Allgemein. nichtlineare, zeit-(in)variante Systeme weakly-nonlinear time-(in)variant systems
|
|
- Busso Krämer
- vor 6 Jahren
- Abrufe
Transkript
1 1 Allgemein Systeme (device under test, DUT): Elektro-akustische Systeme Abhör- oder Darbietungssräume Leicht Ziele: nichtlineare, zeit-(in)variante Systeme weakly-nonlinear time-(in)variant systems Erfassung System beschreibender Parameter Hohe Genauigkeit der Messung Kurze Messzeit, Hohe Reproduzierbarkeit Hoher Signalrauschabstand (signal-to-noise ratio, SNR)
2 2 Direkte Messung Direkte Messung der Amplitude und Phase: Vanderkooy (1986) Einfache Messsysteme (stepped-sine method) Hohe Energieübertragung Messung nur im stationären Zustand: Sehr lange Dauer bei hoher Frequenzauflösung
3 3 Signal: Impuls: Direkte Impulsmessung Impulsantwort Sehr direkt verfügbar wenig Energie im Signal Sehr hoher Crest-Faktor: Sehr niedrige SNR C= A A EFF =T IR Abhilfe: Wiederholung und Mittelung Müller & Massarani (2001) Periodic Impulse Response (PIR) Periodic Impulse Excitation (PIE) Verdoppelung der Wiederholungen: +3dB SNR
4 4 1-Kanal-FFT Signal: Weißes Rauschen: Amplitudenspektrum: bei f = 0 Hz: 0, sonst: 1 Phasenspektrum: zufällig (gleich verteilt) Im Zeitbereich: zufällig, Gauß'sche Verteilung Crest-Faktor: 1-Kanal-FFT: Nur Amplitudengang erfassbar 2-Kanal-FFT: C= ^A A EFF Gesamte Identifikation Crest-Faktor Wahrscheinlichkeit 1 32,00% 2 4,80% 3 0,37% 3,3 0,10% 3,9 0,01% 4 63 ppm 4,4 10 ppm 4,9 1 ppm 6 2 ppb
5 5 2-Kanal-FFT Erfassung der Amplitude und der Phase H f = Y f X f Müller & Massarani (2001)
6 6 algorithmen in aku stik und compute rmusik Pseudo-Zufallsfolgen Weißes Rauschen: völlig dekorreliert: r xx [n]= [n] Aus der Systemtheorie: r xy [n]= h r xx [n] Mit einem dekorrelierten Signal: r xy [n]=h[n] Ersatz für weißes Rauschen: dekorrelierte Signale Gesucht: Dekorreliertes Signal Deterministisch Niedriger Crest-Faktor binäre Pseudo-Zufallsfolgen
7 7 Golay Codes Zwei binäre Pseudo-Zufallsfolgen: a 1 =[1,1] Zirkuläre Autokorrelation: L... Länge der Folge, b 1 =[1, 1] a n 1 =[a n, b n ] b n 1 =[a n, b n ] a 2 =[1,1,1, 1] b 2 =[1,1, 1,1 ] r xx [n]=r aa [n] r bb [n]=2l [n] L=2 N Zirkuläre Kreuzkorrelation: F {y a [n]} F {a[n]}h F * {a[n]} F {b[n]} H F * {b[n]}=2l H F {y b [n]} r aa [n] r bb [n] r xx [n] Zahorik (2000)
8 8 algorithmen in aku stik und compute rmusik Golay Codes Messprozedur: Anregung mit Folge a: k Wiederholungen (k>1) Aufnahme und Mittelung über die Wiederholungen 2 bis k Eine Periode abwarten Anregung mit Folge b: k Wiederholungen (k>1) Aufnahme und Mittelung über die Wiederholungen 2 bis k Kreuzkorrelation der Antworten mit der Anregungen Summation der Kreuzkorrelationen: Impulsantwort
9 9 Golay Codes Signal-to-noise ratio (SNR): Energie einzelnen Pulses: 1 Energie der Golay Codes: 2L Erhöhung der SNR in db: Wiederholung der Anregung: Mit jeder Verdoppelung steigt SNR um +3dB Länge der Codes: Mindestens gleich lang wie die zu erwartete IR Sonst time-aliasing in der IR 10log 2L
10 10 Maximum Length Sequence (MLS) Probleme der Golay-Codes: Zwei Messungen notwendig Probleme MLS: bei zeitvarianten Systemen Eine binäre Pseudo-Zufallsfolge Autokorrelation: r xx [n]= [n] 1 L 1 Einheitsimpuls Mit einem kleinen Offset Dunn & Hawksford (1993)
