UPPTÄCKT OCH RIKTNINGSBESTÄMNING AV BANDSPRIDDA SIGNALER MED HJÄLP AV KORRELATION

Storlek: px
Starta visningen från sidan:

Download "UPPTÄCKT OCH RIKTNINGSBESTÄMNING AV BANDSPRIDDA SIGNALER MED HJÄLP AV KORRELATION"

Transkript

1 UPPTÄCKT OCH RIKTNINGSBESTÄMNING AV BANDSPRIDDA SIGNALER MED HJÄLP AV KORRELATION Examensarbete utfört i Reglerteknik vid Tekniska Högskolan i Linköping av ULRIKA ELBORNSSON Reg nr: LiTH-ISY-EX-314

2 Sammanfattning Denna rapport behandlar en metod för upptäckt och riktningsbestämning av bandspridda signaler. Metoden bygger på korrelation mellan signaler från två synkrona mottagarkanaler vilka är spatialt separerade. Metoden har utvärderats för direktsekvensspridda signaler på kortvågsbandet. Bandspridda signaler har simulerats och adderats till bakgrundsspektran inspelade på kortvägsbandet. De modulationsformer som använts för bandspridning är BPSK, QPSK samt MSK. Beräkningar i MATLAB har visat att metoden ger tillfredsställande resultat för de BPSK- och QPSK-modulerade signalerna för signal-interferensförhållande överstigande -2 db.

3 Abstract In this report a method for detection and direction finding of spread spectrum signals i discussed. The method is based on correlation between two signals which are received by two synchronous spatially separated antennas. The method has been evaluated for direct sequence signals in the high frequency band. The spread spectrum has been achieved by BPSK-, QPSK- and MSK modulation. Calculations in MATLAB have shown that the method works satisfactorily for the BPSK- and QPSK-modulated spread spectrum signals when the Signal-to-Interference Ratio exceeds -2 db.

4 Innehållsförteckning Notationslista iii 1 Inledning Bakgrund Problembeskrivning Rapportensdisposition Definitioner och antaganden Bandbreddochsignal-brusförhållanden Antagandenochbegränsningar Bandspridningsmetoder BPSK-modulering QPSK-modulering MSK-modulering Metoder för upptäckt av bandspridda signaler Kvadrerande mottagare BPSK-moduleradsignal QPSK-moduleradsignal MSK-moduleradsignal Korrelerande mottagare Metoder för riktningsbestämning av bandspridda signaler Skattningavankomstriktning Riktningsbestämning med hjälp av korrelation i

5 6 Undersökta signaler och signalmiljö Simulering av bandspridda signaler samt inspelning av spektra Kortvågskanalen Interferensundertryckning Metoderförinterferensundertryckning Interferensundertryckningpåkortvåg Upptäckt och riktningsbestämning av bandspridda signaler på kortvåg Beräkningavkorskorrelationsfunktionen Fönstring Upptäckt Riktningsbestämning Resultat Upptäckt Riktningsbestämning Test av metoden på bandspridda signaler för militära tillämpningar Signalegenskaper Resultat Slutsatser och diskussion Jämförelse av resultaten för olika modulationsmetoder Betydelsen av bandbredden hos den bandspriddasignalen Förslagpåfortsattarbete Referenser 6 ii

6 Notationslista A/D AOA BPSK CCF CSD D/A DC FFT IFFT MSK PN QPSK SIR SNR TDFCCF TDFCSD TDOA AnalogtoDigital Angle of Arrival Binary Phase Shift Keying Cross-Correlation Function Cross Spectral Density function Digital to Analog Direct Current (likspänning) Fast Fourier Transform Inverse Fast Fourier Transform Minimum Shift Keying Pseudo Noise Quadri-Phase Shift Keying Signal-to-Interferens Ratio Signal-to-Noise Ratio Time Domain Filtered Cross-Correlation Function Time Domain Filtered Cross Spectral Density Time Difference of Arrival iii

7 Kapitel 1 Inledning 1.1 Bakgrund Bandspridning innebär att signalenergin sprids över en större bandbredd än vad som är motiverat av signalens informationsinnehåll. Resultatet blir en signal som är svår att upptäcka och som är mindre känslig för störningar och interferenser. Dessa egenskaper har lett till en drastisk ökning av bandspridning inom såväl militära som civila tillämpningar. Därmed ställs nya krav på signalspaningsutrustningen att kunna hantera även bredbandiga signaler. 1.2 Problembeskrivning Det här examensarbetet behandlar en metod för upptäckt och riktningsbestämning av bandspridda signaler då modulationen och spridningskoden är okända. Metoden bygger på korrelation mellan signaler från två synkrona mottagarkanaler som är kopplade till var sin antenn vilka är spatialt separerade. Magnus Finne har i en tidigare rapport [1] visat att korrelationsresultatet kan användas för upptäckt och riktningsbestämning av en eventuell bandspridd signal. Han har dock endast behandlat direktsekvensspridda, BPSK-modulerade signaler i vitt brus utan interferenser. 1

8 Syftet med detta examensarbete är att utvärdera korrelationsmetoden för direktsekvensspridda signaler på kortvågsbandet. Det innebär att bruset inte är helt oberoende mellan de båda kanalerna och att det mottagna frekvensspektrat innehåller ett stort antal interferenser. Flera olika modulationsformer har använts. 1.3 Rapportens disposition I kapitel 2 presenteras de deþnitioner som använts samt de antaganden och begränsningar som gjorts redovisas. Kapitel 3 innehåller teori om bandspridning. Tre vanliga modulationsmetoder för bandspridning, BPSK-, QPSK- och MSK-modulation beskrivs. I kapitel 4 och 5 presenteras de metoder för upptäckt och riktningsbestämning av bandspridda signaler som utgjort grunden för arbetet på kortvåg. Kapitel 6 innehåller en kort beskrivning av kortvågskanalen samt en beskrivning av hur de bandspridda signalerna simulerats och adderats till inspelade kortvågsspektra. I kapitel 7 beskrivs problemet med interfererande signaler och hur de har undertryckts genom Þltrering. I kapitel 8 redovisas arbetet med upptäckt och riktningsbestämning av bandspridda signaler på kortvåg. I kapitel 9 presenteras resultatet av arbetet i kapitel 8. I kapitel 1 redovisas resultaten då metoden testats på en bandspridd signal för militära tillämpningar. Kapitel 11 innehåller de slutsatser som kan dras utifrån resultaten samt en diskussion kring arbetet och förslag på fortsättning. 2

9 Kapitel 2 Definitioner och antaganden 2.1 Bandbredd och signal-brus förhållanden Med bandbredd avses i denna rapport 3dB-bandbredden enligt Þgur 2.1. db -3 bandbredd frekvens Figur 2.1: DeÞnition av 3 db-bandbredden som används i rapporten. 3

10 Signal-brusförhållandet, SNR för en signal i vitt brus deþnieras enligt: SNR =1 log( E s E b ) (2.1) där E s är signalenergin inom signalens bandbredd och E b är brusenergin inom signalens bandbredd. För en bandspridd signal i brus med smalbandiga interferenser är det svårt att deþniera brusnivån. Istället deþnieras ett signal-interferensförhållande, SIR som: SIR =1 log( bw E s ) (2.2) i bw tot där E s är signalenergin inom signalens bandbredd och E i är energin hos bruset med interferenserna inom mottagen bandbredd. bw s är bandbredden hos den bandspridda signalen och bw tot är total mottagen bandbredd. E s 2.2 Antaganden och begränsningar Följande antaganden och begränsningar har gjorts: Endast direktsekvensspridda signaler har använts. Endast system med två mottagarantenner har behandlats. Hela den bandspridda signalen Þnns med i mottaget spektrum. Mottaget spektrum antas innehålla max en bandspridd signal. PN-sekvensen är okänd och antas vara tillräckligt lång för att inte upprepas inom den mottagna sekvensen. Därmed Þnns inga cyklostationära egenskaper som kan användas för upptäckt. Avståndet från sändare till mottagare antas vara stort. Därmed kan en modell med plana vågor användas. 4

11 Kapitel 3 Bandspridningsmetoder Bandspridning innebär att signalens energi sprids över en större bandbredd än vad signalinnehållet kräver. Bandspridande metoder kan användas för att skydda signaler från störning och interferens. Civilt används bandspridning tex inom mobiltelefonin. CDMA (Code Division Multiple Access) ger möjlighet att med samma mottagare ta emot ßera samtidiga telefonsamtal. Samtalen separeras genom att olika spridningskoder används. Militärt används bandspridning som skydd mot avsiktliga störare och för att förhindra att signalerna upptäcks och analyseras av andra än den avsedde mottagaren. Det Þnns ßera olika metoder för bandspridning vilka kan delas in i tre grundmetoder: Frekvenshopp Tidshopp Direktsekvensspridning Denna rapport kommer endast behandla direktsekvensspridda signaler. Den datamodulerade bärvågen, s d (t), multipliceras då med en spridande signal, s(t), vilken är modulerad med ett slumpgenererat spridningsmeddelande, c(t), som har symboltakten R c (eng chiprate). R c är högre än datatakten, R b (eng bitrate), för det ursprungliga meddelandet. När totala symbolhastigheten ökar L = Rc R b ggr ökar även bandbredden hos signalen med samma faktor. Modulationsformen för spridningssignalen är oftast någon 5

12 Data Data-modulator s d (t) x s(t) s(t)*s d (t) Data-modulator c(t) Figur 3.1: Sändare för en direksekvensspridd signal. form av fasmodulation men även amplitud- och frekvensmodulation kan användas. Tre vanliga metoder för bandspridning är BPSK-, QPSK- och MSK-modulation. Modulationsformen för det ursprungliga meddelandet behöver inte vara samma som för bandspridningen. En grundlig genomgång av olika modulationsmetoder som används för digital kommunikation ges i [2]. Principen för en bandspridande sändare visas i Þg 3.1. En mottagare som känner c(t) kan återskapa det ursprungliga meddelandet förutsatt att slumpsekvenserna i sändare och mottagare är synkrona. För den som är intresserad av en mer detaljerad genomgång av bandspridningsmetoder, även andra metoder än direktsekvensspridning, rekommenderas [3] och [4]. 3.1 BPSK-modulering En enkel metod för bandspridning är BPSK-modulering (Binary Phase Shift Keying). Spridningsmeddelandet c(t) antar värdena ±1 med samma sannolikhet. Fasläget hos s(t) beror av c(t) enligt: s(t) = ½ 2P cos(2πfc t) 2P cos(2πfc t + π) = 2P cos(2πf c t) för c(t) =1 för c(t) =-1 (3.1) P anger signalens effekt. Om centerfrekvensen f c =blir s(t) = 2Pc(t), dvs den datamodulerade signalen multipliceras med spridningsmeddelandet. 6

