DigSig AV. Repetition. Leif Sörnmo 10 maj 2007
|
|
- Kerstin Lundberg
- för 5 år sedan
- Visningar:
Transkript
1 DigSig AV Repetition Leif Sörnmo 10 maj
2 Syftet med digital filterdesign Att bestämma en realiserbar överföringsfunktion G(z) så att den approximerar en given specifikation på frekvensfunktion. För ett IIR-filter är det dessutom viktigt att G(z) är garanterat stabil. Lämplig filterstruktur för implementering. 2
3 Filterspecifikation Det digitala filtrets frekvensfunktion specificeras vanligen mha av magnitud- och/eller fasfunktion. I praktiken är dock specifikation av endast magnitudfunktionen det absolut vanligaste, och därför behandlas endast denna typ av design i kursen. Fasfunktionen kan vid behov justeras med ett seriekopplat allpassfilter ( all-pass phase equalizer ). Notera dock ett filter även kan specificeras i termer av hur impulssvaret ska se ut (dvs i tidsplanet!). 3
4 Ideala filterspecifikationer Det finns fyra huvudtyper av ideala filter, nämligen: 4
5 Storheter vid filterspecifikation Passband: 1 δ p G(e jω ) 1+δ p, ω ω p Spärrband: G(e jω ) δ s, ω ω s Övergångszonens bredd: Δω = ω s ω p 5
6 Logaritmisk filterspecifikation En specifikation anges ofta som en dämpning uttryckt i logaritmerad form, dvs och anges i decibel (db). G(ω) = 20 log 10 G(e jω ) Maximalt rippel i passbandet α p spärrbandet α s ges då av och minimal dämpning i α p = 20 log 10 (1 δ p ) respektive α s = 20 log 10 δ s. 6
7 IIR filterstruktur Överföringsfunktionen för ett IIR-filter ges av H(z) = p 0 + p 1 z 1 + p 2 z p M z M d 0 + d 1 z 1 + d 2 z d N z N + Stränga specifikationer kan uppnås med små M och N Ej linjär fas Ej alltid stabilt 7
8 FIR filterstruktur Överföringsfunktionen för ett FIR-filter ges av H(z) = N n=0 h(n)z n + Kan designas med linjär fas, och kräver då ett symmetriskt eller antisymmetriskt impulssvar h(n), dvs h(n) = ±h(n n). + Alltid stabilt, även vid kvantisering av h(n):s koefficienter. 8
9 Jämförelse FIR-filter behöver N FIR mult./utsampel medan IIR-filter behöver 2N IIR + 1 mult./utsampel. För att få samma magnitudfunktion med FIR-filter som med IIR-filter krävs betydligt större ordning, dvs N FIR >> 10N IIR, och därför är FIR-filter generellt sett mera beräkningskrävande. Dock, FIR har inga stabilitetsproblem vid begränsad precision. 9
10 Val av filterordning För IIR-filter ingår beräkning av den modellordning som krävs i designproceduren. För FIR-filter finns olika approximationer som typiskt är inverst beroende av övergångszonens bredd: ju smalare och brantare en övergångszon är desto högre ordning krävs. Notera att dessa val är vägledande och måste testas för att kunna justeras rätt. 10
11 Vanligaste designtekniken för digitala IIR-filter 1. Transformera de digitala filterspecifikationerna till motsvarande för ett analogt prototyp-lågpassfilter. 2. Bestäm överföringsfunktionen H a (s) = P a(s) för det analoga D a (s) prototyp-lågpassfiltret (index a betecknar analog ). 3. Transformera H a (s) till den eftersökta digitala överföringsfunktionen H(z) = P (z) D(z). 11
12 Hur transformera från s- till z-planet? Bilinjär transformation är den vanligaste transformationen och definieras av ( ) 1 z 1 s = 2 T 1+z 1 Det intressanta och eftersökta sambandet mellan H(z) och H a (s) ges av G(z) =H a (s) ( ) s= 2 1 z 1 T 1+z 1 12
13 Bilinjär transformation i grafiska termer Avbildning av s-planet till z-planet: 13
14 Bilinjär transformation och frekvensaxeln Specifikt för s = jω, z = e jω och med T =2så har vi att jω = 1 e jω = j tan(ω/2), dvs Ω = tan(ω/2) 1+e jω 14
15 Bilinjär transformation och filterkaraktäristik 15
16 Design med bilinjär transformation 1. Transformera ω p och ω s med Ω = tan(ω/2) för att bestämma de motsvarande analoga storheterna Ω p och Ω s. 2. Designa det analoga filtret H a (s) med lämplig metod. 3. Bestäm det digitala filtret G(z) genom att transformera det analoga filtret H a (s) mha G(z) =H a (s) ( ) s= 2 1 z 1 T 1+z 1 Fasen bevaras ej genom transformen. 16
17 Impulssvar för idealt lågpassfilter (F3) h LP (n) = 1 2π π π H LP (e jω )e jωn dω h LP (n) = sin ω cn πn, n Idealt filter har skarpa kanter och nollfas. Detta ger ett filter med oändlig längd och ett icke-kausalt impulssvar. 17
18 FIR-filter design 1: Fönstermetoden (Windowed Fourier series) För att bli användbart måste ett impulssvar med oändlig längd trunkeras (och skiftas åt höger för att bli kausalt). Trunkering förändrar det ideala hos magnitudfunktionen och introducerar ett oscillatoriskt beteende (rippel) Gibbs fenomen, se exemplet nedan för två olika filterlängder. e 1.5 d u t i 1 n g a 0.5 M Magnitude N = 20 N = ω / π 18
19 Gibbs fenomen som faltning Trunkering innebär att h d (n) multipliceras med ett rektangulärt fönster w(n): en operation som i frekvensplanet svarar mot att H d (e jω ) faltas med fönstrets Fourier-transform Ψ(e jω ). 19
20 Magnitudfunktion för vanliga fixa fönster Magnitudfunktionen för de vanligaste fönstren, dvs. rektangulärt, Hanning, Hamming och Blackman; M =
21 Fönstring av idealt LP-filter samband 21
22 Justerbara fönster för FIR-filter design Det är ibland önskvärt att kunna justera sidlobernas amplitud ( ripplet ) och därför finns fönster med en sådan frihetsgrad. De två vanligaste är Dolph-Chebyshev och Kaiser (se nedan). 0 Kaiserfönster, beta=2 0 Kaiserfönster, beta= magnitud (db) -30 magnitud (db) normerad frekvens normerad frekvens 22
23 FIR-filter design 2 (ekvirippel): Parks-McClellans algoritm Ett annat sätt att konstruera FIR-filter efter en specifikation är att matcha amplitudfunktionen till en mallfunktion för den filtertyp som önskas. Matchningen görs genom att felet mellan funktionerna minimeras utifrån ett kriterium. Strategin bygger in att filtret ska ha linjär fas och jämn amplitud (ekvirippel) i såväl passband som spärrband. 23
24 Remez utbytesalgoritm 24
25 Viktiga räkningar i kapitel 7 Filterspecifikationer Digital IIR-design enligt blockschema i föreläsning 2. Kunskaper motsvarande exempel på föreläsning som är utlagd på hemsida (LP, HP) innefattande filterspec, prewarp, frekvenstransform, analog design, bilinjär transform. IDTFT av idealt filter t.ex tal 7.38,
26 Beräkningsbarhet av filterstrukturer (F4) Ett digitalt filter kan beskrivas med ett antal differensekvationer som relaterar utsignal till insignal. Filtret nedan kan t.ex. beskrivas med sex ekvationer: 26
27 Beräkningsbarhet av filterstrukturer, forts Ekvationerna är följande: w 1 (n) =x(n) αw 5 (n) w 2 (n) =w 1 (n) δw 3 (n) w 3 (n) =w 2 (n 1) w 4 (n) =w 3 (n)+εw 2 (n) w 5 (n) =w 4 (n 1) y(n) =βw 1 (n)+γw 5 (n) Hur möjliga är dessa att beräkna?? 27