11 11 MLS Generierung: Schieberegister Z -1 2 Z -1 1 Z -1 0 x(n) Rückkopplung über EX-OR Länge der Sequenz: Insgesamt 2N Zustände Zustand 0 nicht zielführend Nicht geeignet für Radix-2-FFT-Algorithmus L=2 N 1 EXOR Ordnung N Abzapfung bei bit
12 12 MLS Berechnung der Impulsantwort: r xx [n]= [n] 1 L 1 r xy [n]=h[n] 1 L 1 n=0 N 1 r xy [n]=h[n] 1 L n=0 N 1 h[n] h[n] Mittelwert von h[n] = DC 1 1 L 1 = 1 L 1 L L 1 N 1 L L 1 n=0 r xy [n]=h[n] DC [1 1 L 1 ] r xy [n]= h r xx [n] h[n] 1 L 1 DC
13 13 MLS Berechnung der Kreuzkorrelation: Direkte Methode: Im Frequenzbereich: Fourier-Transformation Radix-2-FFT nicht möglich r xy [n]= 1 L 1 L 1 i=0 Andere FFT-Algorithmen möglich durch Faktorisierung der Länge (FFTW library) Darstellung in Matrizenform: Aus x[n] wird eine rechts-zirkuläre Matrix X Aus y[n] und r xy [n] werden Matrizen Y und R XY x[ i n mod L] y[i] R XY = 1 L 1 X Y Fast Hadamard Transformation: R HY =H 2 n Y
14 14 Fast Hadamard Transformation (FHT) Algorithmus ähnlich der DFT Butterfly, aber kein Bit-reversal Nur Additionen/Subtraktionen L log 2 L Operationen Hadamard-Matrix: R HY =H 2 n Y H 8 H 1 =[1] H 2 =[ ] H 2 n 1=[ H 2 n H 2 n H n] 2 n H =H n H 2 2 n 2 H 32
15 15 MLS Problem: MLS ergibt keine Hadamard-Matrix Lösung: Umformung der MLS-Matrix: X 2 n 1 =P 2 S 2 H 2 n S 1 P 1 P 1, P 2 S 1, S 2... Permutationsmatrizen... Begrenzungsmatrizen (supress) S 2 =[ ] 0 0 S 1 =[0 1] P 1 =[1 0] Borish & Angell (1983) R XY = 1 L 1 P 2 S 2{H 2 n[s 1 P 1 Y ]} r xy [n] h[n]
16 16 MLS Länge der MLS: Mindestens gleich lang wie die zu erwartete IR SNR: 10log L 1 höher als PIE Gleich wie bei Golay-Codes gleicher Länge Nur eine Folge: Mittelung der IR bei zeitvarianten Systemen Weitere Erhöhung der SNR: Verdoppelung der Länge: +3dB
17 17 Einfluss der Verzerrungen auf MLS MLS-Signal: LP-Filter, f=1khz Dunn & Hawksford (1993) IR des Filters nach Korrelation: Mit Verzerrung: Dunn & Hawksford (1993) d {x f [n]}= 10dB x[n] 3 Dunn & Hawksford (1993) Dunn & Hawksford (1993)
18 18 Einfluss der Verzerrungen auf MLS Fehlersignal e[n]=h d [n] h[n] h d [n]=r x f y[n] r dy [n] h d [n]=r xy [n]=r x f d y [n] e[n]=r xd [n] Fehler: Energieverteilung: x[n] 2 x[n] 5 Dunn & Hawksford (1993) Dunn & Hawksford (1993)
19 19 Einfluss der Verzerrungen auf MLS MLS-Länge verlängern (statt mehrfache Mittelung) Immunität gegenüber Verzerrungen: Immunität gegenüber Rauschen: I n = A Je nach System optimale Amplitude! I d = r 1 A L= 6dB L=0dB L= 6dB Verzerrungen OK! Rauschen Dunn & Hawksford (1993)
20 20 Inverse Repeated Sequence (IRS) Dämpfung gerader Verzerrungen: IRS: x[n L]= x[n] x [n]={ m[n], m[n], m[n]... MLS n gerade,0 n 2L n ungerade,0 n 2L 2L 1 r xy = 1 2 L 1 x[n] x[n k ] k =0 ={ r my[n], n gerade r my [n], n ungerade = [n] 1 n L 1 [n L] 0 n 2L Dunn & Hawksford (1993) Dunn & Hawksford (1993)
21 21 PIE, MLS, IRS Immunität gegenüber Verzerrungen: Filter: LP f = 1kHz Distortion :-20dB Länge: 2047 samples Dunn & Hawksford (1993) Auf distortion immunity normalisierte SNR: Dunn & Hawksford (1993)
22 22 Sweeps Probleme von MLS und IRS: Empfindlichkeit auf nichtlineare Verzerrungen Gesucht: Messung des linearen Teils Alle Harmonischen getrennt erfassbar Lösung: Sweeps: x t =sin [ f t ] linearer Sweep: f t = At exponentieller Sweep: f t = A e t / 1
23 23 linearer Sweep Sweeps Farina (2000) System: leicht nichtlinear x Konstanter Abstand zu den Harmonischen! Frequency Time
