Abtastung. Normalisierte Kreisfrequenz = DSP_9-Abtasttheorem 2
|
|
- Hinrich Schenck
- vor 5 Jahren
- Abrufe
Transkript
1 Abtasttheorem
2 Abtastung xn [ ] = xnt ( ) = Acos( ωnt+ ϕ) = Acos( ωˆ n+ ϕ) s s Normalisierte Kreisfrequenz ωˆ = ωt s DSP_9-Abtasttheorem 2
3 Normalisierte Kreisfrequenz ω hat die Einheit rad/sec, ω ˆ = ωt hat die Einheit rad, d.h. ω ˆ ist eine dimensionslose Größe! Nachdem x(t) abgetastet wurde, geht die Zeitachse verloren. Das zeitdiskrete Signal ist lediglich eine Folge von Zahlen, diese Folge hat keine Information über die Abtastperiode. Zur Rekonstruktion in den Zeitbereich muß die Abtastfrequenz bekannt sein! In anderen Worten: Eine unendliche Anzahl von kontinuierlichen Sinussignalen kann in die identische diskrete Sinusdarstellung transformiert werden. DSP_9-Abtasttheorem 3
4 Amplitude Amplitude Amplitude Anzahl der Abtastpunkte Zeit t Index Index DSP_9-Abtasttheorem 4
5 Darstellung der Abtastung Signals f(t) wird einer Folge von Einheitsimpulsen δ T (t) im Abstand von T Sekunden (dem Abtastabstand) multipliziert. fs() t = f() t δt() t = f( kt)( δ t kt) Die Impulsfolge ist eine periodische Funktion und kann daher in eine Fourierreihe zerlegt werden. k 1 δt() t = [1+ 2cosωst + 2cos2ωst + 2cos3 ωst +... T DSP_9-Abtasttheorem cos kω t] ( k ) s
6 1 Ts /2 jkωst Dk = δ () Ts /2 T t e dt = T s 1 T 1 jkω 2 st π δt( t) = e ωs = T T s k = 1 δt( t) = [1 + 2cosωst+ 2cos 2ωst+ 2cos3 ωst kcos kωst] T s (reelle Darstellung!) ( k ) s s 1 x 1/T s.5 komplexe Darstellung! DSP_9-Abtasttheorem 6
7 Abgetastetes Signal f = δ = 1 S() t ft () T() t [ ft () + 2 ft ()cosωst+ 2 ft ()cos2 ωst+...] T cos( ωt)cos( ω = 1 st) cos( ωs + ω) t + cos( ωs ω) t 2 [ ] ( ω ± ω ) Aus jeder Spektralkomponente entsteht! s DSP_9-Abtasttheorem 7
8 1 fs() t = f() t δt() t = [ f()cos t t+ 2 f()cos t ωst+ 2 f()cos2 t ωst+...] T z.b. : f () t = cos ω t 1 cos( ωt) cos( ωst) = cos( s ω) + cos( ωs + ω) 2 [ ω t t] ω ω DSP_9-Abtasttheorem 8
9 Spektrum des abgetasteten Signals f() t F( ω) 1 f()cos t ωst [ F( ω ωs) + F( ω+ ωs)] 2 F( ω); F( ω 2 ω ), F( ω+ 2 ω ); F( ω 3 ω ), F( ω+ 3 ω );... 1 Fs( ω) = F( ω nωs) T s n= s s s s Das Spektrum des abgetasteten Signals setzt sich periodisch im Abstand DSP_9-Abtasttheorem ω 9 s fort.
