignale das -Spektrum berechnen für eine periodische Kosinusfolge die -Länge so bestimmen, dass das -Spektrum genau zwei von null verschiedene -Koeffizienten aufweist das Leckphänomen erklären und seine Bedeutung für die Spektralanalyse einschätzen die Voraussetzungen für eine Klirrfaktormessung (Simulation) erläutern und die Messung praktisch durchführen MATLAB ist ein Warenzeichen der Firma The MathWorks, Inc., U.S.A. Martin Werner SigSys_P
2 34 3 Diskrete Fourier-Transformation Dieser Versuch ist der erste einer Reihe von Versuchen zur Frequenzbereichsdarstellung mit der diskreten Fourier-Transformation (). Er führt Sie in die Grundlagen einer der häufigsten Anwendungen der digitalen Signalverarbeitung ein, die Kurzzeit-Spektralanalyse. Mathematischer Ausgangspunkt ist die Orthogonalität der harmonische Exponentiellen. Diese Eigenschaft spielt auch in der achrichtenübertragung eine Schlüsselrolle. Wichtige Anwendungen finden sich unter dem Begriff OFDM-Verfahren (Orthogonal Frequency Division Multiplexing) beispielsweise bei den drahtlosen etzen (WLA), den digitalen Teilnehmeranschlüssen (ADSL), dem digitalen Fernsehen (DVB) und der 4. Mobilfunkgeneration (LTE). Darüber hinaus ist die in der Audio- und Videocodierung wichtige diskrete Kosinustransformation (DCT) eng mit der verwandt. Auch wenn die Verfahren der achrichtenübertragung hier nicht behandelt werden können, so werden mit diesem Versuch die Grundlagen zu ihrem Verständnis gelegt. In der Versuchsvorbereitung werden wichtige mathematische Zusammenhänge vorgestellt und an Beispielen erläutert. In der Versuchsdurchführung werden Sie Ihre Ergebnisse mit MATLAB überprüfen und die zur Kurzzeit-Spektralanalyse anwenden. Bei der Klirrfaktormessung wenden sie das Gelernte nochmals Schritt für Schritt an. 3. Grundlagen Das Beispiel der Synthese von Audiosignalen in Versuch 2 weist auf die Bedeutung der Frequenzkomponenten zur Signaldarstellung hin. Schon Mitte des 8. Jahrhunderts wurden in Europa die harmonische Exponentielle zur Beschreibung von Schwingungsphänomenen diskutiert. J. B. J. Fourier erkannte 87 die Bedeutung der harmonischen Analyse am Beispiel des Wärmeleitungsproblems. Heute wird in vielen Anwendungsgebieten die harmonische Analyse mit ihrer Signaldarstellung im Frequenzbereich genutzt. Die Fourier-Reihe und die Fourier-Transformation gehören zur mathematischen Grundbildung in technischen Studiengängen. An ihre Definitionen wird in Tabelle 3. in der linken Spalte, für (zeit)kontinuierliche Funktionen, erinnert: die Fourier-Reihe für periodische Signale und die Fourier-Transformation für aperiodische Signale. Über die recht allgemeinen Voraussetzungen zur Existenz der Transformationen in Tabelle 3., d. h. der auftretenden Integrale, gibt die Mathematik Auskunft. Die bekannten Methoden der Fourieranalyse für zeitkontinuierliche Signale sind auf zeitdiskrete Signale übertragbar, worauf in einem späteren Versuch noch näher eingegangen wird. 3.. Diskrete Fourier-Transformation Der harmonischen Analyse periodischer, zeitkontinuierlicher Signale mit der Fourier- Reihe entspricht die diskrete Fourier-Transformation () periodischer Folgen in Tabelle 3. oben rechts. Sie nimmt eine herausragende Rolle in der Signalverarbeitung ein. Ihre Bedeutung gründet sich auf vier Eigenschaften: Die lieferte eine eineindeutige Abbildung zwischen der Zeitfolge x[n] und ihrem Spektrum X[k]. Martin Werner SigSys_P
3 3. Grundlagen 35 Tabelle 3. Signaldarstellung im Zeit- und im Frequenzbereich Fourieranalyse Zeitkontinuierliche Funktionen Fourier-Reihe Zeitdiskrete Funktionen Diskrete Fourier-Transformation () Periodische Zeitfunktion j2π f ( ) = c e xt + k = k kt t+ T j2π f kt ck = xt ( ) e dt T t Es ergibt sich im Frequenzbereich ein Linienspektrum mit den Fourier-Koeffizienten c k bei den Frequenzen k f mit der Grundfrequenz f = /T und der Periode T des Zeitsignals xn [ ] = X[ k] e k = [ ] xn [ ] X k = e n= kn j2π kn j2π Es ergibt sich ein Linienspektrum mit den -Koeffizienten X k mit der Periode zu den normierten Frequenzen k /, k = :, mit der normierten Grundfrequenz / und der Periode des Zeitsignals Aperiodische Zeitfunktion Fourier-Transformation 2π j ( ) = X( ω) xt + + j ( ω) = ( ) ωt j e dω ωt X j xt e dt Es ergibt sich das Spektrum bzgl. der Kreisfrequenz ω = 2π f Fourier-Transformation (für Folgen) jω [ ] X( ) jω n xn= e e dω 2π 2π X + jω ( e ) xn [ ] jω n = e n= Es ergibt sich ein periodisches Spektrum für die normierte Kreisfrequenz Ω mit der Periode 2π Die steht in engem Zusammenhang mit der Fourier-Reihe und der Fourier-Transformation. Sie wird deshalb in Spektrumanalysatoren für zeitkontinuierliche Signale eingesetzt und das Ergebnis als Spektrum im Frequenzbereich interpretiert. Die eignet sich besonders zur numerischen Berechnung auf Digitalrechnern, da sie sowohl im Zeit- als auch im Frequenzbereich diskret und von endlicher Länge ist. Die kann mit der schnellen Fourier-Transformation effizient berechnet werden. Wegen des engen Zusammenhangs mit der Fourier-Reihe wird die auch als diskrete Fourier-Reihe bezeichnet. Während die Fourier-Reihe mit k =, ±, ±2,... ein unendlich ausgedehntes Linienspektrum zu den Kreisfrequenzen 2π f k erzeugt, ordnet die wegen der Periodizität der Exponentialfunktion exp( j 2π k/) den Elementen einer Periode der Folge genau Spektrallinien für k =,,..., zu. Die ist eine Blocktransformation, die den Signalelementen im Zeitbereich genau Signalelemente im Frequenzbereich und umgekehrt bijektiv zuordnet. Wegen der bijektiven Umkehrbarkeit der der Transformation geht keine Signalinformation verloren. Martin Werner SigSys_P
