Lineare zeitinvariante Systeme

Ähnliche Dokumente
Klausur zur Vorlesung Digitale Signalverarbeitung

Digitale Signalverarbeitung Bernd Edler

Lösungen der Übungsaufgaben zur Vorlesung Digitale Signalverarbeitung

Digitale Signalverarbeitung Bernd Edler

Klausur zur Vorlesung Digitale Signalverarbeitung

Beispiel-Klausuraufgaben Digitale Signalverarbeitung. Herbst 2008

Lösungen der Übungsaufgaben zur Vorlesung Digitale Signalverarbeitung

Klausur zur Vorlesung Digitale Signalverarbeitung

Digitale Signalverarbeitung Bernd Edler

Fouriertransformation, z-transformation, Differenzenglei- chung

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

Klausur zur Vorlesung Digitale Signalverarbeitung

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

Klausur zur Vorlesung Digitale Signalverarbeitung

Diskrete Folgen, z-ebene, einfache digitale Filter

Zu Beginn der Vorlesung Signale und Systeme ausgegebene Übungsaufgaben V 1.2

ÜBUNG 2: Z-TRANSFORMATION, SYSTEMSTRUKTUREN

Integraltransformationen

Übungsaufgaben Digitale Signalverarbeitung

Nachrichtentechnik [NAT] Kapitel 4: Fourier-Transformation. Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik

Aufgabe: Summe Punkte (max.): Punkte:

Aufgabe: Summe Punkte (max.): Punkte:

Filterentwurf. Aufgabe

Systemtheorie Teil B

Musterlösung zur Klausur Signale und Systeme

Signale und Systeme I

MusterModulprüfung. Anteil Transformationen

Zusammenfassung der 1. Vorlesung

Abtastung. Normalisierte Kreisfrequenz = DSP_9-Abtasttheorem 2

Prüfung zur Vorlesung Signalverarbeitung am Name MatrNr. StudKennz.

Spektrum zeitdiskreter Signale

Übungen zu Signal- und Systemtheorie

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

Zeitdiskrete Signalverarbeitung

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

Kleine Formelsammlung zu Signale und Systeme 2

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

Signale, Transformationen

3.3 Das Abtasttheorem

Signale und Systeme I

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

Fourier- und Laplace- Transformation

Zeitdiskrete Signalverarbeitung

Warum z-transformation?

Kenngrößen und Eigenschaften zeitdiskreter LTI-Systeme

Systemtheorie Teil B

Digitale Signalverarbeitung Vorlesung 5 - Filterstrukturen

3. Beschreibung dynamischer Systeme im Frequenzbereich

Grundlagen der Signalverarbeitung 1 (Integraltransformationen)

Grundlagen der Signalverarbeitung

Digitale Signalverarbeitungssysteme II: Praktikum 2

Allpass-Transformation

Signal- und Systemtheorie

Filterentwurf. Bernd Edler Laboratorium für Informationstechnologie DigSig - Teil 11

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

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

ZHAW, DSV1, FS2010, Rumc, 1. H(z) a) Zeichnen Sie direkt auf das Aufgabenblatt das Betragsspektrum an der Stelle 1.

ÜBUNG 4: ENTWURFSMETHODEN

Grundlagen der Signalverarbeitung

Einführung in die digitale Signalverarbeitung WS11/12

Tontechnik 2. Digitale Filter. Digitale Filter. Zuordnung diskrete digitale Signale neue diskrete digitale Signale

Mathematik für Sicherheitsingenieure II (MScS, MScQ)

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

Tontechnik 2. Digitale Filter. Digitale Filter. Zuordnung Eingang x(t) Ausgang y(t) diskrete digitale Signale neue diskrete digitale Signale

Signale und Systeme I

Einführung in die Systemtheorie

Probeklausur Signale + Systeme Kurs TIT09ITA

BERUFSAKADEMIE S T U T T G A R T University of Cooperative Education. Höhere Mathematik II. Übungen. Komplexe Zahlen. i e π + 1=

