3. Informationsverarbeitung in Objekten
|
|
- Christa Peters
- vor 6 Jahren
- Abrufe
Transkript
1 3. Informationsverarbeitung in Objekten 1
2 3.1. Abtastung von Signalen an der Schnittstelle 2
3 Falls System an einen Rechner angeschlossen ist wert- und zeit-diskrete Signale x * (t k ) = abstrakte Zahlen TASK führt zeitdiskret Algorithmus aus stellt y * (t k ) als Ergebnis bereit Rechner TASK y * [t k ] = f(x * [t k ],q * [t k ]) Steuerwertausgabe System 3
4 t [s] 4
5 t [s] schnelle Abtastperiode T AS 5
6 t [s] schnelle Abtastperiode T AS 6
7 t [s] langsame Abtastperiode T AL 7
8 ???? t [s] langsame Abtastperiode T AL 8
9 ???? t [s] langsame Abtastperiode T AL 9
10 Wie sieht das im Frequenzbereich aus? (zunächst für die schnelle Abtastung T AS ) t [s] schnelle Abtastperiode T AS 10
11 X(f) Abtastung vonmesswerten (von Sensoren, Audio...) Originalspektrum (vor der Abtastung) X(f) Spektrum nach der schnellen Abtastung mit T AS -f g +f g T AS T AS 11
12 X(f) Abtastung vonmesswerten (von Sensoren, Audio...) Originalspektrum (vor der Abtastung) X(f) Spektrum nach der schnellen Abtastung mit T AS -f g +f g -f 0 g +f g -f g 1 +f g -f g 2 +f g T AS T AS f a 2f a Satz: Faltungs-, Aliasing-, Stroboskop-Effekt: Wird ein cosinusförmiges Signal der Frequenz f einer Abtastung mit der Abtastperiode T A =1/f a unterzogen, so werden weitere Cosinus-Signale mit folgenden Alias-Frequenzen f al erzeugt: f al = n * f a + f 12
13 X(f) Abtastung vonmesswerten (von Sensoren, Audio...) Originalspektrum (vor der Abtastung) X(f) Spektrum nach der schnellen Abtastung mit T AS -f g +f g f -f 0 g +f g -f g 1 +f g -f g 2 +f g T AS T AS f a 2f a Satz: Faltungs-, Aliasing-, Stroboskop-Effekt: Wird ein cosinusförmiges Signal der Frequenz f einer Abtastung mit der Abtastperiode T A =1/f a unterzogen, so werden weitere Cosinus-Signale mit folgenden Alias-Frequenzen f al erzeugt: f al = n * f a + f 13
14 X(f) Abtastung vonmesswerten (von Sensoren, Audio...) Originalspektrum (vor der Abtastung) X(f) Spektrum nach der schnellen Abtastung mit T AS -f g +f g -f 0 g +f g -f g 1 +f g -f g 2 +f g T AS T AS x(t) ohne Beweis: m(t) = y(t) X(f) * M(f) = 14
15 x(t) t [s] x(t) ohne Beweis: m(t) = y(t) X(f) M(f) = 15
16 x(t) t [s] m(t) T AS t [s] x(t) ohne Beweis: m(t) = y(t) X(f) M(f) = 16
17 x(t) t [s] m(t) T AS t [s] x(t) ohne Beweis: m(t) = y(t) y(t) X(f) M(f) = t [s] T AS 17
18 x(t) t [s] m(t) T AS t [s] x(t) ohne Beweis: m(t) = y(t) y(t) X(f) M(f) = t [s] T AS 18
19 X(f) -f g +f g x(t) ohne Beweis: m(t) = y(t) X(f) M(f) = 19
20 X(f) -f g +f g M(f) 1 T AS f [Hz] x(t) ohne Beweis: m(t) = y(t) X(f) M(f) = 20
21 X(f) -f g +f g M(f) 1 T AS f [Hz] Spektrum nach der schnellen Abtastung mit T AS x(t) ohne Beweis: m(t) = y(t) X(f) M(f) = 0 -f g +f g -f g 1 +f g -f g 2 +f g T AS T AS 21
22 X(f) Abtastung vonmesswerten (von Sensoren, Audio...) Originalspektrum (vor der Abtastung) X(f) Spektrum nach der schnellen Abtastung mit T AS -f g +f g -f 0 g +f g -f g 1 +f g -f g 2 +f g T AS T AS Frage: Welche Signalverarbeitungs-Funktion müsste man auf das Spektrum anwenden, wenn man die Folgen der Abtastung rückgängig machen will? 22
23 X(f) Tiefpassfilter Abtastung vonmesswerten (von Sensoren, Audio...) Originalspektrum (vor der Abtastung) X(f) Spektrum nach der schnellen Abtastung mit T AS Tiefpass-Filter -f g +f g -f 0 g +f g -f g 1 +f g -f g 2 +f g T AS T AS Frage: Welche Signalverarbeitungs-Funktion müsste man auf das Spektrum anwenden, wenn man die Folgen der Abtastung rückgängig machen will? 23
24 X(f) Tiefpassfilter Abtastung vonmesswerten (von Sensoren, Audio...) Originalspektrum (vor der Abtastung) X(f) Spektrum nach der schnellen Abtastung mit T AS Tiefpass-Filter -f g +f g -f 0 g +f g -f g 1 +f g -f g 2 +f g T AS T AS Frage: Welche Signalverarbeitungs-Funktion müsste man auf das Spektrum anwenden, wenn man die Folgen der Abtastung rückgängig machen will? 24
25 x(t) t [s] Tiefpassfilter X(f) Tiefpass wirkt im Zeitbereich wie ein Hellseher! y(t) T AS 25 t [s]
26 Wie sieht das im Frequenzbereich aus? (jetzt für die langsame Abtastung T AL )???? t [s] langsame Abtastperiode T AL 26
27 X(f) Tiefpassfilter Abtastung vonmesswerten (von Sensoren, Audio...) Originalspektrum (vor der Abtastung) X(f) Spektrum nach der schnellen Abtastung mit T AS Tiefpass-Filter -f g +f g -f 0 g +f g -f g 1 +f g -f g 2 +f g T AS T AS Originalspektrum (vor der Abtastung) X(f) Spektrum nach der langsamen Abtastung mit T AL -f g +f g 1 2 T AL T AL 27
28 X(f) Tiefpassfilter Abtastung vonmesswerten (von Sensoren, Audio...) Originalspektrum (vor der Abtastung) X(f) Spektrum nach der schnellen Abtastung mit T AS Tiefpass-Filter -f g +f g -f 0 g +f g -f g 1 +f g -f g 2 +f g T AS T AS Originalspektrum (vor der Abtastung) X(f) -f g +f g... Spektrum nach der langsamen Abtastung mit T AL 1 2 T AL T AL
