Digitale Filter. Martin Schlup. 8. Mai 2012
|
|
- Fritz Schmitt
- vor 7 Jahren
- Abrufe
Transkript
1 Digitale Filter Martin Schlup 8. Mai Filterstrukturen Dieser Beitrag ist eine kurz gehaltene Einführung in die Darstellung zeitdiskreter Systeme und soll einige elementare Hinweise geben, wie digitale Filter mittels Matlab synthetisiert und grob analysiert werden können. Auf Quantisierungsaspekte (u. A. Wertquantisierung der Filterparameter) wird hier bewusst nicht eingegangen MA-Systeme oder FIR-Filter Bei dieser Klasse von zeitdiskreten LTI-Systemen 1 wird das Ausgangssignal y[k] direkt aus dem Eingangssignal u[k] und seiner vorausgehenden Werten (Vorläufer) u[k i] gebildet. Weil u. A. die Bildung eines gleitenden Mittelwertes (moving average) diese Struktur aufweist, werden diese Systeme MA-Systeme genannt. Da ausserdem vorangehende Ausgangssignale des Systems nicht für das aktuelle Ausgangssignal benutzt werden, heissen diese Systeme auch nicht-rekursiv. Die Differenzengleichung dieser Systeme besitzt folgende Struktur: y[k] = b 0 u[k] + b 1 u[k 1] + + b m u[k m] (1) Die Ordnung des Systems entspricht dabei der Grösse des benötigten Schieberegisters welches benötigt wird, um die Vorgänger des Eingangssignals zur Bildung des Ausgangssignals zu speichern. Das System besitzt demzufolge ein endliches Gedächtnis der Länge m. Ferner besitzen MA-Systeme nur Nullstellen 2 und keine von Null verschiedenen Pole 3, daher werden sie auch als all zero systems bezeichnet. MA-Systeme besitzen eine endliche Stossantwort (finite impulse response) 4 deren Dauer m + 1 Takte beträgt. Diese lautet in Operator-Schreibweise: H(q 1 ) = b 0 + b 1 q b m q m (2) 1 linear time invariant 2 Als Nullstellen bezeichnet man die Wurzeln des Polynoms b 0 + b 1z b mz m, bzw. die m (möglicherweise komplexen) Lösungen z N der Gleichung b 0z m + b 1z m b m 1z + b m = 0. Stichwort: z-transformation 3 cf. nächster Abschnitt 4 Die Stossantwort eines zeitdiskreten Systems ist die Antwort auf den diskreten Einheitsimpuls: u[k] = δ[k] y[k] = h[k]. In Operatorschreibweise lautet sie hier: H(q 1 ) = h[0] + h[1]q h[m]q m. Das Symbol q steht dabei für eine Verzögerung um das Abtastintervall T s: q x[k] = x[k + 1]. Entsprechend entspricht der Operator q 1 einer zeitlichen Vorverlegung um T s: q 1 x[k] = x[k 1]. 1
2 1. Filterstrukturen Offensichtlich entsprechen die Koeffizienten b k eines MA-Systems gerade den einzelnen Werten der Stossantwort h[k]. Daher werden MA-Systeme in der digitalen Datenverarbeitung auch als FIR-Filter bezeichnet. FIR-Filter weisen unter der Bedingung einer symmetrischen Stossantwort einen linearen Phasengang auf, d. h. harmonische Signale werden unabhängig von ihrer Frequenz, um dasselbe Zeitintervall verzögert (konstante Gruppenlaufzeit): Diese Verzögerungszeit beträgt dann m 2 T s AR-/ARMA-Systeme oder IIR-Filter Eine andere Struktur ergibt sich, wenn das Ausgangsignal ausser vom Eingangssignal noch von n Vorläufern des Ausgangssignals abhängt. Weil das Ausgangssignal dabei rekursiv gebildet wird (auto regressive), werden diese Systeme AR-Systeme oder auch rekursiv genannt. Die Differenzengleichung dieser Systeme besitzt folgende Struktur: y[k] + a 1 y[k 1] + + a n y[k n] = b 0 u[k] (3) Die MA- und die AR-Struktur können im Allgemeinen gemeinsam auftreten. Dann hat das resultierende System ARMA-Struktur: y[k] + a 1 y[k 1] + + a n y[k n] = b 0 u[k] + b 1 u[k 1] + + b m u[k m] (4) Die Ordnung des allgemeinen Systems entspricht dabei der maximalen Verzögerung mt s oder nt s des Eingangs- oder Ausgangssignals, je nachdem welcher der beiden Werte grösser ist. Das System besitzt demzufolge ein Gedächtnis der Länge max(m, n). AR- und ARMA-, bzw. rekursive Systeme besitzen eine unendliche Stossantwort (infinite impulse response). Desswegen werden sie in der digitalen Datenverarbeitung auch als IIR- Filter bezeichnet. Im Allgemeinen weisen diese Systeme keinen linearen Phasengang auf, d. h. deren Gruppenlaufzeit ist frequenzabhängig. Dies führt durch die verschiedenen frequenzabhängigen Signallaufzeiten auf die so genannte Phasenverzerrung. Die diskrete Stossantwort von AR-/ARMA-Systemen, bzw. von IIR-Filtern lautet in (normierter) Operator-Schreibweise: H(q 1 ) = b a 1 q a n q n (5) H(q 1 ) = b 0 + b 1 q b m q m 1 + a 1 q a n q n (6) Um die einzelnen Werte der Stossantwort h[k] aus den Gleichungen (5) und (6) zu erhalten, muss eine Polynomdivision durchgeführt werden. Dabei wird klar, dass die Stossantwort im Allgemeinen nicht endlich sein kann. AR-Systeme besitzen nur Pole 5 (all pole systems), ARMA-Systeme Pole und Nullstellen. Rekursive Systeme sind nur dann stabil 6, wenn sich alle Pole innerhalb des Einheitskreises in der komplexen Zahlenebene befinden. MA-Systeme sind dagegen immer stabil. 5 Als Pole bezeichnet man die Wurzeln des Polynoms 1 + a 1z a nz n, bzw. die n Lösungen z P der Gleichung z n + a 1z n a n 1z + a n = 0. 6 Als stabil wird ein System dann bezeichnet, wenn für ein beliebiges, begrenztes Eingangssignal die Ausgangsgrösse ebenfalls begrenzt bleibt. 2
