Digitale Signalverarbeitung, Vorlesung 10 - Diskrete Fouriertransformation
|
|
- Irmgard Sternberg
- vor 6 Jahren
- Abrufe
Transkript
1 Digitale Signalverarbeitung, Vorlesung 10 - Diskrete Fouriertransformation 23. Januar 2017 Siehe Skript Digitale Signalverarbeitung, Abschnitte 10.1 und 11, Kammeyer & Kroschel ( )
2 eues Thema in der DSV Signalverarbeitung im Frequenzbereich. eue Möglichkeiten: Schnelle, adaptive Algorithmen Effiziente Implementierung auf DSPs und PCs Methoden basieren auf diskreter Fouriertransformation (DFT).
3 Anwendungen der diskreten Fouriertransformation Test von analogen und Implementierung von digitalen Kommunikationssystemen (z.b. OFDM - u.a. in DAB/DVBT) Analyse von MRT-, MEG- und EEG-Signalen Komprimierung von Audio- und Musiksignalen (z.b. mp3) und Verarbeitung (z.b. Equalizer) Entwurf von modellbasierten Regelungen Maschinelle Mustererkennung
4 Verhältnis zu anderen Fourier-Transformationen Digitale Signalverarbeitung, Figure Vorlesung : Vier 10 - Diskrete Klassen Fouriertransformation der Fourier-Transformation [3]
5 Gründe für diskrete Fouriertransformation Diskret im Zeit- und Frequenzbereich Endliche Datenmenge durch Diskretisierung Effiziente Algorithmen zur Berechnung und Invertierung Geeignet für Kurzzeitanalyse (Berechnung von Spektrogrammen )
6 DFT als abgetastetes Spektrum Die Signalfolge besteht aus Werten n {0, 1,..., 1}. Das Linienspektrum soll jetzt auch genau an äquidistanten Stützstellen berechnet werden, die dann die Abstände f = f A = 1 T besitzen. Dann ergeben sich folgende Frequenzstützstellen: (1) Ω n = 2π n f = 2π n, n = 0, 1,..., 1. (2) f A
7 DFT als abgetastetes Spektrum Einsetzen in V Ω n = 2π n, n = 0, 1,..., 1. (3) ( e jω) = DTFT {v(k)} = v(k)e jkω (4) k=0 ergibt zusammen mit der endlichen Signallänge : V (e jωn ) := V (n) = k=0 2πn jk v(k)e. (5)
8 DFT als abgetastetes Spektrum V (n) = k=0 2πn jk v(k)e (6) kann mit der Abkürzung W = e j 2π ergibt das DFT-Transformationspaar: geschrieben werden. Das Definition DFT V (n) = DFT {v(k)} = v(k) = IDFT {V (n)} = 1 k=0 n=0 v(k)w kn, (7) V (n)w kn. (8)
9 DFT als abgetastetes Spektrum Zum Beweis der Beziehung für die IDFT wird (7) in (8) eingesetzt: v(k) = 1 n=0 [ l=0 v(l)w ln ] W kn = v(l) 1 l=0 n=0 Hierfür wurde die Summenorthogonalität der komplexen Drehoperatoren W benutzt: 1 n=0 W n(l k) = 1 n=0 e j 2π n(l k) = δ(l k). W n(l k) = v(k).
10 Matrixdarstellung der DFT Matrixdarstellung der DFT Aus den drei Definitionen Spalten-Vektor der DFT-Spektralwerte V = [V (0),..., V (n),..., V ( 1)] T Spalten-Vektor der Signalfolge v = [v(0),..., v(k),..., v( 1)] T DFT-Matrix [W ]: [W ] lm = W lm ; l, m = 0, 1, 2,..., 1. (l ist die Zeilennummer, m die Spaltennummer) folgt: V = W v (9)
11 Matrixdarstellung der DFT DFT-Spektralanalyse: Vorgehensweise
12 Matrixdarstellung der DFT Matrixdarstellung der DFT Definitionsgemäß ([W ] lm = W lm ) ist W symmetrisch, so dass für die transjugierte 1 DFT-Matrix gilt: W = W T = W. (10) 1 konjugiert komplexe, transponierte
13 Matrixdarstellung der DFT Matrixdarstellung der DFT Für die DFT-Matrix gilt: mit I als x Einheitsmatrix. Für die Inverse folgt W W = I (11) W 1 = 1 W = 1 W. (12)
14 Matrixdarstellung der DFT Matrixdarstellung der DFT Damit ergibt sich die IDFT aus (9): v = W 1 V = 1 W V. (13) Aus dem Vergleich des DFT-Transformationspaares in Matrixdarstellung (9) und (13) wird klar, dass sich Hin- und Rücktransformation im Wesentlichen mit demselben Verfahren berechnen lassen, was nützlich ist.
