Digital Signal Processing

Ähnliche Dokumente
(Bitte geben Sie bei der Beantwortung von Fragen eine Begründung bzw. bei der Lösung von Kurzaufgaben eine kurze Berechnung an!)

Funktion von Delta-Sigma-Wandlern zur Digitaliserung eines analogen Sensorsignals mit einer praktischen Anwendung. Dr.

Johann Wolfgang Goethe Universität, Frankfurt am Main. Datenkompression

Puls-Code-Modulation. Thema: PCM. Ziele

Aufgabe 1 (20 Punkte)

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

Aufgabe 1 - Pegelrechnung und LTI-Systeme

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

Klausur zur Vorlesung Digitale Signalverarbeitung

Medien- Technik. Digital Audio

Nachrichtenübertragung. Grundmodell eines Nachrichtensystems Signalwandlung Signalaufbereitung Signalübertragung

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

Klausur zur Vorlesung Digitale Signalverarbeitung

Adaptive Differenz-Puls-Code-Modulation (ADPCM) und Lineare, Prädiktive Codierung (LPC)

Zeitdiskrete Signalverarbeitung

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

Übungsaufgaben zur Vorlesung Quellencodierung

Digitalisierung II. Digitalisierung - Hörbeispiel Analog-Digital-Umsetzer Simulation LTI-Systeme (zeitdiskret) Übungen Literatur und Quellen

Digitale Signalverarbeitung auf FPGAs

Grundlagen der Signalverarbeitung

Warum z-transformation?

Grundlagen der Nachrichtentechnik

Signale und Systeme. A1 A2 A3 Summe

Übungsaufgaben Digitale Signalverarbeitung

Abschlussprüfung Digitale Signalverarbeitung. Aufgaben, die mit einem * gekennzeichnet sind, lassen sich unabhängig von anderen Teilaufgaben lösen.

Zusammenfassung der 1. Vorlesung

Erweiterung einer digitalen Übertragungsstrecke mit Einplatinencomputern zur Signalanalyse

Digitale Signalverarbeitung sehen, hören und verstehen

Musterlösung zur Klausur Signale und Systeme

Klausur zur Vorlesung Digitale Signalverarbeitung

4.1 Grundbegriffe 4.2 Frequenzspektren, Fourier-Transformation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter

Signale, Transformationen

Martin Meyer. Signalverarbeitung. Analoge und digitale Signale, Systeme und Filter 5. Auflage STUDIUM VIEWEG+ TEUBNER

d 1 P N G A L S2 d 2

Beispiel-Klausuraufgaben Digitale Signalverarbeitung. Herbst 2008

Fachprüfung. Nachrichtencodierung

Pulse Code Modulation

Digitale Signalverarbeitung Bernd Edler

Digitale Signalverarbeitung Bernd Edler

Digitale Signalverarbeitung Bernd Edler

2. Digitale Codierung und Übertragung

7. Digitale Verarbeitung analoger Signale

Einführung in die Nachrichtenübertragung

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

Vorteile digitaler Filter

Beate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson 2004

filter Filter Ziele Parameter Entwurf

Grundlagen der Signalverarbeitung

Klausur zur Vorlesung Digitale Signalverarbeitung

Beispiel: Zeigen Sie, dass H(x) = H 0 = I gilt, wenn alle Zeichen gleichwahrscheinlich sind.

SPRACHCODIERUNG. Mirko Johlke WS 2017/18 ASQ Literaturarbeit- und Präsentation

Fachprüfung. Signal- und Systemtheorie

Übungen zur Nachrichtenübertragung

und mit t in Sekunden wird mit einer Frequenz von 8000 Hz abgetastet. Die Abtastung beginnt bei t=0 mit dem Zeitindex n=0.

Diskrete Folgen, z-ebene, einfache digitale Filter

Grundlagen der digitalen Kommunikationstechnik

SiSy1, Praktische Übung 3. Fourier-Analyse (periodischer Signale) kann als Fourier-Reihe 1 beschrieben werden:

Prof. Dr. Stefan Weinzierl SNR V = P signal P noise

Kompression. Kompression. Beseitigung der unnötigen Daten... Redundanz. Folie 2

Aufgabe: Summe Punkte (max.): Punkte:

Lösungen 4.1 Analoge Übertragung mit PCM

2. Digitale Codierung und Übertragung

Aufgabe: Summe Punkte (max.): Punkte:

NANO III. Digital-Analog-Wandler. Analog-Digital-Wandler Abtastung. Datenakquisition:

Signalprozessoren. Digital Signal Processors VO [2h] , LU 2 [2h]

Standbildcodierung. Dipl.-Ing. Guido Heising. Digitale Videotechnik, SS 02, TFH Berlin, Dipl.-Ing. G. Heising G. Heising, K.

