17 Reale digitale Filter: Koeffizientenquantisierung
|
|
- Charlotte Böhm
- vor 6 Jahren
- Abrufe
Transkript
1 203 7 Reale digitale Filter: Koeffizientenquantisierung In der Systemtheorie werden digitale Signale und Systeme zunächst unter idealisierten Bedingungen betrachtet. Reale Systeme, wie beispielsweise bei der MATLAB-Simulation am PC, bei einer Implementierung auf einem digitalen Signalprozessor oder einer dedizierten Hardware, arbeiten jedoch stets mit endlicher Wortlänge. Es entstehen zwangsläufig Quantisierungsfehler, wenn die Koeffizienten und Variablen außerhalb des arstellungsbereiches der Maschinenzahlen liegen. Schlüsselbegriffe Arithmetikfehler, fdatool, FIR-Filter, Kaskadenform, Koeffizientenquantisierung, IIR-Filter, Polausdünnung, Pol-Nullstellenaufteilung, Wortlängeneffekte Lernziele Nach Bearbeiten dieses Versuches können Sie die Fehlerquellen bei realen digitalen Filtern nennen und verstehen die maximale Frequenzgangsabweichung durch Quantisierung der Koeffizienten bei FIR-Filtern abschätzen und bewerten mit MATLAB den tatsächlichen Fehler durch Quantisierung der Koeffizienten bei FIR-Filtern analysieren und bewerten die Wirkung der Koeffizientenquantisierung von IIR-Filtern auf den Frequenzgang anhand des Pol- Nullstellendiagramms analysieren und bewerten den Effekt der Polausdünnung anhand einer Skizze in der z-ebene veranschaulichen und bewerten ein IIR-Filter höherer Ordnung in eine für die Realisierung günstige Kaskadenform umwandeln mit MATLAB den tatsächlichen Fehler durch Quantisierung der Koeffizienten bei IIR-Filtern analysieren und bewerten das MATLAB-Werkzeug fdatool zum Entwurf und der Analyse von Filtern gezielt einsetzen 7. Wortlängeneffekte Praktische Systeme zur digitalen Signalverarbeitung werden häufig auf speziellen Mikrocontrollern implementiert, den digitalen Signalprozessoren (SP, igital Signal Processor). Nach Art der Zahlendarstellung werden zwei Gruppen unterschieden: Festkommaprozessoren und Gleitkommaprozessoren. Wichtige Vor- und Nachteile der beiden Prozessorarchitekturen stellt Tabelle 7- gegenüber. Beim praktischen Einsatz digitaler Systeme sind drei Fehlerquellen und ihre Folgen zu berücksichtigen: Quantisierungsfehler bei der A/-Umsetzung Quantisierungsfehler bei der arstellung der Filterkoeffizienten Entwurfsspezifikationen verletzt, Filter wird möglicherweise instabil M. Werner, igitale Signalverarbeitung mit MATLAB, OI 0.007/ _7, Vieweg+Teubner Verlag Springer Fachmedien Wiesbaden GmbH 202
2 204 7 Reale digitale Filter: Koeffizientenquantisierung Filter bleibt ein lineares System Arithmetikfehler innerhalb des Filters treten bei Wortlängenverkürzung nach einer Multiplikation oder einem Überlauf nach einer Addition auf. Inneres Rauschen, kleine und große Grenzzyklen Filter ist kein lineares System mehr In diesem Versuch werden die Auswirkungen der Koeffizientenquantisierung auf das Übertragungsverhalten digitaler Filter untersucht. abei wird nach FIR- und IIR-Filtern unterschieden. ie Arithmetikfehler werden im nächsten Versuch behandelt. Tabelle 7- Vergleich der Festkomma- und Gleitkommaarchitektur für Signalprozessoren Festkommaarchitektur Gleitkommaarchitektur ynamik kleiner größer Präzision konstant exponentenabhängig Skalierung meist erforderlich meist nicht erforderlich Befehlssatz (Assembler) Optimierungsmöglichkeiten Entwicklungszeit Geschwindigkeit Energieverbrauch Preis Sonstiges einfacher größer meist größer größer kleiner kleiner Spezielle Architekturmerkmale zur Vermeidung von Arithmetikfehlern (Sättigungskennlinien, Akkumulatoren mit vergrößerter Wortlänge) umfangreicher kleiner meist kleiner kleiner größer größer Software von einem PC oder Arbeitsplatzrechner leichter auf den SP portierbar 7.2 FIR-Filter mit quantisierten Koeffizienten Für FIR-Filter werden in Versuch 0 sechs günstige Eigenschaften aufgezählt, darunter die relative Robustheit gegenüber Wortlängeneffekten. ie Ergebnisse der folgenden Versaufgabe bestätigen dies. Sollen jedoch Systeme mit geringer Wortlänge, z. B. 8 oder 6 Bit, realisiert werden, ist eine Fehlerbetrachtung unerlässig Fehlermodell und Fehlerfrequenzgang Bei einem nichtrekursiven Filter der Ordnung N sind die Filterkoeffizienten gleich der Impulsantwort, siehe Bild 7-.