10 Das Spektrum des Orginalsignals f(t) ist im Spektrum des abgetasteten Signals f s (t) enthalten und kann aus F s (ω) durch "Herausschneiden" mit einem idealen Tiefpassfilter fehlerfrei wieder hergestellt werden. DSP_9-Abtasttheorem 1
11 Abstand der Spektren hängt von der Abtastfrequenz ab. DSP_9-Abtasttheorem 11
12 Shannon Sampling Theorem Ein kontinuierliches Zeitsignal x(t) mit Frequenzen f max kann exakt von den Abtastwerten x[n] = x(nts) rekonstruiert werden, wenn die Abtastrate f s = 1/T s größer als 2 f max ist. DSP_9-Abtasttheorem 12
13 Spektrum der abgetasteten Sinusfunktion Abtastfrequenz = 9 Hz -1 Hz periodisch fortgesetzt 1 Hz periodisch fortgesetzt f = 1 Hz! Aliasing DSP_9-Abtasttheorem 13
14 Abtastfrequenz = 11 Hz 1 Hz periodisch fortgesetzt -1 Hz periodisch fortgesetzt f = 1 Hz! Folding DSP_9-Abtasttheorem 14
15 Abtastfrequenz = 25 Hz 1 Hz periodisch fortgesetzt -1 Hz periodisch fortgesetzt f = 1 Hz Selektivität des Filters DSP_9-Abtasttheorem 15
16 Abtastfrequenz = 35 Hz 1 Hz periodisch fortgesetzt -1 Hz Selektivität des Filters kann geringer sein. DSP_9-Abtasttheorem 16
17 Aliasing (1) xt ( ) = Acos(2 πft+ φ) liefert das abgetastete Signal xn [ ] = xnt ( ) = Acos(2 πft+ φ) s Wir betrachten eine zweite cos-funktion mit der selben Amplitude und Phase, aber mit der Frequenz f + lf l s ist eine Ganzzahl und f = 1/ T yt () = Acos(2 π( f + lf) t+ φ) bzw. yn [ ] = ynt ( ) = Acos(2 π( f + lf) nt+ φ) s s s s = Acos(2πf T + 2 πlf T + φ) = Acos(2πf T + 2 πl+ φ) = Acos(2π f T + φ ) = xn [ ] s s s s s s DSP_9-Abtasttheorem 17 s
18 Aliasing (2) y[ n] hat dieselben Abtastwerte wie x[ n] und ist daher von xn [ ] nicht unterscheidbar! l ist eine beliebige ganze Zahl, es gibt daher eine unendliche Zahl von Kosinusfunktionen, die alle dieselbe Folge haben wie x[ n]. Die Frequenzen f + lf nennt man Aliasfrequenzen von f für die Abtastfrequenz f. s o s o DSP_9-Abtasttheorem 18
19 Folding Die zeite Ursache für Aliassignale kommt von negativen Frequenzkomponenten f + lf : wt () = Acos(2 π( f + lf) t φ) bzw. wn [ ] = wnt ( ) = Acos(2 π( f + lf) nt φ) s s s s = Acos( 2πf T + 2 πlf T + φ) s s s s = Acos( 2πf T + 2 πl φ) = Acos(2 πf T + φ) = x[ n] s s DSP_9-Abtasttheorem 19
20 Rekonstruktion/Interpolation Umsetzung diskret => kontinuierlich yt () = ynpt [ ] ( nts ) n= pt ( ) charakteristische Impulsform des Konverters. DSP_9-Abtasttheorem 2
21 Interpolation im Zeitbereich konstant linear interpoliert DSP_9-Abtasttheorem 21
22 1 x 4 x DSP_9-Abtasttheorem 22
23 Interpolation im Frequenzbereich DSP_9-Abtasttheorem 23
24 Ideale Filterung Um das Orginalsignal aus dem periodischen Spektrum zu rekonstruieren, bedarf es eines Filters mit exakt rechteckigem Frequenzgang (ideales Filter) Das Eingangssignal des idealen Filters ist die Impulsfolge des abgetasteten Signals. Das Ausgangssignal ist die Überlagerung der zeitversetzten, gewichteten Impulsantworten. DSP_9-Abtasttheorem 24
25 h(t) Impulsantwort ideales Filter 1 ω < 2πB H ( ω) = ω 2πB 1 2π B jωt h() t = e dω 2 BT sinc 2 Bt 2π = 2π B T ( π ) H(ω) -2 πb ω 2πB 1-4/2B -3/2B -2/2B -1/2B Zeit t 1/2B 2/2B 3/2B 4/2B DSP_9-Abtasttheorem 25
26 Das Ausgangssignal ist die Überlagerung der zeitversetzten, gewichteten Impulsantworten. f() t f( kt) h( t kt ) f( kt)sinc 2π Bt kπ = = k k ( ) DSP_9-Abtasttheorem 26
27 Während die Rekonstruktion des Signal durch Rechteck- und Dreiecksimpulse nur eine ungenaue Wiedergewinnung des Signal ermöglichte, stellt die Rekonstruktion durch überlagerte und gewichtete sinc-pulse das Signal fehlerfrei her. Wie wir sehen, ist die Impulsantwort eines idealen Filters nicht-kausal, d.h. das Filter antwortet bereits vor dem Anlegen des Impulses. Nichtkausale Filter sind nicht realisierbar! DSP_9-Abtasttheorem 27
28 Interpolationsfilter (1) Ideale (analoge) Tiefpass-Filter sind nicht-kausal und daher nicht realisierbar. Eine praktische Lösung dieses Problems wird dadurch gefunden, dass das Signal mit Abtast-frequenzen größer als der Nyquist-Frequenz abgetastet wird. Damit entstehen Lücken im periodisch fortgesetzten Spektrum und die Anforderungen an die Flankensteilheit des Filters werden geringer. DSP_9-Abtasttheorem 28