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

Abtastung. Normalisierte Kreisfrequenz = DSP_9-Abtasttheorem 2

1 Informationsverarbeitung & Wahrscheinlichkeitsrechnung Informationsverarbeitung Wahrscheinlichkeitsrechnung... 2.

Abschlussprüfung Nachrichtentechnik 03. August 2015

Grundlagen der Nachrichtentechnik

Modulationsverfahren

Ludwig-Maximilians-Universität München Prof. Hußmann Digitale Medien 6-32

Seminar Digitale Signalverarbeitung Thema: Digitale Filter

Musterlösung zur Aufgabe A1.1

Aufgabe: Summe Punkte (max.): Punkte:

Aufgabe: Summe Punkte (max.): Punkte:

Digitales Video. Digitales Video

Digitale Signalverarbeitung auf FPGAs

Prüfung zur Vorlesung Signalverarbeitung am Name MatrNr. StudKennz.

Vorlesung 2 Medizininformatik. Sommersemester 2017

Lineare zeitinvariante Systeme

Nachrichtentechnik [NAT] Kapitel 1: Einführung. Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik

Transkript:

- for Master Study by TFH Bochum - Analog Signal I OO O I I I O O O Digital Signal Seite 1

Zielsetzung der Signalverarbeitung Analyse: H(t), H(f) Modellieren y(t) {} Physikalische Größe und Prozesse Synthese y(t) {} Seite 2

Beispiel bei einer Audio Signalverarbeitung Analyse: H(t), H(f) Amplitude, Schwingung, Frequenzband,... Modellieren y(t) {} Musik von mech. Instruments Musik, Töne Eletr. Klavier, Synthesizer,... Synthese y(t) {} Seite 3

Abtaster y(t) III(t) System für Abtasten von Signalen Seite 4

Spektrum des abgetasteten Signals X(f) Ideale TP Y(f) X(f). III (Tf)...... - f g f g -f A f g - f g f A f g : Grenzfrequenz von f A : Abtastfrequenz, f A 1/ T Seite 5

Abtastung von Bandpass Signalen Bild a X(f) f/fo -4-3 - 2-1 0 1 2 3 4 5 6 7 8 9 10 Bild b Y(f) -4-3 - 2-1 0 1 2 3 4 5 6 7 8 9 10 Bild c Y(f) -4-3 - 2-1 0 1 2 3 4 5 6 7 8 9 10 Seite 6

Frequenzanalyse mit PN-Diagramm z-ebene Im{z} H(z) j e j 2 πf T e jθ z f 1/T θ f 0, 1/T,...n/T 1 Re{z} H ( z) jθ A( e ) o Amplituden von H(z) f ---> θ --->z --> H(z) Seite 7

Frequenzanalyse mit PN-Diagramm - z-ebene f o ϑ / 2πT Im{z} j Nullstelle Beispiel - z j πf T jθ e 2 e f 1/T H ( z) a e z 1 z 0 + z a * e jϑ jϑ 0 ϑ θ f 0, 1/T,...n/T 1 f ---> θ --->z --> H(z) Re{z} H ( z) jθ A( e ) Amplituden von H(z) Notes: Beim reellen Filter, deren Koseffiziente reell sind, muss Z 0 reell sein oder paarweise konjugiert komplex f o o Seite 8

z-ebene H ( z) a Frequenzanalyse mit PN-Diagramm -Polstelle Beispiel - f p ϑ / 2πT e z p 1 1+ az z 1 Im{z} e ϑ jϑ jϑ p j z j πf T jθ e 2 e θ f 0, 1/T,...n/T 1 f ---> θ --->z --> H(z) Re{z} H ( z) jθ A( e ) Amplituden von H(z) Notes: Beim reellen Filter, deren Koseffiziente reell sind, muss Z p reell sein oder paarweise konjugiert komplex f 1/T f p o Seite 9

z-ebene Frequenzanalyse mit PN-Diagramm -Polstelle Beispiel - f p ϑ / 2πT z p 1 H z) 1+ az a Re ( 1 z mit Im{z} a Re jϑ jϑ p ϑ j < 1 z j πf T jθ e 2 e θ f 0, 1/T,...n/T 1 f ---> θ --->z --> H(z) Re{z} H ( z) jθ A( e ) Amplituden von H(z) Notes: Beim reellen Filter, deren Koseffiziente reell sind, muss Z p reell sein oder paarweise konjugiert komplex f 1/T f p o Seite 10

z-ebene 0 Frequenzanalyse mit PN-Diagramm - Beispiel: Allpassfilter - 1 z + a H ( z) 1+ az j Z a Re Z p z 0 1 1 e R jϑ * ϑ ; 1 * a Im{z} a z p ϑ < 1 j z j πf T jθ e 2 e θ f 0, 1/T,...n/T 1 f ---> θ --->z --> H(z) Re{z} 1 H ( z) jθ A( e ) Amplituden von H(z) Notes: Beim reellen Filter, deren Koseffiziente reell sind, müssen Z 0, Z p reell sein oder paarweise konjugiert komplex Seite 11 f 1/T f p o

z-ebene H ( z) z p,1 Frequenzanalyse mit PN-Diagramm - Beispiel: Filter mit reellen Koeffizienten - z K * p,2 z 0,1 z 0,2 Im{z} ( z z0,1)( z z0,2 ) ( z z )( z z ) und p,1 z 0,1 z * 0,2 p,2 j z j πf T jθ e 2 e z θ f p,0 f 0, 1/T,...n/T p,1 o 1 1 Re{z} z p,1 f ---> θ --->z --> H(z) H ( z) jθ A( e ) Amplituden von H(z) Notes: Beim reellen Filter, deren Koseffiziente reell sind, müssen Z 0, Z p reell sein oder paarweise konjugiert komplex f 1/T f p,2 Seite 12

