Wichtige zeitdiskrete Folgen

Ähnliche Dokumente
Lineare zeitinvariante Systeme

Klausur zur Vorlesung Digitale Signalverarbeitung

6. Vorlesung. Systemtheorie für Informatiker. Dr. Christoph Grimm. Professur Prof. Dr. K. Waldschmidt, Univ. Frankfurt/Main

Beispiel-Klausuraufgaben Digitale Signalverarbeitung. Herbst 2008

Zeitdiskrete Signalverarbeitung

Klausur zur Vorlesung Digitale Signalverarbeitung

Klausur zur Vorlesung Digitale Signalverarbeitung

Warum z-transformation?

Klausur zur Vorlesung Digitale Signalverarbeitung

Laplace Transformation

Klausur zur Vorlesung Digitale Signalverarbeitung

Einführung in die Systemtheorie

Aufgabe: Summe Punkte (max.): Punkte:

Aufgabe: Summe Punkte (max.): Punkte:

Aufgabe: Summe Punkte (max.): Punkte:

Aufgabe: Summe Punkte (max.): Punkte:

Stefan Ruzika. 24. April 2016

Körper der komplexen Zahlen (1)

Residuen II. Residuen III. Beispiel. Beispiel. f (z) = 1 + z 2. gilt nach 2) , Res (f ; i) = Res (f ; i) = 1 = 1. Die Funktion

Aufgabe: Summe Punkte (max.): Punkte:

Aufgabe: Summe Punkte (max.): Punkte:

5. Fourier-Transformation

Formelsammlung Signal- und Systemtheorie I von Stephan Senn, D-ITET

,Faltung. Heavisidefunktion σ (t), Diracimpuls δ (t) Anwendungen. 1) Rechteckimpuls. 2) Sprungfunktionen. 3) Schaltvorgänge

Prüfung zur Vorlesung Signalverarbeitung am Name MatrNr. StudKennz.

Diskontinuierliche Signale und Systeme

Kleine Formelsammlung zu Signale und Systeme 2

KOMMENTIERTE FORMELSAMMLUNG ZUR LEHRVERANSTALTUNG METHODEN DER QUALITÄTSSTEUERUNG IN TECHNISCHEN PROZESSEN

Einführung in die Systemtheorie

Einführung in die Systemtheorie

Digitale Signalverarbeitung, Vorlesung 3: Laplace- und z-transformation

Fouriertransformation, z-transformation, Differenzenglei- chung

2. Fourier-Transformation

5. Fourier-Transformation

Signal- und Systemtheorie

5. Vorlesung. Systemtheorie für Informatiker. Dr. Christoph Grimm. Professur Prof. Dr. K. Waldschmidt, Univ. Frankfurt/Main

Signale und Systeme I

Komplexe Funktionen für Studierende der Ingenieurwissenschaften

Kenngrößen und Eigenschaften zeitdiskreter LTI-Systeme

x[n-1] x[n] x[n+1] y[n-1] y[n+1]

c r Addiert man nun beide Reihendarstellungen, so folgt f (ζ) Nach dem Cauchyschen Integralsatz gilt dann auch

Komplexe Zahlen. Bemerkungen. (i) Man zeigt leicht, dass C mit diesen beiden Operationen

X. Funktionentheorie. Übersicht über den Inhalt von Kapitel X: 57. Holomorphe Funktionen. 58. Cauchy-Formeln und Anwendungen

Signale und Systeme I

Prüfungsvorbereitungskurs Höhere Mathematik 3

Signale und Systeme Ergänzungen zu den Spektraltransformationen

Systemtheorie. Vorlesung 20: Eigenschaften der Fourier-Transformation. Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann

Faltung, Bildbereich und Stabilität

A. Die Laplace-Transformation

Übungen zu Transformationen. im Bachelor ET oder EW. Version 2.0 für das Wintersemester 2014/2015 Stand:

Signale und Systeme. Christoph Becker

Klausur im Lehrgebiet. Signale und Systeme. - Prof. Dr.-Ing. Thomas Sikora - Name:... Bachelor ET Master TI Vorname:... Diplom KW Magister...