13 3.2 QPSK-modulering QPSK-modulation (Quadriphase Shift Keying) används ofta i bandspridande system eftersom det då blir svårare för andra än den avsedde mottagaren att upptäcka signalen. På samma sätt som för BPSK-modulation ges informationen av bärvågens fasläge. För QPSK Þnns fyra möjliga faslägen. Låt c(t) anta värdena 1, 2, 3, 4 med samma sannolikhet. Fasen hos s(t) kan tex anta de fyra värdena π/4, 3π/4, 5π/4 samt 7π/4 och beror av c(t) enligt: s(t) = 2P cos(2πf c t +(2c(t) 1) π 4 ) (3.2) För komplexa signaler kan QPSK-modulation ses som en multiplikation med en slumpsekvens bestående av värdena ±1, ±i. 3.3 MSK-modulering Vid bandspridning med hjälp av MSK-modulation (Minimum Shift Keying) skapas den spridande signalen s(t) ur spridningsmeddelandet c(t) enligt följande: s (t) = 2P cos (2πf c t + θ (t)) där (3.3) θ (t) = θ () + c(t) πh t T c (3.4) f c = 1 2 (f 1 + f 2 ) (3.5) h = T c (f 1 f 2 ) (3.6) Spridningsmeddelandet c(t) antar värdena ±1 med samma sannolikhet. P 1 är signalens effekt, T c är symbolhastigheten hos c(t) och θ () representerar fasen vid tiden t =. Insättning av (3.4)-(3.6) i (3.3) ger att s (t) kan skrivas som: 7

14 ½ 2P cos (2πf1 t + θ ()) s(t) = 2P cos(2πf2 t + θ ()) Ur ekvation 3.4 fås att för t = T c (k +1)gäller: för c(t) =1 för c(t) = 1 (3.7) θ (T c (k +1))= ½ θ (Tc k)+πh θ (T c k) πh för c(t) =1 för c(t) = 1 (3.8) θ(t) varierar med t enligt Þgur 3.2. Linjernas lutning anger vilken symbol som är sänd. θ(t)-θ() 3πh 2πh πh -πh T c 2T c 3T c 4T c 5T c t -2πh -3πh Figur 3.2: Fasens variation med tiden vid MSK-modulering för allmänt h. För h = 1 2 kan fasen bara anta värdena ±π/2 för udda multiplar av T c samt värdenaochπ för jämna multiplar av T c. θ(t) varierar då med t enligt Þgur

15 θ(t)-θ() π π/2 -π/2 t T c 2T c 3T c 4T c 5T c 6T c -π Figur 3.3: Fasens variation med tiden vid MSK-modulering för h = 1/2. 9

16 Kapitel 4 Metoder för upptäckt av bandspridda signaler En avsedd mottagare känner spridningsmeddelandet c(t) och kan därmed återskapa det ursprungliga meddelandet ur den bandspridda signalen. För en signalspanare som inte har tillgång till c(t) blir uppgiften betydligt svårare. Andra metoder måste användas för att upphäva effekterna av bandspridningen och hitta signalerna. Signaler som bandspridits med hjälp av tex BPSKmodulation kan upptäckas genom kvadrering av den mottagna signalen. För mer komplicerade modulationsmetoder där kvadrering inte fungerar kan en korrelerande mottagare användas. 4.1 Kvadrerande mottagare Erika Johansson beskriver i en rapport [5] hur kvadrerande mottagare kan användas för upptäckt och riktningsbestämning av BPSK-bandspridda signaler på kortvåg. Här visas hur en kvadrerande mottagare kan användas för upptäckt av signaler bandspridda med BPSK-, QPSK- resp MSK-modulation. För att räkningarna ska bli enkla antas här att den ursprungliga meddelandesignalen är BPSK-modulerad BPSK-modulerad signal En mottagen BPSK-modulerad bandspridd signal har följande utseende: 1

17 s(t) = 2Pc(t)cos($ t + θ d (t)) + n(t) (4.1) där n(t) är brus och c(t) är spridningsmeddelandet vilket antar värdena ±1. θ d (t) =(d(t) +1)π/2 där d(t) är det ursprungliga meddelandet. När den mottagna signalen kvadreras fås: s 2 (t) =2Pc 2 (t)cos 2 ($ t + θ d (t)) + 2 2Pc(t)cos($ t + θ d (t))n(t)+n 2 (t) (4.2) där mittentermen kan ses som att den ursprungliga signalen först bandspridits med c(t) och sedan ännu en gång genom multiplikation med den bredbandiga signalen n(t). Resultatet blir en bruslik signal som i fortsättningen betecknas m(t). s 2 (t) = 2Pc 2 (t)cos 2 ($ t + θ d (t)) + m(t)+n 2 (t) = (4.3) Á Á cos(2x) =cos = 2 (x) sin 2 (x) 1(1 + cos(2x)) = = (4.4) 2 cos2 (x) = Pc 2 (t)(1 + cos(2$ t +2θ d (t))) + m(t)+n 2 (t) (4.5) Eftersom 2θ d (t) ger ett fastillskott på udda multiplar av π så gäller att bortsett från DC-komponenten vid Hz är signalens energi efter kvadreringen koncentrerad till dubbla frekvensen. En signal bandspridd med BPSKmodulering upptäcks därmed som två spikar i frekvensspektrat. 11

18 db db 6 Före kvadrering Efter kvadrering Frekvens [khz] Figur 4.1: Frekvensspektrum för en BPSK-modulerad bandspridd signal med bärvågsfrekvens 5 khz, SNR=-5dB QPSK-modulerad signal En mottagen QPSK-modulerad bandspridd signal har följande utseende: s(t) = 2P cos(2πf c t +(2c(t) 1)π/4+θ d (t)) + n(t) (4.6) där n(t) är brus och c(t) är spridningsmeddelandet vilket antar värdena 1, 2, 3, 4 med lika stor sannolikhet. θ d (t) = (d(t) +1)π/2 där d(t) är det ursprungliga meddelandet. Eftersom en QPSK-modulerad signal kan anta fyra olika faslägen kvadreras den mottagna signalen två gånger, dvs upphöjs ifyra. s 4 (t) = 4P 2 cos 4 (2πf c t +(2c(t) 1)π/4+θ d (t)) + n 4 (t) +12P cos 2 (2πf c t +(2c(t) 1)π/4+θ d (t)) n 2 (t) +8P 2P cos 3 (2πf c t +(2c(t) 1)π/4+θ d (t)) n(t) +4 2P cos(2πf c t +(2c(t) 1)π/4+θ d (t)) n 3 (t) 12

19 De tre sista termerna innehåller multiplikationer med olika potenser av n(t). Resultatet av multiplikationerna blir bruslika signaler vars summa i fortsättningen betäcknas m 1 (t). s 4 (t) = 4P 2 cos 4 (2πf c t +(2c(t) 1)π/4+θ d (t)) + n 4 (t)+m 1 (t) = 4P 2 [ cos(4πf ct +2(2c(t) 1)π/4+2θ d (t))] 2 + m 1 (t)+n 4 (t) = 4P 2 [ cos(4πf ct +2(2c(t) 1)π/4+2θ d (t)) cos2 (4πf c t +2(2c(t) 1)π/4+2θ d (t))] + m 1 (t)+n 4 (t) = 4P 2 [ cos(4πf ct +2(2c(t) 1)π/4+2θ d (t)) cos(8πf ct +4(2c(t) 1)π/4+4θ d (t))] + m 1 (t)+n 4 (t) = P 2 [ cos(4πf ct +2(2c(t) 1)π/4+2θ d (t)) cos(8πf ct +4(2c(t) 1)π/4+4θ d (t))] + m 1 (t)+n 4 (t) Termen 2cos(4πf c t+2(2c(t) 1)π/4+2θ d (t)) kansessomenbpsk-modulerad bandspridd signal eftersom 2(2c(t) 1)π/4 ger två möjliga faslägen då c(t) antar värdena 1, 2, 3, 4 med samma sannolikhet. Bidraget från den termen betecknas m 2 (t) fortsättningsvis. Det gäller även att 4θ d (t) ger ett fastillskott på multiplar av 2π radianer samt att 4(2c(t) 1)π/4 ger fastillskott på udda multiplar av π för samtliga möjliga värden på c(t). Därmed gäller: s 4 (t) =P 2 [ cos(8πf ct + π)] + m 1 (t)+m 2 (t)+n 4 (t) (4.7) Signalen ger alltså två spikar i frekvensspektrat efter att den upphöjts till fyra, för Hz och för fyra gånger bärvågsfrekvensen. 13

20 db db Figur 4.2: Frekvensspektrum för en QPSK-modulerad bandspridd signal med bärvågsfrekvens 5 khz före (överst) och efter (underst) att den upphöjts till fyra. SNR= 5 db. 14

21 4.1.3 MSK-modulerad signal En mottagen MSK-modulerad bandspridd signal har följande utseende: s(t) = 2P cos(πf 1 t + πf 2 t + θ d (t)) cos(πf 1 t πf 2 t) c(t) 2P sin(πf 1 t + πf 2 t + θ d (t)) sin(πf 1 t πf 2 t) (4.8) +n(t) där n(t) är brus och c(t) antar värdena ±1 med samma sannolikhet. θ d (t) = (d(t)+1)π/2 där d(t) är det ursprungliga meddelandet. Efter kvadrering fås: s 2 (t) = 2P cos 2 (πf 1 t + πf 2 t + θ d (t)) cos 2 (πf 1 t πf 2 t) +2P sin 2 (πf 1 t + πf 2 t + θ d (t)) sin 2 (πf 1 t πf 2 t) +n 2 (t) 2c(t)2P cos(πf 1 t + πf 2 t + θ d (t)) cos(πf 1 t πf 2 t) sin(πf 1 t + πf 2 t + θ d (t)) sin(πf 1 t πf 2 t) 2 2P cos(πf 1 t + πf 2 t + θ d (t)) cos(πf 1 t πf 2 t) n(t) 2c(t) 2P sin(πf 1 t + πf 2 t + θ d (t)) sin(πf 1 t πf 2 t) n(t) De tre sista termerna blir bruslika signaler på grund av multiplikationer med c(t) och/eller n(t) och deras summa betecknas fortsättningsvis m(t). s 2 (t) = 2P cos 2 (πf 1 t + πf 2 t + θ d (t)) cos 2 (πf 1 t πf 2 t) +2P sin 2 (πf 1 t + πf 2 t + θ d (t)) sin 2 (πf 1 t πf 2 t) +m(t)+n 2 (t) = 2P ( cos(2πf 1t +2πf 2 t +2θ d (t))) ( cos(2πf 1t 2πf 2 t)) +2P ( cos(2πf 1t +2πf 2 t +2θ d (t))) ( cos(2πf 1t 2πf 2 t)) + m(t)+n(t) = P [1 + cos(2πf 1 t +2πf 2 t +2θ d (t)) cos(2πf 1 t 2πf 2 t)] +m(t)+n 2 (t) 15