29 X(f) Tiefpassfilter Abtastung vonmesswerten (von Sensoren, Audio...) Originalspektrum (vor der Abtastung) X(f) Spektrum nach der schnellen Abtastung mit T AS Tiefpass-Filter -f g +f g -f 0 g +f g -f g 1 +f g -f g 2 +f g T AS T AS Originalspektrum (vor der Abtastung) X(f) -f g +f g... Spektrum nach der langsamen Abtastung mit T AL 1 2 T AL T AL hat der Tiefpass eine Chance? 29
30 X(f) Tiefpassfilter Abtastung vonmesswerten (von Sensoren, Audio...) Originalspektrum (vor der Abtastung) X(f) Spektrum nach der schnellen Abtastung mit T AS Tiefpass-Filter -f g +f g -f 0 g +f g -f g 1 +f g -f g 2 +f g T AS T AS Originalspektrum (vor der Abtastung) X(f) -f g +f g... Spektrum nach der langsamen Abtastung mit T AL 1 2 T AL T AL hat der Tiefpass eine Chance? 30
31 X(f) Tiefpassfilter Abtastung vonmesswerten (von Sensoren, Audio...) Originalspektrum (vor der Abtastung) X(f) Spektrum nach der schnellen Abtastung mit T AS Tiefpass-Filter -f g +f g -f 0 g +f g -f g 1 +f g -f g 2 +f g T AS T AS Originalspektrum (vor der Abtastung) X(f) -f g +f g... Spektrum nach der langsamen Abtastung mit T AL 1 2 T AL T AL hat der Tiefpass eine Chance? Welche Forderung müsste erfüllt sein? 31
32 X(f) Tiefpassfilter Abtastung vonmesswerten (von Sensoren, Audio...) Satz: Abtasttheorem: Wird ein cosinusförmiger Signalverlauf der Frequenz f mit einer Periodendauer T abgetastet (Abtastfrequenz f a =1/T), so ist im Ergebnis der Originalverlauf weder eindeutig erkennbar noch durch Tiefpassmethoden wieder rekonstruierbar, sobald f die halbe Abtastfrequenz f a /2 übersteigt. Informationsverluste dieser Art sind somit nur vermeidbar, solange f folgende Bedingung erfüllt: f < 1 f a 2 Originalspektrum (vor der Abtastung) X(f) -f g +f g... Spektrum nach der langsamen Abtastung mit T AL 1 2 T AL T AL
33 Beispiel Videofilm (fahrende Kutsche) 33
34 Originalspektrum (vor der Abtastung) X(f) Spektrum nach Abtastung mit der Bildfrequenz 1/T A = 24 Bilder/s = 24Hertz Tiefpass-Filter -f g +f g -f 0 g +f g -f g 1 +f g -f g 2 +f g T A T A 34
35 Originalspektrum (vor der Abtastung) X(f) Spektrum nach Abtastung mit der Bildfrequenz 1/T A = 24 Bilder/s = 24Hertz Tiefpass-Filter -f g +f g X(f) -f 0 g +f g -f g 1 +f g -f g 2 +f g T A T A -f g +f g -f 0 g +f g -f g 1 +f g -f g 2 T A T A 35
36 Originalspektrum (vor der Abtastung) X(f) Spektrum nach Abtastung mit der Bildfrequenz 1/T A = 24 Bilder/s = 24Hertz Tiefpass-Filter - f g +f g X(f) - 0 +f g - 1 +f g - 2 +f g f g f g T A f g T A - f g Rad wird scheinbar langsamer: -fg +f g - 0 +f g - 1 +f g - 2 f g f g T A f g -f 0 g -f g +f g 1 -f g +f g 2 T A T A T A 36
37 Originalspektrum (vor der Abtastung) X(f) Spektrum nach Abtastung mit der Bildfrequenz 1/T A = 24 Bilder/s = 24Hertz Tiefpass-Filter - f g +f g X(f) - 0 +f g - 1 +f g - 2 +f g f g f g T A f g T A - f g Rad wird scheinbar langsamer: -fg Rad bleibt scheinbar stehen: -fg +f g - 0 +f g - 1 +f g - 2 f g f g T A f g f g 1 - +f g 2 f g T A f g f g T A T A -f 0 g -f g +f g 1 -f g +f g 2 T A T A 37
38 Originalspektrum (vor der Abtastung) X(f) Spektrum nach Abtastung mit der Bildfrequenz 1/T A = 24 Bilder/s = 24Hertz Tiefpass-Filter - f g +f g X(f) - 0 +f g - 1 +f g - 2 +f g f g f g T A f g T A - f g Rad wird scheinbar langsamer: -fg Rad bleibt scheinbar stehen: -fg +f g - 0 +f g - 1 +f g - 2 f g f g T A f g f g 1 - +f g 2 f g T A f g f g T A T A f g 1 - +f g 2 f g f g T A f g Rad dreht sich scheinbar rückwärts: -fg T A -f -f 0 g g 1 +f g -f g +f g 2 T A T A 38
39 3.2. Primärverarbeitung der Signale 39
40 3.3. Filteralgorithmen 40
41 X x x lineares System y Y y t Dt t -X -x -Y -y Hervorragende Eigenschaft linearer Systeme: Am Ausgang kommen immer cos-signale gleicher Frequenz heraus! Ein- und Ausgangssignal unterscheiden sich nur durch zwei Merkmale: 1. unterschiedliche Amplituden X und Y 2. Zeitverschiebung um Dt (bei dynamischen Systemen) 41
42 y Y X x x lineares System y t Dt t -X -x Übertragungsfaktor für Zeiger (Vektoren) rechts X(f) rechts -Y -y G(f) = = Y e j2pf(t-dt) X e j2pft Y e j2pft j2pfdt) G(f) = = X e j2pft Y e j2pft. e -j2pfdt) X e j2pft G(f) Y X = e j2pfdt) = G(f) e ja Betrag Phase 42
43 G(f) heißt auch Übertragungsfunktion des Systems! G(f) Y X = e j2pfdt) = G(f) e ja Betrag Phase (bei dynamischen Systemen) 43
44 Betrachtung im Zeitbereich 44
45 Die Implementierung des Simulationsmodells erfolgt i.allg. auf einem Rechner, der aufgrund seiner getakteten Arbeitsweise kontinuierliche Vorgänge nur näherungsweise nachbilden kann. Es besteht die Notwendigkeit, die T umzuformen. mathematisch analytischen Modelle des kontinuierlichen Systems in numerisch algorithmische Modelle 45