4 36 3 Diskrete Fourier-Transformation Für das Verständnis der und ihrer Anwendungen ist wichtig, dass sie für periodische Folgen definiert ist, siehe Abbildung 3., aber häufig auf Folgen endlicher Länge angewendet wird. Dies ist kein Widerspruch. Weil jede Folge endlicher Länge L mit der Periode L eindeutig periodisch fortgesetzt werden kann, ist die auf alle geordneten Zahlenfolgen endlicher Länge anwendbar. Man beachte, dass die und ihr Inverses (I) in Tabelle 3. bis auf den Skalierungsfaktor / symmetrisch sind. Damit kann jede geordnete Folge endlicher Länge prinzipiell sowohl als Zeitsignal als auch als Spektrum interpretiert werden. Und die Sätze der für den Zeitbereich haben ihre Entsprechungen im Frequenzbereich und umgekehrt. Die bisherigen Überlegungen fassen die folgenden Definitionen nochmals zusammen: Die diskrete Fourier-Transformation () einer Folge x[n] der Länge mit n =,,..., ist die Folge der -Koeffizienten für k =,, 2,..., kn (3.) n= j( 2π ) [ ] = xn [ ] e X k Die inverse (I) liefert wieder die ursprüngliche Folge, wobei diese als Überlagerung gewichteter Sinus- und Kosinusfolgen dargestellt wird. 2π 2π x n X k X k k n k n k= k= + j( 2π ) kn [ ] = [ ] e = [ ] cos + j sin (3.2) Die Folge x[n] und ihr -Spektrum X[k] bilden ein -Paar. [ ] X[ k] xn (3.3) Bei Bedarf werden die Folge und ihr -Spektrum mit der Periode fortgesetzt. Beispiel 3. einer Kosinusfolge Um die Ergebnisse der interpretieren zu können, müssen wir uns die Eigenschaften der Transformationsgleichungen (3.) und (3.2) klar machen. Den ersten, und wichtigsten Schritt dazu liefert das grundlegende Beispiel der der Kosinusfolge π xn [ ] = cos n 8. (3.4) Grundperiode n Abbildung 3. Periodische Folge Martin Werner SigSys_P
5 3. Grundlagen 37 Sie soll der der Länge = 32 unterworfen werden. Die Indizes n und k der Blocktransformation bewegen sich dann von bis 3. [ ] X k 3 2π π j nk = cos n e 32 n= 8 (3.5) Für den weiteren Rechengang ist es vorteilhaft, die Kosinusfunktion mit der eulerschen Formel in exponentieller Form darzustellen. ach kurzer Zwischenrechnung erhält man die zwei geometrische Reihen [ ] X k die in die beiden Summen resultieren 3 π π j ( 2 k) n j ( 2+ k) n 6 6 = e + e 2 n= (3.6) [ ] X k e e = + 2 e e j2π ( 2 k) j 2π ( 2+ k) π π j ( 2 k) j ( 2+ k) 6 6 (3.7) Die Brüche in der Klammer zeigen, dass die Zähler stets null sind, weil in den Exponenten stets ein ganzzahliges Vielfaches von 2π auftritt und folglich die harmonischen Exponentiellen gleich eins sind. Damit sich überhaupt ein von null verschiedener -Koeffizient einstellen kann, muss der enner die ullstelle des Zählers kompensieren. Dies geschieht genau für k = 2 und 3, dann ist der enner ebenfalls null. Für k = 2 und 3 liegen somit zunächst unbestimmte Ausdrücke vor, die aus (3.7) mit der Regel von L Hospital, oder einfacher direkt durch Einsetzen der beiden Werte für k aus (3.6) bestimmt werden können. Es resultiert die der Kosinusfolge [ ] 6 ( δ[ 2] δ[ 3] ) X k = k + k für k = :3. (3.8) Die Kosinusfolge und ihr -Spektrum sind in Abbildung 3.2 dargestellt. Die Grafik wurde mit dem Programm 3. erzeugt. Darin wird die mit dem Befehl fft berechnet. Er stellt einen besonders effizienten Algorithmus zur Berechnung der dar und daher auch sein ame fft, für englisch fast fourier transform (FFT). Der Algorithmus der FFT ist Gegenstand eines weiteren Versuches und wird dort ausführlich behandelt. Wie in Abbildung 3.2 zu sehen ist, erfasst die der Länge = 32 genau zwei Perioden der Kosinusfolge. Die liefert deshalb genau zwei von null verschiedene reelle Koeffizienten, nämlich für k = 2 und k = 2 = 3. Damit kann vom -Spektrum in Abbildung 3.2 augenfällig, d. h. ohne Rechnung, auf das Kosinussignal und seine Periode und umgekehrt geschlossen werden. Die allgemeine Betrachtung der als harmonische Analyse macht dies nochmals deutlich, siehe (3.2). Die stellt jede Folge der Länge als mit den -Koeffizienten gewichtete Überlagerung von Kosinus- und Sinusfolgen dar Martin Werner SigSys_P
6 38 3 Diskrete Fourier-Transformation xn [ ] = X[ k] cos( Ωk n) + j sin ( Ωk n) für n = : (3.9) k = mit den normierten Kreisfrequenzen 2π Ω k = k für k = :. (3.) Durch Koeffizientenvergleich ergibt sich der Zusammenhang Re( x[n] ) n Im( x[n] ) n Re( X[k] ) - Im( X[k] ) k k Abbildung 3.2 Kosinusfolge (oben) und ihr -Spektrum (unten); Darstellung von Real- (Re) und Imaginär-(Im)teilen links bzw. rechts (dsplab3_) Programm 3. der Kosinusfolge % dft spectrum of a cosine sequence % dsplab3_.m * mw * = 32; % length of sequences (period) n = :-; % normalized time Omega = pi/8; % normalized radian frequency x = cos(omega*n); % cosine sequence X = fft(x); % computation of dft spectrum % Graphics FIG = figure('ame','dsplab3_','umbertitle','off',... 'Units','normal','Position',[ ]); subplot(2,2,), stem(:-,real(x),'filled'), grid axis([ - - ]); xlabel('{\itn}'), ylabel('re( {\itx}[{\itn}] )') subplot(2,2,2), stem(:-,imag(x),'filled'), grid axis([ - - ]); xlabel('{\itn}'), ylabel('im( {\itx}[{\itn}] )') subplot(2,2,3), stem(:-,real(x),'filled'), grid MAX = max(abs(x)); axis([ - -MAX MAX]); xlabel('{\itk}'), ylabel('re( {\itx}[{\itk}] )') subplot(2,2,4), stem(:-,imag(x),'filled'), grid axis([ - -MAX MAX]); xlabel('{\itk}'), ylabel('im( {\itx}[{\itk}] )') Martin Werner SigSys_P
7 3. Grundlagen 39 ( δ[ ] δ ( ) ) 2π cos K n k K + k K 2 für k = :. (3.) Der erste Impuls im -Spektrum bei k gleich K folgt unmittelbar. Der zweite Impuls resultiert weil die Kosinusfunktion eine gerade Funktion und in 2π periodisch ist, das heißt 2π 2π 2π 2π cos ( K) n = cos n K n = cos K n. (3.2) Ebenso kann für Sinusfolgen überlegt werden ( δ[ ] δ ( ) ) 2π sin K n j k K + k K 2 für k = :. (3.3) 3..2 Eigenschaften der diskreten Fourier-Transformation Die besitzt ähnliche Eigenschaften wie die Fourier-Transformation, wie z. B. die Symmetrie zwischen der Hin- und Rücktransformation, die Dualität zwischen Zeit- und Frequenzbereich. Wegen der periodisch zu denkenden Folgen ergeben sich zusätzlich die speziellen Eigenschaften zur zyklischen Verschiebung, zyklischen Faltung und Multiplikation. In Tabelle 3.2 sind wichtige Eigenschaften im Sinne einer Formelsammlung zusammengestellt. Einige davon werden später noch genauer erläutert und in der Versuchsdurchführung verwendet. Hier soll noch auf zwei Eigenschaften gesondert hingewiesen werden: Zum ersten, die parsevalsche Gleichung. Sie verbindet die Signalleistungen in Zeit- und Frequenzbereich. Zum zweiten die hermitesche Symmetrie, sie ist für reelle Signale oft nützlich. [ ] [ ] für [ ] X k = X k xn (3.4) Sie ergibt sich aus dem Zuordnungsschema und bedeutet, dass für reelle Signale der Betrag des -Spektrums eine gerade und die Phase eine ungerade Funktion ist. Dies wird bei grafischen Darstellungen zur Vereinfachung oft benutzt. Die Annahme periodischer Folgen und Spektren deckt sich mit der üblichen zweiseitigen Darstellung der Fourier-Spektren in der Kommunikationstechnik. MATLAB unterstützt dies durch den Befehl fftshift der das -Spektrum in zentrierte Form bringt. Abbildung 3.3 zeigt ein Beispiel für die Sinusfolge. Der -Koeffizient für k gleich null befindet sich jetzt im Zentrum des dargestellten -Spektrums. Damit ähneln die Spektren den gewohnten Darstellungen aus der Fourier-Transformation zeitkontinuierlicher bzw. zeitdiskreter Signale. Für die inverse stellt MATLAB den Befehl ifft bereit. Martin Werner SigSys_P