22 Eftersom 2θ d (t) ger ett fastillskott på multiplar av 2π gäller: Det gäller att: s 2 (t) = P [1 + cos(2πf 1 t +2πf 2 t)cos(2πf 1 t 2πf 2 t)] +m(t)+n 2 (t) (4.9) cos(x + y)cos(x y) = (cosx cos y sin x sin y)(cos x cos y +sinx sin y) = cos 2 x cos 2 y sin 2 x sin 2 y = ( cos(2x))( cos(2y)) 2 (4.1) ( cos(2x))( cos(2y)) = 1 2 cos(2x)+1 2 cos(2y) Resultatet (4.1) i (4.9) ger: s 2 (t) =P [ cos(2π2f 1t)+ 1 2 cos(2π2f 2t)] + m(t)+n 2 (t) (4.11) Signalen ger alltså tre spikar i frekvensspektrat efter att den kvadrerats, för Hz och för frekvenserna 2f 1 samt 2f 2. 16

23 db db 8 Före kvadrering Efter kvadrering Frekvens [khz] Figur 4.3: Frekvensspektrum för en MSK-modulerad bandspridd signal, före och efter kvadrering då f 1 =21kHz, f 2 =78kHz och SNR=-2dB. 17

24 4.2 Korrelerande mottagare Houghton och Reeve har i en serie artiklar [6, 7, 8] presenterat en metod för upptäckt och riktningsbestämning av bandspridda signaler med hjälp av korrelation. Två olika mottagare vilka är spatialt separerade tar emot signalerna s 1 (t) och s 2 (t) vid olika tidpunkter, s 2 (t) =s 1 (t+ t) där t beror på signalens riktning. De båda mottagna signalerna, vilka här är komplexa och tidsdiskreta korreleras. Korskorrelationsfunktionen för två komplexa och tidsdiskreta signaler med begränsad effekt samt över ändlig tid ges av CCF(k) = N 1 X i= s 1[i]s 2 [k + i] (4.12) där s 1 anger komplexkonjugatet av s 1 och CCF är en förkortning av det engelska uttrycket Cross-Correlation Function. Korskorrelationen mäter överensstämmelsen mellan signalerna s 1 [i] och s 2 [i] och får en topp för det k som motsvarar t avrundat till närmaste heltal. I [9] ges en mycket pedagogisk, graþsk beskrivning av korskorrelationsfunktionen. Om Z[n],X[n] och Y [n] betecknar diskreta fouriertransformerna av z[k],x[k] samt y[k] så gäller: Sats 1 Om z[k] = P N 1 i= x [i]y[k + i] gäller att Z[n] =X [n]y [n]. Bevis. Z[n] = = = N 1 X z[k]e j2π n N k = k= i= N 1 X k= N 1 X x [i]y[k + i]e j2π n N k =/k + i = l/ i= N 1 X N 1 X x [i] y[l]e j2π n N (l i) = l= N 1 X N 1 X x [i]e j2π n N i y[l]e j2π n N l = X [n]y [n] i= l=, Gränserna för den sista summan ges av sambandet: y[l] =y[l mod N ], 18

25 s 1 [k] nollinb. FFT Multiplikation S 1 [n]s 2 *[n] IFFT ccf s 2 [k] nollinb. FFT Figur 4.4: Beräkningsalgoritm för korskorrelationsfunktionen Enligt Sats 1 kan korskorrelationsfunktionen för s 1 [k] och s 2 [k] beräknas enligt blockschemat i Þgur 4.4. Signalerna nollinbakas till dubbel längd för att undvika cyklisk faltning, [1]. Figur 4.5 visar frekvensspektum för en signal bandspridd med BPSK-, QPSKsamt MSK-modulation då vitt Gaussiskt brus har adderats till signalerna så att den bandspridda ligger lägre än brusgolvet, dvs den syns inte i frekvensspektrat. SNR=-5 db. Figurerna 4.7 och 4.7 visar korskorrelationsfunktionen för vitt brus samt för de bandspridda signalerna med spektra enligt Þgur BPSK-bandspridd signal i brus QPSK-bandspridd signal i brus MSK-bandspridd signal i brus frekvens [khz] Figur 4.5: Frekvensspektrum för bandspridda signaler i brus. SNR=-5 db. 19

26 8 Korskorrelationsfunktionen för vitt gausiskt brus tid [ms] Figur 4.6: Korskorrelationsfunktionen för vitt brus Korskorrelerade BPSK-bandspridda signaler med brus Korskorrelerade QPSK-bandspridda signaler med brus Korskorrelerade MSK-bandspridda signaler med brus tid [ms] Figur 4.7: Korskorrelationsfunktionen för de bandspridda signalerna i Þg

27 Kapitel 5 Metoder för riktningsbestämning av bandspridda signaler När en bandspridd signal har upptäckts är nästa steg att bestämma varifrån den kommer, dess riktning. Avståndet mellan sändare och mottagare antas vara stort i förhållande till avståndet mellan mottagarantennerna och därmed kan en modell med plana vågor användas. I praktiken har den inkommande vågen en riktning i tre dimensioner enligt Þgur 5.1. För att använda en tredimensionell vågmodell krävs tre eller ßer mottagarantenner. I denna rapport antas att elevationsvinkeln θ = och riktningen bestäms genom skattning av azimutvinkeln, ϕ. 5.1 Skattning av ankomstriktning Genom att använda två mottagare vilka är separerade från varandra kan ankomstriktningen, AOA (Angle of Arrival), bestämmas enligt följande. Figur 5.2 visar hur den inkommande elektromagnetiska vågen tas emot av de båda antennerna. När vågen träffar antenn 2 har den en sträcka s = d sin(ϕ) kvar fram till antenn 1. Då den framskrider med hastighet c blir tidsskillnaden t = s. Därmed kan AOA = ϕ beräknas ur t enligt: c 21

28 N ϕ θ Ö Figur 5.1: Den inkommande vågen har en riktning i tre dimensioner. ϕ =arcsin( c t d ) (5.1) Ibland är det enklare att mäta fasskillnaden mellan två signaler istället för tidsskillnaden. Eftersom fasskillnaden kan skrivas ψ = $ t= 2πd sin ϕ där $ λ är vinkelhastigheten och λ är våglängden kan AOA beräknas enligt: ϕ =arcsin( ψ λ 2π d ) (5.2) Eftersom signalen tas emot med endast två mottagare kommer de båda vågorna i Þgur 5.3 att ge samma tid- och fasskillnad. För att kunna skilja på de två olika fallen krävs tre eller ßer mottagarantenner. 5.2 Riktningsbestämning med hjälp av korrelation Korskorrelationsfunktionen för de båda mottagna signalerna får en topp vid t = t. En metod för TDOA-estimering (TDOA=Time Difference of Arrival) är att bestämma t ur korskorrelationsfunktionen. Tidsupplösningen 22

29 s vågfront ϕ d ϕ Antenn 1 Antenn 2 Figur 5.2: Ankomstvinkeln ϕ kan beräknas ur t = s c. vågfront 1 Antenn 1 Antenn 2 ϕ ϕ vågfront 2 Figur 5.3: De båda vågorna ovan kommer ge samma tid- och fasskillnad. 23

30 ges av samplingsintervallet T och för att få tillräcklig noggrannhet krävs interpolation mellan samplen. Denna metod ger dock inte alltid en lösning, se [11]. Genom att fouriertransformera korskorrelationsfunktionen erhålls CSD (Cross Spectral Density). Enligt Sats 1 kan CSD beräknas genom muliplikation av de mottagna signalernas fouriertransformer. Då de signalerna tas emot utan brus samt är komplexa och tidsdiskreta ger ekvation (5.3) att fasen hos CSD:n är linjär med lutning 2π t/n. Därmed kan tidsskillnaden beräknas ur fasens lutning inom det frekvensintervall som innehåller den bandspridda signalen. Observera att t inte behöver vara ett heltal. N anger antalet sampel. s 2 [k] = s 1 [k + t) = S 2 [n] =e j2πn t/n S 1 [n] (5.3) CSD[n] = S 1 [n]s 2 [n] =S 1[n]S 1 [n]e j2πn t/n = S 1 (f) 2 e j2πn t/n arg(csd[n]) = arg( S 1 [n] 2 e j2πn t/n )= 2π tn/n Då signalerna tas emot med brus krävs högt SIR för att CSD:n ska kunna användas om korskorrelationsfunktionen fouriertransformeras direkt. Den bandspridda signalen är nästan helt koncentrerad till den smala spiken i korskorrelationsfunktionen medan bruset om det är oberoende är jämnt spritt över hela tidsaxeln. Genom att fönstra ett smalt område i mitten av korskorrelationsfunktionen behålls nästan hela den bandspridda signalen men det mesta av bruset Þltreras bort. Fouriertransformen av den fönstrade korskorrelationsfunktionen betecknas TDFCSD (Time Domain Filtered Cross Spectral Density) och ger goda förutsättningar för skattningar av TDOA. Figur 5.4 visar amplitud och fas hos TDFCSD för en MSK-modulerad signal. TDFCSD har stort absolutbelopp i det frekvensområde som innehåller den bandspridda signalen, dvs det frekvensområde som har linjär fas. Därmed kan amplitudkurvan användas för att välja ut rätt del av faskurvan. Med hjälp av minsta kvadratmetoden kan fasen i det intressanta frekvensintervallet approximeras med en rät linje vars lutning ger skattningen av fasens lutning. Minsta kvadratmetoden approximerar en funktion f med ett polynom f så att summan av kvadraterna av felet i de kända punkterna minimeras, dvs 24

31 Fas [rad] Amplitud [db] Frekvens [Hz] x Frekvens [Hz] x 1 5 Figur 5.4: TDFCSD för en MSK-modulerad signal med 1kHz bandbredd och SIR=-5dB. Amplituden överst och fasen underst. Ã M X i= $ i (f(x i ) f (x i )) 2! 1 2 minimeras (5.4) Ett stort värde på $ i innebär att felfunktionens värde i x i ges speciell tyngd. Tex kan man låta $ i vara omvänt proportionell mot det uppskattade relativa felet i mätvärdet f i. Här är f en rät linje och $ i =1. I [12] ges en detaljerad genomgång av olika metoder för numerisk approximation. 25

