Zeitdiskrete Signalverarbeitung

Ähnliche Dokumente
Vor- und Nachteile FIR- und IIR-Filter DSV 1, 2005/01, Rur, Filterentwurf, 1

Aufgabe 3. Signal Processing and Speech Communication Lab. Graz University of Technology

Signale und Systeme. A1 A2 A3 Summe

Versuch: Digitale Filter

Zeitdiskrete, digitale Filter und schnelle Fourier-Transformation (FFT)

Signale und Systeme 2

Aufgabe 1: Kontinuierliche und diskrete Signale

Versuch 3: Anwendungen der schnellen Fourier-Transformation (FFT)

Reell. u(t) Komplex u(t), Zeitabhängig Zeitunabhängig. u(t)e jωt. Reell Û. Elektrische Größe. Spitzenwert. Komplex Û. Reell U. Effektivwert.

Fourier - Transformation

Aufgabe 1: Diskrete und kontin. Signale

Lab3 - Fourieranalyse von Signalen

4.2 Abtastung und Rekonstruktion zeitkontinuierlicher

Proseminar Algorithmen, Schnittstellen und Werkzeuge zur Audiobearbeitung 'LJLWDOH)LOWHU. Kaptiel 1 Signale im Frequenzspektrum...

Simulink: Einführende Beispiele

Probeklausur Signale + Systeme Kurs TIT09ITA

Digitale Signalbearbeitung und statistische Datenanalyse

Realisierung digitaler Filter in C

Entwicklung einer digitalen Übertragungsstrecke mit Einplatinencomputern zur Signalanalyse

Die Betriebsdämpfungsfunktion H(s) in Abhängigkeit der komplexen Frequenz s (s = j! für reelle Frequenzen!) ergibt sich als U 2 : (1)

Übertragungsglieder mit Sprung- oder Impulserregung

(Fast) Fourier Transformation und ihre Anwendungen

Hinweis: Dies ist eine gekürzte Version des C-Projektes für unser ATMEL-Board ATM1

Klausur zur Vorlesung Signale und Systeme

Zuammenfassung: Reelle Funktionen

Analog-Filter. Glossar Analog-Filter

Die Fourier Transformation und ihre Anwendungen in der Nachrichtentechnik

Digitale Regelung. Vorlesung: Seminarübungen: Dozent: Professor Ferdinand Svaricek Ort: 33/2211 Zeit:Di Uhr

Kapitel 7. Bildverarbeitung im Frequenzraum

Versuch 5.1 B Operationsverstärkerschaltungen und Computersimulation elektronischer Schaltungen

Tontechnik 2. DA-Wandlung. DA-Wandlung (Übersicht) Hold-Schaltung. Prof. Oliver Curdt Audiovisuelle Medien HdM Stuttgart

Bildrekonstruktion & Multiresolution

Die Diskrete Fouriertransformation (DFT)

Modulationsverfahren

Laborübung: Oszilloskop

PRAKTIKUM REGELUNGSTECHNIK 2

2. Der Phasenregelkreis (PLL = Phase Locked Loop)

Mathematica - Notebooks als Bonusmaterial zum Lehrbuch

Grundlagen der Videotechnik Bau von Systemen Zweiter Ordnung, Prädiktion

2. Eigenschaften digitaler Nachrichtensignale

Elektrische Messtechnik

Vorlesung. Komplexe Zahlen

Grundlagen der Signalverarbeitung und Robo2k

3) Es soll ein aktives Butterworth-Tiefpassfilter mit folgenden Betriebsparametern entworfen werden: Grunddämpfung: Grenze des Durchlassbereiches:

Eric Schäfer, Dominik Krauße, Eckhard Hennig, Ralf Sommer

Wechselspannungskreis Definition Teil C: Wechselstromkreis Beschreibungsgrößen Wechselspannung:

Bildverarbeitung Herbstsemester Kanten und Ecken

Seminar Digitale Signalverarbeitung

13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.