46 mathematisch analytische Modelle des kontinuierlichen Systems numerisch algorithmische Modelle Rechner können nur zeitdiskret arbeiten, d.h. die in den Differentialgleichungen enthaltenen Terme: Es besteht die Notwendigkeit, die umzuformen. dy dt 2 d y dt ; 2 ;... xdt können in dieser Form nicht berechnet werden. Differentiale in Differenzen 46
47 Grenzwertübergang rückgängig machen Dy y( t) y( t Dt) lim Dt Dt 0 Dt y( t) y( t Dt) Dy dy Dt Dt dt dy dt T y y(t-dt) y(t) Abtastsystem: falls Dt = const = T : y(t i ), y(t i -T), y(t i -2T),y(t i -3T), Dt t y[i], y[i-1], y[i-2], y[i-3],. y i, y i-1, y i-2, y i-3,. t t i-2 t i-1 t i 47
48 Diskretisierung Differentialgleichung Differenzengleichung allgemein gilt für das numerisch algorithmische Modell: a* n y[i-n]+...+a* 2 y[i-2]+a* 1 y[i-1]+a 0 y[i] = b * 0x[i] + b * 1x[i-1] + b * 2x[i-2] + + b * mx[i-m] allgemeines lineares Abtastsystem Differenzengleichung y[i] = b 0 x[i] + b 1 x[i-1] + b 2 x[i-2] + + b m x[i-m] + a 1 y[i-1] + a 2 y [i-2] + +a n y[i-n] m < n : für techn.systeme 48
49 Im speziellen Falle der Filter nennt man ein solches System auch allgemeines lineares Digitalfilter y[i] = b 0 x[i] + b 1 x[i-1] + b 2 x[i-2] + + b m x[i-m] + a 1 y[i-1] + a 2 y [i-2] + +a n y[i-n] m < n : für techn.systeme 49
50 b 0 x(i) ADD ADD y(i) b 1 a 1 x(i-1) ADD ADD y(i-1) b 2 a 2 x(i-2) ADD ADD y(i-2) b m a n x(i-m) y(i-n) Datenflussgraph eines allgemeinen linearen Digitalfilters 50
51 b 0 x(i) ADD ADD y(i) b 1 a 1 x(i-1) ADD ADD y(i-1) b 2 a 2 x(i-2) ADD ADD y(i-2) b m a n x(i-m) y(i-n) mit: x(i) = v e ; y = p Datenflussgraph eines speziellen Filters 51
52 Beispiel für ein MA = FIR = nichtrekursives Filter (z. B. für Sprache / Musik = Audiotechnik) 52
53 x Filter y x,y Abtastwerte x T 2T 4T 6T 8T 10T 12T t i=6 Differenzengleichung eines Tiefpassfilters (Mittelwertberechnung): y(i) = 1/4x(i) + 1/4x(i-1) + 1/4x(i-2) + 1/4x(i-3) 53
54 x(t) = Sinus 0,25 Hz Filter y(t) =? y -y Dt t Bei einer Abtastzeitperiode T = 1 Sekunde y=0! Signale mit dieser Frequenz werden nicht durchgelassen: Bandsperre Differenzengleichung eines Tiefpassfilters (Mittelwertberechnung): y(i) = 1/4x(i) + 1/4x(i-1) + 1/4x(i-2) + 1/4x(i-3) 54
55 vor der Filterung X(f) nach der Filterung Nutzsignal Nutzsignal x 1 (t) y 1 (t) + Störsignal x 2 (t) t + Störsignal y 2 (t) t t t = Gesamtsignal (Summe) = Gesamtsignal (Summe) x(t) y(t) t t 55
56 Erinnerung an die Methode: Berechnung durch Zerlegen in einfach berechenbare Teile (Superposition) x(t) = x 1 (t)+x 2 (t)+x 3 (t)+.. y(t) = y 1 (t)+y 2 (t)+y 3 (t)+.. zerlegen x? y überlagern x 1 (t) y 1 (t) x 2 (t) y 2 (t) x 3 (t).... y 3 (t) einzeln berechnen 56
57 = Gesamtsignal (Summe) x(t) = Gesamtsignal (Summe) y(t) x(t) = x 1 (t)+x 2 (t)+x 3 (t)+.. t y(t) = y 1 (t)+y 2 (t)+y 3 (t)+.. t zerlegen x? y überlagern x 1 (t) Nutzsignal x 1 (t) Nutzsignal y 1 (t) y 1 (t) x 2 (t) + Störsignal x 2 (t) t einzeln berechnen + Störsignal y 2 (t) t y 2 (t) t t.. 57
58 Beispiele für AR = IIR = rekursive Filter 58
59 T 1 -System als Tiefpassfilter y(i) = (1-a) x(i) + a y(i-1) für a ~ 0 y(i) ~ x(i) aktueller Eingangswert x(i) dominiert Störungen kaum gedämpft, Nutzsignal unverändert für a ~ 1 y(i) ~ y(i-1) Störungen stark gedämpft, Nutzsignal ebenfalls verändert vorhergehender Ausgangswert y(i-1) dominiert 59
60 Modifiziertes D-System als Hochpassfilter y(i) = a y(i-1) + x(i) - x(i-1) für a ~ 0 y(i) ~ Dx reines Differenzierglied hohe Frequenzen passieren für a ~ 1 y(i) ~ y(i-1) + Dx ~ x(i) Eingangssignal kaum verändert 60
61 Nichtrekursives Filter in der Bildverarbeitung 61
62 altes Bild (vor der Bearbeitung) neues Bild (nach der Bearbeitung) y alt y neu 62
63 altes Bild (vor der Bearbeitung) neues Bild (nach der Bearbeitung) y 1 y 2 y 3 y 4 y 5 y 6 y neu y 7 y 8 y 9 y neu = 1/9y 1 + 1/9y 2 + 1/9y 3 + 1/9y 4 + 1/9y 5 + 1/9y 6 + 1/9y 7 + 1/9y 8 + 1/9y 9 63
64 Synthese der Koeffizienten eines FIR-Filters 64
65 x(t) g(t) y(t) d(t) Fläche = 1 * u 0 F=2f g = u 0 F=2f g 0 t 1 1 t 1 1 t 2f g F=2f g 2f g 2f g 2f g F=2f g 2f g 2f g ohne Beweis! X(f) G(f) u 0 =1 1 = u 0 =1 0 f -f g 0 f g f -f g 0 f g f 65
66 x(t) g(t) y(t) d(t) Fläche = 1 u 0 F=2f g * = u 0 F=2f g 0 t 1 1 t 1 1 t Stoß 2f g F=2f g 2f g 2f g ohne Beweis! 2f g F=2f g 2f g 2f g Stoßantwort G(f) 1 gegeben: Übertragungsfunktion -f g 0 f g f 66
67 g(t) u 0 F=2f g gesucht: Stoßantwort 1 2f g F=2f g 2f g 2f g t ohne Beweis! G(f) 1 gegeben: Übertragungsfunktion -f g 0 f g f 67
68 Im speziellen Falle der Filter nennt man ein solches System auch allgemeines lineares Digitalfilter y[i] = b 0 x[i] + b 1 x[i-1] + b 2 x[i-2] + + b m x[i-m] + a 1 y[i-1] + a 2 y [i-2] + +a n y[i-n] m < n : für techn.systeme 68