28 Kompakt matrisrepresentation Det tidigare ekvationssystemet kan kompakt uttryckas som: y(n) =x(n)+fy(n)+gy(n 1) y(n) = [ w 1 (n) w 2 (n) w 3 (n) w 4 (n) w 5 (n) y(n) ] T x(n) = [ x(n) ] T F = α δ ε α 0 0 β γ 0, G =
29 Kompakt representation och beräkningsbarhet Ett filter är beräkningsbart om alla element i och ovanför diagonalen i matrisen F är lika med noll. I vårt specifika fall: filtret är inte beräkningsbart eftersom flera element är skilda från noll ovanför diagonalen. 29
30 Beräkningsbart filter - ändra ordningen! w 3 (n) w 5 (n) w 1 (n) w 2 (n) y(n) w 4 (n) = x(n) α δ γ β ε 0 0 w 3 (n 1) w 5 (n 1) w 1 (n 1) w 2 (n 1) y(n 1) w 4 (n 1) w 3 (n) w 5 (n) w 1 (n) w 2 (n) y(n) w 4 (n) 30
31 Precedensgrafen hjälpmedel för systematisk bedömning av beräkningsbarhet kan ritas om till en s.k. precedensgraf där varje signalvariabel w i (n) representeras med en nod och varje multiplikation eller fördröjning med en gren. Resultatet för filtret ovan blir då 31
32 Gruppering av noder Grupperingen i noder och den sekvensiella strukturen i beräkningen av signalvariabler kan grafiskt representeras på följande vis: 32
33 Diskreta Fouriertransformen (DFT) Beräkning av ett värde i DFTn X(k) =X(e jω ) ω=2πk/n = N 1 n=0 x(n)e j2πkn/n, 0 k N 1 kräver N komplexa multiplikationer och N 1 komplexa additioner. För att beräkna alla N värdena behövs således N 2 komplexa multiplikationer och (N 1)N komplexa additioner. Man kan visa att det motsvarande antalet reella multiplikationer är 4N 2 och antalet reella additioner (4N 2)N. Slutsats: uppsnabbning av beräkningarna är nödvändig! 33
34 Goertzels algoritm för beräkning av DFT Huvudmotiv: vi vill beräkna DFTn rekursivt för vissa frekvenser X(k) så att multiplikationer kan tjänas. X(k) = N 1 n=0 x(n)e j2πkn/n = x(0) + x(1)e j2πk/n + + x(n 1)e j2πk(n 1)/N Låt oss studera följande rekursion y k (n) =x(n)+e j2πk/n y k (n 1), n =0,...,N med begynnelsevillkoren y k ( 1) = 0 och x(n) =0. 34
35 Snabba Fouriertransformen (FFT) Huvudide: Dela upp DFT-summan successivt i DFT-summor med färre punkter så att periodicitet och symmetriegenskaper i e j2πkn N kan utnyttjas effektivt. Resultat: Dramatisk uppsnabbning av DFT-beräkning, resulterandes i N log 2 N muliplikationer istället för de N 2 som krävs vid rakfram beräkning. 35
36 Snabba Fouriertransformen (FFT) 2 Låt oss göra en enkel uppdelning av DFTn, nämligen: X(k) = = = N 1 x(n)e j2πkn/n n=0 N 2 1 n=0 N 2 1 n=0 x(2n)e j2πk2n/n + N 2 1 n=0 x(2n)e j2πkn/n 2 + e j2πk/n x(2n +1)e j2πk(2n+1)/n N 2 1 n=0 x(2n +1)e j2πkn/n 2 dvs. summan av N/2-punkters DFT av x(2n) respektive x(2n+1) där den senare DFTn multipliceras med faktorn e j2πk/n. Denna DFT är periodisk med längden N/2. 36
37 Snabba Fouriertransformen (FFT) 3 Följaktligen kan vi då uttrycka X(k) som X(k) =X 0 ( k N/2 )+e j2πk/n X 1 ( k N/2 ), 0 k N 1 där k N/2 = k modulo(n/2) och X 0 ( k N/2 ) N/2-punkters DFT av x 0 (n) =x(2n) X 1 ( k N/2 ) N/2-punkters DFT av x 1 (n) =x(2n +1) z
38 Beräkning av DFT mha två N/2-punkters DFT Flödesgraf för fallet N =8. 38
39 Beräkning av DFT mha två N/4-punkters DFT För fallet N = 8 så är detta den maximala uppdelningen, eftersom en 2-punkters DFT är den minsta möjliga! 39
40 Uppdelning av DFT: antal multiplikationer I varje steg krävs 8 komplexa mult. vilket med tre steg kräver 24 komplexa mult. allmänt krävs N log 2 N komplexa mult. 40
41 Decimering i tid (DIT) Den uppdelning av DFTn som är gjord här kallas ( decimeringi-tid ) X(k) = = N 1 x(n)e j2πkn/n n=0 N 2 1 n=0 x(2n)e j2πk2n/n + N 2 1 n=0 där varannat sampel går till vardera grenen. x(2n +1)e j2πk(2n+1)/n 41
42 Snabba Fouriertransformen (FFT) 4 Om decimeringen i varje steg är R så kallas FFT-algoritmen radix-r FFT. Här alltså radix-2. Det går bra att göra andra uppdelningar, t ex radix-3 X(k) =X 0 ( k N/3 )+e j2πk/n X 1 ( k N/3 )e j2π2k/n X 2 ( k N/3 ) 42
43 Viktiga räkningar i kapitel 8 Precedensgraf t.ex. i tal 8.2 Strukturverifiering i tal 8.7 och 8.9 Komplexitetsberäkning enl. tal
44 Kvantisering (F5) Värdet x kvantiseras med en funktion Q(x) till ett b-bitars värde medelst operationerna trunkering eller avrundning. 44
45 Kvantisering och digitala filter I samband med digitala filter finns flera frågor kring kvantisering. 1. Vad händer med ett filter när dess koefficienter kvantiseras? IIR/FIR? 2. Hur påverkar kvantisering av insignalen systemet? Kommer kvantiseringsfelet på insignalen att förstärkas genom filtret? 3. Vad får kvantiseringen i de aritmetriska operationerna (tex en produkt) för effekt? 45
46 1. Kvantisering av filterkoefficienter Ett filter med ändlig ordlängd för att representera dess koefficienter påverkar: frekvensfunktionen (olika mycket beroende på vilken specifik filterstruktur som valts såsom direktform, kaskadkopplad, lattice, osv). stabiliteten hos IIR-filter. Stabilitet vid oändlig ordlängd kan tyvärr inte garanteras vid ändlig ordlängd; detta gäller naturligtvis inte för FIR-filter. 46
47 Ändlig ordlängd i IIR-filter polplaceringar Ett andra ordningens IIR-filter direkt form I och möjliga polplaceringar för 4 respektive 7 bitars kvantisering av filterkoefficienterna. 47
48 Ändlig ordlängd i IIR-filter polplaceringar 2 Ett andra ordningens IIR-filter sk kopplad form och möjliga polplaceringar för 4 respektive 7 bitars kvantisering av filterkoefficienterna. 48
49 Vilken struktur är minst känslig för kvantisering? Ovan beskrivna analysteknik ger, efter diverse räknande, följande resultat (kom ihåg att θ bestämmer polernas vinkel): Δθ I = ΔK 2r sin θ Δθ II = 1 r sin θδα + 1 r cos θδβ Slutsats: struktur I är mera känslig för kvantisering om en pol ligger nära θ = 0 eller π, dvs. ett smalbandigt låg- eller högpassfilter. 49
50 Kvantisering av FIR-koefficienter ett exempel Logmagnitudfunktion okvantiserat 16 bitar 8 bitar Ekvirippel lågpassfilter med linjär fas designat med Parks-McClellans algoritm med specifikationer δ p =0.01, δ s =0.001 (dvs. 60 db). 50
51 Utsignalens varians vid kvantiserad insignal Kvantiseringsbrus med variansen σe 2 förstärks i ett filter H(e jω ) till σ 2 v = σ2 e 2π π π H(ejω ) 2 dω Normerat till insignalvariansen blir detta σ 2 v,n = 1 2π π π H(ejω ) 2 dω = 1 2πj C H(z)H(z 1 )z 1 dz 51