32 Kapitel 6 Undersökta signaler och signalmiljö Alla beräkningar som redovisas i denna rapport har gjorts i MATLAB. Bandspridda signaler har simulerats och adderats till bakgrundsspektran inspelade på kortvågsbandet för att komma så nära verkligheten som möjligt. 6.1 Simulering av bandspridda signaler samt inspelning av spektra De bandspridda signalerna har skapats med hjälp av programmet WinIQSIM. Signaler spridda genom BPSK-, QPSK- och MSK-modulation har simulerats. För varje modulationsform har tre olika bandbredder använts, 5, 1 och 2 khz. Det blir totalt nio olika bandspridda signaler. Med hjälp av Rasmus, ett experimentsystem för radiokommunikation, har signalerna först sänts och sedan tagits emot igen och spelats in. Vinsten med det är att signalerna först A/D-omvandlas i sändaren och sedan D/A-omvandlas i mottagaren med olika sampelklockor som inte är synkrona. Därmed fås en situation som överensstämmer bättre med verkligheten. Dock har ingen hänsyn tagits till fädning. Samplingsfrekvensen vid inspelningen var Hz. En detaljerad genomgång av Rasmus ges i [13]. De bakgrundsspektran som sedan adderas till signalerna är inspelade kortvågsspektran. Två mottagarantenner separerade ca 75 m användes vid 26

33 absolutbelopp [db] frekvens [khz] Figur 6.1: Ett typiskt kortvågsspektrum. Centerfrekvens 9 MHz. inspelningarna. Samplingsfrekvensen var 5781 Hz och centerfrekvensen 9 MHz. Det inspelade bakgrundsbruset beror av antalet sändare vid inspelningstillfället. Spektrat på kortvåg är tidsvariant, dvs det ändras hela tiden efterhand som sändare tillkommer och försvinner. Ett typiskt bakgrundsspektrum kan se ut som i Þgur 6.1. För varje bandspridd signal skapades en kopia som tidsfördröjdes t s, dvs en viss infallsvinkel simulerades. Genom att först översampla signalen genom nollinbakning och sedan tidsfördröja den för att till sist reducera datatakten igen kunde en tidsförskjutning som inte var ett jämnt antal sampel åstadkommas. Sedan delades signalerna och bruset in i delar om 2 15 sampel. Varje del skalades för att åstadkomma önskat SIR innan signalerna adderades till bakgrundsspektran. De bandspridda signalerna adderades till bakgrundsspektrumen som vanligt trots att signalerna och bruset inte spelats in med samma samplingsfrekvens. Det medför att bandbredden hos de bandspridda signalerna ändras. Låt T s ange samplingsintervallet för signalen och T b samplingintervallet för bruset. Då signalen antas ha spelats in med samplingintervallet T b ges dess fouriertransform av 27

34 X(f) = T b X n= = dt s X n= x[n]e j2πfnt b =/T b = dt s /= (6.1) x[n]e j2πfndts Det betyder att signalen skalas i amplitud och frekvens. Eftersom signalen ändå skalas för att få önskat SIR spelar amplitudskalningen inte någon roll men frekvensskalningen gör att bandbredden ändras. Då T s = Hz och T b = 5781 Hz blir d =1.144 och bandbredderna hos de inspelade signalerna blir 57., 114. samt khz. istället för 5, 1 och 2 khz. Eftersom det intressanta är att signalerna har olika bandbredd och inte exakt hur stor bandbredden är kommer de att anges som 5, 1 samt 2 khz fortsättningsvis. 6.2 Kortvågskanalen Alla resultat som redovisas fortsättningsvis gäller frekvensområdet 3-3 MHz, det så kallade kortvågsbandet. Kortvågsbandet används för mobila system för sjö- och luftfart, militär kommunikation, amatörradio, privatradio mm. En sänd radiovåg kan delas upp i två komponenter: Markvåg: Energin som följer jordytan. Rymdvåg: Energin som går upp i atmosfären och studsar tillbaka ner mot jordytan. Rymdvågen reßekteras tillbaka till jorden via elektriskt laddade skikt som Þnns i troposfären och jonosfären. I kortvågssammanhang är det oftast rymdvågen som används. Reßektionerna i troposfären och jonosfären samt även med marken möjliggör kommunikation över stora avstånd. På grund av den stora räckvidden och ett stort antal användare uppstår en mycket besvärlig interferensmiljö på kortvågsbandet. Olika frekvenser fördröjs olika mycket 28

35 db i jonosfären vilket gör att det ur kommunikationssynpunkt blir svårt att hantera bredbandiga signaler på kortvåg. Egenskaperna hos troposfären och jonosfären påverkas av olika faktorer som tex solaktivitet, väderlek eller tiden på dygnet. Vid gryning och skymning är antalet interferenser mycket stort och ett typiskt kortvågsspektrum kan se ut som i Þgur 6.2, jämför Þgur frekvens [khz] Figur 6.2: Vid gryning och skymning uppstår en mycket besvärlig interferensmiljö på kortvågsbandet. Spektrat ovan är inspelat med centerfrekvens 9MHz. 29

36 Kapitel 7 Interferensundertryckning Då korskorrelation används för upptäckt av bandspridda signaler tas signalen emot i två spatialt separerade mottagarantenner. Korskorrelationsfunktionen, CCF:en mäter överensstämmelsen mellan de båda mottagna signalerna och får en topp vid tidsskillnaden t enligt kapitel 4.2. Om bakgrundsspektrat innehåller interferenser ger även dessa upphov till spikar i CCF:en och det går inte att avgöra huruvida en bandspridd signal tagits emot eller ej. Därför måste interferenserna Þltreras bort innan korskorrelationsfunktionen beräknas. Det stora antalet interferenser på kortvågsbandet gör arbetet med upptäckt av bandspridda signaler mycket svårt. Mycket arbete har därför lagts ner på att Þltrera bort de smalbandiga interferenserna. Med smalbandiga signaler avses signaler med bandbredd upp till 1 khz då vi arbetar på kortvågsbandet. Figur 7.1 illustrerar hur interferenser påverkar CCF:en. Till vänster visas frekvensspektrum (överst) och CCF (underst) för en QPSKbandspridd signal i vitt brus. Till höger visas samma signal i brus med interfererande signaler. Tidsfördröjningen t är här 1 sampel för att vi ska kunna skilja på korrelationstoppen som orsakas av signalen och den som orsakas av bruset och interferenserna. I verkligheten är tidsfördröjningen någonstans runt ett sampel. Då den bandspridda signalen tas emot med mycket interferenser dränks toppen från en eventuell bandspridd signal därmed av korrelationstoppen orsakat av bruset och interferenserna. CCF:en kan då inte användas för upptäckt. 3

37 db db Frekvens [khz] Tidsfördröjning [1-tal sampel] Frekvens [khz] 14 x Tidsfördröjning [1-tal sampel] Figur 7.1: Överst: En QPSK-modulerad bandspridd signal i vitt brus, SNR=-5dB, till vänster och till höger i brus med interferenser, SIR=dB. Underst: Korskorrelationsfunktionen för signalerna ovan. Tidsfördröjning:1 sampel. 31

38 7.1 Metoder för interferensundertryckning Hallqwist och Lagerquist [14] beskriver två olika metoder för interferensundertryckning, NotchÞltermetoden och FFT-metoden. NotchÞltermetoden bygger på det grundläggande sättet att ta bort oönskade frekvenskomponenter med ett bandspärrþlter. Metoden klarar dock bara att Þltrera bort en interferens i taget. Den högsta interferenstoppen i frekvensspektrat identiþeras och Þltreras sedan bort. Antalet Þltreringar ökar därmed linjärt med antalet interferenser som ska undertryckas. FFT-metoden liknar den förra metoden på många sätt men är mycket effektivare. Genom multiplikation med en överföringsfunktion bestående av ettor och nollor sätts alla komponenter i frekvensplanet vars amplitud överstiger ett visst tröskelvärde till noll. Övriga frekvenskomponenter lämnas orörda. På grund av det stora antalet interferenser på kortvågsbandet valdes en variant av denna metod framför NotchÞltermetoden för interferensundertryckningen vid upptäckt av bandspridda signaler. x[k] X[n] Y[n]=X[n]H[n] y[k] FFT H[n] IFFT Figur 7.2: Blockschema för interferensundertryckning 7.2 Interferensundertryckning på kortvåg Figur 7.2 visar ett blockschema som beskriver Þltreringen av de smalbandiga interferenserna. Signalen med interferenserna fouriertransformeras och frekvensspektrat multipliceras sedan med överföringsfunktionen H[n]. Därefter inverstransformeras signalen tillbaks till tidsplanet igen. H[n] = ½ ε om X[n] >h 1 om X[n] h (7.1) där h är tröskelvärdet och ε är ett tal nära noll. 32

39 Anledningen till att frekvenserna som ska Þltreras bort inte sätts till noll är att fasen hos en eventuell bandspridd signal inte ska förstöras. Fasen kan då användas vid riktningsbestämningen. Målet med interferensundertryckningen är att Þltrera bort de smalbandiga interferenserna så att de ej påverkar korskorrelationsfunktionen. Eftersom interferenserna är olika starka går det inte att ta bort samtliga interferenser utan att också ta bort stora delar av den eventuella bandspridda signalen. Filtreringen måste alltså bli en avvägning mellan hur mycket interferenser som måste tas bort och hur mycket av den bandspridda signalen som måste Þnnas kvar för att möjliggöra upptäckt. I våra försök blev resultaten bäst då 15% av frekvenskomponenterna i mottaget spektrum Þltrerades bort. Exempel 1 När en QPSK-bandspridd signal i brus med mycket interferenser korreleras fås CCF:en som visas i figur 7.1. Om de smalbandiga interferenserna filtreras bort innan CCF:en beräknas fås ett mycket bättre resultat. Figur 7.3 visar ccf:en beräknad efter interferensundertryckning. Tröskelvärdet, linjen i den övre plotten, beräknades så att 15% av frekvenskomponenterna (de till absolutbeloppet starkaste frekvenskomponenterna) filtrerats bort. SIR= db och tidfördröjningen t = 1 sampel. 33

40 db Frekvens [khz] 1 x Tidsfördröjning [1-tal sampel] Figur 7.3: Frekvensspektrum och CCF för en QPSK-modulerad signal i brus med mycket interferenser. SIR= db, tidsfördröjning 1 sampel. 34

41 Kapitel 8 Upptäckt och riktningsbestämning av bandspridda signaler på kortvåg I kapitel 4 presenterades två vanliga metoder för upptäckt av bandspridda signaler, kvadrering och korrelation. Kvadrering fungerar dock inte för mer komplicerade modulationsmetoder. För BPSK-, QPSK- och MSK-modulering gäller att endast en del av energin hos den bandspridda signalen koncentreras till dubbla frekvensen i frekvensspektrat efter kvadrering. Därför är det intressant att undersöka andra metoder, tex korrelation, för upptäckt även av signaler bandspridda med de metoderna. Nedan beskrivs hur korrelation kan användas för upptäckt och riktningsbestämning av bandspridda signaler på kortvåg. 8.1 Beräkning av korskorrelationsfunktionen Figur 4.4 visar hur korskorrelationsfunktionen för de mottagna diskreta signalerna s 1 [k] och s 2 [k] =s 1 [k + t] beräknas genom multiplikation i frekvensplanet. För att beräkna CCF:en då s 1 [k] och s 2 [k] innehåller brus med interferenser krävs interferensundertryckning vilken genomförs enligt blockschemat i Þgur7.2. Beräkningarna har utförts i MATLAB vilket betyder att antalet fouriertransformeringar bör vara så få som möjligt eftersom de tar lång tid. Genom att nollinbaka före interferensundertryckningen istället för efter och beräkna CCF:en enligt Þgur 8.1 kan antalet fouriertransformeringar minskas. 35