3 2. Eigenschaften 2. Eigenschaften 2.1. Frequenzgang Der Frequenzgang H(ω) eines zeitdiskreten Systems kann direkt aus der Stossantwort H(q 1 ) durch Ersetzen des Verschiebungsoperators q durch e iωts erhalten werden: H(ω) = b 0 + b 1 e iωts + + b m e miωts 1 + a 1 e iωts + + a n e niωts (7) Der Amplitudengang des Systems entspricht dem Betrag H(ω) und der Phasengang dem Argument H(ω) des Frequenzgangs. Amplituden und Phasengang eines zeitdiskreten Systems sind kontinuierlich im Frequenzverlauf und periodisch 7 in der Abtastfrequenz f s, so dass es genügt den Frequenzgang nur bis zur halben Abtastfrequenz (Nyquistfrequenz) anzugeben Gruppenlaufzeit Die Gruppenlaufzeit (group delay) eines linearen Systems wird als negative Ableitung des Phasengangs ϕ(ω) = H(ω) nach der Kreisfrequenz ω definiert: τ Gr = dϕ(ω) dω (8) Die Gruppenlaufzeit ist bei AR- und ARMA-Systemen, bzw. IIR-Filtern im Allgemeinen abhängig von der Frequenz. Bei MA-Systemen, bzw. FIR-Filtern ist sie (unter bestimmten Bedingungen) unabhängig von der Frequenz. Sie ist ein Mass für die Verzögerung eines Signals durch das System. Daher auch das negative Vorzeichen in der Formel. Proportionalität zwischen der Phase und der Frequenz (linearer Phasengang) führt zu einer konstanten Gruppenlaufzeit, bzw. zu einer frequenzunabhängigen Verzögerung des Signals. Für frequenzabhängige Gruppenlaufzeiten bei Systemen mit Tiefpasseigenschaften, kann als Mass für die Signalverzögerung die Gruppenlaufzeit bei ω = 0 herangezogen werden: 2.3. Vergleich FIR/IIR τ Gr dϕ(ω) dω (9) ω=0 Tabelle 1: Vergleich der wichtigsten Eigenschaften zwischen MA- und AR-/ARMA-Systemen Merkmale MA-System (FIR) AR- oder ARMA-System (IIR) Stossantwort endliche Dauer unendliche Dauer Phasengang linear in der Frequenz nichtlinear in der Frequenz Stabilität immer stabil, da nur Nullstellen nur stabil, falls Pole in Einheitskreis Ordnung um identische wesentlcih höher als IIR-Filter, kleiner als FIR-Filter, Spezifikation einzuhalten längere Einschwing- und Totzeit kürzere Einschwing- und Totzeit 7 Dies lässt mit der 2πf s-periodizität der komplexen Exponentialfunktion e iωt = e i2π Ts t erklären. 8 Dabei weist der Amplitudengang eine gerade und der Phasengang eine ungerade Symmetrie auf. 3
4 A. Matlab-Hilfe: Digitale Filter (Synthese und Anwendung) Für weitergehende Angaben sollte die Dokumentation für die Signal Processing Toolbox konsultiert werden. Für die Erstellung und die Analyse von Filtern gibt es in Matlab ein spezialisiertes Hilfsmittel: fdatool (Filter Design and Analysis Tool). Für die Beschreibung dieses Werkzeugs wird auf das Handbuch der Signal Processing Toolbox verwiesen. A.1. IIR-Filter (infinite impulse response) IIR- oder Rekursiv-Filter können steile übergangsflanken aufweisen, haben aber im Allgemeinen einen nichtlinearen Phasengang. Solche Filter verzerren z. B. Impulse durch die frequenzabhängige Gruppen- und Phasenlaufzeit. Mit dieser Filterart können TP, HP, BP, BS, Integratoren und Allpässe realisiert werden. A.1.1. Synthesefunktionen für Tiefpassfilter Bei diskreten Systemen werden in Matlab Frequenzen immer in normierter Form angegeben. Als Bezugsgrösse wird die Nyquist-Frequenz fs 2, d. h. die halbe Abtastfrequenz benutzt9. Listing 1: Matlab-Funktionen zur Bestimmung der Koeffizienten für diverse IIR-Filter [n,wn]=buttord(wnp,wns,rp,rs); % fuer Butterworth Filter [n,wn]=cheb1ord(wnp,wns,rp,rs); % fuer Tschebyscheff Filter 1. Art [n,wn]=cheb2ord(wnp,wns,rp,rs); % fuer Tschebyscheff Filter 2. Art [n,wn]=ellipord(wnp,wns,rp,rs); % fuer elliptisches oder Cauer Filter [b,a]=butter(n,wn); % Butterworth Filter (monoton abklingender Ampli % tudengang, halbwegs konstante Gruppenlaufzeit) [b,a]=cheby1(n,rp,wn); % Tschebyscheff Filter 1. Art % (ripple im Durchlassbereich, peak to peak) [b,a]=cheby2(n,rs,wn); % Tschebyscheff Filter 2. Art % (ripple im Sperrbereich) [b,a]=ellip(n,rp,rs,wn);% elliptisches oder Cauer Filter (Standardfilter, % kleinste Ordnung, stark verzerrte Gruppenlaufzeit) Tabelle 2: Legende zu den Matlab-Funktionen aus Listing 1 wnp Spezifikation TP-Durchlassbereich (auf f s /2 normierte Bandbreite: wnp = f 3 db f ) s/2 wns Spezifikation Sperrbereich, normiert, reicht von wns bis 1 ( f s /2), wns > wnp rp spezifizierte maximale Welligkeit (ripple) im Durchlassbereich (Passband) in db rs spezifizierte minimale Dämpfung (attenuation) im Sperrbereich (stopband) in db n Filterordnung wn auf die Nyquist-Frequenz f s /2 normierte Grenzfrequenz: wn = fg f s/2 b Vektor der Filterkoeffizienten b k gemäss Gleichung (5) oder (6) a Vektor der Filterkoeffizienten a k gemäss Gleichung (5) oder (6) 9 Bei normierten Frequenzen spielt es keine Rolle, ob dabei die Frequenz f oder die Kreisfrequenz ω = 2πf benutzt wird. 4