24 24 Time-Delay-Spectrometry Signal: Linearer Sweep x t =cos t x y Vanderkooy (1986) y R Antwort: y (t )= H (ω) cos [ωt+φ (ω)] y (t )= H (ω ) {cos (ωt)cos [ φ (ω ) ] sin (ω t )sin [ φ (ω ) ]} Demodulation + Tiefpassfilter: y I y R (t )= y (t )cos (ωt ) y I (t )= y (t ) [ sin (ωt )] y R (t )= H (ω ) { 1 2 cos [φ (ω ) ] [1+cos (2ωt) ] 1 2 sin (2ωt)sin [φ (ω ) ]} y R (t)= 1 2 H (ω) cos [φ(ω)] y I (t )= 1 2 H (ω) sin [φ(ω)]
25 25 Time-Delay-Spectrometry Frequenz des Generators = Frequenz des Demodulators Lösung: Anregung verzögern Sonst: Vorteil: Artefakte nach LP-Filterung Automatische Trennung zwischen Lautsprecher und Raum x y Vanderkooy (1986) Verzerrungen Harmonische (nach Filterung weg) y R y I Raumimpulsantwort: Lange Messzeit Tiefe und hohe Frequenzen getrennt messen
26 26 Time-Delay-Spectrometry Artefakte bei tiefen Frequenzen 1-pass Lösung: TDS mit 2 Durchläufen (2-pass TDS) Vanderkooy (1986) 2-pass Vanderkooy (1986) Vanderkooy (1986)
27 27 Sweep: Randbedingungen: Lösungen: Exponentielle Sweeps x t =sin [ A e t / 1 ] [ A (e t / τ 1)] [ A (e t / τ 1)] =ω t 1 =ω t=0 t 2 t=t A= T 1 ln 2 / 1 = Abstand zur N-ten Harmonischen: T ln 2 / 1
28 28 Exponentielle Sweeps Y = X H H =Y X 1 X
29 29 Exponentielle Sweeps Y = X H H =Y X 1 X
30 30 Exponentielle Sweeps Y = X H H =Y X 1 X
31 31 Exponentielle Sweeps Y (ω)= X (ω) H (ω) H =Y X 1 x 10 4 X x 10 4 X Frequency 1 Frequency Time Time
32 32 Exponentielle Sweeps Impulsantwort: Time in ms mit: H (ω)=y (ω) X 1 (ω) X 1 (ω)= F {x( t)} X (ω) 2 Amplitude in db τ 5 = τ K τ 2 L 2 L 1-80 oder: k X 1 (ω)=f {g (t) x( t)} g (t): Abfall von 6 db/oct/s
33 33 Exponentielle Sweeps Abstand zur N-ten Harmonischen: Δ τ i = T ln(i) ln (ω 2 /ω 1 ) i=1,2, Time in ms 0-10 ΔƬ=konst Amplitude in db τ 5 = τ K τ 2 ΔƬ=konst L 2 L 1-80 exponentieller Sweep Farina (2000) k
34 34 Impulsantwort: Gleichzeitige Messung von IR und Klirrfaktor (THD) Amplitudenspektrum einzelner IR-Teile: Farina (2000) THD-Messung: (1kHz)
35 35 Exponentielle Sweeps SNR: Frequenzabhängig Durchschnittlich um 1.5 db niedriger als MLS gleicher Länge Probleme: Transiente Störungen Zeitvariante Systeme Bandbegrenzte Impulsantwort
36 36 algorithmen in aku stik und compute rmusik Vergleich Direkte Impulsantwortmessung (PIE) MLS, IRS, Golay Codes: Höchstmögliche SNR Empfindlich gegenüber nichtlinearer Verzerrungen Sweeps: Linear: TDS (Verzögerung, Frequenzbereich, Messdauer) Exponentiell: Hohe SNR möglich Robust gegenüber nichtlinearer Verzerrungen Empfindlichkeit: transiente Störungen, Zeitvarianz Bandbegrenzt: schlechte zeitliche Auflösung
37 37 Weiterführende Literatur Vanderkooy, J. (1986). Another Approach to Time-Delay- Spectrometry, J. Audio Eng. Soc., 34(7/8): Zhou, B., Green, D.M. (1992). Characterization of external ear impulse responses using Golay codes, J. Acoust. Soc. Am. 92(2 Pt 1): Zahorik, P. (2000). Limitations in using Golay codes for head-related transfer function measurement, J. Acoust. Soc. Am. 107(3): Dunn, C., Hawksford, M.O. (1993). Distortion Immunity of MLS- Derived Impulse Response Measurements, J. Audio Eng. Soc., 41(5): Borish, J., Angell, J.B. (1983). An Efficient Algorithm for Measuring the Impulse Response Using Pseudorandom Noise, J. Audio Eng. Soc. 31(7): Terras, A. (1999). Fourier Analysis on Finite Groups and Applications, Cambridge U. Press, Cambridge, U.K.