3 7.2 FIR-Filter mit quantisierten Koeffizienten 205 x[n] h 0 h h N- h N y[n] Bild 7- FIR-Filter in transversaler Struktur ie Quantisierung der Koeffizienten wirkt sich bei FIR-Filtern direkt auf die Impulsantwort und schließlich die Übertragungsfunktion und den Frequenzgang aus. Fasst man den Effekt der Koeffizientenquantisierung als additive Störgröße h F [n] auf F hn [ ] hn [ ] h[ n] (7.) so resultiert das Modell einer Parallelschaltung aus dem nicht-quantisierten System und dem Fehlersystem wie in Bild 7-2. Wegen der Additivität linearer Systeme gilt für den Frequenzgang des quantisierten Systems, dem Fehlerfrequenzgang, j j j Q F Bei einer Realisierung im Festkommaformat liegen meist Zahlen im Zweierkomplementformat vor. Sie beschränkt den Zahlenbereich auf Werte zwischen und LSB. er maximale Quantisierungsfehler beträgt bei Runden LSB/2. amit kann die Abweichung vom Frequenzgang aufgrund der Koeffizientenquantisierung abgeschätzt werden. Eine obere Schranke für die Abweichung des Betragsfrequenzgangs liefert die Annahme, dass sich alle Quantisierungsfehler der Koeffizienten ungünstig überlagern. Bei einer Quantisierung der Koeffizienten mit der Wortlänge w in Bit und Runden ergibt sich demzufolge Q H e H e H e (7.2) Bild 7-2 Parallelschaltung aus nichtquantisiertem System und Fehlersystem j Q w bit max HF e N N 2 (7.3) 2 ie Abschätzung erweist sich bei vielen Anwendungen wie in der Versuchsdurchführung als pessimistisch. ie Fehler durch die Quantisierung der Koeffizienten kompensieren sich zum Teil. Anmerkung: Realistischere Abschätzungen in der Literatur berücksichtigen diesen Effekt. Sie fußen auf stochastischen Modellen für die Quantisierungsfehler. x[n] h[n] h F [n] y[n]
4 206 7 Reale digitale Filter: Koeffizientenquantisierung Wird das Zweierkomplementformat verwendet, ist der Wertebereich der Signale und inneren Größen des Systems zwischen und LSB begrenzt. Um kritische Überläufe zu vermeiden, werden häufig die Betragsfrequenzgänge auf den Maximalwert skaliert. max j H e (7.4) ann wird keine Frequenzkomponente des Eingangssignals verstärkt. ie Überlagerung unterschiedlich phasenverschobener Frequenzkomponenten im System kann jedoch prinzipiell zu Überläufen führen Vorbereitende Aufgaben A7. Bei der Versuchsdurchführung sind Filterkoeffizienten zu quantisieren. Geben Sie die MATLAB-Befehlszeile an, die eine Zahl x mit x LSB auf den ezimalwert x q mit Runden umrechnet. Verwenden Sie das Zweierkomplementformat mit der Wortlänge w in Bit. xq = A7.2 Geben Sie für die Filterordnung N = 20 die obere Schranke (7.3) für die Abweichung des Betragsfrequenzgangs bei Koeffizientenquantisierung in Tabelle 7-2 an. Welche Aussagen können durch die Abschätzungen beim Entwurf eines selektiven Filters mit vorgegebenem Toleranzschema für die Sperrdämpfung gemacht werden? Tabelle 7-2 Abschätzung der maximalen Abweichung des Betragsfrequenzgangs aufgrund der Koeffizientenquantisierung (7.3) Wortlänge w 8 bit 6 bit Quantisierungsintervallbreite Q Maximimale Abweichung (7.3) A7.3 Überlegen Sie, ob durch die Koeffizientenquantisierung die (verallgemeinerte) lineare Phase eines FIR-Filters verloren geht? Versuchsdurchführung M7. a) Entwerfen Sie zum Toleranzschema in Bild 7-3 einen FIR-Tiefpass mit Equiripple-Verhalten mit dem MATLAB-Werkzeug fdatool. Hinweis: Überprüfen Sie, ob das Toleranzschema eingehalten wird. Wenn nicht, wiederholen Sie den Entwurf mit restriktiveren Vorgaben. b) Skalieren Sie das Filter nach (7.4). Hinweis: Verwenden Sie der Einfachheit halber den Maximalwert aus dem Toleranzschema.
5 7.3 IIR-Filter mit quantisierten Koeffizienten 207 c) Berechnen Sie die Filterkoeffizienten im Zweierkomplementformat mit der Wortlänge 8 Bit und Runden. Hinweis: quant2c d) Benutzen Sie das MATLAB-Werkzeug fvtool um die Betragsfrequenzgänge in db des skalierten Filters, des quantisierten Filters und des Fehlerfilters in einem Bild darzustellen. Wird das Toleranzschema nach der Koeffizientenquantisierung erfüllt? Vergleichen Sie den maximalen Betragsfehler mit der Abschätzung (7.3). Hinweis: Möglicher Programmaufruf fvtool(h,,h2,,h-h2,) e) Ist das Toleranzschema einzuhalten, wenn nun die Wortlänge von 6 Bits für die Koeffizienten verwendet wird? 2 = 0.04 Frequenzgang H(e j ) 0 2 S = / = = S / normierte Kreisfrequenz / Bild 7-3 Toleranzschema zum Entwurf des FIR-Tiefpasses 7.3 IIR-Filter mit quantisierten Koeffizienten An die Implementierung von IIR-Filter werden höhere Anforderungen als bei FIR-Filtern gestellt, weil IIR-Filter wegen ihrer rekursiven Struktur anfälliger gegen Wortlängeneffekte sind Kaskadenform ie direkte Umsetzung der Übertragungsfunktion eines IIR-Filters N b0 bz bn z Hz N a0az an z (7.5) führt auf Strukturen, wie die in Bild 7-4 gezeigte transponierte irektform II. Letztere zeichnet sich durch die minimal mögliche Zahl von Additionen und Multiplikationen aus und wird deshalb häufig eingesetzt, siehe auch kanonische Form.