69 b 0 x(i) ADD ADD y(i) b 1 a 1 x(i-1) ADD ADD y(i-1) b 2 a 2 x(i-2) ADD ADD y(i-2) b m a n x(i-m) y(i-n) Datenflußgraph eines allgemeinen linearen Digitalfilters 69
70 y[i] = b 0 x[i] + b 1 x[i-1] + b 2 x[i-2] + + b m x[i-m] + a 1 y[i-1] + a 2 y [i-2] + +a n y[i-n] allgemeiner Fall b 0 x(i) ADD ADD y(i) b 1 a 1 x(i-1) ADD ADD y(i-1) b 2 a 2 x(i-2) ADD ADD y(i-2) b m a n x(i-m) y(i-n) 70
71 y[i] = b 0 x[i] + b 1 x[i-1] + b 2 x[i-2] + + b m x[i-m] für ein FIR-Filter Spezialfall FIR-Filter b 0 x(i) ADD y(i) b 1 x(i-1) ADD b 2 x(i-2) ADD b m x(i-m) 71
72 y[i] = b 0 x[i] + b 1 x[i-1] + b 2 x[i-2] + + b m x[i-m] für ein FIR-Filter 1 x x FIR y y b 0 b 1 b 2 b 3 b m... t b 0 Stoßantwort t x(i) ADD y(i) b 1 x(i-1) ADD b 2 x(i-2) ADD b m x(i-m) 72
73 y[i] = b 0 x[i] + b 1 x[i-1] + b 2 x[i-2] + + b m x[i-m] für ein FIR-Filter 1 x x FIR y y b 0 b 1 b 2 b 3 b m... t b 0 Stoßantwort t x(i) ADD y(i) x(i-1) b 1 b 2 ADD Die Gewichtsfunktion (Stoßantwort) eines (zeitdiskreten) FIR-Digital-Filters besteht aus einer Folge von Stößen in der Größe der Koeffizienten b 0 bis b m. x(i-2) ADD b m Wenn die Gewichtsfunktion vorgegeben ist, lässt sich dieses FIR-Filter leicht dimensionieren (programmieren) x(i-m) Aber was tun wir, wenn G(f) vorgegeben ist? 73
74 theoretisch erwünsche Übertragungsfunktion G(f) u 0 G(f) g(t) theoretisch erwünsche Gewichtsfunktion bzw. Stoßantwort g(t) u 0 F F 2 F 2 f 1 F 0 1 F 2 F 3 F t Wo liegen die Probleme? 74
75 theoretisch erwünschte Übertragungsfunktion G(f) u 0 G(f) g(t) theoretisch erwünschte Gewichtsfunktion bzw. Stoßantwort g(t) u 0 F F 2 F 2 f 1 F 0 1 F 2 F 3 F t theoretisches g(t) ist praktisch nicht realisierbar Warum? 75
76 theoretisch erwünschte Übertragungsfunktion G(f) u 0 G(f) g(t) theoretisch erwünschte Gewichtsfunktion bzw. Stoßantwort g(t) u 0 F F 2 F 2 f 1 F 0 1 F 2 F 3 F t theoretisches g(t) ist praktisch nicht realisierbar 1. nicht kausal! 2. unendlich! 3. zeitkontinuierlich! 76
77 Insofern sich die Sätze der Mathematik auf die Wirklichkeit beziehen, sind sie nicht sicher, und sofern sie sicher sind, beziehen sie sich nicht auf die Wirklichkeit (Albert Einstein) Für Praktiker gilt: Nicht das Erzählte reicht, sondern das Erreichte zählt 77
78 theoretisch erwünschte Übertragungsfunktion G(f) u 0 G(f) g(t) theoretisch erwünschte Gewichtsfunktion bzw. Stoßantwort g(t) u 0 F F 2 F 2 f 1 F 0 1 F 2 F 3 F t theoretisches g(t) ist praktisch nicht realisierbar 1. nicht kausal! 2. unendlich! 3. zeitkontinuierlich! 78
79 theoretisch erwünsche Übertragungsfunktion G(f) u 0 G(f) g(t) theoretisch erwünsche Gewichtsfunktion bzw. Stoßantwort g(t) u 0 F F 2 F 2 f 1 F 0 1 F 2 F 3 F t theoretisches g(t) ist praktisch nicht realisierbar, deshalb praktische Modifikationen 1. nicht kausal verschieben! 2. unendlich abschneiden! g(t) u 0 F 3. zeitkontinuierlich diskretisieren! 1 F t F F F 79
80 Wenn unser Filter für sehr hochfrequente Signale geeignet sein soll: Was müssen wir bezüglich der Abtastzeitperiode fordern? Welche Konsequenzen hat das für den Rechner / Mikroprozessoren? Lösung: Akustische Oberflächenwellen-Chips (surface acoustic wave SAW) 1. nicht kausal verschieben! 2. unendlich abschneiden! g(t) u 0 F 3. zeitkontinuierlich diskretisieren! 1 F t F F F 80
81 3.4. Signalprozessoren 81
82 y[i] = b 0 x[i] + b 1 x[i-1] + b 2 x[i-2] + + b m x[i-m] für ein FIR-Filter 1 x x FIR y y b 0 b 1 b 2 b 3 b m... t b 0 =0,7 Stoßantwort t x(i) ADD y(i) b 1 =-0,24 x(i-1) ADD b 2 =0,82 x(i-2) ADD =-0,63 b m =2,6 x(i-m) 82
83 y[i] = b 0 x[i] + b 1 x[i-1] + b 2 x[i-2] + + b m x[i-m] für ein FIR-Filter 1 x x FIR y y b 0 b 1 b 2 b 3 b m... =-0,65 x(i) t b 0 =0,7 ADD Stoßantwort y(i) t b 1 =-0,24 =0,5 x(i-1) ADD b 2 =0,82 =1,54 x(i-2) ADD =-0,63 b m =2,6 =-1,48 x(i-m) 83
84 y[i] = b 0 x[i] + b 1 x[i-1] + b 2 x[i-2] + + b m x[i-m] für ein FIR-Filter Code zur Berechnung einer Differenzengleichung (Skalarprodukt der Vektoren b und x), z. B. zur Signalverarbeitung (Filterung) y := b[0] * x[i] + 0 ; die Werte b 0, b 1, b 2 usw. sind im Vektor b gespeichert y := b[1] * x[i-1] + y ; die abgetasteten Eingangswerte x liegen im Vektor x y := b[2] * x[i-2] + y ; y := b[m] * x[i-m] + y ; Arbeitsschritte des Prozessors für eine Zeile Code des Skalarprodukts: 1. Befehl holen 2. b[m] holen 3. x[i-m] holen 4. Multiplikation * 5. y alt holen 6. Addition + 7. y neu speichern 84