52 Utsignalens varians vid kvantiserad insignal Eftersom H(z) kan partialbråksuppdelas i första och andra ordningens rationella, reella och stabila överföringsfunktioner H i (z) H(z) = så kan utsignalvariansen skrivas σ 2 v,n = R k=1 1 2πj C R i=1 H k (z)h k (z 1 )z 1 dz +2 H i (z) R 1 R k=1 l=k+1 1 2πj C H k (z)h l (z 1 )z 1 dz där I i finns givna i tabell 9.4 för olika kombinationer av H k (z) och H l (z) 1 2πj C H k(z)h l (z 1 )z 1 dz 52
53 Kvantisering vid aritmetriska operationer Ett generellt linjärt filter beskrivs av följande differensekvation y(n) = N k=1 d k y(n k)+ M k=0 p k x(n k) Om alla sampel och koefficienter i denna ekvation representeras som fixtal med (b + 1)-bitars noggrannhet, så måste längden på de (2b + 1)-bitars produkter som resulterar trunkeras till (b + 1). Denna operation kan representeras med y(n) = N k=1 Q[d k y(n k)] + M k=0 Q[p k x(n k)] 53
54 Viktiga räkningar i kapitel 9 Kvantisering av filterkoefficienter (polkänslighet) i tal 9.5. Förstärkning av kvantiseringsbrus genom filter i tal Kvantisering av produkter före nästa addition i 9.13 och
55 Single-rate och multi-rate system (F6) I single-rate system är samplingsfrekvensen samma vid såväl ingång och utgång som vid alla interna noder. I många system är det dock fördelaktigt att använda olika samplingsfrekvens i olika delar av systemet multi-rate system. 55
56 Ändring av samplingsfrekvens: uppsampling 56
57 Frekvenstolkning av uppsampling (L =2) X u (z) = = n= m= x u (n)z n = n= neven x(n/2)z n x(m)z 2m = X(z 2 ) X u (e jω )=X(e jω2 ) 57
58 Ändring av samplingsfrekvens: nersampling 58
59 Nersampling och resulterande spektrum, forts Efter diverse räkningar erhålls att z-transformen för x int (n) är X int (z) = 1 M där W M = e j2π/m.följaktligen Y (z) = 1 M som i frekvensplanet ges av Y (e jω )= 1 M M 1 k=0 M 1 k=0 M 1 k=0 X(zW k M ) X(z 1/M W k M ) X(e j(ω 2πk)/M ) Detta uttryck tolkas som att resulterande spektrum är en summa av M ursprungliga spektrum men där bredden skalats om med faktorn 1/M och skiftats till olika lägen längs med frekvensaxeln. 59
60 Frekvenstolkning av nersampling Exempel för M = 2 där det ursprungliga spektrumet inte leder till överlappning vid nersampling. 60
61 Frekvenstolkning av nersampling vikning Exempel för M = 2 där det ursprungliga spektrumet är så pass brett att det leder till överlappning vid nersampling ett välkänt fenomen som kallas vikningsdistorsion. 61
62 Interpolering och decimering två byggblock Digital lågpass filtrering är nödvändig vid såväl interpolering som decimering för att hantera de oönskade effekter som uppstår vid dessa två operationer. 62
63 Interpolering och decimering Komplexitet Tidigare har vi sagt att IIR-filter är mer beräkningseffektiva i det att även om de kräver fler beräkningar per ordning så kan samma prestanda som för ett FIR-filter åstadkommas med betydligt lägre ordning så att IIR-filter föredras. Detta gäller i single-rate system. En intressant fråga är vilken av filtertyperna FIR och IIR som passar bäst i sammanhang där samplingsfrekvensen ska ändras. 63
64 Decimering i två eller tre steg - skillnad? 64
65 Polyfasuppdelning av signal En signal kan ekvivalent representeras av M stycken nersamplade signaler (med en faktor M) 65
66 Polyfasstruktur för effektiv decimering och interpolering Vi har tidigare sett att alla FIR-filter kan realiseras med polyfasstruktur. Polyfasstrukturen har samma komplexitet som direktstrukturerna men det visar sig att den är speciellt lämplig vid decimering och interpolering. 66
67 Polyfasstruktur för effektiv decimering och interpolering 67
68 Vad är en filterbank? Analys-filterbank Syntes-filterbank Utsignalerna v 1 (n),...,v L 1 (n) från analys-filterbanken behandlas på lämpligt sätt, t.ex. med en kodningsalgoritm, för att senare återskapas med syntes-filterbanken från ˆv 1 (n),...,ˆv M 1 (n). 68
69 Uniform DFT filterbank Lågpassfiltret H 0 (e jω )överst har ω p och ω s runt π/m. 69
70 Uniform DFT filterbank 2 De andra M 1 filtren fås genom att skifta prototypfiltret H 0 (e jω )längs med frekvensaxeln i steg om 2πk/M, dvs. H k (e jω )=H 0 (e jω e j2πk/m ), 0 k M 1 I tidsplanet ges impulssvaret för h k (n) av h k (n) =h 0 (n)e j2πkn/m, 0 k M 1 Om vi plottar H k (e jω ) för olika värde på k så erhålls diagrammet på föregående sida. Den resulterande filterbanken kallas uniform eftersom alla delbandsfilter ges av ekvidistanta frekvensskift av H 0 (e jω ), dvs. H k (e jω ) = H 0 (e j(ω 2πk/M) ) 70
71 Uniform DFT filterbank med polyfasstruktur Detta är ett effektivt sätt att implementera DFT-filterbanken eftersom det visar sig att polyfasuppdelningen av H 0 (e jω ) kan användas också för att skapa de olika H k (e jω ). Hur de olika polyfaskomponenterna ska kombineras anges av en invers DFTmatris. 71
72 DFT analys-filterbank med polyfasstruktur 2 Vi utgår ifrån H 0 (z) uttryckt som ett M-bands polyfasfilter, dvs H 0 (z) = M 1 l=0 z l E l (z M ) där E l (z) är den l:te polyfaskomponenten, E l (z) = e l (n)z n = n=0 h 0 (l + nm)z n, 0 l M 1 n=0 Polyfasform för filtren H k (z) erhölls med frekvensskift, som i z- planet svarar mot att z ersätts med ze j2πkn/m, dvs H k (z) = = M 1 l=0 M 1 l=0 z l e j2πkl/m E l (z M e j2πkm/m ) z l e j2πkl/m E l (z M ) 72
73 DFT analys-filterbank med polyfasstruktur 3 För specialfallet M =2så blir är H 0 (z) =E 0 (z 2 )+z 1 E 1 (z 2 ) och H 1 (z) blir H 1 (z) = 1 l=0 z l e j2πl/2 E l (z 2 e j2πk ) = E 0 (z 2 ) z 1 E 1 (z 2 ) 73
74 DFT analys-filterbank med polyfasstruktur 4 Z-transformen för alla M olika filter i banken kan skrivas som en produkt av två vektorer, och därefter samlas ihop i följande matrisekvation H 0 (z) H 1 (z). H M 1 (z) = e j2π/m... e j2π(m 1)/M e j2π(m 1)/M... e j2π(m 1)2 /M E 0 (z M ) z 1 E 1 (z M ). z (M 1) E M 1 (z M ) eller mera kompakt uttryckt som vektorer och matris, H(z) =MD 1 E(z) Anledningen till att matrisen D här skrivs som inverterad beror på att D definierar den M M matris som används vid beräkning av en DFT; se mera om detta på nästa sida. 74
75 DFT och IDFT i matrisform Transformparet för DFT:n ges av X(k) = M 1 n=0 x(n)e j2πnk/m x(n) = 1 M M 1 k=0 X(k)e j2πnk/m Med beteckningarna x = [ x(0) x(1)... x(m 1) ] T, X = [ X(0) X(1)... X(M 1) ] T,och D = e j2π/m... e j2π(m 1)/M e j2π(m 1)/M... e j2π(m 1)2 /M så kan transformparet även uttryckas som X = Dx x = D 1 X 75
76 DFT analys-filterbank med polyfasstruktur prestanda För ett prototypfilter med N koefficienter så kräver denna typ av filterbank vid direkt implementering: N M multiplikationer polyfas-implementering: (M/2) log 2 M + N multiplikationer. Alltså, en dramatisk förbättring av prestanda! 76
77 DFT syntes-filterbank med polyfasstruktur 77
