Faltningsreverb i realtidsimplementering
|
|
- Birgit Jansson
- för 7 år sedan
- Visningar:
Transkript
1 Faltningsreverb i realtidsimplementering SMS45 Lp1 26 DSP-system i praktiken Jörgen Anderton - jorand-3@student.ltu.se Henrik Wikner - henwik-1@student.ltu.se
2 Introduktion Digitala reverb kan delas upp i två huvudgrupper, de som är algoritmbaserade och de som bygger på ett inspelat impulssvar. Algoritmbaserade reverb approximerar ett reverb genom en eller flera matematiska funktioner som appliceras på insignalen. Dessa kan realiseras genom FIR- eller IIR-filter eller en kombination av de båda. Den andra huvudgruppen tar sin utgångspunkt i ett reverb som redan finns. En kort och transientrik signal används som insignal till det existerande reverbet och en inspelning görs av utsignalen. Insignalen bör vara så lik en ideal impuls som möjligt och oftast används en startpistol eller bredbandigt brus under en mycket kort tidsperiod, en s.k. burst. Reverbet kan vara såväl ett existerande hårdvarureverb som en faktisk lokal. I det senare fallet spelar man in rummets klang med mikrofoner i godtycklig uppställning, det leder till att en och samma lokal kan generera en mängd olika impulssvar beroende på mikrofonernas typ och placering. Detta betyder också att det inte finns ett enkelt sätt att ändra på reverbets parametrar då lokalens (eller systemets) klang är inspelad under vissa, speciella förutsättningar u M [] n = h[] k x[ n k] k= Formel 1.Principen för ett FIR-filter, u är utsignal, h impulssvar, x insignal och M+1 längden på resp. vektor Det framtagna impulssvaret samplas sedan och appliceras på en insignal enligt principen för ett FIR-filter (se formel 1). Detta leder till den stora skillnaden mellan algoritm- och impulssvarsbaserade reverb, nämligen beräkningskraven. För att beräkna en sampel av utsignalen i ett impulssvarsreverb krävs att alla sampels i impulssvaret multipliceras med motsvarande sampel i insignalen. Eftersom den totala mängden beräkningar per sampel begränsas av ett realtidssystems klockfrekvens finns det ett direkt samband mellan den maximala längden på ett impulssvar och beräkningshastigheten hos systemet. Ett 2 s långt impulssvar, stereosamplat i 441 Hz ger två impulssvarsvektorer (vänster resp. höger) med = 882 sampels i vardera vektor. Detta betyder att varje sampel i utsignalen kräver minst = 1764 klockcykler per sampel. Detta kan jämföras med beräkningshastigheten hos den använda processorn i detta enskilda projekts DSP-kort, 16 MHz, med samma samplingsfrekvens som ovan, 441 Hz. Varje samplingsperiod ger då idealt 16 / 441 = 3628 beräkningar för båda kanalerna, dvs. 1/5 av det antal beräkningar som skulle behövas i det ovanstående exemplet. Vi måste alltså kraftigt minska antalet beräkningar för att kunna använda det tillgängliga DSP-kortet. DSP-kortet (Stud-1 från Rubico Systems) innehåller en processor från Analog Devices (ADSP-2191) med en klockfrekvens på 16 MHz och 16 kb minne. A/D- och D/Aomvandlingen av ljudet gjordes genom codecen AD1885, som innehåller 16-bits omvandlare från Analog Devices. SMS45 Faltningsreverb i realtidsimplementering 2
3 Metod Reverbet implementerades i ADSP-2191 stud-1 utvecklingskort i programmeringsspråket Assembler. För att få programmet så effektivt som möjligt gjordes alla beräkningar på en klockcykel vilket i sin tur innebar att koefficientvektorn och vektorn med gamla insignaler sparades i programminnet respektive dataminnet. Pga. koefficientvektorns storlek partionerades programminnet om så att ett block innehöll variabler och ett annat programkod. För att DSP:n ska hinna med att göra så många beräkningar som möjligt (vilket är viktigt för att få en så autentisk känsla som möjligt av reverbet) sattes samplingsfrekvensen till 225 Hz. Med den samplingsfrekvensen borde DSP:n teoretiskt klara av 7256 beräkningar per monosampel. Det första impulssvaret som användes var 5 sampel långt men det klarade inte DSP:n av. Detta märktes på ett skrapande ljud liknande overflowdistorsion. Därför valdes ett kortare impulssvar och test genomfördes i Matlab huruvida det räcker med 3 sampel. Det visade sig att det lät alldeles utmärkt även med 3 sampel varför den längden valdes att fortsättningsvis användas. För att kunna ändra längden på reverbet dvs. efterklangstiden på originalljudet måste längden på impulssvaret ändras. Det löstes genom att hoppa över vissa sampel ur originalimpulssvaret (se fig. 2-4). Man får då ett annat impulssvar och genom att vissa sampel hoppas över behövs sampel längre fram i originalimpulssvaret. Dock är magnituden för senare sampel så låg att de knappt spelar någon roll varvid ett kortare reverb uppfattas. Pga. att den faktiska beräkningshastigheten låg så pass mycket under den teoretiska bestämdes att DSP:n bara skulle processera en kanal. Annars hade bara ~15 sampel kunnat filtreras och troligtvis hade då reverbet inte låtit så mycket reverb. Filterkoeffienterna togs fram genom att läsa in ett inspelat impulssvar i Matlab och sedan sampla ner det med en faktor 2. Dvs. samplingsfrekvensen blir hälften så kort, 225 Hz. Därefter togs de 9 första värdena och skalades om för att passa 1.15-systemet. Sedan exporterades koefficenterna till en.dat-fil som importerades i programkoden. Tre olika filtreringsalgoritmer implementerades. En för varje reverbstorlek. För den största storleken lästes de 3 första samplen ur impulssvaret och multiplicerades med gamla insignaler. För mellanstorleken lästes varannat sampel in upp till de 6 första samplen och för den minsta storleken lästes var tredje sampel in ända till slutet av vektorn. SMS45 Faltningsreverb i realtidsimplementering 3