29 Interpolationsfilter (2) Man kann zwar steilflankige analoge Filter mit hoher Dämpfung im Sperrbereich bauen, es ist aber nicht möglich Filter zu realisieren, die die Signale im gesamten Sperrbereich vollständig unterdrücken. Man erreicht eine praktisch ausreichende Unterdrückung, aber nie die theoretische geforderte vollständige Ausblendung des Sperrbereichs. Jedes praktische Signal ist von endlicher Länge. Wie wir von der Fourier-Transformation wissen, hat ein Signal endlicher Länge eine unendlich breites Spektrum. DSP_9-Abtasttheorem 29
30 Kein Signal kann gleichzeitig zeitbegrenzt und bandbegrenzt sein! Ist das Signal zeitbegrenzt (hat es also eine endliche Dauer ), dann erstreckt sich das Spektrum von bis (ist also nicht bandbegrenzt). Ist das Signal bandbegrenzt, dann muss sich das Signal über eine unendliche Dauer im Zeitbereich erstrecken, ist also nicht zeitbegrenzt. DSP_9-Abtasttheorem 3
31 Überlappende Spektren DSP_9-Abtasttheorem 31
32 Antialiasing-Filter Um das Überlappen von Spektren zu vermeiden wird die Bandbreite von Signalen mit Antialiasing- Filtern begrenzt. DSP_9-Abtasttheorem 32
33 Digitalisierung Die Auflösung des Analog-/Digital- Wandler wird nach Qualitätskriterien ausgewählt. Für Sprachsignale reicht eine Auflösung von 8 bit aus, bei Musiksignalen auf einer Audio CD beträgt die Auflösung 16 bit. Je geringer die Auflösung des A/D- Wandlers ist, desto stärker weicht das digitale Signal vom analogen Signal ab. DSP_9-Abtasttheorem 33
34 Δ F(t) F(t) f(t) f(t) Quantisierungsfehler Zeit t Zeit t Zeit t Fehler: Δ = f(t) - F(t) Zeit t Zeit t 5 x 1-1 Fehler: Δ = f(t) - F(t) Zeit t ΔQuantisierungs- rauschen DSP_9-Abtasttheorem 34
35 Quantisierungsrauschen (1) Quantisierungsfehler Δ 1 2 LSB Bei gleichwahrscheinlichen Signalamplituden ist die mittlere Leistung des Fehlersignals (Rauschen) e e 1 Δ = s ds = Δ 12 Δ LSB = = ~.29LSB Δ /2 2 2 eff Δ/2 eff 8 bit: 1/9 12 bit: 1/ bit: 1/226. des Wertebereichs DSP_9-Abtasttheorem 35
36 Quantisierungsrauschen (2) [y,fs,nbits]=wavread('file.wav') sound(y,fs,6) % Abspielen mit 6 bit wavwrite(a,fs,nbits,'wavefile.wav') nbits = 8, 16, 32 o. 64 DSP_9-Abtasttheorem 36
37 Abtastung im Frequenzbereich Abtastung im Zeitbereich: bandbegrenzte Signale Abtastung im Frequenzbereich: zeitbegrenzte Signale DSP_9-Abtasttheorem 37
38 DSP_9-Abtasttheorem 38
39 Diskrete Fourier-Transformation (DFT) Für die Berechnung der DFT gehen wir von zeitbegrenzten Signalen f(t) der Länge τ aus (a). Zeitbegrenzte Signale haben ein Spektrum F(ω) das nicht bandbegrenzt ist (b). Aus dem zeitbegrenzten Signal gewinnen wir das diskrete Signal f s (t) durch Abtastung von f(t) im Abstand T=1/F s (c). Durch die Abtastung wird das Spektrum periodisch mit der Periodendauer F s =1/T, wir erhalten das Spektrum F s (ω) (d). Die Abtastung des Spektrum im Abstand F =1/T (f) führt zur periodischen Fortsetzung des abgetasteten Zeitsignals, mit der Periode T (e). DSP_9-Abtasttheorem 39
40 Diskrete Fourier-Transformation 1 n= 1 1 f[ n] = F[ k] e N N N k = Fk [ ] = f[ ne ] jkω jkω n n DFT IDFT o T 2 N DSP_9-Abtasttheorem 4
41 Zeitbereich Frequenzbereich FR: FT: DFT: + 1 ( t) [ k] [ k] ( t) T jkωt jkωt f = F e F = f e dt k = 1 jωt jωt f ( t) = F( ω) e dω F( ω) = f( t) e dt 2π 1 f n F k e F N N 1 N 1 jk ˆ ωn jk ˆ ω [ ] = [ ] [ ] = [ ] k = n= k T f n e n ˆ ω = ωt = 2π N DSP_9-Abtasttheorem 41
42 Spektrallinien der DFT Bei der DFT können die Spektrallinien nur im Raster der Abtastung im Frequenzbereich auftreten. T f 1 = = ; z.b.: = 1 Samples:, 1, 2,..., 9 Hz 1 s N T s f Es können keine Spektrallinien außerhalb des Rasters, z.b. 15 Hz auftreten. Der DFT-Algorithmus muss die Komponente 15 Hz aus anderen Spektralkomponenten zusammensetzen! DSP_9-Abtasttheorem 42