15 Periodizität des Zeitsignals Die DFT V (n) = k=0 entspricht einer Abtastung der DTFT V ( e jω) = v(k)e j 2π kn (14) v(k)e jkω, (15) k=0 im Frequenzbereich. Aus der Abtastung im Frequenzbereich mit dem Deltakamm δ 2π wird wegen IDTFT(X (e jω ) Y (e jω )) = x(k) y(k) (16) eine Faltung von v(k) mit dem Deltakamm δ im Zeitbereich.
16 Periodizität des Zeitsignals Also wird das Signal v(k), k = 0, 1,..., 1, zu einer Periode des zeitlich unbegrenzten, nichtkausalen, periodischen Signals v p (k) = v((k) ), k =... 1, 0, 1,... (17) Diese kurze Schreibweise benutzt die Modulo-Arithmetik: (k) = k mod {0, 1,..., 1} k Z. (18)
17 Periodizität des Zeitsignals Die Zusammenhänge sind hier für = 5 gezeigt [2]: Figure : Periodizität von diskretem Signal v(k) und zugehörigem DFT-Spektrum V (n). Hieraus wird klar, dass das Spektrum einer langen Folge mit M > nur dann mit der DFT der Länge korrekt berechnet wird, wenn es -periodisch ist.
18 Faltung Bisher wurde die lineare (aperiodische) Faltung behandelt: y lin (k) = v 1 (k) v 2 (k) = ν=0 v 1 (ν)v 2 (k ν) zt V 1 (z) V 2 (z), wobei sich die Länge des Faltungsprodukts = M 1 + M 2 1 aus den Längen M i der Einzelsignale v i (k) ergibt.
19 Faltung Ähnlich gilt für die DFT mit der zyklischen bzw. periodischen Faltung (Faltung periodischer Signale gleicher Periode, wobei das Ergebnis wieder -periodisch ist [1]): Faltungssatz der DFT y ((k) ) = v 1 (k) v 2 (k) = ν=0 v 1 (ν)v 2 ((k ν) ) DFT V 1 (n) V 2 (n) (19) So wie die lineare Faltung ist die zyklische Faltung eine lineare Operation, sie ist kommutativ und assoziativ.
20 Faltung Zyklische und lineare Faltung sind hier gegenübergestellt. ur die grau hinterlegten Werte der beiden Ergebnisse der Faltungsoperationen sind identisch: Figure : Vergleich von linearer und zyklischer Faltung: M 1 = M 2 = 4 [2]
21 Faltung (a) linear (b) zyklisch Figure : Lineare und zyklische Faltung: M 1 = M 2 = 4 [2]
22 Faltung Wie kann die zyklische Faltung zur Berechnung der bei LTI-Systemen interessierenden linearen Faltung verwendet werden? Dazu setzt man zwei Signale (bzw. Signal und Impulsantwort) endlicher Länge M 1 und M 2 voraus. Das Ergebnis der linearen Faltung hat die Länge = M 1 + M 2 1. Also müssen beide Signale durch Anfügen von ullen auf die gemeinsame Länge verlängert werden. Das Ergebnis der zyklischen Faltung der Länge mit diesen so modifizierten Signalen ist identisch mit dem der linearen Faltung: Abb. 6.