Theorie digitaler Systeme

Runde 9, Beispiel 57

3. Quantisierte IIR-Filter R

Musterlösung zur Klausur Digitale Signalverarbeitung

Zeitdiskrete Signalverarbeitung

Fouriertransformationen DSP 1

Seminar Digitale Signalverarbeitung Thema: Digitale Filter

4.2 Abtastung und Rekonstruktion zeitkontinuierlicher

Test = 28 Punkte. 1: 2: 3: 4: 5: Punkte: Note:

5. Fourier-Transformation

Zeitdiskrete Signalverarbeitung

Zusammenfassung der 1. Vorlesung

Transkript:

Lineare zeitinvariante Systeme Signalflussgraphen Filter-Strukturen Fouriertransformation für zeitdiskrete Signale Diskrete Fouriertransformation (DFT) 1

Signalflussgraphen Nach z-transformation ist Verzögerung eine Multiplikation mit vereinfachte Darstellung möglich c c 2

FIR-Filter der Länge L = M + 1 Filterstrukturen X(z) b 0 b 1 b 2 b 3 b M Y (z) Alternative Realisierung X(z) b M b 3 b 2 b 1 b 0 Y (z) 3

Filterstrukturen IIR-Filter mit Zählergrad M und Nennergrad N Differenzengleichung y(n) = M b i x(n i) + i=0 j=1 z-übertragungsfunktion H(z) = z N M M b i z M i i=0 z N + N c j y(n j) N c j z N j j=1 4

Filterstrukturen IIR-Filter mit Zählergrad M und Nennergrad N Direktform I X(z) b 0 b 1 b 2 b 3 b M Y (z) c N c 4 c 3 c 2 c 1 5

Filterstrukturen IIR-Filter mit Zählergrad M und Nennergrad N Vertauschung der beiden Teilfilter X(z) c N c 4 c 3 c 2 c 1 W (z) b M b 3 b 2 b 1 b 0 Y (z) 6

Filterstrukturen IIR-Filter mit Zählergrad M = Nennergrad N Direktform II X(z) W (z) c 1 c 2 c 3 c 4 c N b 0 b 1 b 2 b 3 b 4 b N Y (z) 7

Filterstrukturen Alternative Struktur für IIR-Filter mit Zählergrad M = Nennergrad N X(z) b N b 3 b 2 b 1 b 0 Y (z) c N c 3 c 2 c 1 8

Filterstrukturen Alternative Struktur für IIR-Filter mit Zählergrad M = Nennergrad N X(z) b N c N b 4 b 3 c 4 b 2 c 3 b 1 c 2 b 0 c 1 Y (z) 9

Weitere Strukturen für IIR-Filter Filterstrukturen Aus Pol-Nullstellendarstellung: Kettenform M (z z 0,i ) H(z) = z N M b 0 a 0 i=1 N (z z,j ) j=1 je ein Paar von konjugiert komplexen Polen und Nullstellen System 2. Ordnung reeller Pol und Nullstelle System 1. Ordnung 10

Teilsysteme für die Kettenform Filterstrukturen X(z) X(z) c 1 c 2 b 0 b 1 b 2 Y (z) c 1 b 0 b 1 Y (z) Zuordnung und Reihenfolge wählbar wichtig für Realisierungen mit begrenzter Rechengenauigkeit 11

Filterstrukturen Aus Partialbruchzerlegung: Parallelform konjugiert komplexes Polpaar System 2. Ordnung reeller Pol System 1. Ordnung konstanter Term Multiplizierer Alle Ausgänge werden addiert 12