38 38 Weiterführende Literatur Farina, A. (2000). Simultaneous Measurement of Impulse Response and Distortion with a Swept-Sine Technique, Presented at the 108 th Convention, 2000 February 19-22, Paris, France Stan, G-B., Embrechts, J-J., Archambeau, D. (2002). Comparison of Different Impulse Response Measurement Techniques, J. Audio Eng. Soc., 50(4) Müller, S., Massarani, P. (2001). Transfer function measurement with sweeps, J. Audio Eng. Soc. 49(6): Majdak, P., Balazs, P., Laback, B. (2007). Multiple Exponential Sweep Method for Fast Measurement of Head-Related Transfer Functions, J. Audio Eng. Soc. 55(7/8):
Allgemein. Erfassung systembeschreibender Parameter Hohe Genauigkeit der Messung (u.a. SNR) kurze Meßzeit
1 Allgemein Device Under Test (DUT): elektroakustische Anlagen Abhör- oder Darbietungssräume Ziele: Erfassung systembeschreibender Parameter Hohe Genauigkeit der Messung (u.a. SNR) kurze Meßzeit Hier:
MehrInhalt. Nichtlineare Systeme Voltera Reihenexpansion Statische quasi-nichtlineare Systeme Dynamikprozessoren
1 Inhalt Nichtlineare Systeme Voltera Reihenexpansion Statische quasi-nichtlineare Systeme Dynamikprozessoren Kontrollparameter Anwendungen Frequenzabhängige nichtlineare Systeme Signalverfremdung Messparameter
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
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
MehrDigitale Verarbeitung analoger Signale
Digitale Verarbeitung analoger Signale Digital Signal Analysis von Samuel D. Stearns und Don R. Hush 7., durchgesehene Auflage mit 317 Bildern, 16 Tabellen, 373 Übungen mit ausgewählten Lösungen sowie
MehrInhalt. Nichtlineare Systeme Voltera Reihenexpansion Statische quasi-nichtlineare Systeme Dynamikprozessoren
1 Inhalt Nichtlineare Systeme Voltera Reihenexpansion Statische quasi-nichtlineare Systeme Dynamikprozessoren Kontrollparameter Anwendungen Frequenzabhängige nichtlineare Systeme Signalverfremdung Messparameter
MehrGrundlagen der Signalverarbeitung
Grundlagen der Signalverarbeitung Zeitdiskrete Signale Wintersemester 6/7 Kontinuierliche und diskrete Signale wertkontinuierlich wertdiskret Signal Signal Signal Signal zeitdiskret zeitkontinuierlich
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
MehrAbtastung. Normalisierte Kreisfrequenz = DSP_9-Abtasttheorem 2
Abtasttheorem Abtastung xn [ ] = xnt ( ) = Acos( ωnt+ ϕ) = Acos( ωˆ n+ ϕ) s s Normalisierte Kreisfrequenz ωˆ = ωt s DSP_9-Abtasttheorem 2 Normalisierte Kreisfrequenz ω hat die Einheit rad/sec, ω ˆ = ωt
MehrLösungen. Lösungen Teil I. Lösungen zum Kapitel 3. u(t) 2mV. t/s. u(t) 2mV 1mV. t/ms. u(t) t/ms -2V. x(t) 1. a) u(t) = 2mV3 (t 2ms)
Lösungen Lösungen eil I Lösungen zum Kapitel 3. a ut = mv3 t ms ut mv t/ms b ut = mv3t mv3 t ms mv3 t ms mv mv ut t/ms p c ut = V3 t ms sin ms t V ut -V 3 4 5 6 t/ms d xt = 4 s r t s 4 s r t s 4 s r t
MehrMultimediale Werkzeuge 1, Audio-Berabeitung. normierte Frequenz (normiert auf die halbe Abtastrate, maximale Frequenz ist pi oder 1
Multimediale Werkzeuge 1, Audio-Berabeitung normierte Frequenz (normiert auf die halbe Abtastrate, maximale Frequenz ist pi oder 1 Beachte: Teilbänder werden nach den Unter-Abtasten "aufgeblasen" (siehe
Mehrx[n-1] x[n] x[n+1] y[n-1] y[n+1]
Systeme System Funtion f, die ein Eingangssignal x in ein Ausgangssignal y überführt. zeitdisretes System Ein- und Ausgangssignal sind nur für disrete Zeitpunte definiert y[n] = f (.., x[n-1], x[n], x[n+1],
MehrAllgemein. Zeitdehnung Tonhöhenänderung Kurzzeit-Fourier-Transformation
1 Allgemein Zeitdehnung Tonhöhenänderung Kurzzeit-Fourier-Transformation Phasenvocoder Filterbanksummation Blockfiltertechnik Zeit-Frequenz-Skalierung Effekte Nov 13, 2015 2 Veränderung der Abspielgeschwindigkeit
MehrVerzerrungen. Purple Haze. Roland Küng, 2012
Verzerrungen Purple Haze Roland Küng, 2012 1 Motivation Was passiert wenn. Netzwerke nur Phase im Spektrum verzerren? Quelle: http://falstad.com/fourier/ Beispiele: Kabel Laufzeiten, Allpässe 2 Motivation
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.