23 Faltung Figure : Zyklische und lineare Faltung von zwei Folgen der Länge M 1 = 33, M 2 = 24, v i (k): v i (k) mit Zero-Padding [4]
24 Faltung Zur Herleitung der zyklischen Faltungsbeziehung (19) wird die IDFT verwendet: IDFT {V 1 (n) V 2 (n)} = 1 = 1 v 1 (p)w pn = n=0 p=0 q=0 p=0 v 1 (p)v 2 (q) 1 n=0 n=0 q=0 V 1 (n)v 2 (n)w kn v 2 (q)w qn W (k p q)n. W kn
25 Faltung Weil wegen der Summenorthogonalität der Drehfaktoren (11) für i Z { 1 für k = i + p + q, 1 n=0 W (k p q)n = δ((k p q) ) = 0 für k i + p + q, gilt, kann in (20) p = (k q) oder q = (k p) eingesetzt und eine der Summationen eliminiert werden. Daraus folgt: V 1 (n) V 2 (n) DFT p=0 v 1 (p)v 2 ((k p) ) = q=0 v 1 ((k q) )v 2 (q).
26 Multiplikation, Linearität, Verschiebung, Energieerhaltung Multiplikationssatz Die Herleitung des Multiplikationssatzes entspricht der der zyklischen Faltung, man muss nur Frequenz- und Zeitbereich vertauschen. Ergebnis: Multiplikationssatz der DFT v 1 (k) v 2 (k) DFT 1 = 1 p=0 V 1 (p)v 2 ((n p) ) q=0 V 1 ((n q) )V 2 (q) = 1 V 1(n) V 2 (n)
27 Multiplikation, Linearität, Verschiebung, Energieerhaltung Eigenschaften Linearität Entsprechend der Definition als Matrixmultiplikation ist die DFT linear. Zyklische Verschiebung Verschiebt man ein Signal v(k) der Länge, um lt nach rechts (Verzögerung l < 0) oder nach links (l > 0), dann entspricht dies wegen (17) und (18) einer zyklischen Verschiebung.
28 Multiplikation, Linearität, Verschiebung, Energieerhaltung Zyklische Verschiebung Man kann schreiben v ((k + l) ) = v p (k + l). Weil v p (k + l) eine zweiseitige (nichtkausale) Folge repräsentiert, gilt der Verschiebungssatz der zt für zweiseitige Signale: Verschiebung um l Samples entspricht Multiplikation mit z l. Aus z l = e jlωn = e j 2π nl = W nl folgt Verschiebungssatz der DFT DFT {v ((k + l) )} = V (n)w nl
29 Multiplikation, Linearität, Verschiebung, Energieerhaltung Parsevalsche Beziehung der DFT Die Herleitung der Parsevalschen Beziehung geht am einfachsten mit der Matrixdarstellung der DFT. Es gilt mit (9) und (11): V 2 2 = V V = v W W v = v v = v 2 2. (20) Damit ergibt sich die Parsevalsche Beziehung in der üblichen Form: v 2 2 = k=0 v(k) 2 = 1 n=0 V (n) 2 = 1 V 2 2. (21) So kann die Energie bzw. Leistung über die l 2 -orm im Zeitbereich oder im Frequenzbereich berechnet werden.
30 Multiplikation, Linearität, Verschiebung, Energieerhaltung Lernziele Sie sollten die DFT und die inverse DFT von Signalen bestimmen können. Sie sollten den Multiplikationssatz und den Verschiebungssatz der DFT kennen, wissen, wie die zyklische Faltung von zwei Signalen berechnet wird, und wie man durch zero padding aus der zyklischen Faltung eine lineare Faltung machen kann. Sie sollten aus der Signalenergie im DFT-Bereich die Signalenergie im Zeitbereich berechnen können.
31 Multiplikation, Linearität, Verschiebung, Energieerhaltung Heinz Günther Göckler. Signale und Systeme. Skript zur Vorlesung Signale und Systeme, Ruhr-Universität Bochum, Karl Dirk Kammeyer and Kristian Kroschel. Digitale Signalverarbeitung. 5. Auflage, Stuttgart: Teubner, R. A. Roberts and C. T. Mullis. Digital Signal Processing. Reading/MA: Addison Wesley Publ. Co., Hans Wilhelm Schüßler. Digitale Signalverarbeitung, volume Auflage, Berlin: Springer, 1994.