5.5 Theorie und Praxis der Signalabtastung

Nachrichtenübertragung - Softwarepraktikum Termin 14:00 Uhr - 15:45 Uhr Protokoll Nr. 3

Maximalpegel- und Verzerrungsmessungen bei Lautsprechern

Netzwerke - Bitübertragungsschicht (1)

NANO III. Operationen-Verstärker. Eigenschaften Schaltungen verstehen Anwendungen

Schulmathematik und Algorithmen der Computeralgebra

Kurzbeschreibung des FFT-Moduls und der Netzoberwellenanalyse

Zeitrichtig, was ist das?

Nichtlineare Optimierung ohne Nebenbedingungen

SDR - Software Defined Radio für den Funkamateur

Kapitel 4 Leitungscodierung

Index. Chien-Suche, 220 CIRC, 234 Code, 2, 9 äquidistanter, 81

E6 WECHSELSPANNUNGSMESSUNGEN

Kompakter Signal-Analysator Spider-20

Modulationsanalyse. Amplitudenmodulation

High-Speed Optical Transmission Systems Grundlagen der numerischen Simulation

Zulassungsprüfung für den Master-Studiengang in Elektrotechnik und Informationstechnik an der Leibniz Universität Hannover

11.8 Digitale Filter. Vorteile digitaler Filter

Demo falsche Anwendung der Fourier-Reihen: Die System-Antwort ist NICHT die (mit Transferfunktion bewertete) Fourierreihe des Eingangs

Maschinendiagnose an Industriegetrieben - Grundlagen

Versuch: Filterschaltung

Gruppe: 2/19 Versuch: 5 PRAKTIKUM MESSTECHNIK VERSUCH 5. Operationsverstärker. Versuchsdatum: Teilnehmer:

Das einseitig abgeschlossene (2-Pol) Filter

Realisierung digitaler Filter FHTW-Berlin Prof. Dr. F. Hoppe 1

Teil II. Nichtlineare Optimierung

Zulassungsprüfung für den Master-Studiengang in Elektrotechnik und Informationstechnik an der Leibniz Universität Hannover

Fokussierung des Elektronenstrahls ist mit dem Regler Focus mglich.

Versuch V03: Passive Netzwerke

ARBEITSPROGRAMM. Elektronikerin - Elektroniker EFZ

Das Softwaretool ADS zur Simulation aktiver und passiver Schaltungen

Erfahrungen mit SDR und SDR-Programmierung. Alfred Wullschleger, HB9EPU. 2. Februar USKA Sektion Winterthur

MATLAB Kurs 2010 Teil 2 Eine Einführung in die Frequenzanalyse via MATLAB

Beispiel Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =

Signalverarbeitung. Eine Einführung. Volker Aurich. Heinrich-Heine-Universität Düsseldorf

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung

Benutzerhandbuch. TDS3FFT FFT-Anwendungsmodul

Einführung in die Signalverarbeitung

Dokumentation der Messergebnisse Gerhard K.,

Das AktivFilter 3.2-Handbuch Das Handbuch zum Filterentwurf mit AktivFilter 3.2

am Funktionsgenerator

Wann und wie wendet man FFT an?

Signale und ihre Spektren

Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen

Übung 3: Oszilloskop

Nachrichtenübertragung

Technische Universität Berlin. Ein Real Time Analyzer für Audiosignale im Tonstudio

Entwicklung eines Verfahrens in MATLAB und C zur Schätzung des Spektrums der Hintergrundstörung bei Sprachsignalen

FFT- Praxis in NI DIAdem

Magisterarbeit. Entwicklung einer Software zur zeitoptimierten, akustischen Fehlerdetektion für vielkanalige Lautsprechersysteme

Transkript:

Zeitdiskrete Signalverarbeitung Ideale digitale Filter Dr.-Ing. Jörg Schmalenströer Fachgebiet Nachrichtentechnik - Universität Paderborn Prof. Dr.-Ing. Reinhold Haeb-Umbach 7. September 217

Übersicht I 1 Entwurf digitaler Filter Idealisierte Filter FIR Filter FIR Filterentwurf nach der Fenstermethode 2 Ausblick

Idealisierte Filter Idealisiertes Filter: 1. Rechteckförmiger Amplitudenfrequenzgang 2. Linearer Phasenverlauf oder Nullphase 3. Eingangsspektrum wird im Durchlassbereich nicht verändert, im Sperrbereich vollständig unterdrückt 4. Nicht kausal, stabil H TP (e jθ ) H HP (e jθ ) θ g θ g θ π θ g θ g π θ Approximation idealisierter Filter Finite Impulse Response (FIR) Filter: Approximation des Frequenzgangs durch Polynom Infinite Impulse Response (IIR) Filter: Approximation von H(z) durch rationale Funktion