MehrDatenaquisition. Verstärker Filter. Sensor ADC. Objekt. Rechner
Datenaquisition Sensor Verstärker Filter ADC Objekt Rechner Datenaquisition Verstärker: - linearer Arbeitsbereich - linearer Frequenzgang - Vorkehrungen gegen Übersteuerung (trends, shot noise) - Verstärkerrauschen
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
MehrAudio-Bearbeitung. Diese Freq. Anteile «verschwinden» nach dem unterabtasten Filter muß schmal genug sein! Nach Unterabtastung
Audio Signal Audio-Bearbeitung Ampl Vor Unterabtastung Teilband Grenzen Normierte Frequenz (normierte Abtastrate, maximale Frequenz ist pi oder 1) Teilbänder Diese Freq. Anteile «verschwinden» nach dem
MehrBiosignalverarbeitung
Peter Husar Biosignalverarbeitung Springer Inhaltsverzeichnis 1 Entstehung bioelektrischer Signale 9 1.1 Das Neuron 9 1.2 Elektrische Erregungsleitung und Projektion 15 2 Verstärkung und analoge Filterung
MehrADC und DAC Analyse mit high end Audio Analyzer von Audio Precision
ADC und DAC Analyse mit high end Audio Analyzer von Audio Precision Anforderungen des Standards AES17 an die Messtechnik und Auswertetools Tameq Schweiz GmbH Peter Wilhelm Agenda Analyse von Audio Analog-Digital
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
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:
Mehr3. Fourieranalyse und Amplitudenspektren
3.1 Fourieranalyse 3.1.1 Einleitung Laut dem französischen Mathematiker Fourier (1768-1830) kann jedes periodische Signal in eine Summe von sinusförmigen Signalen mit unterschiedlichen Amplituden, Frequenzen
Mehr,Faltung. Heavisidefunktion σ (t), Diracimpuls δ (t) Anwendungen. 1) Rechteckimpuls. 2) Sprungfunktionen. 3) Schaltvorgänge
Heavisidefunktion σ (t), Diracimpuls δ (t),faltung Definition Heavisidefunktion, t > 0 σ ( t) = 0, t < 0 Anwendungen ) Rechteckimpuls, t < T r( t) = = σ ( t + T ) σ ( t T ) 0, t > T 2) Sprungfunktionen,
MehrGrundlagen der Signalverarbeitung
Grundlagen der Signalverarbeitung Digitale und analoge Filter Wintersemester 6/7 Wiederholung Übertragung eines sinusförmigen Signals u t = U sin(ω t) y t = Y sin ω t + φ ω G(ω) Amplitude: Y = G ω U Phase:
MehrAuswertung dynamischer Druckdaten von Experimenten an der HF- Brennkammer mit der Hilbert-Huangund der Fourier-Transformation
Auswertung dynamischer Druckdaten von Experimenten an der HF- Brennkammer mit der Hilbert-Huangund der Fourier-Transformation C. Pegg, M. Oschwald DLR C. Pegg, M. Oschwald > DIV3 > 11. Oktober 27 > 1 HF-Brennkammer
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
MehrSYS_A - ANALYSIEREN. Statistik. NTB Druckdatum: SYS A. Histogramm (Praxis) Gaußsche Normalverteilung (Theorie) Gebrauch: bei n > 100
SYS_A - ANALYSIEREN Statistik Gaußsche Normalverteilung (Theorie) Gebrauch: bei n > 100 Histogramm (Praxis) Realisierung Lage Streuung Zufallsvariable Dichte der Normalverteilung Verteilungsfunktion Fläche
MehrParameter Messverfahren Konzepte
Parameter Messverfahren Konzepte Prof. Dr. Stefan Weinzierl Fachgebiet Audiokommunikation TU Berlin Gefell-Workshop 2012 Greiz, 27.03.2012 1. Raumakustik und Klangeigenschaften 2. Messtechnische Parameter
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.
MehrSystemtheorie Teil A. - Zeitkontinuierliche Signale und Systeme - Musterlösungen. Manfred Strohrmann Urban Brunner
Systemtheorie Teil A - Zeitkontinuierliche Signale und Systeme - Musterlösungen Manfred Strohrmann Urban Brunner Inhalt 6 Musterlösungen Spektrum von Signalen 6. Approximation eines periodischen Signals
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
MehrDigitale Signalverarbeitung Übungsaufgaben
Kapitel : Einleitung -: Analoger Tiefpass Dieser Tiefpass mit den Werten R = Ω, L =.5mH R L und C =.5µF ist wie folgt zu analysieren: U e C R. Es springe U e bei t =.5ms auf 5V und bei t = ms wieder auf.