42 s 1 [k] nollinb. FFT H[n] S 1 [n] X IFFT CCF s 2 [k] nollinb FFT H[n] komplexkonjugering S 2 *[n] Figur 8.1: Blockschema för beräkning av CCF på kortvåg. 8.2 Fönstring Korskorrelationsfunktionen är som tidigare nämnts ett mått på överensstämmelsen mellan signalerna s 1 (t) och s 2 (t) för olika tidsfördröjningar. Därmed fårccf:enentoppfört = t. Efter interferensundertyckningen består den mottagna signalen av både vitt brus och okorrelerat brus. Vid beräkningen av korskorrelationfunktionen samlas nästan hela den bandspridda signalens energi i korrelationstoppen. För vitt gaussiskt brus sprids energin över hela tidsaxeln. Därmed kan en stor del av det oberoende bruset Þltreras bort genom fönstring av CCF:en. Fönstring kan ses som en Þltrering i tidsdomän. Korskorrelationfunktionen multipliceras med en fönsterfunktion w[n] och resultatet blir TDFCCF = CCF w[n]. (TDFCCF= Time Domain Filtered Cross-Correlation Function) Fönsterfunktionen w[n] kan se ut på många olika sätt. Exempel på vanliga fönsterfunktioner är Hamming, Hanning, Blackman med ßera. I [15] ges en grundlig beskrivning av fönstring och några vanliga fönsterfunktioner presenteras. Några olika fönsterfunktioner har testats och det har visat sig att fasen hos CSD:n får mest korrekt lutning om ett gaussfönster används. Ett gaussiskt fönster deþnieras enligt: w[n] =exp[ 1 2 (α n N/2 )2 ] n N 1 2 (8.1) N anger fönstrets bredd. Figur 8.2 visar ett gaussfönster med bredd 3 då α =3. I Þgur 8.3 visas amplitud och fas för fouriertransformen av samma fönsterfunktion. Ju smalare fönstret är i tidsplanet desto bredare blir huvud- 36

43 Amplitud loben i frekvensplanet. För ett gaussfönster gäller att fasen är linjär i mitten vilket gör att fasen hos TDFCSD:n inte förstörs av fönstringen Tidsfördröjning [antal sampel] Figur 8.2: Gaussfönster med bredd 3 Ju smalare fönster som används desto mer av bruset Þltreras bort. Eftersom korrelationstoppen fås för t= t måste fönstret vara tillräckligt brett för att tillåta alla möjliga t, dvs alla möjliga ankomstriktningar. Fönstret kan alltså inte göras hur smalt som helst. Då TDFCCF:en fouriertransformeras fås TDFCSD vars absolutbelopp avslöjar var en eventuell bandspridd signal Þnns i frekvensled. I våra försök har absolutbeloppet för TDFCSD:n fått bäst egenskaper då ett gaussfönster med bredd 3 använts. Enligt kapitel 5.2 blir fasen hos TDFCSD:n linjär i det frekvensområde där den bandspridda signalen Þnns. Faskurvan har fått bäst egenskaper då ett fönster med bredd 15 använts. Korskorrelationsfunktionen fönstras därför med två gaussfönster av olika längd för att ge två TDFCSD:er, TDFCSD_3 och TDFCSD_15. De mottagna signalerna s 1 (t) och s 2 (t) delas in i delar om 2 15 sampel. Genom att beräkna funktionerna TDFCSD_3 och TDFCSD_15 för varje del för sig och sedan medelvärdesbilda undertrycks en del av det brus som Þnns kvar efter interferensundertryckning och tidsdomänþltrering. 37

44 db 4 Absolutbelopp 4 Fas Frekvens [khz] Frekvens [khz] Figur 8.3: Absolutbelopp och fas för fouriertransformen av ett gaussfönster med bredd 3. 38

45 8.3 Upptäckt Genom att utnyttja ovan nämnda egenskaper hos den fönstrade korskorrelationsfunktionen och dess fouriertransform kan en metod för upptäckt av bandspridda signaler tas fram. Den besvärliga interferensmiljön på kortvågsbandet gör att det Þnns ett av bruset orsakat beroende mellan de två mottagna signalerna även efter interferensundertryckningen. Det betyder att CCF:en får en kraftig spik även om det mottagna spektrat inte innehåller någon bandspridd signal. Utseendet hos CCF:en varierar med mottaget spektrum och det blir svårt att identiþera någon bra beslutsgräns för om det Þnns en bandspridd signal eller ej. Egenskaperna hos den fönstrade CCF:ens fouriertransform, TDFCSD:n, ger en god indikation på om det Þnns en bandspridd signal eller ej. Enligt kapitel 5.2 har TDFCSD:n stort absolutbelopp för de frekvenser där den bandspridda signalen Þnns. Alltså kan absolutbeloppet av TDFCSD_3 användas för att bestämma det frekvensområde som troligast innehåller en bandspridd signal. Frekvensområdet ges av 3dB-bandbredden runt absolutbeloppets maximum. Om fasen hos TDFCSD_15 är linjär i det framtagna frekvensintervallet Þnns det en bandspridd signal, se Þgur 8.4. För att avgöra om fasen är tillräckligt linjär approximeras den med en rät linje inom aktuellt frekvensintervall med hjälp av minsta kvadratmetoden enligt ekv 5.4. Därefter bestäms fasens avvikelse från den räta linjen genom att skatta variansen enligt följande: varians = 1 N NX (f(x i ) f (x i )) 2 (8.2) i=1 Skattningen sker över N punkter där f(x i ) anger fasens värde i punkten x i och f (x i ) anger den räta linjens värde i samma punkt. Ju bättre överensstämmelse mellan faskurvan och den räta linjen desto mindre varians. Om variansen är tillräckligt liten kan man dra slutsatsen att det Þnns en bandspridd signal i det aktuella frekvensområdet. Om det inte Þnns någon bandspridd signal i mottaget spektrum blir variansen oftast betydligt större. Figur 8.5 visar ett blockschema för upptäckt av bandspridda signaler enligt metoden beskriven ovan. 39

46 abs(tdfcsd-3) -3 db f 1 f 2 frekvens fas(tdfcsd-15) f 1 f 2 frekvens Figur 8.4: Absolutbelopp och fas för tdfcsd:n. En QPSK-modulerad signal med bandbredd 1 khz, SIR=-5 db. Frekvenserna f 1 och f 2 anger inom vilket intervall TDFCSD.n har sin bandbredd. CCF gauss 3 FFT abs beräknar bandbredd approximerar med rät linje varians CCF gauss 15 FFT fas Figur 8.5: Blockschema för upptäckt av bandspridda signaler på kortvåg. 4

47 Det Þnns dock spektran som inte innehåller någon bandspridd signal men för vilka TDFCSD:n ändå har ganska linjär fas inom ett mindre område. Om absolutbeloppet av TDFCSD:n är stort inom samma område kan det se ut som om det Þnns en bandspridd signal där. Beräkningarna ger oss då en falsk indikation på att det Þnns en bandspridd signal. För att bestämma en lämplig beslutsgräns för om det Þnns en bandspridd signal eller ej måste en avvägning göras mellan hur mycket falsklarm som kan tillåtas och hur svaga signaler som ska upptäckas. 8.4 Riktningsbestämning I kapitel 5.1 visades att infallsvinkeln AOA kan beräknas ur tidsskillnaden t. I detta kapitel redovisas en metod för att bestämma t för signaler på kortvågsbandet. Resultatet av beräkningarna i kapitel 8.3 för upptäckt kan användas även för riktningsbestämning enligt blockschemat i Þgur 8.6. Tidsskillnaden t kan bestämmas ur lutningen hos TDFCSD:ns fas inom det område som ges av TDFCSD:ns absolutbelopp. Ekvation 5.3 ger att lutning = 2π t. Lutningen kan i sin tur bestämmas ur den räta linje som approximerar faskurvan inom aktuellt frekvensintervall. CCF gauss 3 FFT abs beräknar bandbredd approximerar med rät linje beräknar linjens lutning ϕ^ CCF gauss 15 FFT fas Figur 8.6: Blockschema för riktningsbestämning av bandspridda signaler på kortvåg. 41

48 Kapitel 9 Resultat I föregående kapitel beskrevs hur korrelation kan användas för upptäckt och riktningsbestämning av bandspridda signaler på kortvåg. Nedan presenteras resultaten av de simuleringar som gjorts med avseende på metoden enligt förutsättningarna beskrivna i kapitel Upptäckt Beslutet huruvida det Þnns en bandspridd signal eller ej i mottaget spektrum grundas på värdet av variansskattningen enligt ekvation 8.2. Beräkningen av CCF:en, fönstringen, och approximationen av fasen hos TDFCSD:n har gjorts enligt kapitel 8. Beslutsgränsen måste vara en avvägning mellan hur mycket falsklarm som kan tillåtas och hur svaga signaler som skall upptäckas. 23 bakgrundsspektran inspelade från kortvågsbandet har använts för att bestämma hur falsklarmsannolikheten beror av beslutsgränsen. Resultatet visas i Þgur 9.1. Figur 9.2 visar hur sannolikheten för upptäckt beror av falsklarmsannolikheten för de inspelade bakgrundsspektran som använts vid simuleringarna.då SIR=-15 db. En BPSK-modulerad signal med 1 khz bandbredd har adderats till 19 olika spektran och placerats på fem olika sätt i frekvensled för varje spektrum vid beräkningarna. Det betyder att varje punkt baseras på 95 simuleringar. Plotten består av 11 punkter. 42

49 Sannolikhet för upptäckt sannolikhet för falsklarm beslutsgräns Figur 9.1: Sannolikhet för falsklarm för olika beslutsgränser Sannolikhet för falsklarm Figur 9.2: Sannolikheten för upptäckt av en bandspridd signal för olika falsklarmsannolikheter. SIR=-15 db. 43