Versuch 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
MehrSignale und Systeme Ergänzungen zu den Spektraltransformationen
Signale und Systeme Ergänzungen zu den Spektraltransformationen Gerhard Schmidt Christian-Albrechts-Universität zu Kiel Technische Faculty of Engineering Fakultät Elektrotechnik Institute of Electrical
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
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
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
MehrDiskrete Fourier-Transformation
Universität Koblenz-Landau Institut für integrierte Naturwissenschaften Abteilung Physik Dozent: Dr. Merten Joost Seminar Digitale Signalverarbeitumg im Sommersemester 2005 Diskrete Fourier-Transformation
MehrMathematische Erfrischungen III - Vektoren und Matrizen
Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen
MehrDiskrete und Schnelle Fourier Transformation. Patrick Arenz
Diskrete und Schnelle Fourier Transformation Patrick Arenz 7. Januar 005 1 Diskrete Fourier Transformation Dieses Kapitel erläutert einige Merkmale der Diskreten Fourier Transformation DFT), der Schnellen
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
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
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
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
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
MehrBiosignalverarbeitung (Schuster)
Biosignalverarbeitung (Schuster) 9. FOURIER - TRANSFORMATION: 4 Ausprägungen der Transformation: Zeitbereich Frequenzbereich Laplace-Transformation Fourier-Transformation kontinuierlicher Signale (FT,
MehrLab3 - Fourieranalyse von Signalen
1 Einleitung Lab3 - Fourieranalyse von Signalen M. Brandner, C. Wallinger Die spektrale Analyse deterministischer und zufälliger Signale ist von zentraler Bedeutung in der Messtechnik, da sehr viele interessante
MehrZusammenfassung der 1. Vorlesung
Zusammenfassung der 1. Vorlesung Einordnung und Motivation Grundlegende Definitionen Kontinuierliches Signal Zeitdiskretes Signal Quantisiertes Signal Digitales Signal Kontinuierliches System Abtastsystem
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
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=
MehrDie Diskrete Fouriertransformation (DFT)
Kapitel Die Diskrete Fouriertransformation (DFT). Einleitung Zerlegt man Signale in sinusoidale (oder komplex exponentielle) Komponenten, dann spricht man von der Darstellung der Signale im Frequenzbereich.
MehrDigitale Signalbearbeitung und statistische Datenanalyse
Digitale Signalbearbeitung und statistische Datenanalyse Teil 5 8 Aus ontinuierlichem Signal werden in onstanten Zeitintervallen Daten entnommen ontinuierliches Signal x(t) Einheitsimpulsfuntion Gewichtete
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
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
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...
MehrLaplacetransformation
Laplacetransformation Fakultät Grundlagen Februar 206 Fakultät Grundlagen Laplacetransformation Übersicht Transformationen Transformationen Bezugssysteme Definition der Laplacetransformation Beispiele
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.
MehrKorrelationsmatrix. Statistische Bindungen zwischen den N Zufallsgrößen werden durch die Korrelationsmatrix vollständig beschrieben:
Korrelationsmatrix Bisher wurden nur statistische Bindungen zwischen zwei (skalaren) Zufallsgrößen betrachtet. Für den allgemeineren Fall einer Zufallsgröße mit N Dimensionen bietet sich zweckmäßiger Weise
MehrDefinition, Rechenoperationen, Lineares Gleichungssystem
Bau und Gestaltung, Mathematik, T. Borer Aufgaben / Aufgaben Matrizen Definition, Rechenoperationen, Lineares Gleichungssystem Lernziele - die Bezeichnung der Matrixelemente kennen und verstehen. - den
Mehr1 Zahlentheorie. 1.1 Kongruenzen
3 Zahlentheorie. Kongruenzen Der letzte Abschnitt zeigte, daß es sinnvoll ist, mit großen Zahlen möglichst einfach rechnen zu können. Oft kommt es nicht darauf, an eine Zahl im Detail zu kennen, sondern
Mehr4: Algebraische Strukturen / Gruppen
Stefan Lucks Diskrete Strukturen (WS 2009/10) 120 4: Algebraische Strukturen / Gruppen Definition 46 Sei G eine nichtleere Menge. Eine Funktion : G G G bezeichnen wir als Verknüpfung auf G. Das Paar (G,
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
Mehr2. Symmetrische Gruppen
14 Andreas Gathmann 2 Symmetrische Gruppen Im letzten Kapitel haben wir Gruppen eingeführt und ihre elementaren Eigenschaften untersucht Wir wollen nun eine neue wichtige Klasse von Beispielen von Gruppen
MehrElektrotechnik-Grundlagen Teil 2 Messtechnik
Version 1.0 2005 Christoph Neuß Inhalt 1. ZIEL DER VORLESUNG...3 2. ALLGEMEINE HINWEISE ZU MESSAUFBAUTEN...3 3. MESSUNG ELEMENTARER GRÖßEN...3 3.1 GLEICHSTROMMESSUNG...3 3.2 WECHSELSTROMMESSUNG...4 4.