MehrSignale und Systeme. Christoph Becker
Signale und Systeme Christoph Becker 18102012 Signale Definition 1 Ein Signal ist eine Folge von Zahlen {xn)} welche die Bedingung xn) < erfüllt Definition 2 Der Frequenzgang / frequency domain representation
MehrDiskrete Fourier-Transformation und FFT. 1. Die diskrete Fourier-Transformation (DFT) 2. Die Fast Fourier Transform (FFT)
Diskrete Fourier-Transformation und FFT 2. Die Fast Fourier Transform (FFT) 3. Anwendungsbeispiele der DFT 1 Wiederholung: Fourier-Transformation und Fourier-Reihe Fourier-Transformation kontinuierlicher
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
MehrKapitel 8: Zeitdiskrete Zufallssignale
ZHAW, DSV2, 2007, Rumc, 8-1 Kapitel 8: Zeitdiskrete Zufallssignale Inhaltsverzeichnis 1. STOCHASTISCHER PROZESS...1 2. STATISTISCHE EIGENSCHAFTEN EINER ZUFALLSVARIABLEN...2 3. STATISTISCHE EIGENSCHAFTEN
MehrDigitale Signalverarbeitungssysteme II: Praktikum 2
Digitale Signalverarbeitungssysteme II: Praktikum 2 Emil Matus 10. Dezember 2010 Technische Universität Dresden Mobile Communications Systems Chair Tel.: +49 351 463 41021 Fax : +49 351 463 41099 Mail:
MehrProf. Dr. Stefan Weinzierl Aufgabe: Amplitudenstatistik analoger Audiosignale. Abb. 1: WDF eines Audiosignals. p X.
Audiotechnik II 1.Übungstermin Prof. Dr. Stefan Weinzierl 21.1.21 1. Aufgabe: Amplitudenstatistik analoger Audiosignale a. Ein Signal x(t) hat die durch Abb. 1 gegebene Wahrscheinlichkeitsdichtefunktion
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
MehrIKA IKA. Zeitsignale. Analoge, zeitdiskrete, und digitale Signale
Zeitsignale Je nach Zeitbasis und Wertemenge des Signals unterscheidet man zeit- und wertkontinuierliche Signale (analoge Signale); zeitdiskrete, aber wertkontinuierliche Signale (zeitdiskrete Signale);
Mehr4. Dämpfungsmodelle. 4.1 Grundlagen 4.2 Viskose Dämpfung 4.3 Modale Dämpfung 4.4 Rayleigh-Dämpfung 4.5 Strukturdämpfung. Elastodynamik 3.
4. Dämpfungsmodelle 4.1 Grundlagen 4.2 Viskose Dämpfung 4.3 Modale Dämpfung 4.4 Rayleigh-Dämpfung 4.5 Strukturdämpfung 3.4-1 4.1 Grundlagen Dämpfung ist ein Prozess, bei dem Energie dissipiert wird. Dabei
Mehr7. Kenndaten eines Audioverstärkers
7.1 Allgemeines Im Kapitel über die Audiotechnik wurde bereits diskutiert, dass ein Vollverstärker meist zweistufig aufgebaut ist. Die erste Stufe, auch Vorstufe genannt, dient vor allem dazu die Spannung
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
MehrAkustische Messverfahren
Akustische Messverfahren Prof.Dr.-Ing. Matthias Blau Institut für Hörtechnik und Audiologie FH Oldenburg/Ostfriesland/Wilhelmshaven XXI. Winterschule der Deutschen Gesellschaft für Medizinische Physik
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.
MehrMehrkanalige Messung von Impulsantworten
Projektarbeit durchgeführt von Luka Mikula Institut für Breitbandkommunikation der Technischen Universität Graz Leiter: Univ.-Prof. Dipl.-Ing. Dr. Gernot Kubin Begutachter / Betreuer: Ao. Univ.-Prof. Dipl.-Ing.
Mehr4. Transiente Analyse
4. Transiente Analyse Bei der transienten Analyse wird der zeitliche Verlauf der Antwort auf eine zeitlich veränderliche Last bestimmt. Die zu lösende Bewegungsgleichung lautet: [ M ] [ü ]+[ D ] [ u ]+
Mehr6Si 6. Signal-und Bildfilterung sowie. H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I 1
6Si 6. Signal-und Bildfilterung sowie Korrelation H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I Bildfilterung und Korrelation Die lineare Bildfilterung wird zur Rauschunterdrückung
MehrZusammenfassung der 1. Vorlesung
Zusammenfassung der. Vorlesung Einordnung und Motivation Grundlegende Definitionen Kontinuierliches Signal Quantisiertes Signal Zeitdiskretes Signal Digitales Signal Auflösung der A/D- Umsetzer der MicroAutoBox
MehrBroadband EMI Noise Measurement in Time Domain
Broadband EMI Noise Measurement in Time Domain Florian Krug, Peter Russer Institute for High-Frequency Engineering Technische Universität München fkrug@ieee.org 1 Inhalt Einführung Time-Domain Electromagnetic
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)
MehrHarmonische Schwingungen und komplexe Zeiger
Harmonische Schwingungen und komplexe Zeiger Eine harmonische Schwingung wird durch eine allgemeine sinusartige Funktion beschrieben (Grafik siehe unten: y = y (t = sin (ω t + ϕ Dabei ist die mplitude,
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
Mehr1. Kraft- und Weganregung 2. Deterministische Lasten. 3. Stochastische Lasten
Dynamische Lasten 1. Kraft- und Weganregung 2. Deterministische Lasten 2.1 Periodische Lasten 2.2 Allgemeine zeitabhängige Lasten 2.3 Harmonische Lasten 3. Stochastische Lasten 3.1 Instationäre stochastische
MehrSignale, Transformationen
Signale, Transformationen Signal: Funktion s(t), t reell (meist t die Zeit, s eine Messgröße) bzw Zahlenfolge s k = s[k], k ganzzahlig s reell oder komplex s[k] aus s(t): Abtastung mit t = kt s, s[k] =
MehrZusammenfassung der 1. Vorlesung