50 Absolutbelopp [db] Figur 9.3 visar frekvensspektrat för en bandspridd signal i brus med interferenser för olika SIR. För höga SIR värden syns den bandspridda signalen som en upphöjning i spektrat. Någonstans mellan -15 och -2 db försvinner dock signalen helt i bruset och det behövs någon form av upptäcktsalgoritm för att avgöra om det Þnns en bandspridd signal eller ej Frekvens [khz] Figur 9.3: Frekvensspektrum för QPSK-modulerad bandspridd signal för olika SIR. SIR=-1 db överst, -15 db i mitten och -2 db underst. 44

51 Sannolikhet för upptäckt Figur 9.4 visar hur sannolikheten för upptäckt beror på SIR för två olika beslutsgränser,.5 och.75. Med beslutsgräns.5 och.75 fås falsklarmsannolikheterna 8.7% respektive 13%. Även här har en signal bandspridd till 1 khz med hjälp av BPSK-modulation använts. Varje punkt i plotten baseras återigen på 95 simuleringar. Plotten består av 16 punkter beslutsgräns:.5 beslutsgräns: SIR [db] Figur 9.4: Sannolikhet för upptäckt av en BPSK-modulerad signal med bandbredd 1 khz för olika SIR. Beslutsgränser:.5 och.75. Sannolikheten för upptäckt kan även bero på vilken metod som använts för bandspridningen eller vilken bandbredd signalen har. I Þgur 9.5 visas hur sannolikheten för upptäckt ser ut för BPSK-, QPSK- och MSK-modulerade signaler med bandbredd 1 khz. I Þgur 9.6 visas hur sannolikheten för upptäckt beror av bandbredden. QPSK-modulerade signaler med bandbredderna 5, 1 samt 2 khz har använts. Beslutsgränsen är.5 i båda plottarna och punkterna baseras på 95 olika simuleringar på samma sätt som förut. 45

52 Sannolikhet för upptäckt Sannolikhet för upptäckt BPSK QPSK MSK SIR [db] Figur 9.5: Sannolikhet för upptäckt av BPSK-, QPSK- samt MSKmodulerade signaler för olika SIR. Bandbredd: 1 khz, beslutsgräns: bandbredd: 5 khz.3 bandbredd: 1 khz bandbredd: 2 khz SIR [db] Figur 9.6: Sannolikhet för upptäckt av en QPSK-modulerad signal med bandbredd 5, 1 resp 2 khz med avseende på SIR. Beslutsgräns:.5 46

53 Absolutbeloppet av vinkelfelet [grader] 25 2 BPSK QPSK MSK SIR [db] Figur 9.7: Medelvärdet av absolutbeloppet hos felet vid skattningen av AOA för BPSK-, QPSK- samt MSK-modulerade signaler. Bandbredd: 1 khz. 9.2 Riktningsbestämning Samma signaler och bakgrundsspektran som användes vid beräkningarna av upptäcktssannolikheten har använts för att undersöka hur bra signalerna kan riktningsbestämmas. För de signaler som upptäcktes då beslutsgränsen var.5 har dess infallsvinkel, AOA, beräknats enligt kapitel 8.4. Figur 9.7 visar hur medelvärdet av absolutbeloppet hos felet vid skattningen av AOA beror på SIR för signaler bandspridda till 1 khz bandbredd genom BPSK-, QPSK- resp MSK-modulation. Figur 9.8 visar motsvarande medianvärden. Plotterna består av 16 punkter och varje punkt baseras på de signaler som upptäcktes vid de 95 simuleringarna som gjordes för varje SIR i föregående avsnitt. 47

54 Absolutbeloppet av vinkelfelet [grader] 15 1 BPSK QPSK MSK SIR [db] Figur 9.8: Medianvärdet av absolutbeloppet hos felet vid skattningen av AOA för BPSK-, QPSK- samt MSK-modulerade signaler. Bandbredd: 1 khz. 48

55 Absolutbeloppet av vinkelfelet [grader] Felet på skattningen av infallsvinkeln beror på vilket bakgrundsspektrum som signalen tas emot med samt på var i spektrat den bandspridda signalen Þnns. I Þgurerna visas absolutbeloppet av vinkelfelet för samtliga simulerade situationer som använts vid beräkningen av medelvärdena i Þg SIR [db] Standard avvikelse Figur 9.9: Absolutbeloppet av felet hos skattningen av infallsvinkeln för en BPSK-modulerad signal med bandbredd 1 khz. Resultatet av samtliga simulerade situationer där signalen upptäcktes visas. 49

56 Absolutbeloppet av vinkelfelet [grader] SIR [db] Standard avvikelse Figur 9.1: Absolutbeloppet av felet hos skattningen av infallsvinkeln för en QPSK-modulerad signal med bandbredd 1 khz. Resultatet av samtliga simulerade situationer där signalen upptäcktes visas. 5

57 Absolutbeloppet av vinkelfelet [grader] SIR [db] Standard avvikelse Figur 9.11: Absolutbeloppet av felet hos skattningen av infallsvinkeln för en MSK-modulerad signal med bandbredd 1 khz. Resultatet av samtliga simulerade situationer där signalen upptäcktes visas. 51

Ulrik Söderström 20 Jan Signaler & Signalanalys

Ulrik 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 mer

Ulrik Söderström 19 Jan Signalanalys

Ulrik Söderström 19 Jan Signalanalys Ulrik Söderström ulrik.soderstrom@tfe.umu.se 9 Jan 200 Signaler & Signalanalys l Sinusspänning Sinus och cosinus samma form men fasförskjutna Fasförskjutning tidsfördröjning Sinus och cosinus är väldigt

Läs mer

Spektrala Transformer

Spektrala 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 mer

Laboration 2 - Modulering I denna laboration skall vi

Laboration 2 - Modulering I denna laboration skall vi Björn Ekenstam 19/9 2003 Telekommunikation TDV hösten 2003 Laboration 2 - Modulering I denna laboration skall vi Tillämpa MATLAB för att studera några olika Digitalt modulerade signaler Visa dessa signaler

Läs mer

Kompletterande 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 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 mer

DIGITAL KOMMUNIKATION

DIGITAL KOMMUNIKATION EN KOR SAMMANFANING AV EORIN INOM DIGIAL KOMMUNIKAION Linjär kod En binär linjär kod kännetecknas av att summan av två kodord också är ett kodord. Ett specialfall är summan av ett kodord med sig själv

Läs mer

Hemtenta 2 i Telekommunikation

Hemtenta 2 i Telekommunikation Hemtenta 2 i Telekommunikation Tentamen omfattar 4*4=16 poäng. För godkänt krävs minst 8 poäng. Individuell Inlämning senast 2005-10-07 till Jan-Åke Olofsson jan-ake.olofsson@tfe.umu.se eller Björn Ekenstam,

Läs mer

Flerdimensionell signalbehandling SMS022

Flerdimensionell signalbehandling SMS022 Luleå tekniska universitet Avd för signalbehandling Frank Sjöberg Flerdimensionell signalbehandling SMS022 Laboration 4 Array Processing Syfte: Syftet med den här laborationen är att få grundläggande förståelese

Läs mer

7. Sampling och rekonstruktion av signaler

7. Sampling och rekonstruktion av signaler Arbetsmaterial 5, Signaler&System I, VT04/E.P. 7. Sampling och rekonstruktion av signaler (Se också Hj 8.1 3, OW 7.1 2) 7.1 Sampling och fouriertransformering Man säger att man samplar en signal x(t) vid

Läs mer

Spektrala Transformer

Spektrala 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 mer

DT1130 Spektrala transformer Tentamen

DT1130 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 mer

Spektrala Transformer

Spektrala 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 mer

Resttentamen 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 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 mer

Examples on Analog Transmission

Examples on Analog Transmission Examples on Analog Transmission Figure 5.25 Types of analog-to-analog modulation Figure 5.26 Amplitude modulation Figure 5.29 Frequency modulation Modulation och demodulation Baudrate = antal symboler

Läs mer

Tillämpning av komplext kommunikationssystem i MATLAB

Tillämpning av komplext kommunikationssystem i MATLAB (Eller: Vilken koppling har Henrik Larsson och Carl Bildt?) 1(5) - Joel Nilsson joelni at kth.se Martin Axelsson maxels at kth.se Sammanfattning Kommunikationssystem används för att överföra information,

Läs mer

Signaler & Signalanalys

Signaler & Signalanalys Ulrik Söderström ulrik.soderstrom@tfe.umu.se Jan 8 Signaler & Signalanals Sinusspänning Sinus och cosinus samma form men fasförskjutna Fasförskjutning tidsfördröjning Sinus och cosinus är väldigt enkla

Läs mer

Tillämpad Fysik Och Elektronik 1

Tillämpad Fysik Och Elektronik 1 FREKVENSSPEKTRUM (FORTS) TILLÄMPAD FYSIK OCH ELEKTRONIK, UMEÅ UNIVERSITET 1 ICKE-PERIODISKA FUNKTIONER Icke- periodiska funktioner kan betraktas som periodiska, med oändlig periodtid P. TILLÄMPAD FYSIK

Läs mer

Signalanalys med snabb Fouriertransform

Signalanalys 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 mer

Laboration i Fourieranalys, TMA132 Signalanalys med snabb Fouriertransform

Laboration 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 mer

Lab 1 Analog modulation

Lab 1 Analog modulation 2 Lab-PM för TSEI67 Telekommunikation Lab 1 Analog modulation Med Simulink kan man som sagt bygga upp ett kommunikationssystem som ett blockschema, och simulera det. Ni ska i denna laboration inledningsvis

Läs mer

Fysiska lagret. Kanal. Problem är att kanalen har vissa begränsningar: Kanalen är analog Kanalen är bandbreddsbegränsad och är oftast störd (av brus)

Fysiska lagret. Kanal. Problem är att kanalen har vissa begränsningar: Kanalen är analog Kanalen är bandbreddsbegränsad och är oftast störd (av brus) Fysiska lagret Sändare Digital information Kanal Mottagare Problem är att kanalen har vissa begränsningar: Kanalen är analog Kanalen är bandbreddsbegränsad och är oftast störd (av brus) Kanalens kapacitet

Läs mer

Spektralanalys - konsten att hitta frekvensinnehållet i en signal

Spektralanalys - konsten att hitta frekvensinnehållet i en signal Spektralanalys - konsten att hitta frekvensinnehållet i en signal Bengt Carlsson, Erik Gudmundson och Marcus Björk Systems and Control Dept. of Information Technology, Uppsala University 7 november 013

Läs mer

Tentamen ssy080 Transformer, Signaler och System, D3

Tentamen 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 mer

Modellutveckling av ett TDOA-positioneringssystem

Modellutveckling av ett TDOA-positioneringssystem FOI-R--0122--SE Juni 2001 ISSN 1650-1942 Metodrapport Mats Larsson Modellutveckling av ett TDOA-positioneringssystem Avdelningen för Ledningssystemteknik 581 11 Linköping TOTALFÖRSVARETS FORSKNINGSINSTITUT