Ideales Tiefpassfilter { H(e jθ e jθn θ θ g ) = θ g < θ π h(n) = sinθg(n N ) π(n N ) (linearer Phasenterm: zeitliche Verzögerung der Impulsantwort) Dauer der Impulsantwort: Dauer einer rechteckförmigen Impulsantwort mit gleicher Signalenergie: t h h 2 max = n= h 2 (n) h 2 (n) n= t h = hmax 2 = = θg/π (θ g/π) 2 = π θ g θ g 1 H(e 2π jθ ) 2 dθ θ g h 2 max t h : Übergangszeit der Sprungantwort vom niedrigen zum höheren stationären Signalwert.

Impuls- und Sprungantwort eines idealen TP (θ g = π/4).25 Impulsantwort a(n) h(n).2.15.1.5.5.1 1 2 3 4 5 6 1.2 1.8.6.4.2 Sprungantwort t h.2 1 2 3 4 5 6 n

FIR Filter + Impulsantwort endlicher Dauer + Stets stabil! (warum?) + FIR Filter können exakt linearphasig sein + Einfache Implementierung (FFT und Overlap/Add oder Overlap/Save) Benötigen i.d.r. mehr Koeffizienten für steile Übergänge zwischen Durchlass- und Sperrbereich als IIR-Filter Transversalfilter: x(n) x(n 1) x(n N +1) T T T b b 1 b N 2 b N 1 y(n) Differenzengl. ohne Rückkopplung: y(n) = N 1 k= b kx(n k) Impulsantwort: Filterkoeff b k sind die Koeff. der Impulsantwort h(k)

Pole/ Nullstellen von FIR Filtern Übertragungsfunktion H(z) = k= N 1 h(k)z k = b k z k = 1 N 1 z N 1 b k z N 1 k k= k= Pole: Alle Pole liegen bei z = (daher immer stabil!) Filterdesign also nur durch Wahl der Nullstellen Nullstellenlagen bei linearphasigen FIR Filtern Linearphasig wg Symmetrie der Impulsantwort Sperrbereich: Nullstellen liegen auf dem Einheitskreis Durchlassbereich: Nullstellen liegen spiegelbildlich zum EK (sog. konjugiert reziproke Lage) Imaginary Part 1.8.6.4.2.2.4.6.8 1 1.5.5 1 Real Part Abbildung: Pol/Nullstellenplot des idealen TP. Warum ist das so? Bei linearphasigem FIR Filter mit gerader Symmetrie (h(k) = h(n 1 k)) gilt: Wenn H(z) Nullstelle bei z = z hat, dann auch bei z = 1/z. 6

Symmetriebeziehungen linearphasiger FIR Filter (1/2) N 1 H(z) = k= N 1 h(k)z k = k= b k z k = 1 N 1 z N 1 k= b k z N 1 k Bei linearphasigen FIR Filtern lassen sich je nach Filterlänge N und Symmetrie der Impulsantwort h(n) folgende Fälle unterscheiden 1. N gerade und h(n) gerade symmetrisch, d.h. h(n) = h(n 1 n): H(z) z=e jθ = = = 1 N 1 N 1 jθ jθ e 2 e 2 1 N 1 jθ e 2 N 2 1 k= mit M = N 1 2 N 1 1 e jθ(n 1) h(k)e jθ(n 1 k) k= h(k) N 2 1 k= (h(k)e jθ(n 1 k) +h(n 1 k)e jθ(n 1 (N 1 k))) (e jθ(n 1 2 k) +e jθ(n 1 2 ) N 2 1 k) = e jθm 2h(k)cosθ(k M) k= }{{} A(θ): Nullphasenkomp.