8 4 3 Diskrete Fourier-Transformation Re( x [ n ] ) Im( x [ n ] ) n n Re( X [ k ] ) - Im( X [ k ] ) k k Abbildung 3.3 Sinusfolge (oben) und ihr -Spektrum in zentrierter Form (unten); Darstellung von Real- (Re) und Imaginär-(Im)teilen links bzw. rechts Tabelle 3.2 Sätze der diskreten Fourier-Transformation für periodische Folgen der Länge Linearität al xl[ n] al Xl[ k] (3.5) Zyklische Verschiebung mit mk j2π/ xn w = e [ m] w X[ k] l l (3.6) Modulation nl w xn [ ] X[ k l] + (3.7) Spiegelung x[ n] X[ k] (3.8) * * Konjugiert komplexe Folge x [ n] X [ k] (3.9) Zyklische Faltung x [ n] x [ n] X [ k] X [ k] * 2 2 (3.2) (3.2) Multiplikation x [ n] x [ n] X [ k] * X [ k] Parsevalsche Gleichung xn [ ] X[ k] (3.22) n= k= Zuordnungsschema gerade (even), ungerade (odd), reell (real), imaginär (imaginary) x[n] = x er [n] + x or [n] + j ( x ei [n] + x oi [n]) X[k] = X er [k] + X or [k] + j ( X ei [k] + X oi [k]) (3.23) Martin Werner SigSys_P
9 3. Grundlagen Vorbereitende Aufgaben A3. Von zentraler Bedeutung für die Eigenschaften der ist die Orthogonalität der harmonischen Exponentiellen. 2π j kn für k = m e = und k, m ganze Zahlen (3.24) n= sonst Verifizieren Sie die Gleichung mit der geometrischen Reihe. A3.2 Geben Sie für die nachfolgenden Signale das -Spektrum der Länge an. Hinweise: Es gilt n = : und n < bzw. Ω < π. Siehe auch Beispiel und Aufgabe A3.. [ ] = δ [ ] x n n n e e x [ n] = cos( Ω n) X [ k] = + e e 2π 2π j Ω k Ω+ j k 2 2 2π 2π 2 j Ω k Ω+ j k [ ] = sin ( Ω ) x n n x 3 j [ n] = Ω n 4 e x5 [ n ] = A3.3 Geben Sie für den Sonderfall Ω = λ 2π mit λ {, 2,..., } die Spektren X 2 [k], X 3 [k] und X 4 [k] an. Hinweis: Siehe Orthogonalität der harmonischen Exponentiellen. 2π x2 [ n] cos n λ = 2π x3[ n] sin n X3[ k] [ k ] k ( ) λ = = 2j δ λ δ λ x j ( 2π ) [ n] = 4 e λ n 3..4 Versuchsdurchführung ( ) M3. Erzeugen Sie die Signale x [n] bis x 5 [n] aus A3.2 und führen Sie für = 32 jeweils die durch. Als Parameter verwenden Sie n = 4 bzw. Ω = 4π /. Vergleichen Sie die grafischen Darstellungen mit Ihren vorbereiteten Ergebnissen. M3.2 Führen Sie die letzte Aufgabe M3. für das Signal x 2 [n] weiter. a) Stellen Sie das -Betragsspektrum in zentrierter Form grafisch dar. Achten Sie besonders auf die korrekte Beschriftung der Abszisse. Martin Werner SigSys_P
10 42 3 Diskrete Fourier-Transformation b) Ändern Sie nun die normierter Kreisfrequenz auf Ω = 4.5 π /. Wenn Ω λ 2π mit λ {, 2,..., } gewählt wird, verändern sich die - Spektren im Vergleich zu A3.3 in charakteristischer Weise. Warum wird hier zur Beschreibung der Begriff Leckphänomen, auch Leckeffekt, verwendet? 3.2 Klirrfaktormessung mit der 3.2. Klirrfaktor Der enge Zusammenhang zwischen der Fourier-Transformation und der kann im Fall periodischer Signale dazu benutzt werden, mit der die Koeffizienten der Fourier-Reihe effizient zu bestimmen. Für die Praxis ergeben sich daraus wichtige Anwendungen. So lassen sich mit einer kontinuierlichen Zustandserfassungen von Maschinen, z. B. von Antriebswellen und Lagern, Maschinenschäden in der Entstehungsphase erkennen; Oder anders herum der Abnutzungsvorrat im überwachten Betrieb ausschöpfen. Ein anderes Anwendungsgebiet ergibt sich in Energieversorgungsunternehmen. Dort ist der Leistungsanteil der Oberwellen im Spannungsversorgungsnetz eine Kenngröße für die Versorgungsqualität. Gewisse Grenzwerte müssen überwacht und eventuell Gegenmaßnahmen ergriffen werden. Schließlich spielt, wie der ame schon sagt, der Klirrfaktor in der achrichtentechnik, insbesondere der Audiotechnik, eine gewichtige Rolle, wenn es beispielsweise um die Güte von Mikrofonen und Lautsprechern geht. Die Klirrfaktormessung stellt das Beispiel in Abbildung 3.4 vor. Als Signal wird die mit einem Einweggleichrichter gleichgerichtete sinusförmige Spannung mit normierter Amplitude verwendet. Die Frequenz f sei 5 Hz, wie im europäischen Stromversorgungsnetz. u( t) = + sin ( 2π f t) + π 2 2 cos( 2π f t) + cos( 4π f t) + cos( 6π f t) + π (3.25) Mit dem Klirrfaktor wird allgemein die Signalverzerrung für Eintonsignale beim Durchgang durch ein nichtlineares System abgeschätzt, wie im Beispiel der Einweggleichrichter. Der Klirrfaktor ist definiert als das Verhältnis des Effektivwerts der Harmonischen höherer Ordnung (Oberschwingungsgehalt) zum Effektivwert des Signals ohne den Gleichanteil ((Gesamt-)Wechselanteil). u(t) 2 3 t in ms Abbildung 3.4 Sinussignal nach Einweggleichrichtung Martin Werner SigSys_P
11 3.2 Klirrfaktormessung mit der 43 Mit den Amplituden der k-ten Harmonischen uˆk gilt für den Klirrfaktor d = uˆ + uˆ + uˆ uˆ + uˆ + uˆ + uˆ (3.26) Der Formelbuchstabe d steht hier für die englische Bezeichnung total harmonic distortion (THD). Man beachte, der Klirrfaktor ist ein relatives Maß; Skalierungsfaktoren kürzen sich, was für die Anwendung sehr praktisch ist. Manchmal sind Klirrfaktoren spezieller Ordnungen von Interesse. Dann wird nur der Effektivwert der k-ten Harmonischen im Zähler in (3.26) verwendet. Für das Beispiel Abbildung 3.4 kann der Klirrfaktor mit Programm 3.2 bestimmt werden. Statt eines realen abgetasteten Signals werden zunächst die (idealen) Abtastwerte einer Periode generiert und es schließt sich die und die Auswertung der - Koeffizienten zum Klirrfaktor an. Das Programm erzeugt die Grafik in Abbildung 3.4. Um den Zusammenhang mit dem gedachten analogen Signal hervorzuheben, wird die Abszissenskalierung in Millisekunden (ms) bzw. Hertz (Hz) vorgenommen. Die in Tabelle 3.3 angezeigten Werte werden vom Programm berechnet. Der so bestimmte äherungswert für den Klirrfaktor beträgt ungefähr.4. Im Vergleich mit dem anhand der Fourier-Koeffizienten in (3.25) numerisch berechneten Wert.399 zeigt sich, obwohl nur 2 Abtastwerte pro Periode genommen wurden, und damit entsprechend wenig Harmonische ausgewertet, ein geringer relativer Fehler von circa 2.8 %. x(t) t in ms norm. X(f) f in Hz Abbildung 3.5 Gleichgerichtetes Sinussignal (eine Periode) und normiertes -Betragsspektrum zur Klirrfaktor-Messung (dsplab3_3) Martin Werner SigSys_P