MehrMerkmale von Bildregionen, Einführung in Spektraltechniken
Merkmale von Bildregionen, Einführung in Spektraltechniken Industrielle Bildverarbeitung, Vorlesung No. 10 1 M. O. Franz 12.12.2007 1 falls nicht anders vermerkt, sind die Abbildungen entnommen aus Burger
MehrBeispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A
133 e 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 2. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 Schritte des
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
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
MehrModul Digitale Bildverarbeitung SS16 Bestandteile der Lehrveranstaltung und Prüfung: Vorlesungen Übungsserien Praktika (ImageJ) bis Mai 2016 Projekt
Modul Digitale Bildverarbeitung SS16 Bestandteile der Lehrveranstaltung und Prüfung: Vorlesungen Übungsserien Praktika (ImageJ) bis Mai 2016 Projekt im Juni 2016 Themen: Digitale Bilder, Eigenschaften
MehrFaktorisierung ganzer Zahlen mittels Pollards ρ-methode (1975)
Dass das Problem, die Primzahlen von den zusammengesetzten zu unterscheiden und letztere in ihre Primfaktoren zu zerlegen zu den wichtigsten und nützlichsten der ganzen Arithmetik gehört und den Fleiss
MehrSignale und Systeme Reaktion linearer Systeme auf stationäre stochastische Signale
Signale und Systeme Reaktion linearer Systeme auf stationäre stochastische Signale Gerhard Schmidt Christian-Albrechts-Universität zu Kiel Technische Faculty of Engineering Fakultät Elektrotechnik Institute
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...
Mehr1.3 Gruppen. Algebra I 9. April 2008 c Rudolf Scharlau,
Algebra I 9. April 2008 c Rudolf Scharlau, 2002 2008 18 1.3 Gruppen Der Begriff der Gruppe ordnet sich in gewisser Weise dem allgemeineren Konzept der Verknüpfung (auf einer Menge) unter. So ist zum Beispiel
Mehr4 Lineare Algebra (Teil 2): Quadratische Matrizen
4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,
MehrGruppentheorie und Symmetrie in der Chemie
Gruppentheorie und Symmetrie in der Chemie Martin Schütz Institut für theoretische Chemie, Universität Stuttgart Pfaffenwaldring 55, D-70569 Stuttgart Stuttgart, 26. April 2002 Mathematische Definition
MehrSignalübertragung und -verarbeitung
ILehrstuhl für Informationsübertragung Schriftliche Prüfung im Fach Signalübertragung und -verarbeitung 6. Oktober 008 5Aufgaben 90 Punkte Hinweise: Beachten Sie die Hinweise zu den einzelnen Teilaufgaben.