43 j ( ˆ ω n+ ϕ) xn e n N [ ] = =,1,2,..., 1 Die N-Punkt DFT von xn [ ] ist N-1 ( ˆ ω + ϕ ) ( 2 π / ) X[k]= e e... n= j n e j N kn ( 2 π / ˆ ω ) j k N N = = jϕ 1 e = e = j( 2 πk/ N ˆ ω ) 1 e ( ˆ ) j( 2 k/ N ˆ )( N 1 )/2 sin 2 k/ N N / 2 jϕ π ω π ω = e e sin ( 2 πk/ N ˆ ω ) / 2 X[k] besteht also aus Proben der Dirichlet schen Funktion. DSP_9-Abtasttheorem 43
44 1 Time-Domain (f = 3, T = 1, f s = 8, N = 8).5 x(t) t Frequency-Domain 4 3 X(f) f Bei der Abtastung von f = 3 liefert die Dirichlet sche Funktion nur bei dieser Frequenz einen Wert. Die Kosinusfunktion DSP_9-Abtasttheoremist periodisch fortgesetzt. 44
45 1 Time-Domain (f = 2.2, T = 1, f s = 8, N = 8).5 x(t) t Frequency-Domain 4 3 X(f) f Die Frequenz f = 2.2 liegt nicht im Raster und muss daher aus anderen Frequenzen zusammengesetzt werden! Die Dirichlet sche Funktion liefert mehrere Werte. Beachten Sie die periodische Fortsetzung der Kosinusfunktion. DSP_9-Abtasttheorem 45
46 In der vorigen Darstellung haben wir das Spektrum von ( n + ) j ˆ xn [ ] = e ω ϕ berechnet. Für ein reellwertiges Signal x[n] müssen wir aber das Spektrum von ( j( ˆ ω ) ( )) n+ ϕ j ˆ ω n+ ϕ xn [ ] = e + e berechnen, d.h. X [k] für addieren. ˆω DSP_9-Abtasttheorem 46
47 1 Time-Domain (f = 2.2, T = 1, f s = 8, N = 8).5 x(t) t Frequency-Domain 4 3 X(f) f DSP_9-Abtasttheorem 47
48 Es wird immer das Spektrum der periodischen Fortsetzung ermittelt! Die periodische Fortsetzung liefert aber nur dann eine Sinus-(Kosinus-)Funktion und damit eine einzelne Spektral- Linie, wenn die Periodendauer genau in das Abtastintervall passt, d.h. nur für Spektrallinien, die auf dem Frequenzraster liegen! DSP_9-Abtasttheorem 48
Signalprozessoren. Digital Signal Processors VO [2h] , LU 2 [2h]
Signalprozessoren Digital Signal Processors VO [2h] 182.082, LU 2 [2h] 182.084 http://ti.tuwien.ac.at/rts/teaching/courses/sigproz Herbert Grünbacher Institut für Technische Informatik (E182) Herbert.Gruenbacher@tuwien.ac.at
MehrGrundlagen der Signalverarbeitung
Grundlagen der Signalverarbeitung Zeitdiskrete Signale Wintersemester 6/7 Kontinuierliche und diskrete Signale wertkontinuierlich wertdiskret Signal Signal Signal Signal zeitdiskret zeitkontinuierlich
MehrDigitale Signalverarbeitung Bernd Edler
Digitale Signalverarbeitung Bernd Edler Wintersemester 2007/2008 Wesentliche Inhalte der Vorlesung Abtastung z-transformation Lineare zeitinvariante Systeme Diskrete Fouriertransformation Systeme bei stochastischer
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
MehrDigitale Signalverarbeitung Bernd Edler
Digitale Signalverarbeitung Bernd Edler Wintersemester 2008/2009 Wesentliche Inhalte der Vorlesung Abtastung z-transformation Lineare zeitinvariante Systeme Diskrete Fouriertransformation Systeme bei stochastischer
MehrDigitale Signalverarbeitung Bernd Edler
Digitale Signalverarbeitung Bernd Edler Wintersemester 2010/2011 Wesentliche Inhalte der Vorlesung Abtastung z-transformation Lineare zeitinvariante Systeme Diskrete Fouriertransformation Filterentwurf
MehrZusammenfassung der 1. Vorlesung
Zusammenfassung der 1. Vorlesung Einordnung und Motivation Grundlegende Definitionen Kontinuierliches Signal Zeitdiskretes Signal Quantisiertes Signal Digitales Signal Kontinuierliches System Abtastsystem
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
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:
MehrFouriertransformationen DSP 1
Fouriertransformationen DSP Fourierreihe periodisch kontinuierlich (t), diskret (ω) jk t jkt xt () Xke Xk xt () e dt T T k k " Anhalten",, T T Periodendauer DSP Fouriertransformation aperiodisch kontinuierlich
MehrSpektrum zeitdiskreter Signale
Spektrum zeitdiskreter Signale 1 Aufgabenstellung Mithilfe der Fouriertransformation können zeitkontinuierliche Signale in den Frequenzbereich transformiert werden, um die im Signal enthaltenen Frequenzanteile
MehrLineare zeitinvariante Systeme
Lineare zeitinvariante Systeme Signalflussgraphen Filter-Strukturen Fouriertransformation für zeitdiskrete Signale Diskrete Fouriertransformation (DFT) 1 Signalflussgraphen Nach z-transformation ist Verzögerung
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...