6 208 7 Reale digitale Filter: Koeffizientenquantisierung x[n] b N b b 0 b N b 2 y[n] a N a N a 2 a Bild 7-4 Blockdiagramm der IIR-Filterstruktur in transponierter irektform II (a 0 = ) Theoretische Analysen und praktische Erfahrungen zeigen, dass die Realisierung als Kaskade von Blöcken 2. Ordnung relativ robust gegenüber Wortlängeneffekten ist. H z H z H z H z 2 K (7.6) Man zerlegt dabei das System in hintereinander geschaltete Teilsysteme 2. Ordnung und gegebenenfalls. Ordnung, falls einzelne reelle Pole auftreten. Man spricht dann von der Kaskadenform, siehe Bild 7-5. x[n] H (z) H 2 (z) H K (z) y[n] Bild 7-5 Kaskadenform mit Teilsystemen. und 2. Ordnung ie Aufteilung der Pole und Nullstellen auf die Teilsysteme sowie deren Skalierungen sind nicht beliebig. Auf eine Optimierung wird häufig verzichtet, da eine einfache Faustregel brauchbare Resultate liefert. er Einfachheit halber gehen wir von konjugiert komplexen Pol- und Nullstellenpaaren aus, wie sie für die Standardfilter typisch sind. ie Faustregel zur Aufteilung der Pole und Nullstellen auf die Teilsysteme wird in Bild 7-6 veranschaulicht. Leitgedanke dabei ist, den Einfluss der einzelnen Pole und Nullstellen auf die Frequenzgänge der Teilsysteme möglichst auszugleichen. Pol-Nullstellen-Aufteilung für die Kaskadenform (Faustregel) Es wird das zum Einheitskreis am nächsten liegende konjugiert komplexe Polpaar mit dem zu ihm am nächsten liegenden konjugiert komplexen Nullstellenpaar zusammengefasst. as Zusammenfassen wird für die verbleibenden Pole und Nullstellen entsprechend dem ersten Schritt wiederholt, bis alle Pol- und Nullstellenpaare erfasst sind. ie Teilsysteme 2. Ordnung werden in steigender oder fallender Reihenfolge des Zusammenfassens implementiert.
7 7.3 IIR-Filter mit quantisierten Koeffizienten 209 Im(z) z Im(z) z Im(z) a) b) c) z Re(z) Re(z) Re(z) Bild 7-6 Gruppieren der Pole und Nullstellen in Blöcken 2. Ordnung für einen Cauer-Tiefpass nach der Faustregel Koeffizientenquantisierung und Polausdünnung Im Weiteren wird exemplarisch ein einzelner Block der Kaskadenform betrachtet, ein reellwertiges rekursives System 2. Ordnung mit konjugiert komplexem Polpaar und konjugiert komplexem Nullstellenpaar. und 0 * z e z (7.7) j z e z2 Eingesetzt in die Übertragungsfunktion liefert j b0 bz b2z 20cos0 H 0 z b az a2z 2cos (7.8) ie Realisierung des Blockes 2. Ordnung im üblichen Zweierkomplementformat erfordert die Quantisierung der Filterkoeffizienten. 2 b0 Q b Qz b2 Qz HQ z 2 a Q z a2 Q z (7.9) Wegen 2 a 2Re z und a2 z (7.0) wirkt sich die Quantisierung auf die Realteile und die Beträge der Pole aus. Für die Nullstellen gilt Entsprechendes. Im wichtigen Fall stabiler kausaler Systeme liegen alle Pole innerhalb des Einheitskreises. emzufolge gilt für die Beträge der Nennerkoeffizienten 0 a 2 und 0 a2 (7.) sodass a den Zahlenbereich des Zweierkomplementformats überschreiten kann. Während die Zählerkoeffizienten durch geeignete Skalierung stets betragsmäßig kleiner eins gewählt werden können, muss für den Nenner anderweitig Abhilfe geschaffen werden. ie in Bild 7-7 gezeigte Struktur mit einer Aufspaltung der Multiplikation mit a in zwei Additionen vermeidet die Zahlenbereichsüberschreitung um den Preis einer zusätzlichen Addition.
8 20 7 Reale digitale Filter: Koeffizientenquantisierung x[n] b 2 b b 0 y[n] a 2 a /2 Bild 7-7 Block 2. Ordnung für quantisierte Koeffizienten in transponierter irektform II Für die für die Stabilität wichtigen Pole gilt a Rez 2 Q Q 2 und a2 Q Q (7.2) emzufolge sind nur diskrete Werte für den Realteil und den Betrag eines Pols möglich. Bild 7-8 zeigt die sich demzufolge ergebenden möglichen Lagen der komplexen Pole im ersten Quadranten für die Wortlänge von 5 Bit. Im(z) z Re(z) Bild 7-8 Mögliche Lagen der komplexen Pole () im ersten Quadranten und auf der imaginären Achse der z-ebene für w = 5 bit Bild 7-8 zeigt, dass sich die Lage der Pole durch die Quantisierung meist verschiebt, weshalb der Frequenzgang gegenüber dem Entwurf erheblich verändert werden kann. Besonders augenfällig ist die Ausdünnung der möglichen komplexen Pole um die reelle Achse, die Polausdünnung. Weil bei schmalbandigen Tiefpässen die Polwinkel im urchlassbereich um 0 liegen, also die Pole in der Nähe von z =, macht sich bei schmalbandigen Tiefpässen die Koeffizientenquantisierung besonders ungünstig bemerkbar. as Sperrverhalten, bei dem es vor allem auf die Nullstellen ankommt, ist weniger empfindlich. ie Nullstellen auf dem Einheitskreis bleiben auch nach der Quantisierung dort. Nur ihre Phasen verschieben sich gegebenenfalls.