Signalübertragung Abtaster Ideale Tiepass y(t) Theoretische Darstellung Abtaster III (t / T) H TP (f) rect (f/2f max ) Ideale Tiepass y(t) Formfilter Entzerrfilter Übertragung mit zeitdiskreten Signalen Abtaster III (t / T) y(t) S+H y (nt) H TP (f) rect (f/2f max ) Entzerrfilter A /D D / A TP x (t) Übertragung mit digitalen Signalen III (t / T) Seite 13

Quantisierungskennlinie X X 3 X 2 X 1 g 0 g 1 g 2 g 3 g 4 X X 0 Q 4 X min g 0 X max g 4 Seite 14

Quantisierungskennlinie - Lineare Quantisierung - X X 3 X 2 X 1 g 0 g 1 g 2 g 3 g 4 X X 0 Q 4 X min g 0 X max g 4 Seite 15

Digitale Filter und Quantisierer Signal Abtaster x[n] Digital Filter (Formfilter) h[n] y[n] Quantisierer Q y [n] x (t) III (t ) Rekonstruierte Signal X (t) Ideale Tiepass H TP (f) rect (f/2f max ) x [n] X [n] h -1 [n] Digital Filter (Entzerrer) Theoretische Verarbeitung: mit reellen Zahlen y[n] y [n] Reale Verarbeitung: mit endliche Wortlänge in digitale System Seite 16

Digitale Signalübertragungssystem -Quellen Codierung- SENDER Abtaster Quantisierer Quellen Codierer Kanal Codierer x[n] Q x [n] Q-CO c[n] K-CO III (t ) EMPFÄNGER Ideelle Kanal Err [n] 0 Err [n] Kanal x (t) Ideale Tiepass x [n] Q-DEC C[n] K-DEC H TP (f) rect (f/2f max ) Quellen Decodierer Seite 17

Quellen Codierung - Optimale Codierung - SENDER Abtaster x [n] Q x [n] Binärer Coder w[n] Optimaler Coder C[n] III (t ) EMPFÄNGER Original Daten Codierte Daten Ideeller Kanal x (t) Ideale Tiepass x [n] W*[n] Binärer Decoder Optimaler Decoder C[n] H TP (f) rect (f/2f max ) PCM-CODEC Dekodierte Daten Seite 18

Redundanz Reduzierung Codierungs-- verfahren H O : Entscheidungsgehalt Statistische Modell R: Redundanz K m : Mittle Codewortlänge H : Entropie / H V : verbundene Entropie Seite 19

Daten Reduzierung Quelle Eigenschaften Empfänger Eigenschaften Statistische Modell Codierungs-- verfahren H O : Entscheidungsgehalt R: Redundanz K m : Mittle Codewortlänge H : Entropie / H V : verbundene Entropie Seite 20

SENDER Quellen Codierung - PCM: Pulse Code Modulation - Abtaster Q x[n] Binärer Coder c[n] III (t ) EMPFÄNGER ADC Idealer Kanal x (t) Ideale Tiepass x [n] Binärer Decoder C[n] H TP (f) rect (f/2f max ) DAC PCM Codec: C[n] binäre Zahlen mit festen Wortlänge sind. Seite 21

Quellen Codierung - Optimale Codierung - SENDER Abtaster Q x[n] PCM Coder c[n] Huffman Coder C*[n] III (t ) EMPFÄNGER ADC Idealer Kanal x (t) Ideale Tiepass x [n] PCM DeCoder C[n] Huffman DeCoder C*[n] H TP (f) rect (f/2f max ) DAC Seite 22

Quellen Codierung -Prädiktion Verfahren - SENDER x (t) Abtaster III (t ) EMPFÄNGER Ideale Tiepass H TP (f) rect (f/2f max ) Quantisierer Q x[n] x[n] x[n-1], x[n-2]... x[n-1], x[n-2]... + Prädiktor + Prädiktor ^s[n] y[n] ^s[n] y[n] - + Coder (*) DeCoder (*) C*[n] (*) : beleibiger Codec, z.b. ein optimale Codec oder PCM Codec Idealer Kanal C*[n] Seite 23

Quellen Codierung -DPCM - SENDER x (t) Abtaster III (t ) EMPFÄNGER Ideale Tiepass H TP (f) rect (f/2f max ) x[n] + ^x[n] - xq[n] d[n] Prädiktor Prädiktor Q + ^x[n] dq [n] + + dq[n] + xq[n] Coder (*) DeCoder (*) (*) : beleibiger Codec, z.b. ein optimale Codec C*[n] Idealer Kanal C*[n] Seite 24