MehrÜbungen zu Transformationen. im Bachelor ET oder EW. Version 2.0 für das Wintersemester 2014/2015 Stand:
Fachhochschule Dortmund University of Applied Sciences and Arts Institut für Informationstechnik Software-Engineering Signalverarbeitung Regelungstechnik IfIT Übungen zu Transformationen im Bachelor ET
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.
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)
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] =
Mehr4.1 Grundbegriffe 4.2 Frequenzspektren, Fourier-Transformation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter
4 Signalverarbeitung 4.1 Grundbegriffe 4.2 Frequenzspektren, Fourier-Transformation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter Weiterführende Literatur (z.b.): Beate Meffert, Olaf Hochmuth: Werkzeuge
MehrSchnelle Fouriertransformation (FFT)
Schnelle Fouriertransformation (FFT) Inhaltsverzeichnis 1 Schnelle Fouriertransformation (FFT)... 3 1.1 Das Realtime-Konzept der Goldammer-Messkarten... 3 1.2 Das Abtasttheorem oder Regeln für die Abtastung
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
MehrIntegraltransformationen
Fourier-ransformation Integraltransformationen Fakultät Grundlagen Juli 00 Fakultät Grundlagen Integraltransformationen Übersicht Fourier-ransformation Fourier-ransformation Motivation Fakultät Grundlagen
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
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 4.4 Filter Weiterführende Literatur (z.b.): Beate Meffert, Olaf Hochmuth: Werkzeuge
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
MehrMusterModulprüfung. Anteil Transformationen
MusterModulprüfung Anteil Transformationen Studiengang: Elektrotechnik oder Energiewirtschaft Datum: Prüfer: heute Prof. Dr. Felderhoff Version:.0 (vom 30.1.014) Name: Vorname: Matr.-Nr.: 1 Aufgabe 1 Fourier-Transformation
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
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
MehrKlausur zur Vorlesung Digitale Signalverarbeitung
INSTITUT FÜR THEORETISCHE NACHRICHTENTECHNIK UND INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 3067 Hannover Klausur zur Vorlesung Digitale Signalverarbeitung Datum: 5.0.005 Uhrzeit: 09:00
MehrDSP-NF-Filter in QRP-Manier QRP an der See, 15. September 2012
DSP-NF-Filter in QRP-Manier QRP an der See, 15. September 2012 Gerrit Buhe, Inhalt 2 Aufbau DSP-System Digitalisierung und Abtasttheorem Beschreibung LTI-System Impulsantwort zu Übertragungsfunktion Werkzeuge
MehrTheorie digitaler Systeme
Theorie digitaler Systeme Vorlesung 8: Leakage und Zero-Padding Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann Betrag / db Einführung Ein über die DFT berechnetes Spektrum T A X n ist
MehrMusterlösung zur Klausur Signale und Systeme
Musterlösung zur Klausur Signale und Systeme Arbeitsgruppe Digitale Signalverarbeitung Ruhr-Universität Bochum Herbst 005 Aufgabe : Kontinuierliche und diskrete Signale..a) y t ).b) y t ) -3T -T -T T T
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
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);
MehrComputergraphik I. Das Abtasttheorem. Problem bei räumlicher Abtastung: Oliver Deussen Abtasttheorem 1
Das Abtasttheorem Problem bei räumlicher Abtastung: Oliver Deussen Abtasttheorem 1 Problem bei zeitlicher Abtastung: Oliver Deussen Abtasttheorem 2 Darstellung auf Monitor Was geschieht eigentlich, wenn
MehrDigitale Signalverarbeitung, Vorlesung 2: Quantisierung, Frequenzanalyse
Digitale Signalverarbeitung, Vorlesung 2: Quantisierung, Frequenzanalyse 23. Oktober 2017 Eigenschaften diskreter Signale Quantisierung Frequenzbereichsmethoden Anhang Wesentliches Thema heute: 1 Eigenschaften
Mehr2 Signalabtastung und Rekonstruktion
Signalabtastung und Rekonstruktion Signalabtastung und Rekonstruktion In vielen praktischen Anwendungen werden analoge Signale mit digitalen Systemen wie z.b. Computern oder Mikro-Controllern erfasst und
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 Signalverarbeitung, Vorlesung 2: Quantisierung, Frequenzanalyse
Digitale Signalverarbeitung, Vorlesung 2: Quantisierung, Frequenzanalyse 31. Oktober 2016 Eigenschaften diskreter Signale Quantisierung Frequenzbereichsmethoden Anhang Wesentliches Thema heute: 1 Eigenschaften
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
Mehrx(nt x )g(t nt x ) Wenn das Abtasttheorem eingehalten wird (Bandbreite von x(t) ist kleiner als F s /2) und wir die Funktion
Kapitel 1 Multiraten DSP In unseren bisherigen Untersuchungen gab es nur Systeme, in denen die Abtastrate innerhalb eines Systems gleich war. In praktischen Anwendungen ist es aber häufig erforderlich,
MehrKommunikationstechnik II Wintersemester 07/08
Kommunikationstechnik II Wintersemester 07/08 Prof. Dr. Stefan Weinzierl Musterlösung: 3. Aufgabenblatt. Aufgabe: Up-/Downsampling Die Abtastfolge x[n] wird mit dem Faktor M unter- und dem Faktor L überabgetastet.