85 y[i] = b 0 x[i] + b 1 x[i-1] + b 2 x[i-2] + + b m x[i-m] für ein FIR-Filter Code zur Berechnung einer Differenzengleichung (Skalarprodukt der Vektoren b und x), z. B. zur Signalverarbeitung (Filterung) y := b[0] * x[i] + 0 ; die Werte b 0, b 1, b 2 usw. sind im Vektor b gespeichert y := b[1] * x[i-1] + y ; die abgetasteten Eingangswerte x liegen im Vektor x y := b[2] * x[i-2] + y ; y := b[m] * x[i-m] + y ; Arbeitsschritte des Prozessors für eine Zeile Code des Skalarprodukts: 1. Befehl holen 2. b[m] holen 3. x[i-m] holen 4. Multiplikation * 5. y alt holen 6. Addition + 7. y neu speichern Beschleunigen der Schritte 4 bis 7: Prozessor besitzt einen speziellen Maschinenbefehl für eine Codezeile: y := b[m] * x[i-m] + y ; Benötigt nur einen Maschinentakt 85
86 Merkmale eines Signalprozessors: 1. spezieller Maschinenbefehl für y neu := b[m] * x[i-m] + y alt ; 2. erweiterte Harvard-Architektur (3 Speicher, 3 Busse) 3. RAM on Chip 86
87 87
2. Eigenschaften dynamischer Systeme
2. Eigenschaften dynamischer Systeme 2.1 Allgemeine Systemeigenschaften 2.1.1 Signale 2.1.2 Systeme Definition: System Ein System ist ein natürliches oder künstliches Gebilde. Es kann Eingangs-Signale
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)
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
Mehr2. Digitale Codierung und Übertragung
2. Digitale Codierung und Übertragung 2.1 Informationstheoretische Grundlagen 2.2 Speicherbedarf und Kompression 2.3 Digitalisierung Ludwig-Maximilians-Universität München Prof. Hußmann Digitale Medien
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
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...
MehrKontrollfragen zum Skript Teil 1 beantwortet
Kontrollfragen zum Skript Teil 1 beantwortet Von J.S. Hussmann Fragen zu SW 1.1 Welche Vorteile hat die DSVB? Programmierbar Parametrierbar Reproduzierbar Wie heisst die Umwandlung eines Zeit-diskreten
MehrZeitdiskrete, digitale Filter und schnelle Fourier-Transformation (FFT)
Zeitdiskrete, digitale Filter und schnelle Fourier-Transformation (FFT) Inhaltsverzeichnis 1 Allgemeines Filter... 2 2 Filter auf dem Signalprozessor... 2 3 Zusammenhang Zeitsignal und Frequenzspektrum...
MehrSignale und Systeme I
FACULTY OF ENGNEERING CHRISTIAN-ALBRECHTS-UNIVERSITÄT ZU KIEL DIGITAL SIGNAL PROCESSING AND SYSTEM THEORY DSS Signale und Systeme I Musterlösung zur Modulklausur WS 010/011 Prüfer: Prof. Dr.-Ing. Gerhard
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
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
MehrZusammenfassung der 1. Vorlesung
Zusammenfassung der 1. Vorlesung Einordnung und Motivation Grundlegende Definitionen Kontinuierliches Signal Zeitdiskretes Signal Quantisiertes Signal Digitales Signal Kontinuierliches System Abtastsystem
MehrDigitale Signalverarbeitung auf FPGAs
Digitale Signalverarbeitung auf FPGAs INP: Interpolation Upsampling und D/A- Wandlung Teil 1 Upsampling 2016 Dr. Christian Münker INP: Überblick Upsampling D/A-Wandlung Interpolation Oversampling (Sigma-Delta
MehrBeate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson 2004
4 Signalverarbeitung 4.1! Grundbegriffe! 4.2! Frequenzspektren, Fourier-Transformation! 4.3! Abtasttheorem: Eine zweite Sicht Weiterführende Literatur (z.b.):!! Beate Meffert, Olaf Hochmuth: Werkzeuge
MehrEinführung in die Signalverarbeitung
Einführung in die Signalverarbeitung Phonetik und Sprachverarbeitung, 2. Fachsemester, Block Sprachtechnologie I Florian Schiel Institut für Phonetik und Sprachverarbeitung, LMU München Signalverarbeitung
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=
MehrDigitale Regelung. Vorlesung: Seminarübungen: Dozent: Professor Ferdinand Svaricek Ort: 33/2211 Zeit:Di 15.00 16.30 Uhr
Vorlesung: Dozent: Professor Ferdinand Svaricek Ort: 33/2211 Zeit:Di 15.00 16.30 Uhr Seminarübungen: Dozent: Alexander Weber Ort: 33/1101 Zeit: Mo 9.45 11.15 Uhr (Beginn: 20.04.2015) Vorlesungsskript:
MehrLösungsblatt 2 Signalverarbeitung und Klassifikation
Fakultät für Informatik Übung zu Kognitive Systeme Sommersemester 06 M. Sperber (matthias.sperber@kit.edu) S. Nguyen (thai.nguyen@kit.edu) Lösungsblatt Signalverarbeitung und Klassifikation Aufgabe : Faltung
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
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
Mehr3.3.1 Digitale Filter
Leseprobe Digitale Signalverarbeitung Abschnitt aus Algorithmische Bausteine 3.3.1 Digitale Filter In den folgenden Abschnitten sollen die digitalen Filter im Gegensatz zum Abschnitt Grundlagen der DSV
MehrBildverarbeitung: Fourier-Transformation. D. Schlesinger () BV: Fourier-Transformation 1 / 16
Bildverarbeitung: Fourier-Transformation D. Schlesinger () BV: Fourier-Transformation 1 / 16 Allgemeines Bilder sind keine Vektoren. Bilder sind Funktionen x : D C (Menge der Pixel in die Menge der Farbwerte).
MehrDas wissen Sie: 6. Welche Möglichkeiten zur Darstellung periodischer Funktionen (Signalen) kennen Sie?