78 L-bandsfilter Detta är en grupp av filter som är beräkningsmässigt attraktiva eftersom ett stort antal koefficienter är lika med noll, bevarar de ursprungliga samplens värde vid interpolering (dvs dessa går opåverkade genom interpolationsfiltret). Ett annat namn på dessa filter är Nyquistfilter. 78
79 Egenskaper hos L-bandsfilter Ett L-bandsfilters systemfunktion ges på polyfasform av H(z) = E 0 (z L )+z 1 E 1 (z L )+...+ z (k 1) E k 1 (z L )+αz k + z (k+1) E k+1 (z L )+...+ z (L 1) E L 1 (z L ) där en polyfaskomponent är konstant, dvs E k (z L )=αz k. Vid interpolering erhålls utsignalen som Y (z) =H(z)X(z L ), eller Y (z) =αz k X(z L )+ L 1 l=0 l k z l E l (z L )X(z L ) som i tidsplanet innebär att y(nl + k) = αx(n) dvs insignalens sampel återfinns odistorderade i utsignalen, medan de övriga samplen i utsignalen interpoleras fram. 79
80 Impulssvar för L-bandsfilter Allmänt: h(ln) = α, n =0 0, för övrigt. L =3 80
81 Frekvenssvar för skiftade L-bandsfilter Om det är E 0 (z) som är α så blir L 1 k=0 H(zW k L )=Lα. 81
82 Halvbandsfilter specialfall av L-bandsfilter Om L =2så kallas filtret för halvbandsfilter och ges då av H(z) =E 0 (z 2 )+z 1 E 1 (z 2 )=α + z 1 E 1 (z 2 ) där vi utnyttjat att E 0 (z 2 )är den konstanta polyfaskomponenten, oftast vald med α = 1 2.Följaktligen är impulssvaret (varannat sampel) lika med h(2n) = 1 2, n =0 0, för övrigt. För alla halvbandsfilter kan man visa att H(z)+H( z) = z 1 E 1 (z 2 )+ 1 2 z 1 E 1 (z 2 )=1 vilket har en intressant tolkning i frekvensplanet... 82
83 Halvbandsfilter specialfall av L-bandsfilter Om vi sätter z = e jω så erhålls H(e jω )+H( 1 e jω )=H(e jω )+H(e j(π ω) )=1 som kan tolkas enligt nedan (h(n) antas vara FIR med N = 11). obs! varannan nolla obs! reell funktion obs! skiftad obs! summan=1 h(n),n =11 H(e jω ) H(e j(π ω) ) H(e jω )+H(e j(π ω) ) Eftersom flera koefficienter (ibland uppåt 50%) är noll sparas många multiplikationer. (N = 101 ger endast 25 mult.) 83
84 Quadrature-mirror filter bank QMF-bank Samma samplingshastighet på in- och utsignalen. 84
85 QMF-bank standardversionen Om vi väljer följande analys- och syntesfilter: H 0 (z) =H(z), H 1 (z) =H( z), G 0 (z) =2H(z), G 1 (z) = 2H( z) så elimineras vikningsdistorsionen, dvs A(z) = 0. Detta är synnerligen anmärkningsvärt eftersom samplingsteoremet inte uppfylls i någon av filterbankens grenar. Med dessa filter fås kravet på rekonstruktion via T (z) som H 2 (z) H 2 ( z) =z k som med antagandet att H(z) är ett FIR-filter med linjär fas, dvs på formen H(z) = H(z)z (N 1)/2 där H(z) har noll-fas och N antas vara jämn, leder till H 2 (z)+ H 2 ( z) =1 85
86 QMF-bank standardversionen, forts Uttryckt i frekvensplanet blir detta H 2 (e jω )+ H 2 (e j(π ω) )=1 Alltså, den kvadrerade amplitudfunktionen A 2 (e jω )är ett halvbands lågpassfilter medan A 2 (e j(π ω) )är ett halvbands högpassfilter (dvs en filtertyp som vi redan stött på!). Eftersom dessa två filterfunktioner är varandras spegelbilder i frekvensen ω = π 2 så kallas de kvadraturspegelfilter. 86
87 Vikningsfri IIR QMF-bank För E 0 (z) = 1 2 A 0(z) oche 1 (z) = 1 2 A 1(z) där A 0 (z) ocha 1 (z) är stabila allpassfilter ges analysfilterna av [ ] H0 (z) = 1 [ ][ 1 1 A0 (z 2 ] ) H 1 (z) z 1 A 1 (z 2 ) och syntesfilterna av Se Fig G 0 (z) = 1 2 [A 0(z 2 )+z 1 A 1 (z 2 )] = H 0 (z) G 1 (z) = 1 2 [A 0(z 2 )+z 1 A 1 (z 2 )] = H 0 (z) 87
88 Viktiga räkningar i kapitel 10 Spektrum och signal vid upp- och nedsampling. Se tal 10.7, 10.8, Uppg 2 på extentan. Att använda upp- och nedsamplingsekv. som i sista talet på extentan. Multi-stage decimering enligt tal Komplexitet vid FIR decimering tal Polyfasuppdelning av IIR-filter som i tal och extenta Effektiv decimering med polyfas enl tal
89 Polyfasstruktur för uniform filterbank tal Testning av perfekt rekonstruktion i QMF-bank IIR QMF med allpassfilter 10.39
90 Audio/video-materialet Materialet som ingår är: Föreläsningsanteckningar Datorövningar Laborationer 89
91 Tentamen Första talet blir teorifrågor från föreläsningar, datorövningar och laborationer. Tillåtna hjälpmedel är teoriboken (utan anteckningar), räknedosa och formelsamling från grundkursen. 90
Föreläsning 1: Inledning till Digital signalbehandling i audio & video. Leif Sörnmo 11 mars 2009
Föreläsning 1: Inledning till Digital signalbehandling i audio & video Leif Sörnmo 11 mars 2009 1 Schema Föreläsningar: Måndag 10.15 12.00 i sal E:2311 Fredag 08.15 10.00 i sal E:2311 Övningar: Tisdag
Läs merSpektrala Transformer
Spektrala Transformer Kurssammanfattning Fyra kärnkoncept Sampling Faltning Poler och nollställen Fouriertransform Koncept #1: Sampling En korrekt samplad signal kan rekonstrueras exakt, dvs ingen information
Läs merDIGITALA FILTER. Tillämpad Fysik Och Elektronik 1. Frekvensfunktioner FREKVENSSVAR FÖR ETT TIDSDISKRET SYSTEM. x(n)= Asin(Ωn)
DIGITALA FILTER TILLÄMPAD FYSIK OCH ELEKTRONIK, UMEÅ UNIVERSITET 1 Frekvensfunktioner x(n)= Asin(Ωn) y(n) H(z) TILLÄMPAD FYSIK OCH ELEKTRONIK, UMEÅ UNIVERSITET 2 FREKVENSSVAR FÖR ETT TIDSDISKRET SYSTEM
Läs merResttentamen i Signaler och System Måndagen den 11.januari 2010, kl 14-19
Resttentamen i Signaler och System Måndagen den 11.januari 2010, kl 14-19 Tillåtna hjälpmedel: Valfri miniräknare (utan möjlighet till trådlös kommunkation). Valfri litteratur, inkl. kursböcker, formelsamlingar.
Läs merRÄKNEEXEMPEL FÖRELÄSNINGAR Signaler&System del 2
t 1) En tidskontinuerlig signal x( t) = e 106 u( t) samplas med sampelperioden 1 µs, varefter signalen trunkeras till 5 sampel. Den så erhållna signalen får utgöra insignal till ett tidsdiskret LTI-system
Läs merTIDSDISKRETA SYSTEM SYSTEMEGENSKAPER. Minne Kausalitet Tidsinvarians. Linjäritet Inverterbarhet Stabilitet. System. Tillämpad Fysik och Elektronik 1
TIDSDISKRETA SYSTEM TILLÄMPAD FYSIK OCH ELEKTRONIK, UMEÅ UNIVERSITET 1 SYSTEMEGENSKAPER x[n] System y[n] Minne Kausalitet Tidsinvarians Linjäritet Inverterbarhet Stabilitet TILLÄMPAD FYSIK OCH ELEKTRONIK,
Läs merTentamen i TMA 982 Linjära System och Transformer VV-salar, 27 aug 2013, kl
Tentamen i TMA 982 Linjära System och Transformer VV-salar, 27 aug 2013, kl 8.30-12.30 Examinatorer: Lars Hammarstrand och Thomas Wernstål Tentamen består av två delar (Del I och Del II) på sammanlagt
Läs merTentamen ssy080 Transformer, Signaler och System, D3
Tentamen ssy080 Transformer, Signaler och System, D3 Examinator: Ants R. Silberberg oktober 009 kl. 4.00-8.00 lokal: Johanneberg Förfrågningar: Ants Silberberg, tel. 808 Lösningar: Anslås torsdag okt.