Aufgabe: Summe Punkte (max.): Punkte:

1 Fourierreihen zeitkontinuierlicher period. Signale

Konvergenzverbesserung und komplexe Integrale

Einführung in die Digitale Verarbeitung Prof. Dr. Stefan Weinzierl

Übungen Ingenieurmathematik

Lösungen. 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)

Klausur: Höhere Mathematik IV

Übungsaufgaben Digitale Signalverarbeitung

6Si 6. Signal-und Bildfilterung sowie. H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I 1

4 Isolierte Singularitäten und Laurentreihen

v(x, y, z) = (1 z)x 2 + (1 + z)y 2 + z. Hinweis: Der Flächeninhalt der Einheitssphäre ist 4π; das Volumen der Einheitskugel

3. Vorlesung. Systemtheorie für Informatiker. Dr. Christoph Grimm. Professur Prof. Dr. K. Waldschmidt, Univ. Frankfurt/Main

Komplexe Funktionen. Michael Hinze (zusammen mit Peywand Kiani) Department Mathematik Schwerpunkt Optimierung und Approximation, Universität Hamburg

ÜBUNG 4: ENTWURFSMETHODEN

Zeitdiskrete Signalverarbeitung

Differenzengleichung (Beispiel) DSV 1, 2005/01, Rur, LTD-Systeme, 1. Differenzengleichung DSV 1, 2005/01, Rur, LTD-Systeme, 2

Aufgabe: Summe Punkte (max.): Punkte:

Aufgabe: Summe Punkte (max.): Punkte:

Kapitel 7. Funktionentheorie. 7.1 Holomorphe und harmonische Funktionen. 1. Definitionen

Laurent-Reihen. Definition 1 (Laurent-Reihe) Unter einer Laurent-Reihe versteht man eine Reihe der Form. c n (z z 0 ) n (2) n=0

4.2 Grenzwerte und Stetigkeit reeller Funktionen

Klausur im Lehrgebiet. Signale und Systeme. - Prof. Dr.-Ing. Thomas Sikora -

Zeitdiskrete Signalverarbeitung

Aufgabe: Summe Punkte (max.): Punkte:

Komplexe Funktionen für Studierende der Ingenieurwissenschaften

Aufgabe: Summe Punkte (max.): Punkte:

Signale und Systeme Spektraldarstellungen determinierter Signale (Teil 3)

In diesem Kapitel werden wir eine weitere Klasse von diskreten Filtern kennen lernen, die Infinite Impulse Response Filter.

Signale und Systeme I

Differenzengleichungen, Z - Transformation

Signale und Systeme. Martin Werner

Übung 1: Charakterisierung von Signalen

Übungen zur Vorlesung Funktionentheorie Sommersemester Klausurvorbereitungsblatt Lösungsvorschläge

Digitale Signalverarbeitung, Vorlesung 3: Laplace- und z-transformation

23 Laurentreihen und Residuen

Digitale Signalverarbeitung, Vorlesung 3: Laplace- und z-transformation

Übungen zu Signal- und Systemtheorie

Musterlösung zur Klausur Signale und Systeme

ÜBUNG 2: Z-TRANSFORMATION, SYSTEMSTRUKTUREN

Analytische Zahlentheorie

Kapitel 24. Entwicklungen holomorpher Funktionen Taylor-Reihen (Potenzreihen und holomorphe Funktionen;

Signale und Systeme. A1 A2 A3 Summe

Betrachtetes Systemmodell

System- und Signaltheorie

Regelungs- und Systemtechnik 1 Sommer 10

2.9 Die komplexen Zahlen

Transkript:

Wichtige zeitdiskrete Folgen.8 Einheitsimpuls.6 δ(n) = {, n, n = δ(n).4.2 - -5 5 n

Wichtige zeitdiskrete Folgen Einheitssprung u(n) = u(n) = = {, n <, n δ(n k) k= n k= u(n).8.6.4.2 δ(k) - -5 5 n 2

Beispiele für die Verarbeitung zeitdiskreter Folgen. y(n) = x(n) + x(n ) { }, n {, } Impulsantwort: h(n) =, sonst = δ(n) + δ(n ) 2. y(n) = x(n) x(n ), n = Impulsantwort: h(n) =, n =, sonst = δ(n) δ(n ) 3