Das wissen Sie: 1. Wann ist eine Funktion (Signal) gerade, ungerade, harmonisch, periodisch (Kombinationsbeispiele)? 2. Wie lassen sich harmonische Schwingungen mathematisch beschreiben und welche Beziehungen
MehrFaltung, Korrelation, Filtern
Faltung, Korrelation, Filtern Wie beschreibe ich lineare Systeme (z.b. Seismometer) -> Faltung, Konvolution, Dekonvolution? Wie quantifiziere ich die Ähnlichkeit von Zeitreihen (-> Korrelation) Wie quantifiziere
MehrModulationsverfahren
Funktions- und Fehleranalyse Herr Rößger 2011 2012 Modulationsverfahren Definition: Modulation ist die Beeinflussung einer Trägerschwingung durch eine Information. Trägerschwingung: Informationsparameter:
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
MehrEinführung in die Medieninformatik 1
Einführung in die Medieninformatik 1 Wintersemester 2007/08 Prof. Dr. Rainer Malaka, Digitale Medien Medieninformatik 1 1 Plan (vorläufig) 31.10. Einführung 7.11. Menschen: Wahrnehmung 14.11. Menschen:
MehrZufallssignal Stationär (z.b. gleichverteiltes Rauschen) Nicht-stationär (z.b. normalverteiltes Rauschen mit wechselnder Streuung) Deterministisches
Zufallssignal Stationär (z.b. gleichverteiltes Rauschen) Nicht-stationär (z.b. normalverteiltes Rauschen mit wechselnder Streuung) Deterministisches Signal Periodisch harmonische Schwingung Summe harmonischer
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?
Mehr3) Es soll ein aktives Butterworth-Tiefpassfilter mit folgenden Betriebsparametern entworfen werden: Grunddämpfung: Grenze des Durchlassbereiches:
Übungsblatt 4 1) Beim Praktikumsversuch 4 sollten Sie an das aufgebaute iefpassfilter eine Rechteckspannung mit einer Frequenz von 6 Hz anlegen: a) Skizzieren Sie grob den Verlauf der Ausgangsspannung
MehrDas Nyquist-Shannon Theorem
Fachbereich Medieninformatik Hochschule Harz Das Nyquist-Shannon Theorem Referat Philip Lücke Matrikelnummer: 10070 Abgabe: 15.01.2007 Seite: 1 Inhaltsverzeichnis 1 Einleitung...3 2 Das Phänomen des stillstehenden
MehrMathematik und Musik: Fourieranalyse
Mathematik und Musik: Fourieranalyse Matheseminar JKU Linz WS2015/16 Peter Gangl Linz 5. Februar 2016 1 / 20 Outline 1 Musik mathematisch betrachtet 2 2 / 20 Outline 1 Musik mathematisch betrachtet 2 2
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)
MehrPraxiswerkstatt Algorithmen der Signalcodierung
Praxiswerkstatt Algorithmen der Signalcodierung 2. Termin Themen heute: Abtastung Lineare Zeitinvariante Systeme Seite 1 Abtastung letztes Mal haben wir gesehen: 3,9 khz kaum noch hörbar bei 8 khz Abtastrate.
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
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
MehrNachrichtentechnik [NAT] Kapitel 4: Fourier-Transformation. Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik
Nachrichtentechnik [NAT] Kapitel 4: Fourier-Transformation Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik Sommersemester 25 Inhaltsverzeichnis Inhalt Inhaltsverzeichnis 4 Fourier-Transformation 3
MehrEinführung in die Signalverarbeitung
Einführung in die Signalverarbeitung Phonetik und Sprachverarbeitung, 2. Fachsemester, Block Sprachtechnologie I Florian Schiel Institut für Phonetik und Sprachverarbeitung, LMU München Signalverarbeitung
MehrPraktikumsprotokoll Mikrorechentechnik II Grundlagen der digitalen Signalverarbeitung
Praktikumsprotokoll Mikrorechentechnik II Grundlagen der digitalen Signalverarbeitung Gruppe 50: Marcel Junige, Fabian Kurz Martin Laabs, Lars Lindenmüller 02. Mai 2005 Inhaltsverzeichnis 1 Aufgabenstellung
Mehr2. Digitale Codierung und Übertragung
2. Digitale Codierung und Übertragung 2.1 Informationstheoretische Grundlagen 2.2 Verlustfreie universelle Kompression 2.3 Digitalisierung, Digitale Medien Ludwig-Maximilians-Universität München, Medieninformatik
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
MehrTechnische Beschreibung der akustischen Signalkette
Technische Beschreibung der akustischen Signalkette Wichtige Aufgabe: Vielfältige Medien Gestaltung akustischer Kommunikationsketten (Sprache, Geräusche, Musik, CD, Radio, mp3,...) Unterschiedlichste Information
MehrElektrotechnik II: Kolloquium 4
Elektrotechnik II: Kolloquium 4 Digitalschaltungen Hubert Abgottspon: abgottspon@eeh.ee.ethz.ch Markus Imhof: imhof@eeh.ee.ethz.ch Inhalt des Kolloquium: Digitale Messkette Sensor 1) Filter S&H- Versträker
MehrProjektdokumentation
Thema: Bildschärfung durch inverse Filterung von: Thorsten Küster 11027641 Lutz Kirberg 11023468 Gruppe: Ibv-team-5 Problemstellung: Bei der Übertragung von Kamerabildern über ein Video-Kabel kommt es
Mehr1 C A = A. y 1 y 2. x 1 x 2. x n B @ B @ C A. y m
Kapitel Systeme Ein System ist eine Anordnung von miteinander verbundenen Komponenten zur Realisierung einer technischen Aufgabenstellung. Ein System kann als Operator aufgefasst werden, der Eingangsgrößen
MehrKenngrößen und Eigenschaften zeitdiskreter LTI-Systeme
Arbeit zum Seminar Digitale Signalverarbeitung Kenngrößen und Eigenschaften zeitdiskreter LTI-Systeme Thomas Wilbert thowil@uni-koblenz.de 29.06.2005 Zusammenfassung Dieses Dokument befasst sich mit der
MehrKlausur zur Vorlesung Signale und Systeme
Name: 10. Juli 2008, 11.00-13.00 Uhr Allgemeine Hinweise: Dauer der Klausur: Zugelassene Hilfsmittel: 120 min, 2 Zeitstunden Vorlesungsmitschrift, Mitschrift Übungen, Skript, handgeschriebene 2-seitige
Mehr2. Digitale Codierung und Übertragung
2. Digitale Codierung und Übertragung 2.1 Informationstheoretische Grundlagen 2.2 Verlustfreie universelle Kompression 2.3 Digitalisierung, Digitale Medien Ludwig-Maximilians-Universität München Prof.