12 44 3 Diskrete Fourier-Transformation Tabelle 3.3 Bildschirmanzeige zur Klirrfaktormessung (dsplab3_3) dsplab3_3 : distortion f = 5 Hz fs = Hz max X(f) = f in Hz X(f) /max X(f) : distortion d =.4 Programm 3.2 Klirrfaktormessung mit der % total harmonic distortion measurement with fft % dsplab3_3.m * mw * f = 5; T = /f; % fundamental frequency in Hz and signal period fs = e3; Ts = /fs; % sampling frequency and sampling period s = floor(t/ts); % number of samples per period n = :s-; % normalized discrete time % signal and spectrum x = sin(2*pi*f*ts*n); % sine function x(x<=) = ; % rectify signal, sine half wave (logical indexing) X = fft(x); % dft spectrum X = X/s; % normalize dft spectrum %% Graphics % Time signal, sampled signal t = e3*ts*n; % time scale in ms FIG = figure('ame','dsplab3_3 : distortion','umbertitle','off'); subplot(2,,), plot(t,x,t,x,'.','markerfacecolor','b',... 'MarkerEdgeColor','b','MarkerSize',2), grid axis([ e3*ts*s ]); xlabel('{\itt} in ms \rightarrow') ylabel('{\itx}({\itt}) \rightarrow') % spectrum M = floor((s-)/2); % number of spectral lines to show f = (:M)*fs/s; % frequency scale in Hz MAX = max(abs(x)); subplot(2,,2), stem(f,abs(x(:m+))/max,'filled'), grid axis([ max(f) ]); Martin Werner SigSys_P
13 3.2 Klirrfaktormessung mit der 45 xlabel('{\itf} in Hz \rightarrow') ylabel('norm. {\itx}({\itf}) \rightarrow') %% Text on screen fprintf('\n') % text output on screen fprintf('dsplab3_3 : distortion\n') fprintf('f = %5i Hz\n',f) fprintf('fs = %5i Hz\n',fs) fprintf('max X(f) = %g\n',max) fprintf('f in Hz X(f) /max X(f) : \n') for k = :M+ fprintf(' %5i %6.4f \n',f(k),abs(x(k)/max)) end %% Distortion D = abs(x(2)).^2; % rms-value for fundamental frequency signal D = sum(abs(x(2::m+)).^2); % rms-value for harmonics d = sqrt((d-d)/d); % distortion fprintf('distortion d = %6.4f \n',d) Vorbereitende Aufgaben A3.4 Machen Sie sich die Zerlegung eines Signals in Kosinus- und Sinusfunktionen durch die harmonische Analyse nochmals klar, indem Sie die Fourier-Reihe für den periodischen Rechteckimpulszug aus dem ersten Versuch, Kapitel.2.3, verwenden: 2 xt ( ) = + sin ([ 2m+ ] 2π t) (3.27) 2 π 2 m + m= In der Versuchsdurchführung soll die inverse zur Berechnung der Signalfolge eingesetzt werden. Man spricht dann auch von der Fouriersynthese im Gegensatz zur Fourieranalyse. Lösen Sie vorbereitend folgende Aufgaben bzw. beantworten Sie die Fragen. a) Geben Sie die Abtastfolge zu (3.27) an, wenn pro Periode 6 Abtastwerte genommen werden. Gehen Sie wieder von einer normierten Darstellung mit Amplitude und Periode aus, vgl. Abbildung.6 und.7. Wie groß ist dann die normierte Kreisfrequenz der. Harmonischen Ω? b) Die Abtastfolge ist ein reelles Signal. Welche Symmetriebedingung ergeben sich daraus für die -Koeffizienten, wenn die -Länge = 6 ist? c) Warum ist es wichtig, dass die -Länge ein ganzzahliges Vielfaches der (Signal-)Periode ist? d) Unter welchen Bedingungen kann das periodische Signal durch die - Koeffizienten vollständig repräsentiert werden? Martin Werner SigSys_P
14 46 3 Diskrete Fourier-Transformation A A x(t) T /4 T /2 3T /4 T 2T t Abbildung 3.6 Periodische Dreieckschwingung A3.5 Geben Sie die Fourier-Reihe für die Dreieckschwingung in Abbildung 3.6 mit der Periode T = ms an. Hinweis: Siehe einschlägige Tabellenwerke mit Fourier-Reihen Versuchsdurchführung M3.3 un soll Sie die Fouriersynthese aus A3.4 praktisch durchführen. Aus der Fourier-Reihe (3.27) folgt für die -Koeffizienten die Berechnungen im Programm 3.3. Machen Sie sich mit dem Programm vertraut und stellen Sie den Zusammenhang mit der Fourier-Reihe (3.27) bzw. Ihren Vorüberlegungen in A3.4 her. Hinweis: Für die inverse stellt MATLAB den Befehl ifft bereit. Das Programm 3.3 erzeugt Grafiken für das Signal und sein -Spektrum mit jeweils Werten für eine Periode. M3.4 Berechnen Sie den Klirrfaktor der Dreieckschwingung in Abbildung 3.6 mit MATLAB a) anhand der Fourierkoeffizienten aus der Vorbereitung A3.5 b) und mittels Simulation und. Programm 3.3 Signalsynthese durch inverse % Fourier synthesis by idft % dsplab3_6.m * mw * = 32; % length of sequences (period) % dft coefficients X = zeros(,); % allocate memory and set default values zero X(+)= /2; % X[]= /2 (dc component) cf = (/2)*(2/pi); % common factor for k = :2:/2 % for odd indices X[],X[3],...,X[/2] X(k+) = -i*cf/k; end % complete dft spectrum of real-valued signals by using even and % odd symmetry for real and imaginary parts respectively X(:-:/2+) = -X(2:/2+); x = ifft(x); % computation of time-domain signal % Graphics FIG = figure('ame','dsplab3_6','umbertitle','off',... 'Units','normal','Position',[ ]); subplot(2,2,), stem(:-,real(x),'filled'), grid axis([ ]); Martin Werner SigSys_P
15 3.3 Zusammenfassung 47 xlabel('{\itn} \rightarrow') ylabel('re( {\itx}[{\itn}] )\rightarrow') subplot(2,2,2), stem(:-,imag(x),'filled'), grid axis([ ]); xlabel('{\itn}\rightarrow') ylabel('im( {\itx}[{\itn}] )\rightarrow') subplot(2,2,3), stem(:-,real(x),'filled'), grid MAX = max(abs(x)); axis([ - -MAX MAX]); xlabel('{\itk} \rightarrow') ylabel('re( {\itx}[{\itk}] ) \rightarrow') subplot(2,2,4), stem(:-,imag(x),'filled'), grid axis([ - -MAX MAX]); xlabel('{\itk} \rightarrow') ylabel('im( {\itx}[{\itk}] ) \rightarrow') 3.3 Zusammenfassung Der Versuch Diskrete Fourier-Transformation knüpft daran an, dass Signale, wie Tonsignale in Kapitel 2, oft praktischerweise als Überlagerungen von vielen sinusförmigen Signalen gedacht werden können. Mathematisch betrachtet führt dies auf die harmonische Analyse bzw. die Fourier-Analyse in Tabelle 3.. Die dort dargestellte Diskrete Fourier- Transformation () bildete den Schwerpunkt dieses Versuches. Sie lernten die als eine, für Digitalrechner besonders geeignete numerische Blocktransformation kennen. Ihre Fundierung in der Orthogonalität der harmonischen Exponentiellen konnten Sie nachvollziehen. Auch eine Zusammenstellung von wichtigen Eigenschaften der wurde in Tabelle 3.2 vorgestellt wenn auch nicht weiter vertieft. Anhand der Klirrfaktormessung konnten Sie den Zusammenhang zwischen der Fourier- Reihe und der, zwischen den Fourier-Koeffizienten und den -Koeffizienten explizit nachvollziehen. Dadurch waren Sie auch in der Lage eine Fouriersynthese, eine Signalmodellierung vorzunehmen, ähnlich wie sie in der achrichtenübertragungstechnik heute ihre Anwendung findet. Weiter lernten Sie die Voraussetzungen für die Klirrfaktormessung kennen und konnten die Messung selbst praktisch durchführen. 3.4 Quiz Kreuzen Sie alle richtigen Aussagen in den Ja-ein-Fragen ( ) an bzw. ergänzen Sie die Lückentexte (_) sinngemäß. Die ist eine bijektive lineare Blocktransformation. 2 Die einer Kosinusfolge mit Ω = k 2π/ und k = und = 64 ist. 3 Die beruht auf der der harmonischen Exponentiellen. Martin Werner SigSys_P