MehrZusammenfassung der 2. Vorlesung
Zusammenfassung der 2. Vorlesung Fourier-Transformation versus Laplace-Transformation Spektrum kontinuierlicher Signale Das Spektrum gibt an, welche Frequenzen in einem Signal vorkommen und welches Gewicht
MehrRunde 9, Beispiel 57
Runde 9, Beispiel 57 LVA 8.8, Übungsrunde 9,..7 Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 3..7 Angabe Seien y, z C N und c, d C N ihre Spektralwerte. Außerdem bezeichne (x k ) k die N - periodische
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,
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
MehrSignalabtastung. Kapitel Vorteile digitaler Signale
Kapitel Signalabtastung Mit Hilfe der analytischen Darstellung gewinnt man wichtige Einblicke in Signale und Systeme. Für numerische Untersuchungen in einem Rechner ist diese Darstelllung aber nicht geeignet,
MehrLabor SMV Versuch 1. Erläuterungen zum Aliasing. Prof. Dr.-Ing. Gernot Freitag. FB: EuI, FH Darmstadt. Darmstadt, den
Labor SMV Versuch Erläuterungen zum Aliasing FB: EuI, Darmstadt, den 26.5 Elektrotechnik und Informationstechnik Rev., 9.5 Auf den folgenden Seiten sind einige typische Abtastsituationen zusammengestellt,
MehrMusterklausur 2 zu Signal- und Systemtheorie I 5. Januar 2013
Institut für Kommunikationstechnik Prof. Dr. Helmut Bölcskei Musterklausur 2 zu Signal- und Systemtheorie I 5. Januar 2013 Bitte beachten Sie: Prüfungsdauer: 180 Minuten Erreichbare Punkte: 100 Als Hilfsmittel
MehrÜbung 3: Fouriertransformation
ZHAW, SiSy HS202, Rumc, Übung 3: Fouriertransformation Aufgabe Fouriertransformation Dirac-Impuls. a) Bestimmen Sie die Fouriertransformierte S(f) des Dirac-Impulses s(t) = δ(t) und interpretieren Sie
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
MehrKlausur zur Vorlesung Digitale Signalverarbeitung
INSTITUT FÜR INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 067 Hannover Klausur zur Vorlesung Digitale Signalverarbeitung Datum: 0.08.007 Uhrzeit: 09:00 Uhr Zeitdauer: Stunden Hilfsmittel:
MehrElektrotechnische Grundlagen
Elektrotechnische Grundlagen 1. Signale Komplexe Exponentialfunktion Komplexe Exponentialfunktion: Komplexe Amplitude: Komplexe Frequenz: s (t) = X e st X = Ae jφ s = σ + jω 3 Größen bestimmen einen Sinus:
Mehr- Sei r(x,y) Eingangsbild, dass nur Rauschen (Quantenrauschen) enthält.