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
MehrDipl.-Ing. (TU) Jürgen Wemheuer
Dipl.-Ing. (TU) Jürgen Wemheuer wemheuer@ewla.de http://ewla.de 1 Statt kontinuierlicher (Amplituden-)Werte einer stetigen Funktion sind nur diskontinuierliche, diskrete Werte möglich (begrenzter Wertevorrat):
MehrLösungen Serie 6 (Vektorräume, Skalarprodukt)
Name: Seite: 1 Fachhochschule Nordwestschweiz (FHNW) Hochschule für Technik Lösungen Serie 6 (Vektorräume, Skalarprodukt) Dozent: R. Burkhardt Büro: 4.613 Klasse: 1. Studienjahr Semester: 1 Datum: HS 28/9
Mehr1.3 Digitale Audiosignale
Seite 22 von 86 Abb. 1.2.12 - Wirkung der Schallverzögerung Effekte sind: Delay, Echo, Reverb, Flanger und Chorus Hört man ein akustisches Signal im Raum, dann werden die Signale von Wänden und anderen
MehrGrundlagen der Schwingungslehre
Grundlagen der Schwingungslehre Einührung. Vorgänge, bei denen eine physikalische Größe in estem zeitlichen Abstand ein und denselben Werteverlau auweist, werden als periodisch bezeichnet. Den zeitlichen
MehrAufgabe 1: Kontinuierliche und diskrete Signale
Klausur zur Vorlesung: Signale und Systeme Aufgabe : Kontinuierliche und diskrete Signale. Zwei Systeme sollen auf ihre Eigenschaften untersucht werden: v(t) S { } y (t) v(t) S { } y (t) Abbildung : zeitkontinuierliche
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
Mehr3.6 Analog-Digital-Umsetzung
3.6 AnalogDigitalUmsetzung 1 Abtastung von Signalen FlashUmsetzer (ParallelUmsetzer) Stufenumsetzer (Successive Approximation) Integrierende Umsetzer DeltaSigma Umsetzer Anhang Abtastung 2 Abtastung (Sampling):
MehrLineare Differenzengleichungen und Polynome. Franz Pauer
Lineare Differenzengleichungen und Polynome Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 13/7, A-600 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at Vortrag beim ÖMG-LehrerInnenfortbildungstag
Mehr5. Fourier-Transformation
Fragestellungen: 5. Fourier-Transformation Bei Anregung mit einer harmonischen Last kann quasistatitisch gerechnet werden, wenn die Erregerfrequenz kleiner als etwa 30% der Resonanzfrequenz ist. Wann darf
MehrNachrichtentechnik [NAT] Kapitel 1: Einführung. Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik
Nachrichtentechnik [NAT] Kapitel 1: Einführung Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik Sommersemester 2005 Inhaltsverzeichnis Inhalt Inhaltsverzeichnis 1 Einführung 3 1.1 Motivation..................................
MehrGebäudesystemtechnik
Gebäudesystemtechnik Institut für Angewandte Informatik Professur Technische Informationssysteme Prof. Dr.-Ing. habil. Klaus Kabitzsch (Nöthnitzer Str. 46 (INF), Zi. 1074) E-Mail: Webseite: vorname.nachname@tu-dresden.de
Mehr4. Übung für Übungsgruppen Musterlösung
Grundlagenveranstaltung Systemtheorie WS 6/7 (H.S. Stiehl, AB Kognitive Systeme, FB Informatik der Universität Hamburg). Übung für Übungsgruppen Musterlösung (N. Stein, Institut für Angewandte Physik,
MehrAktive Filter ein Überblick
Aktive Filter ein Überblick Der folgende Artikel soll dem mit aktiven Filtern nicht vertrauten Leser einen Überblick ve r- schaffen. Auf Vollständigkeit wird keinerlei Anspruch erhoben. Definitionen: Aktive
MehrTechnik 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) +
MehrMotivation. Diskretisierung. Überblick. Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen. Diskretisierung und Quantisierung
Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen Motivation Analoge Aufnahme von Sprache, Bildern Digitale Speicherung durch Diskretisierung + Quantisierung Informationsverlust
MehrKettenregel, Substitution und Methode der Trennung der Variablen
Kettenregel, Substitution und Methode der Trennung der Variablen Franz Pauer Institut für Fachdidaktik und Institut für Mathematik Universität Innsbruck Lehrer/innen/fortbildungstag Wien 2015 11. April
Mehrf = T φ ist negative für nacheilende Funktionen φ ist positive für voreilende Funktionen 2 Signale im Zeitbereich 2.1 Harmonische Funktionen
2 Signale im Zeitbereich 2.1 Harmonische Funktionen = Xˆ sin( ω t) 1 f = T Einheiten: [ f ] = Hz ω = 2 π -1 [ ω] = s f mit Phasenverschiebung (hier: nacheilend) : = Xˆ sin( ω t - ϕ) φ ist negative für
MehrBildrekonstruktion & Multiresolution
Bildrekonstruktion & Multiresolution Verkleinern von Bildern? Was ist zu beachten? Es kann aliasing auftreten! Das Abtasttheorem sagt wie man es vermeidet? ===> Page 1 Verkleinern von Bildern (2) Vor dem
MehrSignale und ihre Spektren
Einleitung Signale und ihre Spektren Fourier zeigte, dass man jedes in der Praxis vorkommende periodische Signal in eine Reihe von Sinus- und Cosinusfunktionen unterschiedlicher Frequenz zerlegt werden
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
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
MehrSystemtheorie abbildender Systeme
Bandbegrenzung Bild in (b) nicht band-begrenzt: scharfe Kanten = Dirac-Funktionen = weißes Spektrum Erfordert Tapering vor Digitalisierung (Multiplikation mit geeigneter Fensterfunktion; auf Null drücken
MehrAdaptive Systeme. Sommersemester Prof. Dr. -Ing. Heinz-Georg Fehn. Prof. Dr. rer. nat. Nikolaus Wulff
Adaptive Systeme Sommersemester 2015 Prof. Dr. -Ing. Heinz-Georg Fehn Prof. Dr. rer. nat. Nikolaus Wulff Prof. Dr. H.-G. Fehn und Prof. Dr. N. Wulff 1 Adaptive Systeme Adaptives System: ein System, das
MehrNetzwerke - Bitübertragungsschicht (1)
Netzwerke - Bitübertragungsschicht (1) Theoretische Grundlagen Fourier-Analyse Jedes Signal kann als Funktion über die Zeit f(t) beschrieben werden Signale lassen sich aus einer (möglicherweise unendlichen)
MehrDigitale Bildverarbeitung (DBV)
Digitale Bildverarbeitung (DBV) Prof. Dr. Ing. Heinz Jürgen Przybilla Labor für Photogrammetrie Email: heinz juergen.przybilla@hs bochum.de Tel. 0234 32 10517 Sprechstunde: Montags 13 14 Uhr und nach Vereinbarung