Läs merInnehåll. Innehåll. sida i
1 Introduktion... 1.1 1.1 Kompendiestruktur... 1.1 1.2 Inledning... 1.1 1.3 Analogt/digitalt eller tidskontinuerligt/tidsdiskret... 1.2 1.4 Konventioner... 1.3 1.5 Varför digital signalbehandling?... 1.4
Läs merLaplace, Fourier och resten varför alla dessa transformer?
Laplace, Fourier och resten varför alla dessa transformer? 1 Bakgrund till transformer i kontinuerlig tid Idé 1: Representera in- och utsignaler till LTI-system i samma basfunktion Förenklad analys! Idé
Läs merExempelsamling Grundläggande systemmodeller. Klas Nordberg Computer Vision Laboratory Department of Electrical Engineering Linköping University
Exempelsamling Grundläggande systemmodeller Klas Nordberg Computer Vision Laboratory Department of Electrical Engineering Linköping University Version: 0.11 September 14, 2015 Uppgifter markerade med (A)
Läs mer1. Vi har givet två impulssvar enligt nedan (pilen under sekvenserna indikerar den position där n=0) h 1 (n) = [ ]
TEKNISKA HÖGSKOLAN I LUND Institutionen för elektro- och informationsteknik Kurskod: ESS00 Tentamen i Digital Signalbehanding Datum: 0 5 Time period: 08.00 3.00 Bedömning: Sex uppgifter. Varje uppgift
Läs merDT1130 Spektrala transformer Tentamen
DT3 Spektrala transformer Tentamen 3 Tentamen består av fem uppgifter där varje uppgift maximalt ger 4 p. Normalt gäller följande betygsgränser: E: 9 p, D:.5 p, C: 4 p, B: 6 p, A: 8 p Tillåtna hjälpmedel:
Läs merDT1130 Spektrala transformer Tentamen
DT Spektrala transformer Tentamen 72 Tentamen består av fem uppgifter där varje uppgift maximalt ger 4 p. Normalt gäller följande betygsgränser: E: 9 p, D:.5 p, C: 4 p, B: 6 p, A: 8 p Tillåtna hjälpmedel:
Läs merExempelsamling Grundläggande systemmodeller. Klas Nordberg Computer Vision Laboratory Department of Electrical Engineering Linköping University
Exempelsamling Grundläggande systemmodeller Klas Nordberg Computer Vision Laboratory Department of Electrical Engineering Linköping University Version: 0.1 August 25, 2015 Uppgifter markerade med (A) är
Läs merFÖRELÄSNING 13: Analoga o p. 1 Digitala filter. Kausalitet. Stabilitet. Ex) på användning av analoga p. 2 filter = tidskontinuerliga filter
FÖRELÄSNING 3: Analoga o p. Digitala filter. Kausalitet. Stabilitet. Analoga filter Ideala filter Butterworthfilter (kursivt här, kommer inte på tentan, men ganska bra för förståelsen) Kausalitet t oh
Läs merVad gör vi när vi bara har en mätserie och ingen elegant matematisk funktion? Spektrum av en samplad signal. Trunkering i tiden
Vad gör vi när vi bara har en mätserie och ingen elegant matematisk funktion? 1 Spektrum av en samplad signal Samplingsprocessen kan skrivas som Fouriertranformen kan enligt linjäritetsoch tidsskiftsatsen
Läs merDT1130 Spektrala transformer Tentamen
DT3 Spektrala transformer Tentamen 5 Tentamen består av fem uppgifter där varje uppgift maximalt ger p. Normalt gäller följande betygsgränser: E: 9 p, D:.5 p, C: p, B: 6 p, A: 8 p Tillåtna hjälpmedel:
Läs merDT1130 Spektrala transformer Tentamen
DT3 Spektrala transformer Tentamen 6 Tentamen består av fem uppgifter där varje uppgift maximalt ger 4 p. Normalt gäller följande betygsgränser: E: 9 p, D:.5 p, C: 4 p, B: 6 p, A: 8 p Tillåtna hjälpmedel:
Läs merSpektrala Transformer
Spektrala Transformer Tidsdiskreta signaler, kvantisering & sampling Tidsdiskreta signaler Tidskontinuerlig signal Ex: x(t) = sin(ωt) t är ett reellt tal ω har enheten rad/s Tidsdiskret signal Ex: x(n)
Läs merImplementering av digitala filter
Kapitel 9 Implementering av digitala filter Som vi sett i kapitel 8 kan det behövas ett mycket stort antal koefficienter för att representera ett digitalt filter. Detta gäller i synnerhet FIR filter. Det
Läs merTentamen ssy080 Transformer, Signaler och System, D3
Tentamen ssy080 Transformer, Signaler och System, D3 Examinator: Ants R. Silberberg 19 oktober 2011 kl. 08.30-12.30 sal: Hörsalsvägen Förfrågningar: Ants Silberberg, tel. 1808 Lösningar: Anslås torsdag
Läs merSyntes av digitala filter
Kapitel 8 Syntes av digitala filter 8. Digitala filter I kapitel 7 hade vi sambandet (7.8) för ett linjärt system, enligt vilket utsignalens z-transform är insignalens transform multiplicerad med systemets
Läs merDigital Signalbehandling i Audio/Video
Digital Signalbehandling i Audio/Video Institutionen för Elektrovetenskap Laboration 1 (del 2) Stefan Dinges Lund 25 2 Kapitel 1 Digitala audioeffekter Den här delen av laborationen handlar om olika digitala
Läs merDT1120/DT1130 Spektrala transformer Tentamen
DT/DT3 Spektrala transformer Tentamen 86 Tentamen består av fem uppgifter där varje uppgift maximalt ger 4 p. Normalt gäller följande betygsgränser: E: 9 p, D:.5 p, C: 4 p, B: 6 p, A: 8 p Tillåtna hjälpmedel:
Läs merGRUNDKURS I SIGNALBEHANDLING (454300), 5sp Tentamen
GRUNDKURS I SIGNALBEHANDLING (454300), 5sp Tentamen 26.02013 kursens övningsuppgifter eller gamla tentamensuppgifter, eller Matlab-, Scilab- eller Octave- programmerbara kalkylatorer eller datorer. 1.
Läs merÖvningsuppgifter. Digital Signal Processing. Övningar med svar och lösningar. Mikael Swartling Nedelko Grbic Bengt Mandersson. rev.