Zusammenfassung der 1. Vorlesung Einordnung und Motivation Grundlegende Definitionen Kontinuierliches Signal Zeitdiskretes Signal Quantisiertes Signal Digitales Signal Kontinuierliches System Abtastsystem
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
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
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
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
MehrHerzlich Willkommen. zum Fachvortrag. von Harald Bonsel. ACOUSTICON Hörsysteme GmbH Ihr Spezialist für audiologische Messtechnik
Herzlich Willkommen zum Fachvortrag Mess-Signale und Mess-Strategien von Harald Bonsel ACOUSTICON Hörsysteme GmbH Ihr Spezialist für audiologische Messtechnik Harald Bonsel Fachvortrag: Messsignale und
MehrVortrag der Diplomarbeit
Vortrag der Diplomarbeit Entwicklung eines Continuous-Time Delta- Sigma Modulators für den Einsatz in der Positronen-Emissions-Tomographie von 07.09.2009 Überblick und Gliedergung: Teil 1: CT ΔΣ Modulator
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
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:
MehrComputergrafik 2: Übung 6. Korrelation im Orts- und Frequenzraum, Filtern im Frequenzraum, Wiener Filter
Computergrafik : Übung 6 Korrelation im Orts- und Frequenzraum, Filtern im Frequenzraum, Wiener Filter Quiz Warum Filtern im Frequenzraum? Ideales Tiefpassfilter? Parameter? Eigenschaften? Butterworth-Filter?
MehrEchtzeitberechnung von Faltungshall für virtuelle Raumakustik. Stefan Heidtmann
Echtzeitberechnung von Faltungshall für virtuelle Raumakustik Stefan Heidtmann Inhaltsangabe Raumakustik Faltungshall Faltungsalgorithmen Konferenzen 22.01.2016 Stefan Heidtmann 2 Raumakustik Auswirkung
MehrComputergrafik 2: Filtern im Frequenzraum
Computergrafik 2: Filtern im Frequenzraum 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
MehrSignaltheorie. Alfred Mertins
Alfred Mertins Signaltheorie Grundlagen der Signalbeschreibung, Filterbänke, Wavelets, Zeit-Frequenz-Analyse, Parameter- und Signalschätzung 2., überarbeitete und erweiterte Auflage Mit 158 Abbildungen
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)
MehrStörgeräuschreduktion bei stimmhaften Sprachsignalen
Störgeräuschreduktion bei stimmhaften Sprachsignalen Einkanaliges Mikrofon Nutzsignal Störgeräusche Allgemein: einkanalige Störgeräuschreduktion Folie 1 Gliederung Störgeräuschreduktion: Arten und Einsatzgebiete
MehrAutomatische Lautsprecherentzerrung mit Kautz-Filtern
Seminararbeit aus Algorithmen in Akustik und Computermusik 2, SE Automatische Lautsprecherentzerrung mit Kautz-Filtern Sebastian Braun (0673052) Marco Schretter (0230932) Betreuung: Franz Zotter Graz,
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...
MehrDynamische Lasten. 1. Kraft- und Weganregung 2. Deterministische Lasten. 3. Stochastische Lasten
Dynamische Lasten 1. Kraft- und Weganregung 2. Deterministische Lasten 2.1 Allgemeine zeitabhängige Lasten 2.2 Periodische Lasten 2.3 Harmonische Lasten 3. Stochastische Lasten 3.1 Instationäre stochastische
Mehr(Fast) Fourier Transformation und ihre Anwendungen
(Fast) Fourier Transformation und ihre Anwendungen Johannes Lülff Universität Münster 14.01.2009 Definition Fouriertransformation F (ω) = F [f(t)] (ω) := 1 2π dt f(t)e iωt Fouriersynthese f(t) = F 1 [F
MehrMultimedia Systeme. Dr. The Anh Vuong. http: Multimedia Systeme. Dr. The Anh Vuong
email: av@dr-vuong.de http: www.dr-vuong.de 2001-2006 by, Seite 1 Multimedia-Application Applications Software Networks Authoringssofware, Contentmangement, Imagesprocessing, Viewer, Browser... Network-Architecture,
Mehr5. Fourier-Transformation
5. Fourier-Transformation 5.1 Definition 5.2 Eigenschaften 5.3 Transformation reeller Funktionen 5.4 Frequenzbereich und Zeitbereich 2.5-1 5.1 Definition Definition: Die Fourier-Transformation einer Funktion
MehrVersuch 3: Amplituden-Frequenzgang
Versuch 3: Amplituden-Frequenzgang Versuchsbeschreibung: Das Digitale Audio Analyse System DAAS 4 erlaubt es, mit nur zwei Messungen den Frequenzgang von Lautsprechern, Verstärkern oder Frequenzweichen
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:
MehrDigital Signal Processing Audio Measurements Custom Designed Tools. Praktische MLS Messung mit typischen Fehlerbildern
Praktische MLS Messung mit typischen Fehlerbildern In diesem praktischen Beispiel möchten wir Ihnen zeigen, wie Sie mit MLS den Frequenzgang einer Soundkarte messen können. MLS ist ein sehr leistungsfähiges
MehrFachprüfung. Signal- und Systemtheorie
Fachprüfung Signal- und Systemtheorie 15. September 2010 Prüfer: Prof. Dr. P. Pogatzki Bearbeitungszeit: 2 Stunden Hilfsmittel: Taschenrechner, Formelblatt (2 DIN A4-Seiten) Name: Vorname: Matr.-Nr.: Unterschrift:
MehrQU Darstellung durch 1-Partikel-System mit zwei Eigenzuständen 0 und 1. (z.b. Spin, Polarisierung, Grund- und erregter Zustand eines
1 Klassische vs. Quantencomputer 1.1 Bits und Qubits KL Darstellung durch gemeinsamen Zustand vieler Elektronen. Diskretisierung durch Schwellwert bezüglich einer Observablen. (z.b. Spannung am Kondensator).