Diskrete Faltung Gegeben: System mit Impulsantwort h(n) Eingangssignal x(n) = x(i)δ(n i) Ausgangssignal y(n) = i= i= x(i)h(n i)! = x(n) h(n) Definition der Diskreten Faltung: a(n) b(n) = a(i)b(n i) = i= j= a(n j)b(j) mit j = n i 4

z-transformation Definition der einseitigen z-transformation X(z) = x(n)z n n= Definition der zweiseitigen z-transformation X(z) = Z{x(n)} = x(n)z n n= 5

z-transformation r =., ϕ =.4π.5 z n = ( r )n e jϕn Realteil Imaginärteil -.5-2 3 4 5 n 6

z-transformation r =., ϕ =.5π.5 z n = ( r )n e jϕn Realteil Imaginärteil -.5-2 3 4 5 n 7

z-transformation r =., ϕ =.π.5 z n = ( r )n e jϕn Realteil Imaginärteil -.5-2 3 4 5 n 8

z-transformation r =., ϕ =.97π.5 z n = ( r )n e jϕn Realteil Imaginärteil -.5-2 3 4 5 n 9

z-transformation r =.2, ϕ =.5π.5 z n = ( r )n e jϕn Realteil Imaginärteil -.5-2 3 4 5 n

z-transformation 2 r =.9, ϕ =.5π 5 z n = ( r )n e jϕn Realteil Imaginärteil 5-5 - -5-2 2 3 4 5 n

Zweiseitige z-transformation 4 r =.5, ϕ =.7π 3 2 z n = ( r )n e jϕn Realteil Imaginärteil - -2-3 -4-2 - 2 n 2

Zweiseitige z-transformation 4 r =.95, ϕ =.43π 3 2 z n = ( r )n e jϕn Realteil Imaginärteil - -2-3 -4-2 - 2 n 3

Konvergenz der z-transformation Bedingung für Konvergenz: x(n)r n < Zerlegung von x(n) in rechtsseitige (kausale) Folge x + (n) = u(n)x(n) und linksseitige (akausale) Folge x (n) = u( n)x(n) Konvergenzbereich von x + (n): z > ρ + Konvergenzbereich von x (n): z < ρ X(z) = Z{x(n)} = x(n)z n existiert, falls ρ > ρ + n= im Konvergenzbereich ρ + < z < ρ 4

Konvergenz der z-transformation Im(z) ρ + ρ Re(z) G Konvergenzbereich G der z-transformation 5

Inverse z-transformation X(z) = Z{x(n)} ist eine Laurent-Reihe mit Kreismittelpunkt z = Potenzreihenentwicklung möglich: X(z) = c k z k mit c k = X(ζ)ζ k dζ 2πj k= C: geschlossener Integrationsweg in G entgegen Uhrzeigersinn C Substitution von x(n) = c n Inverse z-transformation: x(n) = 2πj C X(z)z n dz 6

z-transformierte spezieller Folgen x(n) X(z) Konvergenzbereich δ(n) z C u(n) = z z > z z u( n ) = z z < z z u(n)z n z = z z > z z z z u(n) cos ω n z 2 z cos ω z 2 2z cos ω + z > 7

Bedeutung Linearität Zeitverschiebung Eigenschaften der z-transformation Eigenschaft Z{ax(n) + by(n)} = ax(z) + by (z) Z{x(n n )} = z n X(z) Modulation Z{z n x(n)} = X(z/z ) Differentiation von X(z) Z{nx(n)} = z dx(z) dz Konjugiert komplexe Folge Z{x (n)} = X (z ) Zeitumkehr Faltung Z{x( n)} = X(/z) Z{x(n) y(n)} = X(z)Y (z) 8

Inverse z-transformation Für beliebige Funktionen: Anwendung des Residuensatzes k X(ζ)dζ = Res[X(z); a i ] 2πj C i= mit a i im Integrationsweg eingeschlossenen Singularitäten In der Praxis: häufig gebrochen rationale Funktionen M M b i z i z N b i z M i X(z) = i= = N a i z i i= N z M i= i= a i z N i 9

Inverse z-transformation Lösungsmöglichkeit für gebrochen rationale Funktionen: Partialbruchzerlegung Einfachster Fall: nur einfache Pole z i und M < N N A i X(z) = z i= i z ) mit A i = ( z i z X(z) z=zi x(n) = u(n) N i= A i z n i 2