Eingang System Ausgang - Sei r(x,y) Eingangsbild, dass nur (Quantenrauschen) enthält. - Das Bild enthalte keinerlei Information, d.h. das Spektrum ist weiß und es gibt keine Korrelationen zwischen den
MehrZu Beginn der Vorlesung Signale und Systeme ausgegebene Übungsaufgaben V 1.2
Leibniz Universität Hannover Institut für Kommunikationstechnik Prof. Dr. J. Peissig Zu Beginn der Vorlesung Signale und Systeme ausgegebene Übungsaufgaben V 1.2 Universität Hannover, Institut für Kommunikationstechnik,
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 4.4! Filter! Weiterführende Literatur (z.b.): Beate Meffert, Olaf Hochmuth: Werkzeuge
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:
MehrLösungsblatt 2 Signalverarbeitung
Fakultät für nformatik Übung zu Kognitive Systeme Sommersemester 208 S. Constantin (stefan.constantin@kit.edu) T. Nguyen (thai.nguyen@kit.edu) Lösungsblatt 2 Signalverarbeitung Aufgabe : Faltung Abbildung
MehrGrundlagen der Nachrichtentechnik
Universität Bremen Arbeitsbereich Nachrichtentechnik Prof. Dr.-Ing. A. Dekorsy Schriftliche Prüfung im Fach Grundlagen der Nachrichtentechnik Name: Vorname: Mat.-Nr.: BSc./Dipl.: Zeit: Ort: Umfang: 07.
MehrÜbung 2. Tutorübung zu Grundlagen: Rechnernetze und Verteilte Systeme (Gruppen Mo-T2 / Fr-T1 SS2017)
Übung 2 Tutorübung zu Grundlagen: Rechnernetze und Verteilte Systeme (Gruppen Mo-T2 / Fr-T SS27) Dennis Fischer dennis.fischer@tum.de http://home.in.tum.de/fischerd Institut für Informatik Technische Universität
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...
MehrÜBUNG 4: ENTWURFSMETHODEN
Dr. Emil Matus - Digitale Signalverarbeitungssysteme I/II - Übung ÜBUNG : ENTWURFSMETHODEN 5. AUFGABE: TIEFPASS-BANDPASS-TRANSFORMATION Entwerfen Sie ein nichtrekursives digitales Filter mit Bandpasscharakteristik!
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
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
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
MehrSignalverarbeitung 1
Signalverarbeitung 1 Skript zur Vorlesung an der Hochschule Heilbronn 1 (Stand: 24. Juni 2017) Prof. Dr. V. Stahl 1 Der Inhalt dieses Skripts ist teilweise wörtlich oder sinngemäß aus den im Literaturverzeichnis
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
MehrDigitale Signalverarbeitung, Vorlesung 11 - Kurzzeitfouriertransformation
Digitale Signalverarbeitung, Vorlesung 11 - Kurzzeitfouriertransformation 30. Januar 2017 Siehe Skript Digitale Signalverarbeitung, Abschnitte 11 und 12, Kammeyer & Kroschel (Absatz 8.4.1) Anwendungen
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],
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...
Mehr2. Anordnung zur digitalen Signalverarbeitung
2. Anordnung zur digitalen Signalverarbeitung Prof. Dr.-Ing. Dr. h.c. Norbert Höptner Prof. Dr.-Ing. Stefan Hillenbrand Ergänzende Informationen zur Vorlesung Signalverarbeitungssysteme Abschnitte 2.1-2.5.
MehrKlausur zu Signal- und Systemtheorie I 20. Januar 2015
Institut für Kommunikationstechnik Prof. Dr. Helmut Bölcskei Klausur zu Signal- und Systemtheorie I 20. Januar 2015 Bitte beachten Sie: Prüfungsdauer: 180 Minuten Erreichbare Punkte: 100 Als Hilfsmittel
MehrDiskrete Folgen, z-ebene, einfache digitale Filter
apitel 1 Diskrete Folgen, z-ebene, einfache digitale Filter 1.1 Periodische Folgen Zeitkoninuierliche Signale sind für jede Frequenz periodisch, zeitdiskrete Signale nur dann, wenn ω ein rationales Vielfaches
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
MehrDigitale Signalverarbeitung sehen, hören und verstehen
Digitale Signalverarbeitung sehen, hören und verstehen Hans-Günter Hirsch Hochschule Niederrhein, Krefeld email: hans-guenter.hirsch@hs-niederrhein.de http://dnt.kr.hs-niederrhein.de Folie 1 Gliederung
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
MehrSpektralanalyse physiologischer Signale
Spektralanalyse physiologischer Signale Dr. rer. nat. Axel Hutt Vorlesung 1 - WS 2016/17 über mich Studium der Physik an U Stuttgart Promotion: Nichtlineare Dynamik in Gehirnsignalen Forschung in Neurowissenschaften
MehrLösung zur Übung 4.5.1/1: 2005 Mesut Civan
Lösung zur Übung 4.5.1/1: 5 Mesut Civan x e t= x e [t t t 1 ] x a t=ht für x e t=t x a t= x e [ht ht t 1 ] x a t= x e [ht ht t 1 ] a) t 1 T e Da die Impulsdauer t 1 des Eingangsimpulses größer ist als
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