16 48 3 Diskrete Fourier-Transformation 4 Ist das -Spektrum reell, ist auch die Rücktransformierte reell. 5 Der größte -Koeffizient zeigt die Signalfrequenz an. 6 Mit dem Befehl fftshift wird das -Spektrum in Form angeordnet. 7 Es gilt X[] = X[]. 8 9 Bei der Klirrfaktormessung sollte die -Länge mit der Harmonischen abgestimmt werden. Bei der Klirrfaktormessung erübrigt sich die Synchronisation zwischen dem Beginn der Messung, der Beginn des Signalblocks, und dem Beginn der Periode des Signals. Der Gleichanteil kann wegen seiner geringen Größe bei der Klirrfaktormessung in der Regel vernachlässigt werden. 3.5 Lösungshinweise Onlineressourcen dsplab3_.m bis dsplab3_7.m Zu A3. Orthogonalität für komplexe Exponentielle Für k = m ist der Exponent mit j 2π m stets ein ganzzahliges Vielfaches von 2π, so dass jeder der Summanden gleich ist. Für k m (insbesondere auch k ) folgt für die (endliche) geometrische Reihe j2π k 2π e k n j2π k n= exp j = = e da der Zähler ist und der enner endlich ist und von verschieden. Zu A3.2 -Paare 2π x[ n] = δ[ n n] X[ k] = exp j n k e e x [ n] = sin ( Ω n) X [ k] = e e 2π 2π j Ω k j Ω + k 3 3 2π 2π 2j j Ω k j Ω + k jωn x [ n] = e X e [ k] = e 2π j Ω k 4 4 2π j Ω k j2π k e x5 n X5 k k 2π j k e [ ] = [ ] = = δ [ ] Martin Werner SigSys_P
17 3.5 Lösungshinweise 49 Zu A3.3 -Paare ( ) 2π x2[ n] cos n X2[ k] [ k ] k ( ) λ = = 2 δ λ + δ λ j2π λn [ ] = e [ ] = δ[ λ] x n X k k 4 4 Zu A3.4 Fourier-Synthese a) Zuerst wird die kompakt gegebene Fourier-Reihe so umgeformt, dass ein Koeffizientenvergleich leichter ersichtlich wird. Zum besseren Verständnis und der Allgemeinheit halber fügen wir die Frequenz der. Harmonischen hinzu (Entnormierung). 2 xt ( ) = + sin (( 2m+ ) 2π f t) = 2 π m= 2m + 2 = + sin ( 2π f t) sin( 3 2π f t) sin( 5 2π f t) 2 π = 2 = + sin ( 2π f k t) 2 π k k =,3,5, Mit (= 6) Abtastwerten pro Periode T gilt fs = f =. T Und damit ergibt sich die Abtastfolge 2 x n = x t = nt = + sin 2π k f nt = [ ] ( ) ( ) S S 2 π k =,3,5, k TS = f 2 2π = + sin k n 2 π k =,3,5, k Die normierte Kreisfrequenz der. Harmonischen ist 2π Ω =. b) Für reelle Folgen gilt allgemein die hermitesche Symmetrie. Konkret hier für = 6 und nur Sinusterme [ ] [ ] [ ] [ ] [ ] [ ] [ ] X = X 5, X 2 = X 4,, X 7 = X 9, X 8 =. Die Konstante liefert einen (reellen) Impulsanteil mit Amplitude / 2 = 8 im Spektrum für k =. c) ur wenn die -Länge ein ganzahliges Vielfaches der Periode ist, sind die Fourier-Koeffizienten und die -Koeffizienten direkt ineinander überführbar. ur dann entspricht die Abtastung der Fourier-Reihe der -Synthesegleichung (3.2). Martin Werner SigSys_P
18 5 3 Diskrete Fourier-Transformation d) Die -Koeffizienten müssen vollständig und bis auf einen gemeinsamen Faktor gleich den Fourier-Koeffizienten sein. Wegen der endlichen Blocklänge muss dazu die Fourier-Reihe abbrechen, die Zahl der Harmonischen endlich sein. Man spricht dann auch von einer Fourier-Summe bzw. einem bandbegrenzten Signal. Die -Blocklänge ist so zu wählen, dass alle Harmonischen durch die erfasst werden. (Und selbstverständlich ist das Abtasttheorem einzuhalten, siehe späteren Versuch.) Zu A3.5 Fourier-Reihe ( ) xt ( f t) ( f t) ( f t) 8 sin 2π sin 2π 3 sin 2π 5 = A π 3 5 Zu M3. Signalerzeugung, und grafische Darstellung siehe dsplab3_4. Zu M3.2 Siehe Programm dsplab3_5 und Abbildung 3.7. Mit dem Begriff Leckphänomen (Leakage phenomenon) wird das Ausfliesen der -Koeffizienten bezeichnet, wenn ein Ausschnitt eines periodischen Signals der unterworfen wird und die -Länge nicht genau ein ganzzahliges Vielfaches der Periode erfasst, siehe Abbildung 3.7. Es treten mehrere von null verschiedene -Koeffizienten auf, obwohl ein Eintonsignal zugrunde liegt. Das Leckphänomen wird nicht durch einen Fehler hervorgerufen, sondern ist durch die Segmentierung der Kurzzeit-Spektralanalyse (Blocktransformation) bedingt..5.5 x [n] ) -.5 x 2 [n] ) n n 5 5 X [k] 5 X 2 [k] 5 - k - k Abbildung 3.7 Leckphänomen im -Spektrum (rechts) Martin Werner SigSys_P
19 3.6 Literaturverzeichnis und Quellen 5 ach der parsevalschen Gleichung muss die Signalenergie im -Spektrum erscheinen, weshalb außer bei einer ullfolge nicht alle -Koeffizienten gleich null sein können. Die Energieanteile von Frequenzkomponenten, die im Frequenzraster des -Spektrums keine direkte Entsprechung haben, tauchen deshalb zwangsweise an anderen Stellen auf. Zu M3.3 Fouriersynthese, siehe dsplab3_6. % dft coefficients X = zeros(,); % allocate memory and set default values zero X(+)= /2; % X[]= /2 (dc component) cf = (/2)*(2/pi); % common factor for k = :2:/2 % for odd indices X[],X[3],...,X[/2] X(k+) = -i*cf/k; end % complete dft spectrum of real-valued signals by using even and % odd symmetry for real and imaginary parts respectively X(:-:/2+) = -X(2:/2+); Zu M3.4 Klirrfaktor, siehe dsplab3_ Literaturverzeichnis und Quellen Oppenheim A. A., Willsky A. S. & awab S. H. (997) Signals & Systems. (2nd ed.). Upper Saddle River, J: Prentice-Hall Schüßler H. W. (28) Digitale Signalverarbeitung. Analyse diskreter Signale und Systeme. (5. Aufl.) Berlin: Springer Werner M. (2) Digitale Signalverarbeitung mit MATLAB. Grundkurs mit 6 ausführlichen Versuchen. (5. Aufl.). Wiesbaden: Vieweg+Teubner 3.7 Sachverzeichnis Blocktransformation 35 -Koeffizienten 36 -Spektrum 36 Diskrete Fourier-Transformation 34 Fouriersynthese 45 Harmonischen Analyse 34 Hermitesche Symmetrie 39 Klirrfaktor 42 Klirrfaktormessung 42 Orthogonalität 4 parsevalsche Gleichung 4 Parsevalsche Gleichung 39 Zentrierte Form 39 Martin Werner SigSys_P
20 52 3 Diskrete Fourier-Transformation Die Seite bleibt aus drucktechnischen Gründen leer. Martin Werner SigSys_P
Technik der Fourier-Transformation
Was ist Fourier-Transformation? Fourier- Transformation Zeitabhängiges Signal in s Frequenzabhängiges Signal in 1/s Wozu braucht man das? Wie macht man das? k = 0 Fourier- Reihe f ( t) = Ak cos( ωkt) +
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
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
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
MehrPrimzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
MehrDISKRETE FOURIER-TRANSFORMATION (DISCRETE FOURIER TRANSFORM, DFT)
DISKRETE FOURIER-TRASFORMATIO (DISCRETE FOURIER TRASFORM, ) STUDIEBRIEF DSV DISKRETE FOURIER-TRASFORMATIO MARTI WERER FULDA 26 2 Inhalt Warum diskrete Fourier-Transformation?... 3 2 Grundlagen... 3 2.