Övningsuppgifter Digital Signal Processing Övningar med svar och lösningar Mikael Swartling Nedelko Grbic Bengt Mandersson rev. 17 Department of Electrical and Information Technology Lund University Introduktion
Läs merDigitala filter. FIR Finit Impulse Response. Digitala filter. Digitala filter. Digitala filter
Digitala filter Digitala filter FIR Finit Impulse Response Digitala filter förekommer t.ex.: I Matlab, Photoshop oh andra PCprogramvaror som filtrerar. I apparater med signalproessorer, t.ex. mobiltelefoner,
Läs merElektronik 2018 EITA35
Elektronik 218 EITA35 Föreläsning 1 Filter Lågpassfilter Högpassfilter (Allpassfilter) Bodediagram Hambley 296-32 218-1-2 Föreläsning 1, Elektronik 218 1 Laboration 2 Förberedelseuppgifter! (Ingen anmälan
Läs merSignal- och bildbehandling TSEA70
Tentamen i Signal- och bildbehandling TSEA70 Tid: 000-03-8 kl. 4-8 Lokaler: Garnisonen Ansvariga lärare: Olle Seger, Maria M Seger besöker lokalerna kl 500 och 700 tel 070/33 79 48 Hjälpmedel: Räknedosa,
Läs merTentamen i ESS 010 Signaler och System E3 V-sektionen, 16 augusti 2005, kl 8.30 12.30
Tentamen i ESS 00 Signaler och System E3 V-sektionen, 6 augusti 2005, kl 8.30 2.30 Examinator: Mats Viberg Tentamen består av 5 uppgifter som vardera ger maximalt 0 p. För godkänd tentamen fordras ca 20
Läs merSignal- och bildbehandling TSBB14
Tentamen i Signal- och bildbehandling TSBB4 Tid: -5-8 Lokaler: TER3 Ansvarig lärare: Maria Magnusson besöker lokalen kl. 8.45 och.45 tel 8336, 73-84 38 67 Hjälpmedel: Räknedosa, medskickad formelsamling,
Läs merSpektrala Transformer
Spektrala Transformer Tidsdiskreta signaler, kvantisering & sampling Tidsdiskreta signaler Tidskontinuerlig signal Ex: x(t) = sin(ωt) t är ett reellt tal ω har enheten rad/s Tidsdiskret signal Ex: x(n)
Läs merLaplace, Fourier och resten varför alla dessa transformer?
Laplace, Fourier och resten varför alla dessa transformer? 1 Vi har sett hur ett LTI-system kan ges en komplett beskrivning av dess impulssvar. Genom att falta insignalen med impulssvaret erhålls systemets
Läs merSignal- och bildbehandling TSBB14
Tentamen i Signal- och bildbehandling TSBB Tid: 3-5-3 Lokaler: TER Ansvarig lärare: Maria Magnusson besöker lokalen kl. 8.5 och.3 tel 73-8 38 67 Hjälpmedel: Räknedosa, medskickad formelsamling, OH-film,
Läs merFöreläsning 6: Spektralskattning: icke parametriska metoder. Leif Sörnmo 4 oktober 2009
Föreläsning 6: Spektralskattning: icke parametriska metoder Leif Sörnmo 4 oktober 2009 1 Metoder för spektralskattning icke-parametriska korrelogram, periodogram fönstring, medelvärdesbildning minimum-varians
Läs merDiskreta signaler och system
Kapitel 7 Diskreta signaler och system I detta kapitel diskuteras grundläggande teori för diskreta signaler och system. För diskreta signaler introduceras z-transformen, som ligger som grund för representationen
Läs merSpektrala Transformer
Spektrala Transformer Fouriertransformer Fourier Gif mig en wågform och jag skola skrifva den som en summa af sinuswågor! Jean-Baptiste Fourier 1768-1830 Fouriertransformen Transformerar kontinuerliga
Läs merSignal- och bildbehandling TSEA70
Tentamen i Signal- och bildbehandling TSEA70 Tid: 2003-08-22 kl. 4-8 Lokaler: G36 Ansvarig lärare: Maria Magnusson Seger besöker lokalen kl. 6.00. tel 0702/33 79 48 Hjälpmedel: Räknedosa, OH-film, medskickad
Läs merSpektrala Transformer
Spektrala Transformer Fouriertransformer Fourier Gif mig en wågform och jag skola skrifva den som en summa af sinuswågor! Jean-Baptiste Fourier 768-830 Fouriertransformen Transformerar kontinuerliga signaler
Läs merDIGITALA FILTER DIGITALA FILTER. Tillämpad Fysik Och Elektronik 1
DIGITALA FILTER TILLÄMPAD FYIK OCH ELEKTRONIK, UMEÅ UNIVERITET 1 DIGITALA FILTER Digitala filter förekommer t.ex.: I Photoshop och andra PC-programvaror som filtrerar. I apparater med signalprocessorer,
Läs merREGLERTEKNIK Laboration 5
6 SAMPLADE SYSTEM 6. Sampling av signaler När man använder en dator som regulator, kan man endast behandla signaler i diskreta tidpunkter. T.ex. mäts systemets utsignal i tidpunkter med visst mellanrum,
Läs merFöreläsning 10, Egenskaper hos tidsdiskreta system
Föreläsning 10, Egenskaper hos tidsdiskreta system Reglerteknik, IE1304 1 / 26 Innehåll Kapitel 18.1. Skillnad mellan analog och digital reglering 1 Kapitel 18.1. Skillnad mellan analog och digital reglering
Läs merSystem. Z-transformen. Staffan Grundberg. 8 februari 2016
Z-transformen 8 februari 2016 Innehåll Z-transformen Tidsdiskreta LTI-system Överföringsfunktioner Frekvensegenskaper Z-transformen Z-transformen av en tidsdiskret signal y[n] ges av Y (z) = Z[y] = y[n]z
Läs merSignal- och bildbehandling TSBB03
Tentamen i Signal- och bildbehandling TSBB3 Tid: 28-5-29 kl. 8-2 Lokal: TER2 Ansvarig lärare: Maria Magnusson besöker lokalen kl. 9. och.4 tel 73-84 38 67 Hjälpmedel: Räknedosa, medskickad formelsamling,
Läs merFlerdimensionella signaler och system
Luleå tekniska universitet Avd för signalbehandling Magnus Sandell (reviderad av Frank Sjöberg) Flerdimensionell signalbehandling SMS033 Laboration 1 Flerdimensionella signaler och system Syfte: Den här
Läs merFörsättsblad till skriftlig tentamen vid Linköpings universitet G33(1) TER4(63)
Försättsblad till skriftlig tentamen vid Linköpings universitet Datum för tentamen 2017-01-07 Sal (2) G33(1) TER4(63) Tid 8-12 Kurskod TSBB16 Provkod TEN2 Kursnamn/benämning Provnamn/benämning Institution
Läs merDT1120 Spektrala transformer för Media Tentamen
DT Spektrala transformer för Media Tentamen 77 Tentamen består av fem uppgifter där varje uppgift maximalt ger 4 p. Normalt gäller följande betygsgränser: 3:9 p, 4: 3 p, 5: 7 p Tillåtna hjälpmedel: räknare,
Läs merSignal- och bildbehandling TSBB03, TSBB14
Tentamen i Signal- och bildbehandling TSBB03, TSBB4 Tid: 00-0- Lokaler: G33 Ansvarig lärare: Maria Magnusson besöker lokalen kl. 4.50 och 6.50 tel 073-804 38 67 Hjälpmedel: Räknedosa, medskickad formelsamling,
Läs merTeori... SME118 - Mätteknik & Signalbehandling SME118. Johan Carlson 2. Teori... Dagens meny
Tidigare har vi gått igenom Fourierserierepresentation av periodiska signaler och Fouriertransform av icke-periodiska signaler. Fourierserierepresentationen av x(t) ges av: där a k = 1 T + T a k e jkω
Läs mer( ), så kan du lika gärna skriva H ( ω )! ( ) eftersom boken går igenom laplacetransformen före
Några allmänna kommentarer gällande flera av lösningarna: Genomgående används kausala signaler och kausala system, vilket innebär att det är den enkelsidiga laplacetransformen som används. Bokens författare
Läs merTSRT91 Reglerteknik: Föreläsning 5
TSRT9 Reglerteknik: Föreläsning 5 Martin Enqvist Reglerteknik Institutionen för systemteknik Linköpings universitet Föreläsningar / 23 Inledning, grundläggande begrepp. 2 Matematiska modeller. Stabilitet.
Läs merSignal- och bildbehandling TSBB03
Tentamen i Signal- och bildbehandling TSBB03 Tid: 2004-06-0 kl. 8-2 Lokaler: Garnisonen Ansvarig lärare: Maria Magnusson Seger besöker lokalen kl. 9.00 och 0.45. tel 073-804 38 67 Hjälpmedel: Räknedosa,
Läs merKan vi beskriva ett system utan någon fysikalisk kännedom om systemet?