9 7.3 IIR-Filter mit quantisierten Koeffizienten 2 Nach der Quantisierung bleiben die Pole des Blockes 2. Ordnung stets im Einheitskreis. as quantisierte System ist stabil. Bei einer Implementierung in der irektform II nach Bild 7-4 ist dies nicht sichergestellt. Sind die Auswirkungen der Quantisierung der Koeffizienten nicht mehr vernachlässigbar, so sind verschiedene Gegenmaßnahmen möglich: Berücksichtigung der Koeffizientenquantisierung bereits beim Entwurf; Optimierung der Wortlängenverkürzung; Implementierung des Filters in einer unempfindlicheren Struktur, z. B. in Normalform, in Leiterstruktur oder als Wellendigitalfilter Vorbereitende Aufgaben A7.4 In der Versuchsdurchführung sollen Sie die Schritte vom Toleranzschema bis zum IIR-Filter mit quantisierten Koeffizienten in MATLAB selbständig durchführen. Zur Vorbereitung machen Sie sich mit dem folgenden Entwurfsbeispiel in fünf Schritten vertraut. Entwurfsvorgaben Toleranzschema und Filterprototyp Cauer-Filter H TP (e j ) = S = = = S / Bild 7-9 Toleranzschema zum Tiefpassentwurf Filterentwurf MATLAB-Werkzeug fdatool Mit dem MATLAB-Werkzeug fdatool wird ein Cauer-Tiefpass zum Toleranzschema in Bild 7-9 entworfen. as Ergebnis ist in Bild 7- zu sehen. Über die Menüauswahl File Export werden die Filterdaten in den Workspace geladen, siehe Bild 7-0. anach befinden sich im Arbeitsspeicher die beiden Variablen SOS und G. ie Matrix SOS enthält die Filterkoeffizienten der Teilblöcke 2. Ordnung (Second Order System) für die Kaskadenform des IIR- Tiefpasses. Und der Vektor G beschreibt die Gewichtsfaktoren (Gain, Scale Values) der Teilblöcke und des Gesamtsystems. Im Beispiel ergeben sich die Zahlenwerte in Tabelle 7-3. Bild 7-0 Menü Export
10 22 7 Reale digitale Filter: Koeffizientenquantisierung Bild 7- Tiefpassentwurf mit dem MATLAB-Werkzeug fdatool zum Toleranzschema in Bild 7-9 Tabelle 7-3 Filterparameter des Cauer-Tiefpasses nach Bild 7-9 und Bild 7- (fdatool) SOS = G = ie Angaben in Tabelle 7-3 entsprechen einem IIR-Filter in Kaskadenform H ( z) G H( z) G2 H2( z) G3 H3( z) G4 mit G i = G(i) (7.3) ie Teilsysteme sind definiert durch
11 7.3 IIR-Filter mit quantisierten Koeffizienten 23 H i z 2 b0i biz b2iz 2 a0i aiz a2iz (7.4) mit b 0i = SOS(i:), b i = SOS(i:2) und b 2i = SOS(i:3) a 0i = SOS(i:4), a i = SOS(i:5) und a 2i = SOS(i:6) ie Koeffizienten der Teilsysteme sind zeilenweise in der Matrix SOS abgelegt. ie 4. Spalte von SOS enthält die stets auf eins normierten Koeffizienten a 0i. Überprüfung der Pol-Nullstellenaufteilung Mit dem fdatool wird das Pol-Nullstellendiagramm in Bild 7-2 dargestellt. ie Zuordnung der Pole und Nullstellen zu den Teilsystemen erfolgt im Beispiel anhand der Filterkoeffifzienten in Tabelle 7-3. ie letzte Spalte der SOS-Matrix enthält die Polradien in der Reihenfolge der Teilsysteme, 2 und 3 von oben nach unten. Mit den gerundeten Polradien 0.7, 0.5 und 0.9 ergibt sich eine eindeutige Zuordung in Bild 7-2. Für die Zuordnung der Nullstellen ist die zweite Spalte geeignet. Sie enthält 2Re( 0 ), sodass mit den gerundeten Realteilen 0,06, 0,7 und 0,3 ebenfalls die Zuordnung erfolgen kann. ie von MATLAB vorgenommene Pol-Nullstellenaufteilung folgt der Fausregel. Anmerkung: MATLAB bietet Optimierungensmöglichkeiten bei der Konversion der Filterkoeffizienten in die der Teilsysteme mit dem MATLAB-Befehl tf2sos an. Wie im nächsten Versuch vorgestellt wird, sind für die Implementierung auf Festkommarechnern die Überlaufwahrscheinlichkeit und das innere Rauschen in Betracht zu ziehen. Pole/Zero Plot Imaginary Part Real Part Bild 7-2 Pol-Nullstellendiagramm mit der Aufteilung in Teilsysteme mit dem MATLAB-Werkzeug fdatool zum Toleranzschema in Bild 7-9
12 24 7 Reale digitale Filter: Koeffizientenquantisierung Quantisierung der Koeffizienten im Zweierkomplementformat Bei der Quantisierung der Koeffizienten sind die Gewichtsfaktoren zu beachten. abei sind zwei gegensätzliche Effekte zu berücksichtigen. Grundsätzlich sollte das Eingangssignal möglichst wenig abgeschwächt werden und die Gewichte zum Ausgang hin möglichst klein sein, um das in den Teilsystemen aufgrund von Wortlängeneffekten entstehende innere Rauschen möglichst wenig zu verstärken. Andererseits besteht bei zu hoher Aussteuerung des Eingangssignals die Gefahr von Überläufen und damit gravierenden nichtlinearen Störeffekten. Eine optimale Aufteilung der Gewichtsfaktoren erfordert eine Analyse, die den hier abgesteckten Rahmen sprengen würde. eshalb werden vereinfachend, die Gewichte so auf die Teilsysteme übertragen, dass der maximale Zählerkoeffizient stets kleiner gleich.5 ist, also G = Zu beachten ist ferner, dass die Koeffizient a i entsprechend Bild 7-7 und (7.2) zu quantisieren sind. Für die Modellüberlegungen werden die Koeffizienten a i durch zwei geteilt, quantisiert und danach wieder mit zwei multipliziert. as Ergebnis der Quantisierung ist in Tabelle 7-4 zusammengefasst. Es enthält die skalierten Koeffizienten vor der Quantisierung SOSg und die quantisierten Koeffizienten bei 8-Bit-Wortlänge SOSq. Anmerkung: ie Skalierung und Quantisierung wurde mit dem Programm quant2ciir durchgeführt, welches das Programm quant2c verwendet. Tabelle 7-4 Skalierte (g) und quantisierte (q) Koeffizienten der Teilsysteme zum Cauer- Tiefpass SOSg = SOSq = Überprüfung des Filters im Festkommaformat Zur Überprüfung des Betragsfrequenzgangs des quantisierten Systems wird das MATLAB-Werkzeug fdatool eingesetzt. ie Koeffizienten in SOSq werden über den Menü-Punkt File Import Filter from Workspace an fdatool übergeben. as Gewicht Gain wird zu gesetzt. Bild 7-3 zeigt die Einstellungen. Zum Vergleich mit der Entwurfsvorschrift wird im arstellungsfenster des MATLAB-Werkzeugs fdatool die normierte arstellung mit dem Maximum des Betragsfrequenzganges gleich eins gewählt. as quantisierte System weicht im urchlassbereich deutliche vom Wunschbetragsfrequenzgang ab. Am Rande des urchlassbereichs treten Werte kleiner als 0,9 auf.