MehrMesstechnik-Praktikum. Spektrumanalyse. Silvio Fuchs & Simon Stützer. c) Berechnen Sie mit FFT (z.b. ORIGIN) das entsprechende Frequenzspektrum.
Messtechnik-Praktikum 10.06.08 Spektrumanalyse Silvio Fuchs & Simon Stützer 1 Augabenstellung 1. a) Bauen Sie die Schaltung für eine Einweggleichrichtung entsprechend Abbildung 1 auf. Benutzen Sie dazu
MehrElektrische Messtechnik Protokoll - Bestimmung des Frequenzgangs durch eine Messung im Zeitbereich
Elektrische Messtechnik Protokoll - Bestimmung des Frequenzgangs durch eine Messung im Zeitbereich André Grüneberg Janko Lötzsch Mario Apitz Friedemar Blohm Versuch: 19. Dezember 2001 Protokoll: 6. Januar
MehrGrundlagen der Videotechnik. Redundanz
Grundlagen der Videotechnik Redundanz Redundanz beruht auf: - statistischen Abhängigkeiten im Signal, - Information, die vorher schon gesendet wurde - generell eine Art Gedächtnis im Signal Beispiel: Ein
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?
MehrA2.3: Sinusförmige Kennlinie
A2.3: Sinusförmige Kennlinie Wie betrachten ein System mit Eingang x(t) und Ausgang y(t). Zur einfacheren Darstellung werden die Signale als dimensionslos betrachtet. Der Zusammenhang zwischen dem Eingangssignal
MehrSimulink: Einführende Beispiele
Simulink: Einführende Beispiele Simulink ist eine grafische Oberfläche zur Ergänzung von Matlab, mit der Modelle mathematischer, physikalischer bzw. technischer Systeme aus Blöcken mittels plug-and-play
MehrFourier-Zerlegung, Fourier-Synthese
Fourier-Zerlegung, Fourier-Synthese Periodische Funktionen wiederholen sich nach einer Zeit T, der Periode. Eine periodische Funktion f(t) mit der Periode T genügt der Beziehung: f( t+ n T) = f( t) für
MehrLongitudinale und transversale Relaxationszeit
Longitudinale und transversale Relaxationszeit Longitudinale Relaxationszeit T 1 (Zeit, die das System benötigt, um nach dem rf- Puls zurück ins Gleichgewicht zu kommen) Transversale Relaxationszeit T
Mehr50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
MehrDIFFERENTIALGLEICHUNGEN
DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung
Mehr7 Rechnen mit Polynomen
7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn
MehrDie reellen Lösungen der kubischen Gleichung
Die reellen Lösungen der kubischen Gleichung Klaus-R. Löffler Inhaltsverzeichnis 1 Einfach zu behandelnde Sonderfälle 1 2 Die ganzrationale Funktion dritten Grades 2 2.1 Reduktion...........................................
MehrGT- Labor. Inhaltsverzeichnis
Inhaltsverzeichnis Seite 1. Versuchsvorbereitung 2 1.1 Qualitatives Spektrum der Ausgangsspannung des Eintaktmodulators 2 1.2 Spektrum eines Eintaktmodulators mit nichtlinearem Element 2 1.3 Bandbreite
Mehr13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.
13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)
MehrVersuch 3. Frequenzgang eines Verstärkers
Versuch 3 Frequenzgang eines Verstärkers 1. Grundlagen Ein Verstärker ist eine aktive Schaltung, mit der die Amplitude eines Signals vergößert werden kann. Man spricht hier von Verstärkung v und definiert
MehrGrundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen
Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in
MehrEinführung in die Algebra
Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv
MehrAnalogmultiplexer als Amplitudenmodulatoren
Analogmultiplexer als Amplitudenmodulatoren Dipl.-Phys. Jochen Bauer 09.11.014 Einführung und Motivation Mit dem zunehmenden Verschwinden von Mittel- und Langwellensendern ergibt sich die Notwendigkeit
MehrElemente der Analysis I Kapitel 2: Einführung II, Gleichungen
Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 8. November 2010 http://www.mathematik.uni-trier.de/ schulz/elan-ws1011.html
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrPraktikum: Digitale Signalverarbeitung (ET215) Test 1
PROFESSOR DR.-ING. MARTIN WERNER M.W. Fachbereich Elektrotechnik und Informationstechnik Hochschule Fulda Praktikum: Digitale Signalverarbeitung (ET215) Test 1 Erklärung Mit meiner Unterschrift erkläre
MehrMusterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
MehrMATLAB Kurs 2010 Teil 2 Eine Einführung in die Frequenzanalyse via MATLAB
MATLAB Kurs 2010 Teil 2 Eine Einführung in die via MATLAB 26.11.2010 & 03.12.2010 nhaltsverzeichnis 1 2 3 Ziele Kurze Einführung in die -Analyse Ziele Kurze Einführung in die -Analyse MATLAB Routinen für
MehrInformationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
Mehr= {} +{} = {} Widerstand Kondensator Induktivität
Bode-Diagramme Selten misst man ein vorhandenes Zweipolnetzwerk aus, um mit den Daten Amplituden- und Phasengang zu zeichnen. Das kommt meistens nur vor wenn Filter abgeglichen werden müssen oder man die
MehrLU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen.
Zusätze zum Gelben Rechenbuch LU-Zerlegung Peter Furlan Verlag Martina Furlan Inhaltsverzeichnis Definitionen 2 (Allgemeine) LU-Zerlegung 2 3 Vereinfachte LU-Zerlegung 3 4 Lösung eines linearen Gleichungssystems
MehrNerreter, Grundlagen der Elektrotechnik Carl Hanser Verlag München. 8 Schaltvorgänge
Carl Hanser Verlag München 8 Schaltvorgänge Aufgabe 8.6 Wie lauten für R = 1 kω bei der Aufgabe 8.1 die Differenzialgleichungen und ihre Lösungen für die Spannungen u 1 und u 2 sowie für den Strom i? Aufgabe
MehrDFT / FFT der Titel der Präsentation wiederholt (Ansicht >Folienmaster) Dipl.-Ing. Armin Rohnen, Fakultät 03, rohnen@hm.edu
1 Grundlagen Abtasttheorem Fenster Zeit - Frequenzauflösung Pegelgenauigkeit Overlap Mittelung 2 2 volle Schwingungen 32 Abtastwerte Amplitude = 1 Pascal Signallänge = 1 Sekunde Eine Frequenzline bei 2
Mehr1 topologisches Sortieren
Wolfgang Hönig / Andreas Ecke WS 09/0 topologisches Sortieren. Überblick. Solange noch Knoten vorhanden: a) Suche Knoten v, zu dem keine Kante führt (Falls nicht vorhanden keine topologische Sortierung
MehrZahlen auf einen Blick
Zahlen auf einen Blick Nicht ohne Grund heißt es: Ein Bild sagt mehr als 1000 Worte. Die meisten Menschen nehmen Informationen schneller auf und behalten diese eher, wenn sie als Schaubild dargeboten werden.