MehrLaplace-Transformation
Laplace-Transformation Gegeben: Funktion mit beschränktem Wachstum: x(t) Ke ct t [, ) Definition: Laplace-Transformation: X(s) = e st x(t) dt = L{x(t)} s C Re(s) >c Definition: Inverse Laplace-Transformation:
Mehry x x y ( 2x 3y + z x + z
Matrizen Aufgabe Sei f R R 3 definiert durch ( ) x 3y x f = x + y y x Berechnen Sie die Matrix Darstellung von f Aufgabe Eine lineare Funktion f hat die Matrix Darstellung A = 0 4 0 0 0 0 0 Berechnen Sie
MehrOFDM mittels diskreter Fouriertransformation
OFDM mittels diskreter Fouriertransformation Betrachten wir nun erneut die sich zeitlich nicht überlappenden Sendesignalrahmen wobei k die Rahmennummer angibt. Diese besitzen zu den Abtastzeiten k T R
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
MehrProbeklausur Signale + Systeme Kurs TIT09ITA
Probeklausur Signale + Systeme Kurs TIT09ITA Dipl.-Ing. Andreas Ströder 13. Oktober 2010 Zugelassene Hilfsmittel: Alle außer Laptop/PC Die besten 4 Aufgaben werden gewertet. Dauer: 120 min 1 Aufgabe 1
Mehr3.3 Das Abtasttheorem
17 3.3 Das Abtasttheorem In der Praxis kennt man von einer zeitabhängigen Funktion f einem Signal meist nur diskret abgetastete Werte fn, mit festem > und ganzzahligem n. Unter welchen Bedingungen kann
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b
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
MehrElemente der Analysis II
Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel
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
Mehr5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21
5. Determinanten 5.1 Determinanten der Ordnung 2 und 3 Als Determinante der zweireihigen Matrix A = a 11 a 12 bezeichnet man die Zahl =a 11 a 22 a 12 a 21. Man verwendet auch die Bezeichnung = A = a 11
Mehr4.1 Grundlagen 4.2 Viskose Dämpfung 4.3 Modale Dämpfung 4.4 Rayleigh-Dämpfung 4.5 Strukturdämpfung. 4. Dämpfungsmodelle. Elastodynamik 1 3.
4.1 Grundlagen 4.2 Viskose Dämpfung 4.3 Modale Dämpfung 4.4 Rayleigh-Dämpfung 4.5 Strukturdämpfung 4. Dämpfungsmodelle 3.4-1 4.1 Grundlagen Dämpfung ist ein Prozess, bei dem Energie dissipiert wird. Mechanische
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
MehrKybernetik Laplace Transformation
Kybernetik Laplace Transformation Mohamed Oubbati Institut für Neuroinformatik Tel.: (+49) 73 / 50 2453 mohamed.oubbati@uni-ulm.de 08. 05. 202 Laplace Transformation Was ist eine Transformation? Was ist
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
MehrSignale und Systeme II
TECHNISCHE FAKULTÄT DER CHRISTIAN-ALBRECHTS-UNIVERSITÄT ZU KIEL DIGITALE SIGNALVERARBEITUNG UND SYSTEMTHEORIE DSS Signale und Systeme II Lösung zur Modulklausur SS 201 Prüfer: Prof. Dr.-Ing. Gerhard Schmidt
MehrPraktikum-Meßtechnik Verfasser: Dr. H. Bergelt
TU Bergakademie Freiberg Praktikum-Meßtechnik Verfasser: Dr. H. Bergelt Filter in der Bildverarbeitung. Einleitung Digitale Filter gehören zu den wirkungsvollsten Methoden der Bildverarbeitung. Wir können
MehrInhaltsverzeichnis. vii
1 Einführung... 1 1.1 Signale im Kommunikationsprozess... 1 1.2 Signalverarbeitung als Disziplin... 2 1.3 Elementare Beschreibung von Signalen... 4 1.3.1 Klassen von Signalen... 4 1.3.2 Notation... 6 1.3.3
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
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
MehrEine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls
Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv
MehrFouriertransformation
Fouriertransformation Radix2 fast fourier transform nach Cooley/Tukey 1 Inhaltsübersicht Mathematische Grundlagen: Komplexe Zahlen und Einheitswurzeln Die diskrete Fouriertransformation Der Radix2-Algorithmus