5 A.1.2. Synthesefunktionen für Hochpass-, Bandpass- und Bandsperrfilter (HP, BP, BS) Für die Synthese von HP-, BP- und BS-Filtern werden die selben Funktionen wie für die TP- Filter verwendet. Die dazu notwendige Syntax ist an Hand der Funktion butter im Listing 2 angegeben: Listing 2: Matlab-Steuerbefehle um HP-, BP- und BS-Filter an Hand der Funktion butter zu erzeugen [b,a]=butter(n,wn,'high'); % Hochpassfilter (highpass) [b,a]=butter(n,[wn1,wn2]); % Bandpassfilter (bandpass) [b,a]=butter(n,[wn1,wn2],'stop'); % Bandsperrfilter (bandstop) Analoge Eingabeformate gelten für die anderen Filtertypen und für die Funktionen buttord, cheb1ord,... usw., falls HP-, BP- und BS-Filter spezifiziert werden sollen. A.1.3. Synthese eines IIR-Filters mit beliebigem Amplitudengang Listing 3: Matlab-Funktion um IIR-Flter mit beliebigem Amplitudengang zu erzeugen [b,a]=yulewalk(n,wn,amp); % Yule Walker Methode (least square fit) Tabelle 3: Legende zu Listing 3 wn amp Vektor mit normierten Frequenzstützwerten Der erste Frequenzwert muss 0, der letzte 1 ( f s /2) sein. Vektor mit gewünschten Amplitudengangswerten (Faktor) bei den entsprechenden Frequenzen A.2. FIR-Filter (finite impulse response) Nichtrekursive, FIR- oder Transversal-Filter (tapped delay line) haben weniger steile übergangsflanken als IIR-Filter gleicher Ordnung. Ihr Phasengang ist aber im Allgemeinen linear, d. h. ihre Gruppenlaufzeit ist konstant. Mit dieser Filterart können TP, HP, BP, BS, Differentiatoren und Hilbert-Transformatoren realisiert werden. A.2.1. Synthesefunktionen für FIR-Tiefpassfilter Listing 4: Matlab-Funktionen zur Bestimmung der Filterkoeffizienten für diverse FIR-Filter b=fir1(n,wn); % FIR Filterentwurf mit Fenstermethode, lineare Phase % Parameter koennen mit der Funktion "kaiserord" bestimmt werden b=fir2(n,wn,m); % punktweise vorgegebener Frequenzgang b=firpm(n,wn,m);% lineare Phase mit Gruppenlaufzeit: Ts*n/2, equiripple % (Parks McClellan, Standardverfahren) % die benoetigte Ordnung von "firpm" kann mit der Funktion % "firpmord" bestimmt werden 5
6 A.3. Anwendung und Eigenschaften A.3.1. Signalfilterung Die Filterung eines Signals u[k] mit einem Digitalfilter mit den Koeffizienten b i (Koeffizienten des Zählerpolynoms) und a i (Nennerpolynom) erfolgt mit den Funktionen filter oder filtfilt. y=filter(b,a,u); y=filtfilt(b,a,u); Listing 5: Filter-Aufruf % direkte Filterung des Signals u[k] % Filterung des Signals u[k] ohne Phasenverzerrung Bemerkung: Die Funktion filtfilt filtert das Signal vorwärts und rückwärts, so dass sich die Signalverzögerung und die Phasenverzerrungen auf Grund des Phasengangs aufheben. Durch das zweimalige Filtern verdoppelt sich die Filterordnung. Diese Art der Filterung kann selbstverständlich nur bei einem ganzheitlich vorhandenen Signal angewendet werden und eignet sich nicht zur Echtzeitverarbeitung. A.3.2. Frequenzgang und Gruppenlaufzeit Der Frequenzgang (Amplituden- und Phasengang) eines diskreten Systems kann mit der Matlab- Funktion freqz, die Gruppenlaufzeit mit grpdelay bestimmt werden, wie dies im folgenden Listing exemplarisch dargestellt wird: Listing 6: Bestimmung von Frequenzgang und Gruppenlaufzeit [H,w]=freqz(b,a,N); Ha=abs(H); % Amplitudengang (Betrag von H) Hp=180*unwrap(angle(H))/pi; % Phasengang in Grad und 2pi Spruenge entfernen [gd,f]=grpdelay(b,a,n,fs); gd=grpdelay(b,a,f,fs); Tabelle 4: Legende zu Listing 6 gd N f Gruppenlaufzeit in Anzahl Abtastschritten der Dauer T s = 1/f s Anzahl Frequenzwerte zwischen 0 und f s /2, sollte eine Zweierpotenz sein, z. B.: N = 512 = 2 9 Frequenzwerte 6
7 A.4. Beispiele A.4.1. Beispiel IIR-TP-Filter Listing 7: Matlab-Beispiel IIR TP-Filter % Filter Spezifikationen fs=2e3; % Abtastfrequenz in Hz fg=100; % Grenzfrequenz in Hz (" 3dB" Frequenz) wp=fg*2/fs; % Durchlassbereich, auf die halbe Abtasfrequenz normierte % Grenzfrequenz rp=1; % max. Welligkeit im Duchlassbereich in db ws=1.5*wp; % Sperrbereich (normierte Frequenz) rs=40; % min. Daempfung im Sperrbereich in db % Filtersynthese: Cauer Filter (elliptisch) [n,wn]=ellipord(wp,ws,rp,rs); [b,a]=ellip(n,rp,rs,wn);% Filterkoeffizienten % Filter Eigenschaften [H,w]=freqz(b,a,2^10); % Frequenzgang eines zeitdiskreten Systems Ha=abs(H); % Betrag Hp=180*unwrap(angle(H))/pi;% 2pi Spruenge aus dem Phasenverlauf entfernen f=w*fs/2/pi;% Frequenz aus normierter Kreisfrequenz(!) bestimmen figure(1) subplot(2,1,1) loglog(f,ha), hold on loglog([0.01 wp wp]*fs/2,10.^( [rp rp rs]/20),'k',... [ws ws 1]*fs/2,10.^( [rp rs rs]/20),'k'), hold off grid, axis([fg/10 fs/ ]) title('cauer Tiefpassfilter') ylabel('\rightarrow Amplitudengang') subplot(2,1,2) semilogx(f,hp), grid axis([fg/10 fs/ ]) ylabel('\rightarrow Phasengang in Grad') 7
8 A.4.2. Beispiel FIR-BP-Filter (Fenstermethode) Listing 8: Matlab-Beispiel FIR BP-Filter % FIR Filter Spezifikationen fuer BP Filter fs=2e3; % Abtastfrequenz in Hz Ts=1/fs; % Abtastintervall in s fsb1o=40; % obere Grenzfrequenz des unteren Stoppbands in Hz fpbu=80; % untere Grenzfrequenz des Passbands in Hz ( 3dB Frequenz) fpbo=126; % obere Grenzfrequenz des Passbands in Hz ( 3dB Frequenz) fsb2u=250; % untere Grenzfrequenz des oberen Stoppbands in Hz rsb1=0.01; % zugelassene Welligkeit im Stoppband1 rpb=0.005; % zugelassene Welligkeit im Passband rsb2=0.01; % zugelassene Welligkeit im Stoppband2 fg=[fsb1o fpbu fpbo fsb2u]; amp=[0 1 0]; % Spezifizierte Amplitudengangwerte (Stopp, Pass, Stoppband) dev=[rsb1 rpb rsb2]; % Bestimmung der Filterparameter filtpar = kaiserord(fg,amp,dev,fs,'cell') % liefert [n,wn,beta,filtype] b = fir1(filtpar{:}); a=1; % Nennerpolynom = 1 % Filter Eigenschaften N=2^9; [H,w]=freqz(b,a,N); % Frequenzgang Ha=abs(H); % Amplitudengang Hp=180*unwrap(angle(H))/pi;% Phasengang in Grad und 2pi Spruenge entfernen f=w*fs/2/pi;% Frequenz aus normierter Kreisfrequenz bestimmen figure(1) subplot(2,1,1) loglog(f,ha), grid axis([fpbu/10 fs/ ]) title(['fir Bandpassfilter, f_{gu} = ',num2str(fpbu),' Hz, f_{go} = ',... num2str(fpbo),' Hz, f_s = ',num2str(1e 3*fs),' khz']) ylabel('\rightarrow Amplitudengang') subplot(2,1,2) semilogx(f,hp), grid axis([fpbu/10 fs/ ]) ylabel('\rightarrow Phasengang in Grad') figure(2) plot(f,hp) grid title(['fir Bandpassfilter, f_{gu} = ',num2str(fpbu),' Hz, f_{go} = ',... num2str(fpbo),' Hz, f_s = ',num2str(1e 3*fs),' khz']) ylabel('\rightarrow Phasengang linear in Grad') 8
9 A.4.3. Beispiel FIR-TP-Filter (Parks-McClellan Algorithmus) Listing 9: Matlab-Beispiel Parks-McClellan Algorithmus % Spezifikation Bandsperrfilter fs=2e3; % Abtastfrequenz Ts=1/fs; % Abtastintervall n=64; % Filterordnung (hier durch Probieren gesucht) fn=[ ]; % in Hz wn=fn/(fs/2); % normierte Frequenz, einheitslos amp=[ ];% Amplitudenwerte % Filtersynthese b=firpm(n,wn,amp);% equiripple (Parks McClellan, Standardverfahren) a=[1]; % Nennerpolynom = 1 % Frequenzgang und Gruppenlaufzeit N=2^9; % Anzahl Stuetzwerte fuer Frequenz [H,w]=freqz(b,a,N); % Frequenzgang Ha=abs(H); % Amplitudengang Hp=180*unwrap(angle(H))/pi; % Phasengang in Grad und 2pi Spruenge entfernen f=(fs/2)*w/pi; % Frequenz aus normierter Frequenz bestimmen GD=grpdelay(b,a,N); % Gruppenlaufzeit in Anzahl Abtasintervallen figure(1) subplot(3,1,1) plot(f,ha,fn,m,' k') title(['parks McClellan optimal equiripple FIR Filter ',num2str(n),... '. Ordnung, f_s = ',num2str(fs*1e 3),' khz']) ylabel('amplitudengang') legend('filter','spezifikation',4) grid subplot(3,1,2) plot(f,hp,[0 fs/2],[0 n*180/2],' k') ylabel('phasengang in Grad') grid subplot(3,1,3) plot(f,1e3*gd*ts) axis([0 fs/2 0 1e3*n*Ts]) ylabel('gruppenlaufzeit in ms') grid 9
5. Beispiele - Filter Seite 15
5. Beispiele - Filter Seite 15 5.2 Entwurf digitaler Filter Zur Demonstration eines rekursiv implementierten Tiefpasses (FIR Finite Impulse Response bzw. IIR Infinite Impulse Response) soll dieses Beispiel
MehrVersuch 5: Filterentwurf
Ziele In diesem Versuch lernen Sie den Entwurf digitaler Filter, ausgehend von der Festlegung eines Toleranzschemas für den Verlauf der spektralen Charakteristik des Filters, kennen. Es können Filtercharakteristiken
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:
MehrSeminar Digitale Signalverarbeitung Thema: Digitale Filter
Seminar Digitale Signalverarbeitung Thema: Digitale Filter Autor: Daniel Arnold Universität Koblenz-Landau, August 2005 Inhaltsverzeichnis i 1 Einführung 1.1 Allgemeine Informationen Digitale Filter sind
MehrVorteile digitaler Filter
Digitale Filter Vorteile digitaler Filter DF haben Eigenschaften, die mit analogen Filtern nicht realisiert werden können (z.b. lineare Phase). DF sind unabhängig von der Betriebsumgebung (z.b. Temperatur)
MehrZeitdiskrete Signalverarbeitung
Zeitdiskrete Signalverarbeitung Ideale digitale Filter Dr.-Ing. Jörg Schmalenströer Fachgebiet Nachrichtentechnik - Universität Paderborn Prof. Dr.-Ing. Reinhold Haeb-Umbach 7. September 217 Übersicht
MehrFilterentwurf. Bernd Edler Laboratorium für Informationstechnologie DigSig - Teil 11
Filterentwurf IIR-Filter Beispiele für die verschiedenen Filtertypen FIR-Filter Entwurf mit inv. Fouriertransformation und Fensterfunktion Filter mit Tschebyscheff-Verhalten Vorgehensweise bei Matlab /
MehrSV1: Aktive RC-Filter
Signal and Information Processing Laboratory Institut für Signal- und Informationsverarbeitung. September 6 Fachpraktikum Signalverarbeitung SV: Aktive RC-Filter Einführung In diesem Versuch wird ein aktives
MehrDigitale Signalverarbeitungssysteme II: Praktikum 1
Digitale Signalverarbeitungssysteme II: Praktikum 1 Emil Matus 18. November 2010 Technische Universität Dresden Mobile Communications Systems Chair Tel.: +49 351 463 41021 Fax : +49 351 463 41099 Mail:
MehrTontechnik 2. Digitale Filter. Digitale Filter. Zuordnung diskrete digitale Signale neue diskrete digitale Signale
Tontechnik 2 Digitale Filter Audiovisuelle Medien HdM Stuttgart Digitale Filter Zuordnung diskrete digitale Signale neue diskrete digitale Signale lineares, zeitinvariantes, diskretes System (LTD-System)
MehrElektronik Prof. Dr.-Ing. Heinz Schmidt-Walter
6. Aktive Filter Filterschaltungen sind Schaltungen mit einer frequenzabhängigen Übertragungsfunktion. Man unterscheidet zwischen Tief, Hoch und Bandpässen sowie Sperrfiltern. Diesen Filtern ist gemeinsam,
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:
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
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
MehrEinführung in die digitale Signalverarbeitung WS11/12
Einführung in die digitale Signalverarbeitung WS11/12 Prof. Dr. Stefan Weinzierl Musterlösung 11. Aufgabenblatt 1. IIR-Filter 1.1 Laden Sie in Matlab eine Audiodatei mit Sampling-Frequenz von fs = 44100