MehrBerechnung der Erhöhung der Durchschnittsprämien
Wolfram Fischer Berechnung der Erhöhung der Durchschnittsprämien Oktober 2004 1 Zusammenfassung Zur Berechnung der Durchschnittsprämien wird das gesamte gemeldete Prämienvolumen Zusammenfassung durch die
MehrDie Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
MehrInduktivitätsmessung bei 50Hz-Netzdrosseln
Induktivitätsmessung bei 50Hz-Netzdrosseln Ermittlung der Induktivität und des Sättigungsverhaltens mit dem Impulsinduktivitätsmeßgerät DPG10 im Vergleich zur Messung mit Netzspannung und Netzstrom Die
MehrInfo zum Zusammenhang von Auflösung und Genauigkeit
Da es oft Nachfragen und Verständnisprobleme mit den oben genannten Begriffen gibt, möchten wir hier versuchen etwas Licht ins Dunkel zu bringen. Nehmen wir mal an, Sie haben ein Stück Wasserrohr mit der
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
Mehr5.8.8 Michelson-Interferometer ******
5.8.8 ****** Motiation Ein wird mit Laser- bzw. mit Glühlampenlicht betrieben. Durch Verschieben eines der beiden Spiegel werden Intensitätsmaxima beobachtet. Experiment S 0 L S S G Abbildung : Aufsicht
MehrMathematischer Vorbereitungskurs für Ökonomen
Mathematischer Vorbereitungskurs für Ökonomen Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Gleichungen Inhalt: 1. Grundlegendes 2. Lineare Gleichungen 3. Gleichungen mit Brüchen
MehrPhysik & Musik. Stimmgabeln. 1 Auftrag
Physik & Musik 5 Stimmgabeln 1 Auftrag Physik & Musik Stimmgabeln Seite 1 Stimmgabeln Bearbeitungszeit: 30 Minuten Sozialform: Einzel- oder Partnerarbeit Voraussetzung: Posten 1: "Wie funktioniert ein
Mehr5 Eigenwerte und die Jordansche Normalform
Mathematik für Physiker II, SS Mittwoch 8.6 $Id: jordan.tex,v.6 /6/7 8:5:3 hk Exp hk $ 5 Eigenwerte und die Jordansche Normalform 5.4 Die Jordansche Normalform Wir hatten bereits erwähnt, dass eine n n
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
MehrPhysik III - Anfängerpraktikum- Versuch 302
Physik III - Anfängerpraktikum- Versuch 302 Sebastian Rollke (103095) und Daniel Brenner (105292) 15. November 2004 Inhaltsverzeichnis 1 Theorie 2 1.1 Beschreibung spezieller Widerstandsmessbrücken...........
MehrAbituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)
Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Eine Firma stellt USB-Sticks her. Sie werden in der Fabrik ungeprüft in Packungen zu je 20 Stück verpackt und an Händler ausgeliefert. 1 Ein Händler
MehrSimulation LIF5000. Abbildung 1
Simulation LIF5000 Abbildung 1 Zur Simulation von analogen Schaltungen verwende ich Ltspice/SwitcherCAD III. Dieses Programm ist sehr leistungsfähig und wenn man weis wie, dann kann man damit fast alles
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
MehrPraktikum. Elektromagnetische Verträglichkeit
Praktikum Elektromagnetische Verträglichkeit Versuch 1 Stromoberschwingungen und Flicker Gruppe 7 Versuchsdurchführung am 24.05.2006 Blattzahl (inkl. Deckblatt): 20 Seite 1 von 20 Inhaltsverzeichnis 1.
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
MehrDas Mathematik-Abitur im Saarland
Informationen zum Abitur Das Mathematik-Abitur im Saarland Sie können Mathematik im Abitur entweder als grundlegenden Kurs (G-Kurs) oder als erhöhten Kurs (E-Kurs) wählen. Die Bearbeitungszeit für die
MehrLösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr.
Lösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr. Kurzweil Florian Franzmann André Diehl Kompiliert am 10. April 2006 um 18:33
Mehr6.2 Scan-Konvertierung (Scan Conversion)
6.2 Scan-Konvertierung (Scan Conversion) Scan-Konvertierung ist die Rasterung von einfachen Objekten (Geraden, Kreisen, Kurven). Als Ausgabemedium dient meist der Bildschirm, der aus einem Pixelraster
MehrSkript und Aufgabensammlung Terme und Gleichungen Mathefritz Verlag Jörg Christmann Nur zum Privaten Gebrauch! Alle Rechte vorbehalten!
Mathefritz 5 Terme und Gleichungen Meine Mathe-Seite im Internet kostenlose Matheaufgaben, Skripte, Mathebücher Lernspiele, Lerntipps, Quiz und noch viel mehr http:// www.mathefritz.de Seite 1 Copyright
Mehrwww.mathe-aufgaben.com
Abiturprüfung Mathematik Baden-Württemberg (ohne CAS) Pflichtteil Aufgaben Aufgabe : ( VP) Bilden Sie die erste Ableitung der Funktion f mit sin() f() =. Aufgabe : ( VP) Berechnen Sie das Integral ( )
MehrWachstum 2. Michael Dröttboom 1 LernWerkstatt-Selm.de
1. Herr Meier bekommt nach 3 Jahren Geldanlage 25.000. Er hatte 22.500 angelegt. Wie hoch war der Zinssatz? 2. Herr Meiers Vorfahren haben bei der Gründung Roms (753. V. Chr.) 1 Sesterze auf die Bank gebracht
MehrFachhochschule Düsseldorf Fachbereich Maschinenbau und Verfahrenstechnik. Praktikum Elektrotechnik und Antriebstechnik
FH D FB 4 Fachhochschule Düsseldorf Fachbereich Maschinenbau und Verfahrenstechnik Elektro- und elektrische Antriebstechnik Prof. Dr.-Ing. Jürgen Kiel Praktikum Elektrotechnik und Antriebstechnik Versuch
MehrErstellen von x-y-diagrammen in OpenOffice.calc
Erstellen von x-y-diagrammen in OpenOffice.calc In dieser kleinen Anleitung geht es nur darum, aus einer bestehenden Tabelle ein x-y-diagramm zu erzeugen. D.h. es müssen in der Tabelle mindestens zwei
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.
MehrGleichungen Lösen. Ein graphischer Blick auf Gleichungen
Gleichungen Lösen Was bedeutet es, eine Gleichung zu lösen? Was ist überhaupt eine Gleichung? Eine Gleichung ist, grundsätzlich eine Aussage über zwei mathematische Terme, dass sie gleich sind. Ein Term
MehrDer Zwei-Quadrate-Satz von Fermat
Der Zwei-Quadrate-Satz von Fermat Proseminar: Das BUCH der Beweise Fridtjof Schulte Steinberg Institut für Informatik Humboldt-Universität zu Berlin 29.November 2012 1 / 20 Allgemeines Pierre de Fermat
MehrSkalierung des Ausgangssignals
Skalierung des Ausgangssignals Definition der Messkette Zur Bestimmung einer unbekannten Messgröße, wie z.b. Kraft, Drehmoment oder Beschleunigung, werden Sensoren eingesetzt. Sensoren stehen am Anfang
MehrBehörde für Bildung und Sport Abitur 2008 Lehrermaterialien zum Leistungskurs Mathematik
Abitur 8 II. Insektenpopulation LA/AG In den Tropen legen die Weibchen einer in Deutschland unbekannten Insektenpopulation jedes Jahr kurz vor Beginn der Regenzeit jeweils 9 Eier und sterben bald darauf.
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
Mehr8. Quadratische Reste. Reziprozitätsgesetz
O Forster: Prizahlen 8 Quadratische Reste Rezirozitätsgesetz 81 Definition Sei eine natürliche Zahl 2 Eine ganze Zahl a heißt uadratischer Rest odulo (Abkürzung QR, falls die Kongruenz x 2 a od eine Lösung
Mehr1 Anregung von Oberflächenwellen (30 Punkte)
1 Anregung von Oberflächenwellen (30 Punkte) Eine ebene p-polarisierte Welle mit Frequenz ω und Amplitude E 0 trifft aus einem dielektrischen Medium 1 mit Permittivität ε 1 auf eine Grenzfläche, die mit
MehrWelche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
MehrTipp III: Leiten Sie eine immer direkt anwendbare Formel her zur Berechnung der sogenannten "bedingten Wahrscheinlichkeit".
Mathematik- Unterrichts- Einheiten- Datei e. V. Klasse 9 12 04/2015 Diabetes-Test Infos: www.mued.de Blutspenden werden auf Diabetes untersucht, das mit 8 % in der Bevölkerung verbreitet ist. Dabei werden
MehrF-Praktikum Physik: Photolumineszenz an Halbleiterheterostruktur
F-Praktikum Physik: Photolumineszenz an Halbleiterheterostruktur David Riemenschneider & Felix Spanier 31. Januar 2001 1 Inhaltsverzeichnis 1 Einleitung 3 2 Auswertung 3 2.1 Darstellung sämtlicher PL-Spektren................