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
MehrHauptkomponentenanalyse. Principal Component Analysis (PCA)
Hauptkomponentenanalyse Principal Component Analysis (PCA) Principal Component Analysis (PCA) Welche Ziele verfolgt man bei der Verwendung einer PCA? Repräsentation multidimensionaler Daten mit einer geringeren
MehrBetrachtetes Systemmodell
Betrachtetes Systemmodell Wir betrachten ein lineares zeitinvariantes System mit der Impulsantwort h(t), an dessen Eingang das Signal x(t) anliegt. Das Ausgangssignal y(t) ergibt sich dann als das Faltungsprodukt
MehrVorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7
Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7 Timo Stöcker Erstsemestereinführung Informatik TU Dortmund 22. März 2011 Heute Themen Lineare Gleichungssysteme Matrizen Timo Stöcker https://fsinfo.cs.tu-dortmund.de/studis/ese/vorkurse/mathe
MehrComputergrafik 2: Fourier-Transformation
Computergrafik 2: Fourier-Transformation Prof. Dr. Michael Rohs, Dipl.-Inform. Sven Kratz michael.rohs@ifi.lmu.de MHCI Lab, LMU München Folien teilweise von Andreas Butz, sowie von Klaus D. Tönnies (Grundlagen
MehrSpezialgebiet Mathematik(Christian Behon ) 1. Matrizen. Kapitel 1 Definitionen und Herleitung von Matrizen. Kapitel 2 Matrizenoperation
. Inhaltsverzeichnis.............. Spezialgebiet Mathematik(Christian Behon ) 1 Matrizen Kapitel 1 Definitionen und Herleitung von Matrizen 1.1 Was sind Matrizen 1.2 Arten von Matrizen Kapitel 2 Matrizenoperation
MehrBesteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor)
Matrizenrechnung. Matrizen Matrizen sind bereits im Kapitel Lineare Gleichungssysteme aufgetreten. Unter einer (m n) -Matrix A verstehen wir ein rechteckiges Zahlenschema mit m Zeilen und n Spalten. Der.
MehrAusarbeitung zum Thema Signalverarbeitung und Signalanalyse in der Spracherkennung
Ausarbeitung zum Thema Signalverarbeitung und Signalanalyse in der Spracherkennung Michael Munz Fakultät für Informatik Universität Ulm 23. November 2004 1 INHALTSVERZEICHNIS 2 Inhaltsverzeichnis 1 Motivation
MehrProf. Dr. Stefan Weinzierl 10.02.2015
Einführung in die digitale Signalverarbeitung: 15. Tutorium Prof. Dr. Stefan Weinzierl 10.02.2015 Zusammenfassung Im Folgenden findet sich eine kleine Zusammenfassung der Konzepte, die wir in diesem Semester
MehrAES und Public-Key-Kryptographie
Jens Kubieziel jens@kubieziel.de Friedrich-Schiller-Universität Jena Fakultät für Mathem atik und Informatik 22. Juni 2009 Beschreibung des Algorithmus Angriffe gegen AES Wichtige Algorithmen im 20. Jahrhundert
MehrVom Zeit- zum Spektralbereich: Fourier-Analyse
Vom Zeit- zum Spektralbereich: Fourier-Analyse Ergebnis der Analyse Zerlegung eines beliebigen periodischen Signals in einem festen Zeitfenster in eine Summe von Sinoidalschwingungen Ermittlung der Amplituden
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 5 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe. Skalarprodukt und Orthogonalität.a) Bezüglich des euklidischen
Mehr(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.)
3. Untergruppen 19 3. Untergruppen Nachdem wir nun einige grundlegende Gruppen kennengelernt haben, wollen wir in diesem Kapitel eine einfache Möglichkeit untersuchen, mit der man aus bereits bekannten
MehrCopyright, Page 1 of 5 Die Determinante
wwwmathematik-netzde Copyright, Page 1 of 5 Die Determinante Determinanten sind ein äußerst wichtiges Instrument zur Untersuchung von Matrizen und linearen Abbildungen Außerhalb der linearen Algebra ist
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).