13 7.3 IIR-Filter mit quantisierten Koeffizienten 25 ie Abweichungen im urchlassbereich sind teilweise größer als 0., gefordert sind maximal Ein Blick auf den Sperrbereich (nicht in Bild 7-3) ergibt eine minimale Sperrdämpfung von etwas über 55 db statt der geforderten von 60 db bei der normierten Kreisfrequenz ungefähr gleich Alles in allem, erweist sich der entworfene IIR-Tiefpass als relativ robust gegenüber der Quantisierung der Koeffizienten in Kaskadenform auf nur 8 Bits. Bild 7-3 Untersuchung des auf 8-Bit-Wortlänge quantisierten Cauer-Tiefpasses (SOSq) mit dem MATLAB-Werkzeug fdatool Versuchsdurchführung M7.2 Führen Sie die Entwurfsschritte der Vorbereitung selbst mit MATLAB durch. M7.3 Entwerfen Sie mit dem MATLAB-Programm fdatool einen Chebyshev-II-Tiefpass mit den Vorgaben des Toleranzschemas: = 0.04 = 0.02 S = 0. S = 0.000
14 26 7 Reale digitale Filter: Koeffizientenquantisierung as System soll in Kaskadenform mit Blöcken. und 2. Ordnung mit der Wortlänge 6 Bit realisiert werden. Führen Sie die dazu notwendigen Schritte durch. Überprüfen Sie die Pol-Nullstellenaufteilung durch MATLAB. Erfüllt das in Kaskadenform realisierte Filter die Entwurfsspezifikationen? Hinweise zu MATLAB-Funktionen und M-Files Im Folgenden werden für die Versuchsdurchführung nützliche MATLAB-Befehle und -Funktionen aufgelistet, zu denen Sie sich mit der Help-Funktion Erläuterungen und Beispiele am Bildschirm anzeigen lassen können, siehe auch vorherige Versuche. Tabelle 7-5 MATLAB-Befehle benutzte Programme und ateien Spezielle Befehle MATLAB-Programme Onlineressourcen load, save, sos2tf, tf2sos fdatool, fvtool quant2c.m, quant2ciir.m
Digitale Signalverarbeitung mit MATLAB
Martin Werner Digitale Signalverarbeitung mit MATLAB Grundkurs mit 16 ausführlichen Versuchen 4., durchgesehene und ergänzte Auflage Mit 180 Abbildungen und 76 Tabellen STUDIUM VIEWEG+ TEUBNER 1 Erste
MehrDigitale Signalverarbeitung. mit MATLAB
Martin Werner Digitale Signalverarbeitung mit MATLAB Grundkurs mit 16 ausführlichen Versuchen 3., vollständig überarbeitete und aktualisierte Auflage Mit 159 Abbildungen und 67 Tabellen Studium Technik
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)
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
MehrKlausur zur Vorlesung Digitale Signalverarbeitung
INSTITUT FÜR INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 3067 Hannover Klausur zur Vorlesung Digitale Signalverarbeitung Datum:.08.006 Uhrzeit: 09:00 Uhr Zeitdauer: Stunden Hilfsmittel:
MehrDigitale Signalverarbeitung mit MATLAB- Praktikum
Martin Werner Digitale Signalverarbeitung mit MATLAB- Praktikum Zustandsraumdarstellung, Lattice-Strukturen, Prädiktion und adaptive Filter Mit 118 Abbildungen, 29 Tabellen und zahlreichen Praxisbeispielen
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 /
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
MehrTontechnik 2. Digitale Filter. Digitale Filter. Zuordnung Eingang x(t) Ausgang y(t) diskrete digitale Signale neue diskrete digitale Signale
Tontechnik 2 Digitale Filter Audiovisuelle Medien HdM Stuttgart Digitale Filter Zuordnung Eingang x(t) Ausgang y(t) diskrete digitale Signale neue diskrete digitale Signale lineares, zeitinvariantes, diskretes
MehrÜBUNG 2: Z-TRANSFORMATION, SYSTEMSTRUKTUREN
ÜBUNG : Z-TRANSFORMATION, SYSTEMSTRUKTUREN 8. AUFGABE Bestimmen Sie die Systemfunktion H(z) aus den folgenden linearen Differenzengleichungen: a) b) y(n) = 3x(n) x(n ) + x(n 3) y(n ) + y(n 3) 3y(n ) y(n)
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:
MehrBeispiel-Klausuraufgaben Digitale Signalverarbeitung. Herbst 2008
Beispiel-Klausuraufgaben Digitale Signalverarbeitung Herbst 8 Zeitdauer: Hilfsmittel: Stunden Formelsammlung Taschenrechner (nicht programmiert) eine DIN A4-Seite mit beliebigem Text oder Formeln (beidseitig)
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
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
MehrKlausur zur Vorlesung Digitale Signalverarbeitung
INSTITUT FÜR INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 3067 Hannover Klausur zur Vorlesung Digitale Signalverarbeitung Datum: 7.03.007 Uhrzeit: 3:30 Uhr Zeitdauer: Stunden Hilfsmittel:
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:.................................... VORNAME:.................................... MAT. NR.:................................... 2. Teilprüfung 389.055 A Signale und Systeme 2 Institute of Telecommunications
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
MehrÜbungsaufgaben Digitale Signalverarbeitung
Übungsaufgaben Digitale Signalverarbeitung Aufgabe 1: Gegeben sind folgende Zahlenfolgen: x(n) u(n) u(n N) mit x(n) 1 n 0 0 sonst. h(n) a n u(n) mit 0 a 1 a) Skizzieren Sie die Zahlenfolgen b) Berechnen
Mehr3. Systembedingte Fehler
3. Systembedingte Fehler Prof. Dr.-Ing. Dr. h.c. Norbert Höptner Ergänzende Informationen zur Vorlesung Signalverarbeitungssysteme Abschnitte 3.1-3.8. Prof. Dr.-Ing. Dr. h.c. Norbert Höptner 1 Inhalt 3.