MehrEM-Wellen. david vajda 3. Februar 2016. Zu den Physikalischen Größen innerhalb der Elektrodynamik gehören:
david vajda 3. Februar 2016 Zu den Physikalischen Größen innerhalb der Elektrodynamik gehören: Elektrische Stromstärke I Elektrische Spannung U Elektrischer Widerstand R Ladung Q Probeladung q Zeit t Arbeit
MehrLineare Differentialgleichungen erster Ordnung erkennen
Lineare Differentialgleichungen erster Ordnung In diesem Kapitel... Erkennen, wie Differentialgleichungen erster Ordnung aussehen en für Differentialgleichungen erster Ordnung und ohne -Terme finden Die
MehrAnleitung über den Umgang mit Schildern
Anleitung über den Umgang mit Schildern -Vorwort -Wo bekommt man Schilder? -Wo und wie speichert man die Schilder? -Wie füge ich die Schilder in meinen Track ein? -Welche Bauteile kann man noch für Schilder
MehrIst Fernsehen schädlich für die eigene Meinung oder fördert es unabhängig zu denken?
UErörterung zu dem Thema Ist Fernsehen schädlich für die eigene Meinung oder fördert es unabhängig zu denken? 2000 by christoph hoffmann Seite I Gliederung 1. In zu großen Mengen ist alles schädlich. 2.
MehrErstes Nyquistkriterium im Zeitbereich
Erstes Nyquistkriterium im Zeitbereich Für dieses Kapitel wurde vorausgesetzt, dass die Detektion eines Symbols nicht durch Nachbarimpulse beeinträchtigt werden soll. Dies erreicht man durch die Detektion
MehrMathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Dipl.-Math. Kevin Everard Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14 Auswahl vorausgesetzter Vorkenntnisse
MehrSeminar Digitale Signalverarbeitung
Universität Koblenz-Landau Institut für integrierte aturwissenschaften Abteilung Physik Dr. Merten Joost Seminar Digitale Signalverarbeitung Thema: Fast Fourier Transformation Praktische Durchführung einer
MehrInstitut für Leistungselektronik und Elektrische Antriebe. Übungen Regelungstechnik 2
Institut für Leistungselektronik und Elektrische Antriebe Prof. Dr.-Ing. J. Roth-Stielow Übungen Regelungstechnik 2 Inhalt der Übungen: 1. Grundlagen (Wiederholung RT1) 2. Störgrößenaufschaltung 3. Störgrößennachbildung
MehrMathematik. UND/ODER Verknüpfung. Ungleichungen. Betrag. Intervall. Umgebung
Mathematik UND/ODER Verknüpfung Ungleichungen Betrag Intervall Umgebung Stefan Gärtner 004 Gr Mathematik UND/ODER Seite UND Verknüpfung Kommentar Aussage Symbolform Die Aussagen Hans kann schwimmen p und
Mehrgeben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen
geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde
MehrAnmerkungen zur Übergangsprüfung
DM11 Slide 1 Anmerkungen zur Übergangsprüfung Aufgabeneingrenzung Aufgaben des folgenden Typs werden wegen ihres Schwierigkeitsgrads oder wegen eines ungeeigneten fachlichen Schwerpunkts in der Übergangsprüfung
Mehr11.3 Komplexe Potenzreihen und weitere komplexe Funktionen
.3 Komplexe Potenzreihen und weitere komplexe Funktionen Definition.) komplexe Folgen: z n = x n + j. y n mit zwei reellen Folgen x n und y n.) Konvergenz: Eine komplexe Folge z n = x n + j. y n heißt
Mehr1. Kennlinien. 2. Stabilisierung der Emitterschaltung. Schaltungstechnik 2 Übung 4
1. Kennlinien Der Transistor BC550C soll auf den Arbeitspunkt U CE = 4 V und I C = 15 ma eingestellt werden. a) Bestimmen Sie aus den Kennlinien (S. 2) die Werte für I B, B, U BE. b) Woher kommt die Neigung
MehrRepetitionsaufgaben: Lineare Gleichungen
Kantonale Fachschaft Mathematik Repetitionsaufgaben: Lineare Gleichungen Zusammengestellt von Hannes Ernst, KSR Lernziele: - Lineare Gleichungen von Hand auflösen können. - Lineare Gleichungen mit Parametern
MehrVorlesung Diskrete Strukturen Graphen: Wieviele Bäume?
Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2013/14 Isomorphie Zwei Graphen (V 1, E 1 ) und (V
MehrRepetitionsaufgaben Wurzelgleichungen
Repetitionsaufgaben Wurzelgleichungen Inhaltsverzeichnis A) Vorbemerkungen B) Lernziele C) Theorie mit Aufgaben D) Aufgaben mit Musterlösungen 4 A) Vorbemerkungen Bitte beachten Sie: Bei Wurzelgleichungen
MehrRS-Flip Flop, D-Flip Flop, J-K-Flip Flop, Zählschaltungen
Elektronik Praktikum / Digitaler Teil Name: Jens Wiechula, Philipp Fischer Leitung: Prof. Dr. U. Lynen Protokoll: Philipp Fischer Versuch: 3 Datum: 24.06.01 RS-Flip Flop, D-Flip Flop, J-K-Flip Flop, Zählschaltungen
Mehr!(0) + o 1("). Es ist damit möglich, dass mehrere Familien geschlossener Orbits gleichzeitig abzweigen.
Bifurkationen an geschlossenen Orbits 5.4 167 der Schnittabbldung konstruiert. Die Periode T (") der zugehörigen periodischen Lösungen ergibt sich aus =! + o 1 (") beziehungsweise Es ist also t 0 = T (")
MehrOszillographenmessungen im Wechselstromkreis
Praktikum Grundlagen der Elektrotechnik Versuch: Oszillographenmessungen im Wechselstromkreis Versuchsanleitung. Allgemeines Eine sinnvolle Teilnahme am Praktikum ist nur durch eine gute Vorbereitung auf
MehrUniversität Bonn, Institut für Angewandte Mathematik. WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW
Universität Bonn, Institut für Angewandte Mathematik Dr. Antje Kiesel WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW 08.03.2013 Matrikelnummer Platz Name Vorname 1 2 3 4 5 6
MehrGEVITAS Farben-Reaktionstest
GEVITAS Farben-Reaktionstest GEVITAS Farben-Reaktionstest Inhalt 1. Allgemeines... 1 2. Funktionsweise der Tests... 2 3. Die Ruhetaste und die Auslösetaste... 2 4. Starten der App Hauptmenü... 3 5. Auswahl
MehrAnwendungshinweise zur Anwendung der Soziometrie
Anwendungshinweise zur Anwendung der Soziometrie Einführung Die Soziometrie ist ein Verfahren, welches sich besonders gut dafür eignet, Beziehungen zwischen Mitgliedern einer Gruppe darzustellen. Das Verfahren
MehrZahlenwinkel: Forscherkarte 1. alleine. Zahlenwinkel: Forschertipp 1
Zahlenwinkel: Forscherkarte 1 alleine Tipp 1 Lege die Ziffern von 1 bis 9 so in den Zahlenwinkel, dass jeder Arm des Zahlenwinkels zusammengezählt das gleiche Ergebnis ergibt! Finde möglichst viele verschiedene
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme 1 Zwei Gleichungen mit zwei Unbekannten Es kommt häufig vor, dass man nicht mit einer Variablen alleine auskommt, um ein Problem zu lösen. Das folgende Beispiel soll dies verdeutlichen
MehrGitterherstellung und Polarisation
Versuch 1: Gitterherstellung und Polarisation Bei diesem Versuch wollen wir untersuchen wie man durch Überlagerung von zwei ebenen Wellen Gttterstrukturen erzeugen kann. Im zweiten Teil wird die Sichtbarkeit
MehrGrundlagen der Theoretischen Informatik, SoSe 2008
1. Aufgabenblatt zur Vorlesung Grundlagen der Theoretischen Informatik, SoSe 2008 (Dr. Frank Hoffmann) Lösung von Manuel Jain und Benjamin Bortfeldt Aufgabe 2 Zustandsdiagramme (6 Punkte, wird korrigiert)
Mehr