MehrA2.3 Lineare Gleichungssysteme
A2.3 Lineare Gleichungssysteme Schnittpunkte von Graphen Bereits weiter oben wurden die Schnittpunkte von Funktionsgraphen mit den Koordinatenachsen besprochen. Wenn sich zwei Geraden schneiden, dann müssen
MehrMusterlösung zur Klausur. Grundlagen der Mechatronik
26.3.212 Musterlösung zur Klausur Grundlagen der Mechatronik Name: Matrikel-Nr.: Hinweise zur Bearbeitung: Die Klausur besteht aus 4 Aufgaben. Es sind alle Aufgaben zu bearbeiten. Die Bearbeitungszeit
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,
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
MehrSignalprozessoren. Prinzipieller Aufbau: 1. Folie
Signalprozessoren Sind spezielle Rechner, die Analogsignale digital verarbeiten können (Digital-Signal- Processing) DSP). Darunter versteht man die Eingabe von analogen Signalen in einem Digitalrechner,
MehrHinweis: Dies ist eine gekürzte Version des C-Projektes für unser ATMEL-Board ATM1
Hinweis: Dies ist eine gekürzte Version des C-Projektes für unser ATMEL-Board ATM Einführung in die Digitale Verarbeitung von Analogen Signalen ( DSP- Grundlage mit dem Microcontroller. Das vollständige
MehrR-C-Kreise. durchgeführt am 07.06.2010. von Matthias Dräger und Alexander Narweleit
R-C-Kreise durchgeführt am 07.06.200 von Matthias Dräger und Alexander Narweleit PHYSIKALISCHE GRUNDLAGEN Physikalische Grundlagen. Kondensator Ein Kondensator ist ein passives elektrisches Bauelement,
MehrEntwicklung einer digitalen Übertragungsstrecke mit Einplatinencomputern zur Signalanalyse
Entwicklung einer digitalen mit Einplatinencomputern zur Signalanalyse Philipp Urban Jacobs p.1 Inhalt 1 Motivation 2 Grundlagen 3 Umsetzung 4 Verifizierung 5 Fazit p.2 Motivation Signalgenerator ADC Gertboard
MehrProtokoll zum Übertragungsverhalten passiver Zweitore
Protokoll zum Übertragungsverhalten passiver Zweitore Ronny Harbich. Juli 005 Ronny Harbich Protokoll zum Übertragungsverhalten passiver Zweitore Vorwort Das hier vorliegende Protokoll wurde natürlich
MehrNANO III - MSR. Signalabtastung Analog Digital Converter (ADC) Digital Analog Converter (DAC) Themen: DAC
NANO III - MSR Themen: Signalabtastung Analog Digital Converter (ADC) A ADC D Digital Analog Converter (DAC) D DAC A Nano III MSR Physics Basel, Michael Steinacher 1 Signalabtastung Praktisch alle heutigen
Mehr3. Leistungsdichtespektren
Stochastische Prozesse: 3. Leistungsdichtespektren Wird das gleiche Geräusch mehrmals gemessen, so ergeben sich in der Regel unterschiedliche zeitliche Verläufe des Schalldrucks. Bei Geräuschen handelt
MehrNachrichtentechnik [NAT] Kapitel 2: Zeitkontinuierliche Signale. Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik
Nachrichtentechnik [NAT] Kapitel 2: Zeitkontinuierliche Signale Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik Sommersemester 25 Inhaltsverzeichnis Inhalt Inhaltsverzeichnis 2 Zeitkontinuierliche
MehrEinstieg in die Informatik mit Java
1 / 32 Einstieg in die Informatik mit Java Effizienz Gerd Bohlender Institut für Angewandte und Numerische Mathematik Gliederung 2 / 32 1 Überblick: was ist Effizienz? 2 Landau-Symbole 3 Eier im Korb 4
MehrAufgabe 1: Diskrete und kontin. Signale
AG Digitale Signalverarbeitung - Klausur in Signale und Systeme Frühjahr 2009 Aufgabe : Diskrete und kontin. Signale 25 Pkt. Aufgabe : Diskrete und kontin. Signale 25 Pkt.. Gegeben sei das als Summierer
MehrNumerische Methoden und Algorithmen in der Physik
Numerische Methoden und Algorithmen in der Physik Hartmut Stadie, Christian Autermann 29.01.2009 Numerische Methoden und Algorithmen in der Physik Hartmut Stadie 1/ 18 Einführung Fourier-Transformation
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
MehrElektrische Filter Erzwungene elektrische Schwingungen
CMT-38-1 Elektrische Filter Erzwungene elektrische Schwingungen 1 Vorbereitung Wechselstromwiderstände (Lit.: GERTHSEN) Schwingkreise (Lit.: GERTHSEN) Erzwungene Schwingungen (Lit.: HAMMER) Hochpass, Tiefpass,
MehrAnalysis und Lineare Algebra mit MuPAD
Analysis und Lineare Algebra mit MuPAD Dehling/Kubach Mögliche Themen für Abschlussprojekte 1 Fourier-Reihen Zu einer integrierbaren Funktion f : [0,2π] R definieren wir die Fourier-Reihe wobei a 0 = 1
MehrMathematik für Biologen und Chemiker Prof. Scheltho - Übungen Mathe 2
Mathematik für Biologen und Chemiker Prof. Scheltho - Übungen Mathe 2 Fortsetzung der komlexen Zahlen : 9. Radizieren und Potenzen a) Berechnen Sie (1+i) 20 und geben Sie das Resultat als Polarkoordinaten
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
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
MehrEinführung in die Physik I. Schwingungen und Wellen 1
Einführung in die Physik I Schwingungen und Wellen O. von der Lühe und U. Landgraf Schwingungen Periodische Vorgänge spielen in eine große Rolle in vielen Gebieten der Physik E pot Schwingungen treten
MehrRealisierung digitaler Filter FHTW-Berlin Prof. Dr. F. Hoppe 1
Realisierung digitaler Filter FHTW-Berlin Prof. Dr. F. Hoppe System zur digitalen Signalverarbeitung: Signal- Quelle AAF ADC DAC RCF DSP Po rt Po rt Signal- Ziel Das Bild zeigt ein allgemeines System zur
Mehr+ z -1 z z -1 + z -1 + z -1 + z -1 + z -1
Formelsammlung Systemtheorie II 06.02.12 C.Pieper (keine Gewähr auf Richtigkeit! Korrekturen an christoph.pieper@rwth-aachen.de) Regelungsnormalform steuerbar Existiert nur für erreichbare Systeme (->
MehrDifferenzengleichungen. und Polynome
Lineare Differenzengleichungen und Polynome Franz Pauer Institut für Mathematik, Universität Innsbruck Technikerstr. 13/7, A-600 Innsbruck, Österreich franz.pauer@uibk.ac.at 1 Einleitung Mit linearen Differenzengleichungen
Mehr