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)
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
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
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,
MehrKlausur zur Vorlesung Digitale Signalverarbeitung
INSTITUT FÜR THEORETISCHE NACHRICHTENTECHNIK UND INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 067 Hannover Klausur zur Vorlesung Digitale Signalverarbeitung Datum:.08.00 Uhrzeit: 09:00
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:.................................... VORNAME:.................................... MAT. NR.:................................... 2. Teilprüfung 389.055 B Signale und Systeme 2 Institute of Telecommunications
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:.................................... VORNAME:.................................... MAT. NR.:................................... 2. Teilprüfung 389.055 A Signale und Systeme 2 Institute of Telecommunications
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,
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
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
MehrTheorie digitaler Systeme
Theorie digitaler Systeme Vorlesung 2: Fakultät für Elektro- und Informationstechnik, anfred Strohrmann Einführung Frequenzgang zeitkontinuierlicher Systeme beschreibt die Änderung eines Spektrums bei
MehrSystemtheorie. Vorlesung 27: Schaltungstechnische Realisierung von Filtern. Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann
Systemtheorie Vorlesung 7: Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann Passive LC-Schaltungen erster Ordnung Übertragungsfunktionen, die durch die Entwurfsverfahren bestimmt werden,
MehrSystemtheorie. Vorlesung 25: Butterworth-Filter. Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann
Systemtheorie Vorlesung 5: Butterworth-Filter Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann Übersicht Für den Filterentwurf stehen unterschiedliche Verfahren zur Verfügung Filter mit
MehrAbschlussprüfung Digitale Signalverarbeitung. Aufgaben, die mit einem * gekennzeichnet sind, lassen sich unabhängig von anderen Teilaufgaben lösen.
Name: Abschlussprüfung Digitale Signalverarbeitung Studiengang: Elektrotechnik IK, E/ME Wahlfach SS2015 Prüfungstermin: Prüfer: Hilfsmittel: 3.7.2015 (90 Minuten) Prof. Dr.-Ing. Großmann, Prof. Dr.-Ing.
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
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
MehrVor- und Nachteile FIR- und IIR-Filter DSV 1, 2005/01, Rur, Filterentwurf, 1. Filterspezifikation DSV 1, 2005/01, Rur, Filterentwurf, 2
Vor- und Nachteile FIR- und IIR-Filter DSV 1, 2005/01, Rur, Filterentwurf, 1 Filterspezifikation DSV 1, 2005/01, Rur, Filterentwurf, 2 FIR-Filter sind nichtrekursive LTD-Systeme werden meistens in Transversalstruktur
MehrMartin Meyer. Signalverarbeitung. Analoge und digitale Signale, Systeme und Filter 5. Auflage STUDIUM VIEWEG+ TEUBNER
Martin Meyer Signalverarbeitung Analoge und digitale Signale, Systeme und Filter 5. Auflage STUDIUM VIEWEG+ TEUBNER VII 1 Einführung 1 1.1 Das Konzept der Systemtheorie 1 1.2 Übersicht über die Methoden
MehrDiskrete Folgen, z-ebene, einfache digitale Filter
apitel 1 Diskrete Folgen, z-ebene, einfache digitale Filter 1.1 Periodische Folgen Zeitkoninuierliche Signale sind für jede Frequenz periodisch, zeitdiskrete Signale nur dann, wenn ω ein rationales Vielfaches
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
MehrAufgabe 1 (20 Punkte)
Augabe 1 (20 Punkte) Es wird ein Sprachsignal x(t) betrachtet, das über eine ISDN-Teleonleitung übertragen wird. Das Betragsspektrum X() des analogen Signals kann dem nachstehenden Diagramm entnommen werden.
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:.................................... VORNAME:.................................... MAT. NR.:.................................... Teilprüfung 389.055 A Signale und Systeme Institute of Telecommunications
MehrSystemtheorie Teil B
d + d + c d + c uk d + + yk d + c d + c Systemtheorie Teil B - Zeitdiskrete Signale und Systeme - Musterlösungen Manfred Strohrmann Urban Brunner Inhalt 8 Musterlösung Frequengang eitdiskreter Systeme...