Fouriertransformation zeitdiskreter Folgen Zeitkontinuierliches Signal x C (t) abgetastet bei t n = nt : zeitdiskretes Signal x D (n) = x C (nt ) Impulsfolge x R (t) = x D (n)δ(t nt ) = x C (t) δ(t nt ) FT: X R (jω) = X(e jω ) = = 1 T n= n= x R (t)e jωt dt = k= n= ) X C (j(ω kω s ) x(n)e jωn mit ω = ΩT n= x D (n)e jnωt mit Ω s = 2π T entpricht für ω π FT eines bandbegrenzten Signals mit T = 1 13

Fouriertransformation zeitdiskreter Folgen Rücktransformation bei Bandbegrenzung auf Ω π T x r (t) = 1 X R (jω)e jωt dω 2π = 1 π T X C (jω)e jωt dω δ(t nt ) 2π π T n= Vergleich mit inverser z-transformation x(n) = 1 X(z)z n 1 dz 2πj C Integration entlang des Einheitskreises: z = e jω dz dω = jejω, dz = je jω dω x(n) = 1 π X(e jωn )e jωn dω entspricht inverser FT 2π π 14

Fouriertransformation zeitdiskreter Folgen Definition der Fouriertransformation für zeitdiskrete Folgen X(e jω ) = x(n)e jωn x(n) = 1 2π n= π π X(e jωn )e jωn dω entspricht z-transformation für z = e jω ist aber auch anwendbar, wenn Einheitskreis z = 1 nicht im Konvergenzbereich liegt 15

Fouriertransformation zeitdiskreter Folgen Beispiel: x(n) = 1 = u(n) + u( n) δ(n) Z{u(n)} konvergiert für z > 1 Z{u( n)} konvergiert für z < 1 z-transformierte existiert nicht aber X(e jω ) = k= 2πδ(ω + k2π) 16

Fouriertransformation zeitdiskreter Folgen Weitere Beispiele: x(n) = e jω 0n X(e jω ) = 2πδ(ω ω 0 + k2π) k= ( x(n) = cos ω 0 n = 1 2 e jω 0 n + e ) jω 0n X(e jω ) = πδ(ω ω 0 + k2π) + πδ(ω + ω 0 + k2π) k= x(n) = sin ω 0 n = j ( 2 e jω 0 n e ) jω 0n X(e jω ) = jπδ(ω ω 0 + k2π) + jπδ(ω + ω 0 + k2π) k= 17

Fouriertransformation zeitdiskreter Folgen - Eigenschaften Folge Fouriertransformierte ax(n) + by(n) ax(e jω ) + by e jω ) x(n n d ) e jωn dx(e jω ) e jω 0n x(n) X(e j(ω ω 0) ) x( n) X(e jω ) nx(n) j dx(ejω ) dω x(n) y(n) X(e jω )Y (e jω ) x(n)y(n) 1 2π π π X(e jϕ )Y (e j(ω ϕ) )dϕ 18

Fouriertransformation zeitdiskreter Folgen - Eigenschaften Parseval sches Theorem: x(n) 2 = 1 π X(e jω ) 2 dω 2π n= n= x(n)y (n) = 1 2π π π π X(e jω )Y (e jω )dω 19

Fouriertransformation spezieller zeitdiskreter Folgen Folge Fouriertransformierte δ(n) 1 δ(n n 0 ) e jωn 0 1 2πδ(ω + 2πk) u(n) a n u(n) ( a < 1) sin ω 0 n πn k= 1 1 e jω + (0 ω 0 < π) X(e jω ) = k= πδ(ω + 2πk) 1 1 ae { jω 1, ω < ω0 0, ω 0 < ω π 20

Fouriertransformation spezieller zeitdiskreter Folgen { 1, 0 n N x(n) = 0, sonst e jω 0n cos(ω 0 n + ϕ) k= k= sin(ω(n + 1)/2) sin(ω/2) 2πδ(ω ω 0 + 2πk) [ πe jϕ δ(ω ω 0 + 2πk) +πe jϕ δ(ω + ω 0 + 2πk) ] 21