Läs mer

GRUNDKURS I SIGNALBEHANDLING (454300), 5sp Tentamen

GRUNDKURS 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 mer

DT1130 Spektrala transformer Tentamen

DT1130 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 mer

Hemuppgift för E2 SF1635, HT 2007

Hemuppgift för E2 SF1635, HT 2007 Utjämnare Hemuppgift för E2 SF635, HT 2007 Introduktion Ett vanligt problem när man överför data är att en fördröjd och amplitudskalad version av signalen adderas till ursprungssignalen. Inom telefoni

Läs mer

TSRT62 Modellbygge & Simulering

TSRT62 Modellbygge & Simulering TSRT62 Modellbygge & Simulering Föreläsning 4 Christian Lyzell Avdelningen för Reglerteknik Institutionen för Systemteknik Linköpings Universitet C. Lyzell (LiTH) TSRT62 Modellbygge & Simulering 2013 1

Läs mer

TEM Projekt Transformmetoder

TEM Projekt Transformmetoder TEM Projekt Transformmetoder Utförs av: Mikael Bodin 19940414 4314 William Sjöström 19940404 6956 Sammanfattning I denna laboration undersöks hur Fouriertransformering kan användas vid behandling och analysering

Läs mer

TSKS21 Signaler, Information och Bilder Lab 2: Digitalisering

TSKS21 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 mer

2 Laborationsutrustning

2 Laborationsutrustning Institutionen för data- och elektroteknik 2002-02-11 1 Inledning Denna laboration syftar till att illustrera ett antal grundbegrepp inom digital signalbehandling samt att närmare studera frekvensanalys

Läs mer

Föreläsning 6: Spektralskattning: icke parametriska metoder. Leif Sörnmo 4 oktober 2009

Föreläsning 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 mer

AD-DA-omvandlare. Mätteknik. Ville Jalkanen. ville.jalkanen@tfe.umu.se 1

AD-DA-omvandlare. Mätteknik. Ville Jalkanen. ville.jalkanen@tfe.umu.se 1 AD-DA-omvandlare Mätteknik Ville Jalkanen ville.jalkanen@tfe.umu.se Inledning Analog-digital (AD)-omvandling Digital-analog (DA)-omvandling Varför AD-omvandling? analog, tidskontinuerlig signal Givare/

Läs mer

Frekvensplanet och Bode-diagram. Frekvensanalys

Frekvensplanet och Bode-diagram. Frekvensanalys Frekvensplanet och Bode-diagram Frekvensanalys Signaler Allt inom elektronik går ut på att manipulera signaler genom signalbehandling (Signal Processing). Analog signalbehandling Kretsteori: Nod-analys,

Läs mer

Laboration 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) 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 mer

Lab 4: Digital transmission Redigerad av Niclas Wadströmer. Mål. Uppstart. Genomförande. TSEI67 Telekommunikation

Lab 4: Digital transmission Redigerad av Niclas Wadströmer. Mål. Uppstart. Genomförande. TSEI67 Telekommunikation TSEI67 Telekommunikation Lab 4: Digital transmission Redigerad av Niclas Wadströmer Mål Målet med laborationen är att bekanta sig med transmission av binära signaler. Det innebär att du efter laborationen

Läs mer

Projekt 1 (P1) Problembeskrivning och uppdragsspecifikation

Projekt 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 mer

Laboration 4: Stora talens lag, Centrala gränsvärdessatsen och enkla punktskattningar

Laboration 4: Stora talens lag, Centrala gränsvärdessatsen och enkla punktskattningar LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK DATORLABORATION 4 MATEMATISK STATISTIK, FÖR I/PI, FMS 121/2, HT-3 Laboration 4: Stora talens lag, Centrala gränsvärdessatsen och enkla punktskattningar

Läs mer

Mätningar med avancerade metoder

Mätningar med avancerade metoder Svante Granqvist 2008-11-12 13:41 Laboration i DT2420/DT242V Högtalarkonstruktion Mätningar på högtalare med avancerade metoder Med datorerna och signalprocessningens intåg har det utvecklats nya effektivare

Läs mer

EXEMPEL 1: ARTVARIATION FÖRELÄSNING 1. EEG frekvensanalys EXEMPEL 2: EEG

EXEMPEL 1: ARTVARIATION FÖRELÄSNING 1. EEG frekvensanalys EXEMPEL 2: EEG FÖRELÄSNING EXEMPEL : ARTVARIATION Kurs- och transform-översikt. Kursintroduktion med typiska signalbehandlingsproblem och kapitelöversikt. Rep av transformer 3. Rep av aliaseffekten Givet: data med antal

Läs mer

Spektrala Transformer

Spektrala 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 mer

DIGITALA FILTER. Tillämpad Fysik Och Elektronik 1. Frekvensfunktioner FREKVENSSVAR FÖR ETT TIDSDISKRET SYSTEM. x(n)= Asin(Ωn)

DIGITALA 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 mer

Spektrala Transformer

Spektrala 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 mer

Föreläsning 9, Bestämning av tidsdiksreta överföringsfunktioner

Föreläsning 9, Bestämning av tidsdiksreta överföringsfunktioner Föreläsning 9, Bestämning av tidsdiksreta överföringsfunktioner Reglerteknik, IE1304 1 / 20 Innehåll Kapitel 17.1. Inledning 1 Kapitel 17.1. Inledning 2 3 2 / 20 Innehåll Kapitel 17.1. Inledning 1 Kapitel

Läs mer

Fouriermetoder MVE295 - bonusuppgifter

Fouriermetoder MVE295 - bonusuppgifter Fouriermetoder MVE295 - bonusuppgifter Edvin Listo Zec 920625-2976 edvinli@student.chalmers.se Sofia Toivonen 910917-4566 sofiato@student.chalmers.se Emma Ekberg 930729-0867 emmaek@student.chalmers.se

Läs mer

Tentamen ssy080 Transformer, Signaler och System, D3

Tentamen 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 mer

Tentamen 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 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 mer

Experimentella metoder, FK3001. Datorövning: Finn ett samband

Experimentella metoder, FK3001. Datorövning: Finn ett samband Experimentella metoder, FK3001 Datorövning: Finn ett samband 1 Inledning Den här övningen går ut på att belysa hur man kan utnyttja dimensionsanalys tillsammans med mätningar för att bestämma fysikaliska

Läs mer

Projekt 3: Diskret fouriertransform

Projekt 3: Diskret fouriertransform Projekt 3: Diskret fouriertransform Diskreta fouriertransformer har stor praktisk användning inom en mängd olika områden, från analys av mätdata till behandling av digital information som ljud och bildfiler.

Läs mer

REGLERTEKNIK Laboration 5

REGLERTEKNIK 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 mer

Föreläsning 10, Egenskaper hos tidsdiskreta system

Föreläsning 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 mer

Beskrivning av signaler i frekvensdomänen - sammanfattning

Beskrivning av signaler i frekvensdomänen - sammanfattning Beskrivning av signaler i frekvensdomänen - sammanfattning Bengt Carlsson Systems and Control Dept of Information Technology, Uppsala University January 21, 2010 Abstract Detta material ger en sammanfattning

Läs mer

DT1130 Spektrala transformer Tentamen

DT1130 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 mer

LAB 1. FELANALYS. 1 Inledning. 2 Flyttal. 1.1 Innehåll. 2.1 Avrundningsenheten, µ, och maskinepsilon, ε M

LAB 1. FELANALYS. 1 Inledning. 2 Flyttal. 1.1 Innehåll. 2.1 Avrundningsenheten, µ, och maskinepsilon, ε M TANA21+22/ 5 juli 2016 LAB 1. FELANALYS 1 Inledning I laborationerna används matrishanteringsprogrammet MATLAB. som genomgående använder dubbel precision vid beräkningarna. 1.1 Innehåll Du ska 1. bestämma

Läs mer

Laboration i Fourieroptik

Laboration i Fourieroptik Laboration i Fourieroptik David Winge Uppdaterad 30 januari 2015 1 Introduktion I detta experiment ska vi titta på en verklig avbildning av Fouriertransformen. Detta ska ske med hjälp av en bild som projiceras

Läs mer

DT1120/DT1130 Spektrala transformer Tentamen

DT1120/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 mer

Bildbehandling i frekvensdomänen

Bildbehandling 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 mer

FOURIERANALYS En kort introduktion

FOURIERANALYS En kort introduktion FOURIERAALYS En kort introduktion Kurt Hansson 2009 Innehåll 1 Signalanalys 2 2 Periodiska signaler 2 3 En komplex) skalärprodukt 4 4 Fourierkoefficienter 4 5 Sampling 5 5.1 Shannon s teorem.................................

Läs mer

Laboration 3 Sampling, samplingsteoremet och frekvensanalys

Laboration 3 Sampling, samplingsteoremet och frekvensanalys Laboration 3 Sampling, samplingsteoremet och frekvensanalys 1 1 Introduktion Syftet med laborationen är att ge kunskaper i att tolka de effekter (speglingar, svävningar) som uppkommer vid sampling av en

Läs mer

Flerdimensionella signaler och system

Flerdimensionella 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 mer

Omtentamen i Trådlös Internet-access

Omtentamen i Trådlös Internet-access Mittuniversitetet Inst. för IT och medier, ITM Stefan Pettersson 005-06-0 Omtentamen i Trådlös Internet-access Tid: 08.00-13.00. Hjälpmedel: Valfri miniräknare. Bifogad formelsamling. Ansvarig lärare:

Läs mer

Vinkelupplösning, exempel hålkameran. Vinkelupplösning När är två punkter upplösta? FAF260. Lars Rippe, Atomfysik/LTH 1. Böjning i en spalt

Vinkelupplösning, exempel hålkameran. Vinkelupplösning När är två punkter upplösta? FAF260. Lars Rippe, Atomfysik/LTH 1. Böjning i en spalt Kursavsnitt Böjning och interferens Böjning i en spalt bsin m m 1,... 8 9 Böjning i en spalt Böjning i cirkulär öppning med diameter D Böjningsminimum då =m Första min: Dsin 1. 10 11 Vinkelupplösning,

Läs mer

Innehåll. Innehåll. sida i

Innehåll. 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 mer

Tentamen i Trådlös Internet-access

Tentamen i Trådlös Internet-access Mittuniversitetet Inst. för IT och medier, ITM Stefan Pettersson 005-08- Tentamen i Trådlös Internet-access Tid: 08.00-13.00. Hjälpmedel: Valfri miniräknare. Bifogad formelsamling. Ansvarig lärare: Stefan

Läs mer

Klubbledarpärm. 5. Spektrumövervakning vid större meeting och tävlingar. 6. Sändarinlämning vid större meeting och tävlingar

Klubbledarpärm. 5. Spektrumövervakning vid större meeting och tävlingar. 6. Sändarinlämning vid större meeting och tävlingar 20. Radiosäkerhet 1. Frekvensband 2. Moduleringsprinciper 3. Vågutbredning 4. Störningar 5. Spektrumövervakning vid större meeting och tävlingar 6. Sändarinlämning vid större meeting och tävlingar 1 1.