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:.................................... VORNAME:.................................... MAT. NR.:.................................... Teilprüfung 389.055 B Signale und Systeme Institute of Telecommunications
MehrDigitalisierung II. Digitalisierung - Hörbeispiel Analog-Digital-Umsetzer Simulation LTI-Systeme (zeitdiskret) Übungen Literatur und Quellen
Digitalisierung II Digitalisierung - Hörbeispiel Analog-Digital-Umsetzer Simulation LTI-Systeme (zeitdiskret) Übungen Literatur und Quellen 19.06.2016 Professor Dr.-Ing. Martin Werner Folie 1 Digitalisierung
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
MehrTheorie digitaler Systeme
Theorie digitaler Systeme Vorlesung 15: Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann Einführung Entwurfsmethoden für IIR-Filtern sind für Zeitbereich und Bildbereich bekannt Finite-Impulse-Response
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
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:
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
Mehr1. Aufgabenblatt: EDS Wiederholung und Filterung
Kommunikationstechnik II 1.Übungstermin Prof. Dr. Stefan Weinzierl 19.10.2009 1. Aufgabenblatt: EDS Wiederholung und Filterung 1. Aufgabe a. Erstellen Sie ein Rechtecksignal mit der Frequenz f = 130 Hz
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:.................................... VORNAME:.................................... MAT. NR.:................................... 2. Teilprüfung 389.055 A Signale und Systeme 2 Institute of Telecommunications
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
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
MehrÜbung 12: Bestimmung des Frequenzganges
Übung Signale und Systeme Sommersemester Übung :Frequenzgang 5. Juli Übung : Bestimmung des Frequenzganges. Gegeben sei die Übertragungsfunktion eines diskreten Systems: (z ρe jα )(z σe jβ ) (a) Legen
MehrAllpass-Transformation
Grundidee: Allpass-Transformation Entwurf eines IIR-Filters H p (z) mit bekanntem Verfahren Abbildung des Frequenzgangs durch Transformation der Frequenzvariablen Transformation durch Substitution ζ =
Mehr5. 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
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:.................................... VORNAME:.................................... MAT. NR.:................................... 2. Teilprüfung 389.055 B Signale und Systeme 2 Institute of Telecommunications
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:... VORNAME:... MAT. NR.:.... Teilprüfung 389.055 A Signale und Systeme Institute of Telecommunications TU-Wien.06.06 Bitte beachten Sie: Bitte legen Sie Ihren Studierendenausweis auf Ihrem Tisch
MehrReferat zum Thema Frequenzweichen / Signalfilterung
Referat zum Thema Gliederung: Einleitung I. Filter erster Ordnung 1. Tiefpass erster Ordnung 2. Hochpass erster Ordnung II. Filter zweiter Ordnung 1.Tiefpass zweiter Ordnung 2.Bandpass zweiter Ordnung
MehrSystemtheorie Teil B
d 0 d c d c uk d 0 yk d c d c Systemtheorie Teil B - Zeitdiskrete Signale und Systeme - Musterlösungen Manfred Strohrmann Urban Brunner Inhalt 9 Musterlösungen Zeitdiskrete pproximation zeitkontinuierlicher
MehrLineare zeitinvariante Systeme
Lineare zeitinvariante Systeme Signalflussgraphen Filter-Strukturen Fouriertransformation für zeitdiskrete Signale Diskrete Fouriertransformation (DFT) 1 Signalflussgraphen Nach z-transformation ist Verzögerung
MehrEinfluss endlicher Wortlänge bei IIR-Filtern
Einfluss endlicher Wortlänge bei IIR-Filtern yn [ ] L H( z) L M M bxn [ ] ay[ n m] m m b z a m m z m (.) Die Koeffizienten a und b in IIR-Filtern verlangen eine hohe Genauigeit, bei einem elliptischen
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 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
MehrMartin Werner. Digitate Signalverarbeitung mit MATLAB
Martin Werner Digitate Signalverarbeitung mit MATLAB Aus dem Programm Nachrichentechnik / Kommunikationstechnik Telekommunikation von D. Conrads Kommunikationstechnik von M. Meyer Signalverarbeitung von
MehrSystemtheorie. Vorlesung 16: Interpretation der Übertragungsfunktion. Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann
Systemtheorie Vorlesung 16: Interpretation der Übertragungsfunktion Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann Übertragungsfunktion Bedeutung der Nullstellen Bei der Interpretation
MehrDigital Signal Processing
- for Master Study by TFH Bochum - Analog Signal I OO O I I I O O O Digital Signal Seite 1 Zielsetzung der Signalverarbeitung Analyse: H(t), H(f) Modellieren y(t) {} Physikalische Größe und Prozesse Synthese
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
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
MehrDigitale Signalverarbeitung
Karl-Dirk Kammeyer, Kristian Kroschel Digitale Signalverarbeitung Filterung und Spektralanalyse mit MATLAB-Übungen 6., korrigierte und ergänzte Auflage Mit 315 Abbildungen und 33 Tabellen Teubner Inhaltsverzeichnis
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,
MehrSignal- und Systemtheorie
Thomas Frey, Martin Bossert Signal- und Systemtheorie Mit 117 Abbildungen, 26 Tabellen, 64 Aufgaben mit Lösungen und 84 Beispielen Teubner B.G.Teubner Stuttgart Leipzig Wiesbaden Inhaltsverzeichnis 1 Einleitung
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
Mehr(Bitte geben Sie bei der Beantwortung von Fragen eine Begründung bzw. bei der Lösung von Kurzaufgaben eine kurze Berechnung an!)