Kan vi beskriva ett system utan någon fysikalisk kännedom om systemet? 1 Om svaret på frågan är ja så öppnar sig möjligheten att skapa en generell verktygslåda som fungerar för analys och manipulering
Läs merUppsala Universitet Matematiska Institutionen Bo Styf. Sammanfattning av föreläsningarna 15-18, 30/11-12/
Uppsala Universitet Matematiska Institutionen Bo Styf Transformmetoder, 5 hp ES, gyl, Q, W 0-0-9 Sammanfattning av föreläsningarna 5-8, 30/ - / 0. Z-transformen ska avslutas och sedan blir det tentaförberedelser.
Läs merLösningar till Övningsuppgifter
Lösningar till Övningsuppgifter Digital Signal Processing Övningar med svar och lösningar Mikael Swartling Nedelko Grbic Bengt Mandersson rev. 07 Department of Electrical and Information Technology Lund
Läs mer1. Rita följande tidssekvenser. 2. Givet tidssekvensen x n i nedanstående figur. Rita följande tidssekvenser.
Lasse Björkma 999 . Rita följade tidssekveser. a) δ e) u b) δ f) u u c) δ + δ g) u d) u h) u. Givet tidssekvese x i edaståede figur. Rita följade tidssekveser. a) x c) x b) x + 3 d) x 3. Givet tidssekvesera
Läs merTSDT18/84 SigSys Kap 4 Laplacetransformanalys av tidskontinuerliga system. De flesta begränsade insignaler ger upphov till begränsade utsignaler
9 Stabilitet för energifria LTI-system Marginellt stabilt system: De flesta begränsade insignaler ger upphov till begränsade utsignaler Kap 2, bild 4 h t h( t) dt /< < t gäller för marginellt stabila LTI-system
Läs merTSDT15 Signaler och System
TSDT5 Signaler och System DATORUPPGIFTER VÅREN 03 OMGÅNG Mikael Olofsson, mikael@isy.liu.se Efter en förlaga av Lasse Alfredsson February, 03 Denna uppgiftsomgång behandlar faltning samt system- & signalanalys
Läs mer2F1120 Spektrala transformer för Media Tentamen
F Spektrala transformer för Media Tentamen 68 Tentamen består av fem uppgifter där varje uppgift maximalt ger p. Normalt gäller följande betygsgränser: :9 p, : p, 5: 7 p Tillåtna hjälpmedel: räknare, formelblad
Läs mer62n 105n) c) cos(3πn) d) sin(3n) e) sin(π. 1.8 Ett analogt elektrokardiogram (EKG) innehåller frekvenser upp till 100 Hz.
Kapitel Övningsuppgifter. Bestäm vilka av följande signaler som är periodiska och bestäm periodtiden. a) cos(.πn) b) cos(π 3 6n 5n) c) cos(3πn) d) sin(3n) e) sin(π )..5 Den analoga signalen x a (t) är
Läs merKryssproblem (redovisningsuppgifter).
Uppsala Universitet Matematiska Institutionen Bo Styf Transformmetoder, 5 hp ES, gyl, Q, W 212-1-29 Kryssproblem (redovisningsuppgifter). Till var och en av de tio lektionerna hör två problem som du ska
Läs merDigital Signalbehandling
Digital Signalbehandling Institutionen för Elektro- och informationsteknik Övningar och lösningar Proakis bok (upplaga 4) Nedelko Grbić Lund 4 Innehåll Övningsuppgifter 5 Lösningar till övningsuppgifter
Läs merImpulssvaret Betecknas h(t) respektive h(n). Impulssvaret beskriver hur ett system reagerar
6 Sjätte lektionen 6.1 Transformvärlden 6.1.1 Repetera Rita upp en tankekarta över följande begrepp där du anger hur de hänger ihop och hur de betecknas. Vad beskriver de? Impulssvaret Amplitudsvaret (frekvensgången)
Läs merÖvningar med Digitala Filter med exempel på konstruktion och analys i MatLab
Övningar med Digitala Filter med exempel på konstruktion och analys i MatLab Eddie Alestedt Vt-2002 Digitala filter Digitala filter appliceras på samplade signaler och uppvisar helt andra egenskaper än
Läs merMiniräknare, formelsamling i signalbehandling.
LUNDS TEKNISKA HÖGSKOLA Inst. för Elektro- och Informationsteknik Tentamen 05-0-4 DIGITAL SIGNALBEHANDLING, ESS040 Tid: 4.00 9.00 Sal: Sparta B, D Hjälpmedel: Miniräknare, formelsamling i signalbehandling.
Läs merFöreläsning 1: Signaler, matriser och processer. Leif Sörnmo 28 augusti 2009
Föreläsning 1: Signaler, matriser och processer Leif Sörnmo 28 augusti 2009 1 Optimal Signalbehandling kontra Digital Signalbehandling? stokastisk modellering av signalen, metoddesign baserad på signalens
Läs merSammanfattning TSBB16
Sammanfattning TSBB16 Frekvensfunktion =H(omega) Kombinationen av amplitud och faskarakteristik är unik. H(ω) = D(ω) e^jψ(ω)=y(t)/x(t). Detta är frekvensfunktionen. H(ω)=utsignal/insignal D(ω) = H(ω).
Läs meri(t) C i(t) = dq(t) dt = C dy(t) dt y(t) + (4)
2 Andra lektionen 2. Impulssvar 2.. En liten krets Beräkna impulssvaret för kretsen i figur genom att beräkna hur y(t) beror av x(t). R x(t) i(t) C y(t) Figur : Första ordningens lågpassfilter. Utsignalen
Läs merBildbehandling i frekvensdomänen
Uppsala Tekniska Högskola Signaler och system Handledare: Mathias Johansson Uppsala 2002-11-27 Bildbehandling i frekvensdomänen Erika Lundberg 800417-1602 Johan Peterson 790807-1611 Terese Persson 800613-0267
Läs merTentamen i Elektronik - ETIA01
Tentamen i Elektronik - ETIA01 Institutionen för elektro- och informationsteknik LTH, Lund University 2015-10-21 8.00-13.00 Uppgifterna i tentamen ger totalt 60 poäng. Uppgifterna är inte ordnade på något
Läs merLUNDS TEKNISKA HÖGSKOLA Inst. for Elektro- och Informationsteknik. SIGNALBEHANDLING I MULTIMEDIA, ETI265 Inlämningsuppgift 1 (av 2), Task 1 (out of 2)
LUNDS TEKNISKA HÖGSKOLA Inst. for Elektro- och Informationsteknik SIGNALBEHANDLING I MULTIMEDIA, ETI65 Inlämningsuppgift (av ), Task (out of ) Inlämningstid: Inlämnas senast kl 7. fredagen den 5:e maj
Läs merKompletterande räkneuppgifter i Spektrala Transformer Komplex analys, sampling, kvantisering, serier och filter Laura Enflo & Giampiero Salvi
Kompletterande räkneuppgifter i Spektrala Transformer Komplex analys, sampling, kvantisering, serier och filter & Giampiero Salvi Komplex analys Om man endast använder den reella tallinjen är det inte
Läs merMiniräknare och en valfri formelsamling i signalbehandling eller matematik. Allowed items: calculator, DSP and mathematical tables of formulas
LUNDS TEKNISKA HÖGSKOLA Institutionen för Elektro- och Informationsteknik Tentamen 08-05-3 SIGNALBEHANDLING i MULTIMEDIA, EITA50 Tid: 08.00-3.00 Sal: Vic A Hjälpmedel: Viktigt: Miniräknare och en valfri
Läs merOptimal Signalbehandling Datorövning 1 och 2
Institutionen för Elektro- och Informationsteknik Lunds Universitet Lunds Tekniska Högskola Optimal Signalbehandling Datorövning 1 och 2 Leif Sörnmo Martin Stridh 2011 Department of Electrical and Information
Läs merElektronik. Dataomvandlare
Elektronik Dataomvandlare Johan Wernehag Institutionen för elektro- och informationsteknik Lunds universitet 2 Översikt Analoga och digitala signaler Nyquistteorem Kvantiseringsfel i analog-till-digital
Läs merProjekt 1 (P1) Problembeskrivning och uppdragsspecifikation
Projekt 1 (P1) Problembeskrivning och uppdragsspecifikation Etapp 1 Problem med mätsignalen m.a.p. sampling, vikning och spektraltäthet Problembeskrivning Uppdragsgivaren överväger att skaffa nya A/D-omvandlare
Läs mer7 Olika faltningkärnor. Omsampling. 2D Sampling.