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
MehrInhaltsverzeichnis Kapitel X: Funktionen von mehreren Variablen Kapitel XI: Gew ohnliche Differentialgleichungen 135
Inhaltsverzeichnis Kapitel X: Funktionen von mehreren Variablen 1 x1. Differentialrechnung für Funktionen von mehreren Variablen....... 1 1.1 Einführung und Beispiele.............................. 1 1.2
MehrSignale und Systeme Signale
Signale und Systeme Signale Gerhard Schmidt Christian-Albrechts-Universität zu Kiel Technische Fakultät Elektrotechnik und Informationstechnik Digitale Signalverarbeitung und Systemtheorie Inhalt der Vorlesung
MehrFaltung und Korrelation kontinuierlicher Signale
Universität Koblenz Institut für integrierte Naturwissenschaften Abteilung Physik Faltung und Korrelation kontinuierlicher Signale Seminar Digitale Signalverarbeitung Dr. Merten Joost von Kristina Weyerhäuser
MehrKapitel 2: Mathematische Grundlagen
[ Computeranimation ] Kapitel 2: Mathematische Grundlagen Prof. Dr. Stefan M. Grünvogel stefan.gruenvogel@fh-koeln.de Institut für Medien- und Phototechnik Fachhochschule Köln 2. Mathematische Grundlagen
Mehr1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema
1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und
Mehr3.5 Ringe und Körper. Diese Eigenschaften kann man nun auch. 1. (R, +) ist eine kommutative Gruppe. 2. Es gilt das Assoziativgesetz bezüglich.
3.5 Ringe und Körper Gehen wir noch mal zu den ganzen Zahlen zurück. Wir wissen: (Z, + ist eine Gruppe, es gibt aber als Verknüpfung noch die Multiplikation, es gibt ein neutrales Element bezüglich, es
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:
MehrDämpfung. . Grundlagen. Viskose Dämpfung. Modale Dämpfung. Rayleigh-Dämpfung. Strukturdämpfung. Elastodynamik 2 SS
Dämpfung. Grundlagen. Viskose Dämpfung. Modale Dämpfung. Rayleigh-Dämpfung. Strukturdämpfung 5. Dämpfung 5-1 1. Grundlagen Dämpfung ist ein Prozess, bei dem Energie dissipiert wird. Mechanische Energie
MehrÜbung 2: Spektrum periodischer Signale
ZHAW, SiSy, Rumc, Übung : Spektrum periodischer Signale Augabe Verschiedene Darstellungen der Fourierreihe. Betrachten Sie das periodische Signal s(t) = + sin(π t). a) Bestimmen Sie die A k - und B k -Koeizienten
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
MehrTitel: Fouriertransformation. Titel-Kürzel: FT. Autoren: Ulrich Gysel, gys, Niklaus Schmid, sni; Koautoren: G. Lekkas Version-v2.0: 31.
Titel: Titel-Kürzel: FT Autoren: Ulrich Gysel, gys, Niklaus Schmid, sni; Koautoren: G. Lekkas Version-v2.: 3. Oktober 25 Lernziele: Sie wissen, warum bei aperiodischen Signalen nicht mehr mit der Fourierreihe,
MehrWiederholung. Symmetrische Verschlüsselung klassische Verfahren: moderne Verfahren: DES (Feistel-Chiffre) mehrfache Wiederholung einer Kombination aus
Wiederholung Symmetrische Verschlüsselung klassische Verfahren: Substitutionschiffren Transpositionschiffren Vigenère-Chiffre One-Time-Pad moderne Verfahren: DES (Feistel-Chiffre) mehrfache Wiederholung
MehrBrückenkurs Mathematik
Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 3 Geometrie Doris Bohnet Universität Hamburg - Department Mathematik Mi 8.10.2008 1 Geometrie des Dreiecks 2 Vektoren Länge eines Vektors Skalarprodukt Kreuzprodukt
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
MehrLineare Gleichungssysteme
Christian Serpé Universität Münster 14. September 2011 Christian Serpé (Universität Münster) 14. September 2011 1 / 56 Gliederung 1 Motivation Beispiele Allgemeines Vorgehen 2 Der Vektorraum R n 3 Lineare
MehrPollards Rho-Methode zur Faktorisierung
C A R L V O N O S S I E T Z K Y Pollards Rho-Methode zur Faktorisierung Abschlusspräsentation Bachelorarbeit Janosch Döcker Carl von Ossietzky Universität Oldenburg Department für Informatik Abteilung
Mehr