MehrVerzerrungsfreies System
Verzerrungsfreies System x(n) y(n) n n x(n) h(n) y(n) y(n) A 0 x(n a) A 0 x(n) (n a) h(n) A 0 (n a) H(z) A 0 z a Digitale Signalverarbeitung Liedtke 8.1.1 Erzeugung einer linearen Phase bei beliebigem
MehrEntwurf zeitdiskreter Systeme. Prof. Dr.-Ing. Marcus Purat Beuth Hochschule für Technik Berlin - Wintersemester 2012/13
Entwurf zeitdiskreter Systeme Prof. Dr.-Ing. Marcus Purat Beuth Hochschule für Technik Berlin - Wintersemester 0/3 Inhalt Einführung Entwurf auf der Basis zeitkontinuierlicher Systeme Impulsinvarianz Bilinear-Transformation
MehrÜbung 6: Analyse LTD-Systeme
ZHAW, DSV, FS2009, Übung 6: Analyse LTD-Systeme Aufgabe : Pol-Nullstellendarstellung, UTF und Differenzengleichung. Die folgenden Pol-Nullstellen-Darstellungen charakterisieren verschiedene LTD- Systeme,
MehrAnaloge und digitale Filter
Technische Universität Ilmenau Fakultät Elektrotechnik und Informationstechnik FG Nachrichtentechnik Matlab-Praktika zur Vorlesung Analoge und digitale Filter 1. Betrachtet wird ein Tiefpass. Ordnung mit
MehrÜBUNG 4: ENTWURFSMETHODEN
Dr. Emil Matus - Digitale Signalverarbeitungssysteme I/II - Übung ÜBUNG : ENTWURFSMETHODEN 5. AUFGABE: TIEFPASS-BANDPASS-TRANSFORMATION Entwerfen Sie ein nichtrekursives digitales Filter mit Bandpasscharakteristik!
MehrEinführung in die Elektronik für Physiker
Hartmut Gemmeke Forschungszentrum Karlsruhe, IPE gemmeke@ipe.fzk.de Tel.: 0747-8-5635 Einführung in die Elektronik für Physiker 4. Breitbanderstärker und analoge aktie Filter. HF-Verhalten on Operationserstärkern.
MehrDatenaquisition. Verstärker Filter. Sensor ADC. Objekt. Rechner
Datenaquisition Sensor Verstärker Filter ADC Objekt Rechner Datenaquisition Verstärker: - linearer Arbeitsbereich - linearer Frequenzgang - Vorkehrungen gegen Übersteuerung (trends, shot noise) - Verstärkerrauschen
MehrWarum z-transformation?
-Transformation Warum -Transformation? Die -Transformation führt Polynome und rationale Funktionen in die Analyse der linearen eitdiskreten Systeme ein. Die Faltung geht über in die Multiplikation von
MehrEinführung in die digitale Signalverarbeitung WS11/12
Einführung in die digitale Signalverarbeitung WS11/12 Prof. Dr. Stefan Weinzierl usterlösung 1. Aufgabenblatt 1. Digitale Filter 1.1 Was ist ein digitales Filter und zu welchen Zwecken wird die Filterung
MehrÜbungsaufgaben Signalverarbeitung (SV)
Übungsaufgaben Signalverarbeitung (SV) Prof. Dr.-Ing. O. Nelles Institut für Mechanik und Regelungstechnik Universität Siegen 3. Mai 27 Einführung Keine Aufgaben. 2 Zeitdiskrete Signale und Systeme Aufgabe
MehrKapitel 5: FIR- und IIR-Filterentwurf
ZHW, DSV 1, 2005/01, Rur 5-1 Kapitel 5: FIR- und IIR-Filterentwurf Inhaltsverzeichnis 5.1. EINLEITUNG...2 5.2. FREQUENZGANG...3 5.3. FILTERSPEZIFIKATION...5 5.4. FIR-FILTER...6 5.4.1. TYPISIERUNG...6 5.4.2.
MehrDigitale Signalverarbeitung mit MATLAB
Martin Werner Digitale Signalverarbeitung mit MATLAB Grundkurs mit 16 ausführlichen Versuchen 4., durchgesehene und ergänzte Auflage Mit 180 Abbildungen und 76 Tabellen STUDIUM VIEWEG+ TEUBNER 1 Erste
MehrFilterentwurf. Aufgabe
Aufgabe Filterentwurf Bestimmung der Filterkoeffizienten für gewünschte Filtereigenschaften Problem Vorgaben häufig für zeitkontinuierliches Verhalten, z.b. H c (s) Geeignete Approximation erforderlich
MehrDigitale Signalverarbeitung, Vorlesung 7 - IIR-Filterentwurf
Digitale Signalverarbeitung, Vorlesung 7 - IIR-Filterentwurf 5. Dezember 2016 Siehe begleitend: Kammeyer / Kroschel, Digitale Signalverarbeitung, 7. Auflage, Kapitel 4.2 1 Filterentwurfsstrategien 2 Diskretisierung
Mehrx[n-1] x[n] x[n+1] y[n-1] y[n+1]
Systeme System Funtion f, die ein Eingangssignal x in ein Ausgangssignal y überführt. zeitdisretes System Ein- und Ausgangssignal sind nur für disrete Zeitpunte definiert y[n] = f (.., x[n-1], x[n], x[n+1],
MehrÜbungen in Gruppen (max. 3 Personen) gemeinschaftlich durchgeführt Pro Gruppe ein Protokoll Übungsprotokolle:
Assoc.-Prof. DI Dr. Michael Seger Institute of Electrical, Electronic and Bioengineering / UMIT Institute of Automation and Control Engineering / UMIT Eduard-Wallnöfer-Zentrum 1, 6060 Hall i. Tirol 2.
MehrAufgabe 3. Signal Processing and Speech Communication Lab. Graz University of Technology
Signal Processing and Speech Communication Lab. Graz University of Technology Aufgabe 3 Senden Sie die Hausübung bis spätestens 15.06.2015 per Email an hw1.spsc@tugraz.at. Verwenden Sie MatrikelNummer1
MehrSV2: Digitale Filter und Konvertierung der Abtastrate
Signal and Information Processing Laboratory Institut für Signal- und Informationsverarbeitung 9. Februar 2017 Fachpraktikum Signalverarbeitung SV2: Digitale Filter und Konvertierung der Abtastrate 1 Einführung
MehrNachrichtentechnik [NAT] Kapitel 6: Analoge Filter. Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik
Nachrichtentechnik [NAT] Kapitel 6: Analoge Filter Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik Sommersemester 25 Inhaltsverzeichnis Inhalt Inhaltsverzeichnis 6 Analoge Filter 3 6. Motivation..................................