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
MehrA2.1: Gleichrichtung. Die Grafik zeigt das periodische Signal x(t). Legt man x(t) an den Eingang einer Nichtlinearität mit der Kennlinie
Abschnitt: 2.1 Allgemeine Beschreibung A2.1: Gleichrichtung Die Grafik zeigt das periodische Signal x(t). Legt man x(t) an den Eingang einer Nichtlinearität mit der Kennlinie so erhält man am Ausgang das
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
MehrTechnische Schwingungslehre, WS2009/10
Institut für Technische Mechanik Prof. Dr.-Ing. C. Proppe Prof. Dr.-Ing. W. Seemann Technische Schwingungslehre, WS9/ Übungsblatt Nr. Thema: Darstellung von Schwingungen Formelsammlung: Grundbegriffe der
MehrMathematik, Signale und moderne Kommunikation
Natur ab 4 - PH Baden Mathematik, Signale und moderne Kommunikation 1 monika.doerfler@univie.ac.at 29.4.2009 1 NuHAG, Universität Wien monika.doerfler@univie.ac.at Mathematik, Signale und moderne Kommunikation
MehrFouriertransformation, z-transformation, Differenzenglei- chung
Kommunikationstechnik II 1.Übungstermin 31.10.2007 Fouriertransformation, z-transformation, Differenzenglei- Wiederholung: chung Als Ergänzung dieser sehr knapp gehaltenen Wiederholung wird empfohlen:
MehrFahrzeugmechatronik Masterstudiengang M 3.2 Sensoren und Aktoren Labor für Automatisierung und Dynamik AuD FB 03MB
Abb. 6 Dreidimensionale Darstellung des Frequenzgangs G ATP () s, Achsteilungen s 2 π in Hz Prof. Dr. Höcht 1/29 18.06.2006 11:13 Z_ Abb. 7 Einfluß des Pols bei s imaginären Achse, Achsteilungen in Hz
Mehr4. Beschreibung von LTI-Systemen mit der Fourier-Transformation
Die Fourier-Transformation 1. Anwendungsbeispiele der Fourier-Transformation 2. Die kontinuierliche Fourier-Transformation 3. Die Fourier-Reihe 4. Beschreibung von LTI-Systemen mit der Fourier-Transformation
Mehr1 Diskrete Fourier Transformation. 2 Definition der Diskreten Fourier Transformation (DFT)
Diskrete Fourier Transormation Das Ausgangssignal eines nachrichtentechnischen Systems oder Verarbeitungsblocks lässt sich im Zeitbereich bei Kenntnis der Impulsantwort h(n) mit Hile der diskreten Faltung
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
MehrDiskretisierung und Quantisierung (Teil 1) Prof. U. Rüde - Algorithmik kontinuierlicher Systeme
Algorithmik kontinuierlicher Systeme Diskretisierung und Quantisierung (Teil ) Digitalisierung und Quantisierung Motivation Analoge Aufnahme von Sprache, Bildern, Digitale Speicherung durch Diskretisierung
MehrInhaltsverzeichnis. Daniel von Grünigen. Digitale Signalverarbeitung. mit einer Einführung in die kontinuierlichen Signale und Systeme
Inhaltsverzeichnis Daniel von Grünigen Digitale Signalverarbeitung mit einer Einführung in die kontinuierlichen Signale und Systeme ISBN (Buch): 978-3-446-44079-1 ISBN (E-Book): 978-3-446-43991-7 Weitere
Mehr3. Informationsverarbeitung in Objekten
3. Informationsverarbeitung in Objekten 1 3.1. Abtastung von Signalen an der Schnittstelle 2 Falls System an einen Rechner angeschlossen ist wert- und zeit-diskrete Signale x * (t k ) = abstrakte Zahlen
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
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
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:
Mehrund mit t in Sekunden wird mit einer Frequenz von 8000 Hz abgetastet. Die Abtastung beginnt bei t=0 mit dem Zeitindex n=0.
Aufgabe 1 Das periodische Signal x t) 0,5 sin(2 f t) 0,5 cos(2 f t) mit f 1000Hz und mit f 2000Hz ( 1 2 1 2 und mit t in Sekunden wird mit einer Frequenz von 8000 Hz abgetastet. Die Abtastung beginnt bei
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
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:
MehrBeate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson Ludwig-Maximilians-Universität München Prof. Hußmann Digitale Medien 4-1
4. Signalverarbeitung 4.1 Grundbegrie 4.2 Frequenzspektren, Fourier-Transormation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter Weiterührende Literatur (z.b.): Beate Meert, Ola Hochmuth: Werkzeuge der
MehrDiskretisierung und Quantisierung (Teil 1) Prof. U. Rüde - Algorithmik kontinuierlicher Systeme
Algorithmik kontinuierlicher Systeme Diskretisierung und Quantisierung (Teil ) Digitalisierung und Quantisierung Motivation Analoge Aufnahme von Sprache, Bildern, Digitale Speicherung durch Diskretisierung
Mehr