MehrSpektrumanalyse. Inhalt. I. Einleitung 2. II. Hauptteil 2-8
Fachhochschule Aachen Campus Aachen Hochfrequenztechnik Hauptstudium Wintersemester 2007/2008 Dozent: Prof. Dr. Heuermann Spektrumanalyse Erstellt von: Name: Mario Schnetger Inhalt I. Einleitung 2 II.
MehrErarbeiten der Diskreten Fourier Transformation (GFT) unter Verwendung von Scilab zur Veranschaulichung
Erarbeiten der Diskreten Fourier Transormation (GFT) unter Verwendung von Scilab zur Veranschaulichung 1. Das Prinzip verstehen 2. DFT beschreiben 3. DFT mit Scilab testen 4. Umsetzung der DFT ür einen
MehrKompressionsverfahren
Kompressionsverfahren Quelle: Steinmetz, Ralf: Multimedia-Technologie: Einführung und Grundlagen, Springer, Verlag Verlustlose Kompressionsalgorithmen RLC Huffman Adaptive Huffman Kodierung Arithmetische
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
MehrSpektralanalyse. Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann!
Spektralanalyse Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann! Mit der Spektralanalyse können wir Antworten auf folgende Fragen bekommen:
MehrElektronik II, Grosse Übung 2 Simulationsarten
G. Kemnitz Institut für Informatik, Technische Universität Clausthal 3. Mai 2013 1/23 Elektronik II, Grosse Übung 2 Simulationsarten G. Kemnitz Institut für Informatik, Technische Universität Clausthal
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
MehrSysteme II 8. Die physikalische Schicht (Teil 4)
Systeme II 8. Die physikalische Schicht (Teil 4) Thomas Janson, Kristof Van Laerhoven*, Christian Ortolf Folien: Christian Schindelhauer Technische Fakultät : Rechnernetze und Telematik, *: Eingebettete
MehrRTU560. Multimeter 560CVD03. Anzeige der Leistungsmessung. Merkmale. Anwendung. Datenblatt Multimeter 560CVD03
Typ LO HI 1A 5A RTU560 Multimeter 560CVD03 Ohne LCD-: Es sind mehrere Versionen erhältlich: Mit LCD- Abb. 1 Versionen R0031 3U3I x x x R0035 3U3I x x x R0051 3U3I x x x R0055 3U3I x x x R0021 3U3I x x
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
MehrMessen elektrischer Leistung Marco Scheck Product Manager Yokogawa
Messen elektrischer Leistung Marco Scheck Product Manager Yokogawa Leistung in seinen Grundzügen 2 Jeder Elektrische Stromkreis welcher an Wechselspannung liegt: Wirkleistung P (Vom Motor wirklich umgesetzte
MehrGrundlagen der Statistischen Nachrichtentheorie
- Prof. Dr.-Ing. Thomas Sikora - Name:............................ Vorname:......................... Matr.Nr:........................... Ich bin mit der Veröffentlichung des Klausurergebnisses unter meiner
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:
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
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...
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 =
MehrKlirrfaktor Einstellung des NF Doppeltongenerators
Klirrfaktor Einstellung des NF Doppeltongenerators Die im Bericht "NF Doppeltongenerator für IM 3 Messungen an SSB Sendern" (1) eingesetzten NF Generatoren müssen beide auf sehr geringen Klirrfaktor (Oberwellengehalt)
MehrFiltertypen Filter 1. Ordnung Filter 2. Ordnung Weitere Filter Idee für unser Projekt. Filter. 3. November Mateusz Grzeszkowski
typen. Ordnung 2. Ordnung Weitere Idee für unser Projekt 3. November 2009 Mateusz Grzeszkowski / 24 Mateusz Grzeszkowski 3. November 2009 typen. Ordnung 2. Ordnung Weitere Idee für unser Projekt Motivation
Mehr