MehrIm Frequenzbereich beschreiben wir das Verhalten von Systemen mit dem Komplexen Frequenzgang: G (jω)
4 Systeme im Frequenzbereich (jω) 4.1 Allgemeines Im Frequenzbereich beschreiben wir das Verhalten von Systemen mit dem Komplexen Frequenzgang: G (jω) 1 4.2 Berechnung des Frequenzgangs Beispiel: RL-Filter
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:
MehrVor- und Nachteile FIR- und IIR-Filter DSV 1, 2005/01, Rur, Filterentwurf, 1
Vor- und Nachteile FIR- und IIR-Filter DSV 1, 2005/01, Rur, Filterentwurf, 1 FIR-Filter sind nichtrekursive LTD-Systeme werden meistens in Transversalstruktur (Direktform 1) realisiert + linearer Phasengang
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
MehrÜbungseinheit 3. FIR und IIR Filter
Übungseinheit 3 FIR und IIR Filter In dieser Übungseinheit sollen verschiedene Effekte mittels FIR (finite impulse response) und IIR (infinite impulse response) Filter implementiert werden. FIR Filter
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
MehrErweiterung einer digitalen Übertragungsstrecke mit Einplatinencomputern zur Signalanalyse
Erweiterung einer digitalen mit Einplatinencomputern Alexander Frömming Mario Becker p.1 Inhalt 1 Ausgangssituation 2 Zielsetzung 3 Theoretische Grundlagen 4 Umsetzung - Hardware 5 Umsetzung - Software
MehrLabor RT Versuch RT1-1. Versuchsvorbereitung. Prof. Dr.-Ing. Gernot Freitag. FB: EuI, FH Darmstadt. Darmstadt, den
Labor RT Versuch RT- Versuchsvorbereitung FB: EuI, Darmstadt, den 4.4.5 Elektrotechnik und Informationstechnik Rev., 4.4.5 Zu 4.Versuchvorbereitung 4. a.) Zeichnen des Bode-Diagramms und der Ortskurve
MehrEinführung in die Elektronik für Physiker
Hartmut Gemmeke Forschungszentrum Karlsruhe, IPE hartmut.gemmeke@kit.edu Tel.: 0747-8-5635 Einführung in die Elektronik für Physiker 4. Breitbandverstärker und analoge aktive Filter. HF-Verhalten von Operationsverstärkern.
MehrDigitale Signalverarbeitung Vorlesung 5 - Filterstrukturen
Digitale Signalverarbeitung Vorlesung 5 - Filterstrukturen 21. November 2016 Siehe Skript, Kapitel 8 Kammeyer & Kroschel, Abschnitt 4.1 1 Einführung Filterstrukturen: FIR vs. IIR 2 Motivation: Grundlage
MehrAllgemeine Einführung in Filter
Allgemeine Einführung in Filter Konstantin Koslowski TU-Berlin 3. November 2009 Konstantin Koslowski (TU-Berlin) Allgemeine Einführung in Filter 3. November 2009 1 / 22 Inhalt 1 Einführung Was sind Filter
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:.................................... VORNAME:.................................... MAT. NR.:................................... 2. Teilprüfung 389.055 A Signale und Systeme 2 Institute of Telecommunications
MehrFiltertypen Filter 1. Ordnung Filter 2. Ordnung Weitere Filter Idee für unser Projekt. Filter. 3. November Mateusz Grzeszkowski
typen. Ordnung 2. Ordnung Weitere Idee für unser Projekt 3. November 2009 Mateusz Grzeszkowski / 24 Mateusz Grzeszkowski 3. November 2009 typen. Ordnung 2. Ordnung Weitere Idee für unser Projekt Motivation
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...
MehrFahrzeugmechatronik Masterstudiengang M 3.2 Sensoren und Aktoren Labor für Automatisierung und Dynamik AuD FB 03MB
Abb. 6 Dreidimensionale Darstellung des Frequenzgangs G ATP () s, Achsteilungen s 2 π in Hz Prof. Dr. Höcht 1/29 18.06.2006 11:13 Z_ Abb. 7 Einfluß des Pols bei s imaginären Achse, Achsteilungen in Hz
Mehrfilter Filter Ziele Parameter Entwurf
1 Filter Ziele Parameter Entwurf 2.3.2007 2 Beschreibung Pol-Nullstellen- Diagramm Übertragungsfunktion H(z) Differenzengleichung y(n) Impulsantwort h(n): Finite Impulse Response (FIR) Infinite Impulse
MehrSSYLB2 SS06 Daniel Schrenk, Andreas Unterweger Übung 8. Laborprotokoll SSY. Diskrete Systeme II: Stabilitätsbetrachtungen und Systemantwort
SSYLB SS6 Daniel Schrenk, Andreas Unterweger Übung 8 Laborprotokoll SSY Diskrete Systeme II: Stabilitätsbetrachtungen und Systemantwort Daniel Schrenk, Andreas Unterweger, ITS 4 SSYLB SS6 Daniel Schrenk,
Mehr3. Quantisierte IIR-Filter R
. Zweierkomplement a) Wie sieht die binäre Darstellung von -5 aus bei den Wortbreiten b = 4, b =, b = 6? b) Berechnen Sie folgende Additionen im Format SINT(4). Geben Sie bei Überlauf auch die Ausgaben
MehrSkriptum zur 2. Laborübung. Transiente Vorgänge und Frequenzverhalten
Elektrotechnische Grundlagen (LU 182.692) Skriptum zur 2. Laborübung Transiente Vorgänge und Frequenzverhalten Martin Delvai Wolfgang Huber Andreas Steininger Thomas Handl Bernhard Huber Christof Pitter
MehrInhaltsverzeichnis. Daniel von Grünigen. Digitale Signalverarbeitung. mit einer Einführung in die kontinuierlichen Signale und Systeme
Inhaltsverzeichnis Daniel von Grünigen Digitale Signalverarbeitung mit einer Einführung in die kontinuierlichen Signale und Systeme ISBN (Buch): 978-3-446-44079-1 ISBN (E-Book): 978-3-446-43991-7 Weitere
MehrEAH Jena Prüfungsaufgaben Prof. Giesecke FB ET/IT Filterentwurf WS 12/13
FB ET/IT Filterentwurf WS 2/3 Name, Vorname: Matr.-Nr.: Zugelassene Hilfsmittel: beliebiger Taschenrechner eine selbsterstellte Formelsammlung ein mathematisches Formelwerk Wichtige Hinweise: Ausführungen,
MehrMATLAB Signal Processing Toolbox Inhaltsverzeichnis