7 Olika faltningkärnor. Omsampling. D Sampling. Aktuella ekvationer: Se formelsamlingen. 7.. Faltningskärnors effekt på bilder. Bilden f(, y) ska faltas med olika faltningskärnor, A H, se nedan. f(,y)
Läs merSignal- och bildbehandling TSBB03
Tentamen i Signal- och bildbehandling TSBB03 Tid: 2006-05-3 kl. 8-2 Lokal: TER2 Ansvarig lärare: Maria Magnusson besöker lokalen kl. 9.40. tel 073-804 38 67 Hjälpmedel: Räknedosa, medskickad formelsamling,
Läs merTSBB16 Datorövning A Samplade signaler Faltning
Name: ID number: Passed: LiU-ID: Date: TSBB16 Datorövning A Samplade signaler Faltning Utvecklad av Klas Nordberg Computer Vision Laboratory, Linköping University, Sweden 24 augusti 2015 Introduktion Denna
Läs merSignalanalys med snabb Fouriertransform
Laboration i Fourieranalys, MVE030 Signalanalys med snabb Fouriertransform Den här laborationen har två syften: dels att visa lite på hur den snabba Fouriertransformen fungerar, och lite om vad man bör
Läs merTentamen i Elektronik, ESS010, del 1 den 21 oktober 2008 klockan 8:00 13:00
Tentamen i Elektronik, ESS00, del den oktober 008 klockan 8:00 :00 Tekniska Högskolan i Lund Institutionen för Elektrovetenskap Tentamen i Elektronik, ESS00, del den oktober 008 klockan 8:00 :00 Uppgifterna
Läs merVad gör vi när vi bara har en mätserie och ingen elegant matematisk funktion?
Vad gör vi när vi bara har en mätserie och ingen elegant matematisk funktion? 1 Ett problem med Fourier- och Laplacetransformen är att de kräver att signalen som skall transformeras kan skrivas som en
Läs merTSKS21 Signaler, Information och Bilder Lab 2: Digitalisering
TSKS21 Signaler, Information och Bilder Lab 2: Digitalisering Mikael Olofsson 8 februari 2017 Fyll i detta med bläckpenna Laborant Personnummer Datum Godkänd 1 1 Allmänt Denna laboration syftar till att
Läs merLaboration i Fourieranalys för F2, TM2, Kf2 2011/12 Signalanalys med snabb Fouriertransform (FFT)
Laboration i Fourieranalys för F2, TM2, Kf2 2011/12 Signalanalys med snabb Fouriertransform (FFT) Den här laborationen har två syften: dels att visa hur den snabba Fouriertransformen fungerar och vad man
Läs merLaboration i Fourieranalys, TMA132 Signalanalys med snabb Fouriertransform
Laboration i Fourieranalys, TMA132 Signalanalys med snabb Fouriertransform Den laborationen har syften: dels att visa lite hur den snabba Fouriertransformen fungerar, och lite om vad man den an dels att
Läs merSignal- och Bildbehandling, TSBB14. Laboration 2: Sampling och Tidsdiskreta signaler
Signal- och Bildbehandling, TSBB14 Laboration 2: Sampling och Tidsdiskreta signaler Anders Gustavsson 1997, Maria Magnusson 1998-2013 Avdelningen för Datorseende, Institutionen för Systemteknik Linköpings
Läs merMiniräknare och en valfri formelsamling i signalbehandling eller matematik. Allowed items: calculator, DSP and mathematical tables of formulas
LUNDS TEKNISKA HÖGSKOLA Institutionen för Elektro- och Informationsteknik Tentamen 209-06-07 SIGNALBEHANDLING i MULTIMEDIA, EITA50 Tid: 08.00-3.00 Sal: Victoriahallen, Victoriahallen 2A Hjälpmedel: Viktigt:
Läs merSignal- och Bildbehandling, TSBB14. Laboration 2: Sampling och rekonstruktion. DFT.
Signal- och Bildbehandling, TSBB4 Laboration : Sampling och rekonstruktion. DFT. Maria Magnusson, 7-8 Avdelningen för Datorseende, Institutionen för Systemteknik, Linköpings Universitet Laboration. Förberedelser
Läs merTentamen i Signaler och kommunikation, ETT080
Inst. för informationsteknologi Tentamen i Signaler och kommunikation, ETT080 2 juni 2006, kl 14 19 Skriv namn och årskurs på alla papper. Börja en ny lösning på ett nytt papper. Använd bara en sida av
Läs merElektronik Dataomvandlare
Elektronik Översikt Analoga och digitala signaler Dataomvandlare Pietro Andreani Institutionen för elektro- och informationsteknik Lunds universitet Nyquistteorem Kvantiseringsfel i analog-till-digital
Läs merSYSTEM. Tillämpad Fysik Och Elektronik 1 SYSTEMEGENSKAPER. Minne Kausalitet Tidsinvarians. Linjäritet Inverterbarhet Stabilitet. System.
SYSTEM TILLÄMPAD FYSIK OCH ELEKTRONIK, UMEÅ UNIVERSITET SYSTEMEGENSKAPER System y(t) y[n] Minne Kausalitet Tidsinvarians Linjäritet Inverterbarhet Stabilitet TILLÄMPAD FYSIK OCH ELEKTRONIK, UMEÅ UNIVERSITET
Läs merIntroduktion Digitala filter. Filter. Staffan Grundberg. 12 maj 2016
12 maj 216 Innehåll Introduktion Första ordningens system Andra ordningens system Fördröjning Allmänt om filter Butterworthfilter Första ordningens system Andra ordningens system Fördröjning Allmänt om
Läs merLUNDS TEKNISKA HÖGSKOLA Inst. för Elektro- och Informationsteknik
LUNDS TEKNISKA HÖGSKOLA Inst. för Elektro- och Informationsteknik Tentamen 015-06-05 SIGNALBEHANDLING I MULTIMEDIA, ETI65 Tid: 14.00 19.00 Sal: MA:10, C-J Hjälpmedel: Miniräknare, formelsamling i signalbehandling
Läs merSignal- och bildbehandling TSEA70
Tentamen i Signal- och bildbehandling TSEA70 Tid: 00-05-8 kl. -8 Lokaler: G, G Ansvarig lärare: Maria Magnusson Seger besöker lokalen kl. 5 och 7. tel Hjälpmedel: Räknedosa, OH-film, medskickad formelsamling
Läs merFörsättsblad till skriftlig tentamen vid Linköpings universitet KÅRA T1 T2 U2 U4
Försättsblad till skriftlig tentamen vid Linköpings universitet Datum för tentamen 2016-10-28 Sal (5) KÅRA T1 T2 U2 U4 Tid 8-12 Kurskod TSBB16 Provkod TEN2 Kursnamn/benämning Provnamn/benämning Grundläggande
Läs merSignal- och bildbehandling TSEA70
Tentamen i Signal- och bildbehandling TSEA70 Tid: 2003-0-0 kl. 4-8 Lokaler: Examinator: U Maria Magnusson Seger Ansvarig lärare: Olle Seger besöker lokalen kl. 5 och 7. tel 259, 0702/337948 Hjälpmedel:
Läs merElektronik Dataomvandlare
Elektronik Översikt Analoga och digitala signaler Dataomvandlare Pietro Andreani Institutionen för elektro- och informationsteknik Lunds universitet Nyquistteorem Kvantiseringsfel i analog-till-digital
Läs merUlrik Söderström 20 Jan Signaler & Signalanalys
Ulrik Söderström ulrik.soderstrom@tfe.umu.se 20 Jan 2009 Signaler & Signalanalys Sinusspänning Sinus och cosinus samma form men fasförskjutna Fasförskjutning tidsfördröjning Sinus och cosinus är väldigt
Läs merSignal- och bildbehandling TSBB14
Tentamen i Signal- och bildbehandling TSBB Tid: --, kl. - Lokaler: U, U, U Ansvarig lärare: Maria Magnusson besöker lokalen kl.. och. tel. Hjälpmedel: Räknedosa, medskickad formelsamling, OH-film, sa och
Läs mer