Symmetriebeziehungen linearphasiger FIR Filter (2/2) 2) N ungerade und h(n) gerade symmetrisch: ) M 1 H(e jθ ) = e (h(m)+ jθm 2h(k)cosθ(k M) } k= {{ } A(θ) 3) N gerade und h(n) ungerade symmetrisch, d.h. h(n) = h(n 1 n) H(e jθ ) = e jθm e j π 2 N 2 1 4) N ungerade und h(n) ungerade symmetrisch H(e jθ ) = e jθm e j π 2 2h(k)sinθ(k M) k= } {{ } A(θ) M 1 2h(k)sinθ(k M) k= } {{ } A(θ) Diese Darstellungen werden beim Filterentwurf verwendet Nur die Hälfte der Filterkoeff. müssen berechnet werden A(θ) (sog. Nullphasenkomponente) reell, daher linearphasige FIR Filter A(θ) lässt sich einfacher approximieren als H(e jθ )

FIR Filterentwurf nach der Fenstermethode Ausgangspunkt: Impulsantwort des idealen Filters Zeitliche Begrenzung der Impulsantwort und Zeitverzögerung, um Kausalität zu erreichen: h(n) = h id (n N )w(n); n N 1 Zeitverzögerung: { N 1 N 1 N gerade N = = 2 N 1 2 N ungerade 2 Fensterfunktion: Im F-Bereich Faltung: FT {h id (n)} FT {w(n)}: Verbreiterung der Übergangszonen zwischen Durchlass- und Sperrbereich Verallgemeinerte Cosinusfenster: { a bcos 2πn 4πn +c cos n N 1 w(n) = N 1 N 1 sonst Name MATLAB-Fu a b c Bandbreite Sperrdämpfg main lobe 5π/N Rechteck boxcar() 1 2π/N 17.9 db Hann hann(),5,5 2 2π/N 32.9 db Hamming hamming(),54,46 2 2π/N 52.4 db Blackman blackman(),42,5,8

Bilder zu Cosinusfensterfunktionen 1.8.6.4.2 rect Hann Hamm ) ( W(e jθ ) 2log 1 W(e j ) 2 4 6 8 rect 2 4 6 Zeit n 1 π/2 θ = ωt π ) ( W(e jθ ) 2log 1 W(e j ) 2 4 6 8 Hann ) ( W(e jθ ) 2log 1 W(e j ) 2 4 6 8 Hamm 1 π/2 θ = ωt π 1 π/2 θ = ωt π

Vor-/Nachteile verschiedener Fensterfunktionen Eigenschaften eines idealen Fensters: sollte gewünschte Übertragungsfunktion H id (e jθ ) möglichst wenig verzerren: Sehr schmaler Durchlassbereich Sehr hohe Sperrdämpfung Rechteckfenster + Durchlassbereich ( Main lobe ) besonders schmal (2π/N) Schlechte Sperrdämpfung (nur ca. 2 db) Gibbsches Phänomen bei Approx. rechteckförmiger Frequenzgänge: unabhängig von der Filterlänge N immer max. Welligkeit im Durchlassbereich von 9% Andere Fenster Breiterer Druchlassbereich + Bessere Sperrdämpfung + Vermeidung des Gibb schen Phänomens Grundsätzlich: je größer N, desto besser die Approximation des idealen Filters.

Beispiel: Approximation eines idealen Tiefpasses (1/2) Parameter: Grenzfrequenz θ g = π/4 Filterlänge: N = 31 Verzögerung: N = N 1 2 = 15.3 Rechteck Fenster.2.1.1 5 1 15 2 25 3.3 Hann Fenster.2.1.1 5 1 15 2 25 3.3 Hamming Fenster.2.1.1 5 1 15 2 25 3

Beispiel: Approximation eines idealen Tiefpasses (2/2) Parameter: Grenzfrequenz θ g = π/4 Filterlänge: N = 61 Verzögerung: N = N 1 2 = 3 2 hamming hann blackman kaiser 2 H(e jθ ) in db 4 6 8 1.1.2.3.4.5.6.7.8.9 1 θ/π Nachteile der Fenstermethode Keine konstante Welligkeit im Durchlass- und Sperrbereich bei Approx. eines rechteckförmigen Amplitudenspektrums In der Nähe der Sperrfrequenz ist Dämpfung am kleinsten

Ausblick Ausblick Nächstes Thema: Remez-Algorithmus zum Filterentwurf Anyone who has never made a mistake has never tried anything new. Albert Einstein