Inhaltsverzeichnis Signal Processing Toolbox 1 Was ist Digitale Signalverarbeitung? 2 Inhalt 3 Aufbereitung der Messdaten 4 Interpolation 6 Approximation 7 Interpolation und Approximation 8 Anpassung der
MehrFrequenzanalyse Praktischer Leitfaden zur Anwendung der Frequenzanalyse. Filter
Filter Filter! Hochpassfilter! Tiefpassfilter! Bandpassfilter (Bandsperrfilter)! FIRFilter! Oktav/Terz... nteloktavfilter wird Titel 2 Hochpassfilter LowCutFilter HighPassFilter Trittschallfilter BassCutFilter
MehrDigitale Signalverarbeitungssysteme II: Praktikum 2
Digitale Signalverarbeitungssysteme II: Praktikum 2 Emil Matus 10. Dezember 2010 Technische Universität Dresden Mobile Communications Systems Chair Tel.: +49 351 463 41021 Fax : +49 351 463 41099 Mail:
MehrDer Tiefpass Betreuer: Daniel Triebs
Der Tiefpass Betreuer: Daniel Triebs 1 Gliederung Definiton: Filter Ideale Tiefpass Tiefpass 1.Ordnung Frequenzgänge Grundarten des Filters Filterentwurf Tiefpass 2.Ordnung 2 Definition: Filter 3 Filter
MehrSignale und Systeme. Grundlagen und Anwendungen mit MATLAB
Signale und Systeme Grundlagen und Anwendungen mit MATLAB Von Professor Dr.-Ing. Dr. h. c. Norbert Fliege und Dr.-Ing. Markus Gaida Universität Mannheim Mit 374 Bildern, 8 Tabellen und 38 MATLAB-Projekten
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=
MehrEinführung in die digitale Signalverarbeitung
Einführung in die digitale Signalverarbeitung Prof. Dr. Stefan Weinzierl 1. Aufgabenblatt 1. Eigenschaften diskreter Systeme a. Erläutern Sie die Begriffe Linearität Zeitinvarianz Speicherfreiheit Kausalität
MehrTaschenbuch der Elektrotechnik
Taschenbuch der Elektrotechnik Grundlagen und Elektronik von Ralf Kories, Heinz Schmidt-Walter überarbeitet Taschenbuch der Elektrotechnik Kories / Schmidt-Walter schnell und portofrei erhältlich bei beck-shop.de
MehrKurt Diedrich Franz Peter Zantis. Filtern ohne Stress. Theorie - Konzept - Praxis. Elektor-Verlag, Aachen
Kurt Diedrich Franz Peter Zantis Filtern ohne Stress Theorie - Konzept - Praxis Elektor-Verlag, Aachen Inhaltsverzeichnis Vorwort 7 1. Was bedeutet Filtern"? 9 1.1 Filtergrundtypen 11 1.1.1 Hochpässe 11
MehrAnaloge und digitale Filter
Technische Universität Ilmenau Fakultät Elektrotechnik und Informationstechnik FG Nachrichtentechnik Übungsaufgaben zur Lehrveranstaltung Analoge und digitale Filter Filter. Ordnung. Betrachtet wird ein
MehrDigitale Signalverarbeitung
Daniel Ch. von Grünigen Digitale Signalverarbeitung mit einer Einführung in die kontinuierlichen Signale und Systeme 4. Auflage Mit 222 Bildern, 91 Beispielen, 80 Aufgaben sowie einer CD-ROM mit Lösungen
MehrLabor Grundlagen Elektrotechnik
Fakultät für Technik Bereich Informationstechnik ersuch 5 Elektrische Filter und Schwgkreise SS 2008 Name: Gruppe: Datum: ersion: 1 2 3 Alte ersionen sd mit abzugeben! Bei ersion 2 ist ersion 1 mit abzugeben.
Mehr[2] M. Meier: Signalverarbeitung, ISBN , Vieweg Verlag, Oktober 2000.
Digitale Signal-Verarbeitung 1 Kapitel 5: FIR- und IIR-Filterentwurf Inhaltsverzeichnis 5.1. EINLEITUNG... 2 5.2. FILTERSPEZIFIKATION... 3 5.3. FIR-FILTER... 4 5.3.1. TYPISIERUNG... 4 5.3.2. ENTWURF MIT
MehrEingangssignale von Verstärkern sind häufig mit hochfrequenten Störsignalen behaftet, die mit Tiefpaßfiltern unterdrückt werden können.
4. Versuch Aktives Tiefpaßfilter. und. Ordnung Durchführung Seite H - 9 ) Filter. Ordnung Eingangssignale von Verstärkern sind häufig mit hochfrequenten Störsignalen behaftet, die mit Tiefpaßfiltern unterdrückt
MehrGrundlagen der Informationstechnik
Martin Meyer Grundlagen der Informationstechnik Signale, Systeme und Filter Mit 250 Abbildungen und 33 Tabellen Herausgegeben von Otto Mildenberger Vieweg Praxiswissen Vieweg VII 1 Einführung 1 1.1 Das
MehrEntwurf von FIR-Filtern
Kapitel Entwurf von FIR-Filtern. Einleitung.. Darstellung von FIR-Filtern im Zeitbereich y[n] = b x[n] + b x[n ] + b 2 x[n 2] +... + b L x[n (L )] = L b k x[n k] k= = b T x b = [b, b,..., b L ] x = {x[n],
MehrAntialiasing-Filter. Die erforderliche Dämpfung des Antialiasingfilters bei der halben Abtastfrequenz errechnet sich nach (bei N-Bit ADU): f f.
ntialiasing-filter Bei der btastung eines auf f < fb bandbeenzten Messsignal ergibt sich, wie später gezeigt wird, für das abgetastete ignal eine periodische Wiederholung des Basisspektrums. m Überlappungen
MehrPRAKTIKUMSVERSUCH M/S 2
Fakultät Informatik, Institut für Angewandte Informatik, Professur Technische Informationssysteme PRAKTIKUMSVERSUCH M/S 2 Betreuer: Dipl.-Ing. Burkhard Hensel Dr.-Ing. Alexander Dementjev ALLGEMEINE BEMERKUNGEN
MehrKW Tiefpassfilter für 50 Watt MOSFET PA
KW Tiefpassfilter für 50 Watt MOSFET PA Prinzip Das vorgestellte LC Tiefpassfilter arbeitet im Frequenzbereich von 0 30MHz und dient der Unterdrückung von Oberwellen (Harmonischen) der Leistungsendstufe
Mehrfilter Filter Ziele Parameter Entwurf Zölzer (2002) Nov 14, 2015
1 Filter Ziele Parameter Entwurf Zölzer (2002) Nov 14, 2015 2 Beschreibung Übertragungsfunktion H(z), H(ω) Differenzengleichung y[n] Impulsantwort h[n]: Finite Infinite Impulse Response (FIR) Impulse Response
MehrPrüfung zur Vorlesung Signalverarbeitung am Name MatrNr. StudKennz.