Läs mer

Signal- och bildbehandling TSBB03

Signal- 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 mer

Elektronik. Dataomvandlare

Elektronik. 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 mer

Signal- och Bildbehandling FÖRELÄSNING 4. Multiplikationsteoremet. Derivatateoremet

Signal- och Bildbehandling FÖRELÄSNING 4. Multiplikationsteoremet. Derivatateoremet Signal- och Bildbehandling FÖRELÄSNING 4 Fouriertransformen, forts Mer egenskaper av fouriertransformen Enkel tillämpning: Filtrera bort oönskat buller från vacker visselton Fouriertransformen, slutsats

Läs mer

Signaler några grundbegrepp

Signaler några grundbegrepp Kapitel 2 Signaler några grundbegrepp I detta avsnitt skall vi behandla några grundbegrepp vid analysen av signaler. För att illustrera de problemställningar som kan uppstå skall vi först betrakta ett

Läs mer

a = a a a a a a ± ± ± ±500

a = a a a a a a ± ± ± ±500 4.1 Felanalys Vill man hårddra det hela, kan man påstå att det inte finns några tal i den tillämpade matematiken, bara intervall. Man anger till exempel inte ett uppmätt värde till 134.78 meter utan att

Läs mer

Datorövning: Fouriertransform med Python

Datorövning: Fouriertransform med Python Datorövning i Elektromagnetism och vågor (FK5019) Övningsledare: bart.pelssers@fysik.su.se & ashraf@fysik.su.se Datorövning: Fouriertransform med Python Skicka in individuellt skrivna rapporter på engelska

Läs mer

DT1130 Spektrala transformer Tentamen

DT1130 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 mer

Laboration i Fourieroptik

Laboration i Fourieroptik Laboration i Fourieroptik David Winge Uppdaterad 4 januari 2016 1 Introduktion I detta experiment ska vi titta på en verklig avbildning av Fouriertransformen. Detta ska ske med hjälp av en bild som projiceras

Läs mer

Kapitel 2 o 3 Information och bitar Att skicka signaler på en länk. Jens A Andersson

Kapitel 2 o 3 Information och bitar Att skicka signaler på en länk. Jens A Andersson Kapitel 2 o 3 Information och bitar Att skicka signaler på en länk Jens A Andersson Att göra Kursombud Williams bok???? Kolla schemat: Övningar flyttade Labanmälan ska funka nu 2 Att sända information

Läs mer

Denna våg passerar mikrofonen, studsar mot väggen och passerar åter mikrofonen efter tiden

Denna våg passerar mikrofonen, studsar mot väggen och passerar åter mikrofonen efter tiden Lösning till inlämningsuppgift 1 Beskriv först ljudtrycket för den infallande vågen som en funktion av tiden. Eftersom trycket ökar linjärt mellan sågtandsvågens språng och eftersom periodtiden är T=1

Läs mer

Tentamen i ESS 010 Signaler och System E3 V-sektionen, 16 augusti 2005, kl 8.30 12.30

Tentamen 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 mer

Signal- och bildbehandling TSBB03, TSBB14

Signal- 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 mer

Tentamen i Trådlös Internet-access

Tentamen i Trådlös Internet-access Mittuniversitetet Inst. för IT och Medier, ITM Stefan Pettersson 005-04-30 Tentamen i Trådlös Internet-access Tid: Kl 9.00-14.00. Hjälpmedel: Valfri miniräknare. Bifogad formelsamling. Ansvarig lärare:

Läs mer

Laboration i Fourieranalys för F2, TM2, Kf2 2013/14 Signalanalys med snabb Fouriertransform (FFT)

Laboration i Fourieranalys för F2, TM2, Kf2 2013/14 Signalanalys med snabb Fouriertransform (FFT) Laboration i Fourieranalys för F2, TM2, Kf2 2013/14 Signalanalys med snabb Fouriertransform (FFT) Den här laborationen har två syften: dels att visa hur den snabba Fouriertransformen fungerar och vad man

Läs mer

Ingenjörsmetodik IT & ME 2011 Föreläsning 11

Ingenjörsmetodik IT & ME 2011 Föreläsning 11 Ingenjörsmetodik IT & ME 011 Föreläsning 11 Sammansatt fel (Gauss regel) Felanalys och noggrannhetsanalys Mätvärden och mätfel Medelvärde, standardavvikelse och standardosäkerher (statistik) 1 Läsanvisningar

Läs mer

1. Vi har givet två impulssvar enligt nedan (pilen under sekvenserna indikerar den position där n=0) h 1 (n) = [ ]

1. 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 mer

Signalbehandling Röstigenkänning

Signalbehandling Röstigenkänning L A B O R A T I O N S R A P P O R T Kurs: Klass: Datum: I ämnet Signalbehandling ISI019 Enk3 011211 Signalbehandling Röstigenkänning Jonas Lindström Martin Bergström INSTITUTIONEN I SKELLEFTEÅ Sida: 1

Läs mer

Bildbehandling i frekvensdomänen. Erik Vidholm

Bildbehandling i frekvensdomänen. Erik Vidholm Bildbehandling i frekvensdomänen Erik Vidholm erik@cb.uu.se 9 december 2002 Sammanfattning Detta arbete beskriver hur en bild kan tolkas som en tvådimensionell digital signal, hur denna signal Fouriertransformeras

Läs mer

TSDT15 Signaler och System

TSDT15 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 mer

Signal- och Bildbehandling, TSBB14. Laboration 2: Sampling och Tidsdiskreta signaler

Signal- 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 mer

Teori... SME118 - Mätteknik & Signalbehandling SME118. Johan Carlson 2. Teori... Dagens meny

Teori... 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

Poler och nollställen, motkoppling och loopstabilitet. Skrivet av: Hans Beijner 2003-07-27

Poler och nollställen, motkoppling och loopstabilitet. Skrivet av: Hans Beijner 2003-07-27 Poler och nollställen, motkoppling och loopstabilitet Skrivet av: Hans Beijner 003-07-7 Inledning All text i detta dokument är skyddad enligt lagen om Copyright och får ej användas, kopieras eller citeras

Läs mer

Elektronik. Viktor Öwall, Digital ASIC Group, Dept. of Electroscience, Lund University, Sweden-

Elektronik. Viktor Öwall, Digital ASIC Group, Dept. of Electroscience, Lund University, Sweden- Analogt och Digital Bertil Larsson Viktor Öwall Analoga och Digitala Signaler Analogt Digitalt 001100101010100000111110000100101010001011100010001000100 t Analogt kontra Digitalt Analogt få komponenter

Läs mer

Filtrering av matningsspänningar för. känsliga analoga tillämpningar

Filtrering av matningsspänningar för. känsliga analoga tillämpningar 1-1 Filtrering av matningsspänningar för -5-6 -7-8 känsliga analoga tillämpningar SP Devices -9 215-2-25-1 1 4 1 5 1 6 1 7 1 8 1 Problemet Ibland behöver man en matningsspänning som har extra lite störningar

Läs mer

SF1635, Signaler och system I

SF1635, Signaler och system I SF65, Signaler och system I Tentamen tisdagen 4--4, kl 8 Hjälpmedel: BETA Mathematics Handbook. Formelsamling i Signalbehandling rosa), Formelsamling för Kursen SF65 ljusgrön). Obs : Obs : Obs : Obs 4:

Läs mer

Exempelsamling 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 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 mer

Signal- och Bildbehandling, TSBB14. Laboration 2: Sampling och rekonstruktion. DFT.

Signal- 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 mer

Fysik (TFYA14) Fö 5 1. Fö 5

Fysik (TFYA14) Fö 5 1. Fö 5 Fysik (TFYA14) Fö 5 1 Fö 5 Kap. 35 Interferens Interferens betyder samverkan och i detta fall samverkan mellan elektromagnetiska vågor. Samverkan bygger (precis som för mekaniska vågor) på superpositionsprincipen

Läs mer

Trådlös kommunikation En introduktion av Open Systems Engineering AB

Trådlös kommunikation En introduktion av Open Systems Engineering AB Trådlös kommunikation En introduktion av Open Systems Engineering AB Trådlös Kommunikation Terminologi Trådlös teknologi ; för- och nackdelar Teletekniska lösningar (telefoni) WiFi lösningar Radio, företagsspecifika

Läs mer

Linjär prediktion. Prediktiv kodning. Linjär prediktion. Prediktiv kodare och avkodare

Linjär prediktion. Prediktiv kodning. Linjär prediktion. Prediktiv kodare och avkodare Prediktiv kodning Linjär prediktion Närliggande sampel i en signal är oftast starkt korrelerade med varandra, det kan därför vara en bra ide att försöka utnyttja denna korrelation (minnet) innan kvantiseringen

Läs mer

Psykoakustik. Ljudtrycksnivå. Hörselns omfång. Hörnivå(loudness) Människans hörsel är ganska väl studerad och det finns bra modeller för den.

Psykoakustik. Ljudtrycksnivå. Hörselns omfång. Hörnivå(loudness) Människans hörsel är ganska väl studerad och det finns bra modeller för den. Psykoakustik Ljudtrycksnivå Människans hörsel är ganska väl studerad och det finns bra modeller för den. Detta kan utnyttjas vid ljudkodning för att placera distorsionen (kvantiseringsbruset) så att det

Läs mer

Laplace, Fourier och resten varför alla dessa transformer?

Laplace, 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 mer

Samtidig visning av alla storheter på 3-fas elnät

Samtidig visning av alla storheter på 3-fas elnät Samtidig visning av alla storheter på 3-fas elnät Med nätanalysatorerna från Qualistar+ serien visas samtliga parametrar på tre-fas elnätet på en färgskärm. idsbaserad visning Qualistar+ visar insignalerna

Läs mer

Konvergens för iterativa metoder

Konvergens för iterativa metoder Konvergens för iterativa metoder 1 Terminologi Iterativa metoder används för att lösa olinjära (och ibland linjära) ekvationssystem numeriskt. De utgår från en startgissning x 0 och ger sedan en följd

Läs mer

Digital kommunikation. Maria Kihl

Digital kommunikation. Maria Kihl Digital kommunikation Maria Kihl Läsanvisningar Kihl & Andersson: 2.1-2.3, 3.1-2, 3.5-6 (ej CDM) Stallings: 3.1-4, 5.1, 5.2, 8.1, 8.2 Forouzan 5th: 3.1-3.4, 3.6, 4.1-4.2, 5.1, 6.1.1, 6.1.3 2 Protokoll

Läs mer