Teil 1: Fragen und Kurzaufgaben (Bitte geben Sie bei der Beantwortung von Fragen eine Begründung bzw. bei der Lösung von Kurzaufgaben eine kurze Berechnung an!) Frage 1 (6 Punkte) Es wird ein analoges
MehrSystemtheorie Teil B
d + d z + c d z + c uk d + + yk z d + c d z + c Systemtheorie eil B - Zeitdiskrete Signale und Systeme - Musterlösungen Manfred Strohrmann Urban Brunner Inhalt Musterlösungen - Signalabtastung und Rekonstruktion...
MehrDigitale Signalverarbeitung auf FPGAs
Digitale Signalverarbeitung auf FPGAs FIX: Fixpointsysteme im Zeitbereich Teil 1 Binäre Zahlendarstellung und Arithmetik 216 Dr. Christian Münker FIX: Überblick Binäre Zahlendarstellung und Arithmetik
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
MehrEinführung in die Digitale Verarbeitung Prof. Dr. Stefan Weinzierl
Einführung in die Digitale Verarbeitung Prof. Dr. Stefan Weinierl WS11/12 Musterlösung 6. Aufgabenblatt Analyse von LTI-Systemen. 1. Betrachten Sie ein stabiles lineares eitinvariantes System mit der Eingangsfolge
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:.................................... VORNAME:.................................... MAT. NR.:................................... 1. Teilprüfung 389.055 A Signale und Systeme 2 Institute of Telecommunications
MehrMathematik für Studierende der Biologie und des Lehramtes Chemie
Mathematik für Studierende der Biologie und des Lehramtes Chemie ominik Schillo Universität des Saarlandes 7 Vorlesung, 007 (Stand: 007, 4: Uhr) Notation Seien A R n n sowie b R n und betrachte das LGS
MehrAufgabe 1: Kontinuierliche und diskrete Signale
ufgabe (5 Punkte) ufgabe : Kontinuierliche und diskrete Signale. Zeichnen Sie jeweils den geraden und den ungeraden nteil des Signals in bb..!. Sind Sie folgenden Signale periodisch? Falls ja, bestimmen
MehrZusammenfassung der 6. Vorlesung
Zusammenfassung der 6. Vorlesung Dynamische Systeme 2-ter Ordnung (PT 2 -System) Schwingungsfähige Systeme 2-ter Ordnung. - Systeme mit Speicher für potentielle und kinetische Energie - Beispiel: Feder-Masse-Dämpfer
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
MehrDie Eigenschaften von Systemen. S gesendet. S gesendet. S gesendet. Ideales System (idealer Wandler): Die Signaleigenschaften werden nicht verändert
Die Eigenschaften von Systemen Ideales System (idealer Wandler): Die Signaleigenschaften werden nicht verändert S gesendet IDEALER WANDLER S gesendet Reales System (realer Wandler): Es entstehen Verzerrungen
MehrLINEARE ALGEBRA UND ANALYSIS FÜR FUNKTIONEN EINER VARIABLEN
Fakultät Mathematik Institut für Numerische Mathematik LINEARE ALGEBRA UND ANALYSIS FÜR FUNKTIONEN EINER VARIABLEN 6. Komplexe Zahlen Prof. Dr. Gunar Matthies Wintersemester 2017/18 G. Matthies Lineare
MehrDigitale Regelsysteme
Rolf Isermann Digitale Regelsysteme Springer-Verlag Berlin Heidelberg New York 1977 Inhaltsverzeichnis 1. Einführung :..." 1 A Prozesse und Prozeßrechner 5 2. Regelung mit Digitalrechnern (Prozeßrechner,
MehrStefan Ruzika. 24. April 2016
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 24. April 2016 Stefan Ruzika 2: Körper 24. April 2016 1 / 21 Gliederung 1 1 Schulstoff 2 Körper Definition eines Körpers
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
MehrGEGENÜBERSTELLUNG VON ANALYSE DURCH SYNTHESE
GEGENÜBERSTELLUNG VON ANALYSE URH SYNTHESE UN RÜKWÄRTSPRÄIKTION Norbert Görtz Lehrstuhl für Netzwerk und Systemtheorie, hristianalbrechtsuniversität Kiel Kaiserstraße 2, 24143 Kiel Tel.: 49 431 77572406,
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:.................................... VORNAME:.................................... MAT. NR.:................................... 1. Teilprüfung 389.055 A Signale und Systeme 2 Institute of Telecommunications
MehrKlausur im Lehrgebiet. Signale und Systeme. - Prof. Dr.-Ing. Thomas Sikora -
Signale und Systeme - Prof. Dr.-Ing. Thomas Sikora - Name:............................ Bachelor ET Master TI Vorname:......................... Diplom KW Magister... Matr.Nr:.......................... Erasmus
MehrIIR-Filter. SigProc-7-IIR 1
IIR-Flter SgProc-7-IIR FIR IIR IIR-Flter haben komplzertere Blockdagramme, snd schwerer zu entwerfen und analyseren, haben kene lneare Phase, aber se snd selektver! Magntude 0.9 0.8 0.7 0.6 0.5 0.4 0.3
Mehr9. Vorlesung. Systemtheorie für Informatiker. Dr. Christoph Grimm. Professur Prof. Dr. K. Waldschmidt, Univ. Frankfurt/Main
9. Vorlesung Systemtheorie für Informatiker Dr. Christoph Grimm Professur Prof. Dr. K. Waldschmidt, Univ. Frankfurt/Main Letzte Woche: Abtastung und Rekonstruktion Abtastung: Wandelt bandbegrenzte kontinuierliche
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:.................................... VORNAME:.................................... MAT. NR.:................................... 1. Teilprüfung 389.055 B Signale und Systeme 2 Institute of Telecommunications
MehrPuls-Code-Modulation. Thema: PCM. Ziele
Puls-Code-Modulation Ziele Mit diesen rechnerischen und experimentellen Übungen wird die Vorgehensweise zur Abtastung und linearen Quantisierung eines analogen Signals erarbeitet. Bei der Abtastung werden
Mehr