442.0 Signalverarbeitung (2VO) Prüfung 8.3.26 Institut für Signalverarbeitung und Sprachkommunikation Prof. G. Kubin Technische Universität Graz Prüfung zur Vorlesung Signalverarbeitung am 8.3.26 Name
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
MehrSoftware GSV8term Konfigurationssoftware für GSV-8
Software GSV8term Konfigurationssoftware für GSV-8 Bedienungsanleitung Stand: 04.08.2016 Version Bearbeiter kb-gsv8term_ver1 Sebastian Wetz 16761 Hennigsdorf Fax: +49 3302 78620 69 Web: www.me-systeme.de
MehrFunktionen. Mathematik-Repetitorium
Funktionen 4.1 Funktionen einer reellen Veränderlichen 4.2 Eigenschaften von Funktionen 4.3 Die elementaren Funktionen 4.4 Grenzwerte von Funktionen, Stetigkeit Funktionen 1 4. Funktionen Funktionen 2
MehrSimulation einer Mikrostreifenleitung mit Tiefpasscharakteristik. Khaoula Guennoun Torsten Finger Jan-Frederic Overbeck
Fachhochschule Aachen Master Telekommunikationstechnik Elektrotechnik und Informationstechnik Lehrgebiet: Hoch- und Höchstfrequenztechnik Prof. Dr. Ing. H. Heuermann Simulation einer Mikrostreifenleitung
MehrBetrachtetes Systemmodell
Betrachtetes Systemmodell Wir betrachten ein lineares zeitinvariantes System mit der Impulsantwort h(t), an dessen Eingang das Signal x(t) anliegt. Das Ausgangssignal y(t) ergibt sich dann als das Faltungsprodukt
MehrDokumentation und Auswertung. Labor. Kaiblinger, Poppenberger, Sulzer, Zöhrer. Impulsformung-Frequenzverhalten
TGM Abteilung Elektronik und Technische Informatik Übungsbetreuer Dokumentation und Auswertung Prof. Zorn Labor Jahrgang 3BHEL Übung am 10.01.2017 Erstellt am 11.01.2017 von Poppenberger Übungsteilnehmer
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
MehrFH Gießen-Friedberg, Sommersemester 2010 Skript 9 Diskrete Mathematik (Informatik) 30. April 2010 Prof. Dr. Hans-Rudolf Metz.
FH Gießen-Friedberg, Sommersemester 010 Skript 9 Diskrete Mathematik (Informatik) 30. April 010 Prof. Dr. Hans-Rudolf Metz Funktionen Einige elementare Funktionen und ihre Eigenschaften Eine Funktion f
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] =
Mehr7. Filter. Aufgabe von Filtern
. Filter Aufgabe von Filtern Amplitude Sperren einer Frequenz oder eines Frequenzbereichs Durchlassen einer Frequenz oder eines Frequenzbereichs möglichst kleine Phasenänderung Phase Phasenverschiebung
MehrLTI-Systeme in Frequenzbereich und Zeitbereich
LTI-Systeme in Frequenzbereich und Zeitbereich LTI-Systeme Frequenzgang, Filter Impulsfunktion und Impulsantwort, Faltung, Fourier-Transformation Spektrum, Zeitdauer-Bandbreite-Produkt Übungen Literatur
MehrA1.1: Einfache Filterfunktionen
A1.1: Einfache Filterfunktionen Man bezeichnet ein Filter mit dem Frequenzgang als Tiefpass erster Ordnung. Daraus lässt sich ein Hochpass erster Ordnung nach folgender Vorschrift gestalten: In beiden
MehrBeschreibung linearer Systeme im Frequenzbereich
Beschreibung linearer Systeme im Frequenzbereich Jan Albersmeyer Seminar Regelungstechnik Ziel Man möchte das Verhalten linearer Systeme der Form in Abhängigkeit der Steuerungen u(t) beschreiben. 22.11.2002
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
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
MehrNetzwerkanalyse, Netzwerksynthese und Leitungstheorie
Netzwerkanalyse, Netzwerksynthese und Leitungstheorie Von Dipl.-Phys. G. Ulbricht Professor an der Fachhochschule München Mit 109 Bildern, 10 Tafeln und zahlreichen Beispielen und Übungsaufgaben B. G.
MehrTEIL I: Analoge Filter
TEIL I: Analoge Filter Version vom. April 24 Dr. Mike Wolf, Fachgebiet Nachrichtentechnik Analoge und digitale Filter Literatur: L. D. Paarmann, Design And Analysis of Analog Filters: A Signal Processing
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,
MehrAktives LR12-Filter mit Bassentzerrung und Hochpassdelay
Aktives LR12-Filter mit Bassentzerrung und Hochpassdelay Dieses Filter trennt das Signal eines Stereokanals in einen Hochpasszweig und einen Tiefpasszweig 2. Ordnung nach Linkwitz-Riley auf. Die Trennfrequenz
MehrSYS_A - ANALYSIEREN. Statistik. NTB Druckdatum: SYS A. Histogramm (Praxis) Gaußsche Normalverteilung (Theorie) Gebrauch: bei n > 100
SYS_A - ANALYSIEREN Statistik Gaußsche Normalverteilung (Theorie) Gebrauch: bei n > 100 Histogramm (Praxis) Realisierung Lage Streuung Zufallsvariable Dichte der Normalverteilung Verteilungsfunktion Fläche
MehrVorwort. I Einführung 1. 1 Einleitung Signale Systeme Signalverarbeitung Struktur des Buches 9. 2 Mathematische Grundlagen 11
Vorwort V I Einführung 1 1 Einleitung 3 1.1 Signale 4 1.2 Systeme 4 1.3 Signalverarbeitung 6 1.4 Struktur des Buches 9 2 Mathematische Grundlagen 11 2.1 Räume 11 2.1.1 Metrischer Raum 12 2.1.2 Linearer
MehrÜbung Grundlagen der Elektrotechnik B
Übung Grundlagen der Elektrotechnik B 1 Übertragungsfunktion, Filter Gegeben sei die folgende Schaltung: R U 2 1. Berechnen Sie die Übertragungsfunktion H( jω)= U 2. 2. Bestimmen Sie die Zeitkonstante.
Mehr