4 Resultat För att anpassa impulssvaret till beräkningshastigheten på en enklare DSP kan sampels som inte innehåller nödvändig information tas bort. Det resulterande, kortare impulssvaret blev i vårt fall 9 sampels långt (av totalt ca 2). Impulssvaret är en ögonblicksbild av en verklig lokal under vissa förutsättningar. Detta hindrar dock inte att man tolkar impulssvaret på olika sätt för att ge olika klang på utsignalen. Klangen hos ett reverb bestäms till största delen av de tidiga reflektioner som inträffar under de första 1 ms, vilket gör att vi kan skapa olika stora reverb av samma impulssvar så länge impulssvarsvektorn innehåller de sampels som motsvarar dessa tidiga reflektioner. Genom att decimera impulssvaret (hoppa över ett visst antal sampels) ges approximationer av reverb som kan ses som skalade versioner av originalimpulssvaret. De 3 beräkningar som är tillgängliga per sampel fördelas över olika stor del av impulssvaret enligt tabell 1 och figur 2-4. Antal samples ur impulssvaret Hoppstorlek mellan sampels Small 9 3 Medium 6 2 Large 3 1 Tabell 1. Tabell över de olika reverbstorlekarna och deras relation till originalimpulssvaret. Figur 1. Det nersamplade impulssvar varifrån koefficienterna tas. SMS45 Faltningsreverb i realtidsimplementering 4
5 .4 Impulssvar för Small h[n ] [n] Figur 2. Impulssvar för det minsta reverbet där var tredje sampel används..45 Impulssvar för Medium h[n] [n] Figur 3. Impulssvar för mellanreverbet där varannat sampel används. SMS45 Faltningsreverb i realtidsimplementering 5
6 .45 Impulssvar för Large h[n] [n] Figur 4. Impulssvar för det största reverbet där varje sampel upp till 3 används. SMS45 Faltningsreverb i realtidsimplementering 6
7 Diskussion Man kan ifrågasätta huruvida det blir ett så välljudande reverb som möjligt när man hoppar över sampels som vi gjort i detta projekt. I fallet för det kortaste reverbet använder vi bara var tredje sampel och de som ligger emellan kan ju faktiskt vara viktigare. Detta innebär ju också i och för sig att man bara får ett annorlunda impulssvar som beter sig som vilket annat impulssvar som helst, men inte nödvändigtvis som en kortare version av det här projektets längsta reverb. Dessutom har vi i vårat impulssvar totalt 2 sampels. Vi använder de 9 första vilket är mindre än hälften. Kanske är de sista 11 viktigare än man tror. Ofta är det reverbsvansen som bestämmer hur autentiskt ett reverb låter. Detta är dock svårt att testa i realtid i DSP:n, men man kan kontrollera i Matlab om man vill födjupa sig mer inom området. En annan typ av implementation har diskuterats inom gruppen som innebär att man sparar fler insignalsvärden och istället för att hoppa över sampels bara i koefficentvektorn också hoppa över insignaler och t ex ta var tredje tidigare insginal och multiplicera med var tredje värde i koefficientvektorn. På så vis kan man möjligtvis uppnå ett längre reverb utan att kräva fler beräkningar. SMS45 Faltningsreverb i realtidsimplementering 7
Digital 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 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 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 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 merLaboration i tidsdiskreta system
Laboration i tidsdiskreta system A. Tips Användbara MATLAB-funktioner: conv Faltning square Skapa en fyrkantvåg wavread Läs in en ljudfil soundsc Spela upp ett ljud ones Skapa en vektor med godtyckligt
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 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 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 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 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 merAtt fånga den akustiska energin
Att fånga den akustiska energin När vi nu har en viss förståelse av vad ljud egentligen är kan vi börja sätta oss in i hur det kan fångas upp och efterhand lagras. När en ljudvåg sprider sig är det inte
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 merMätningar 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 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 merAD-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 merTNMK054 - LJUDTEKNIK 1 RUM, REVERB,
TNMK054 - LJUDTEKNIK 1 RUM, REVERB, TNMK054 - LJUDTEKNIK 1 SUSTAIN SUSTAIN Pianosustain SUSTAIN Pianosustain Analog sustain Uppåtkompression Distortion Brus Brum SUSTAIN Stråke och fiol Stråken skapar
Läs merDigital signalbehandling Digitalt Ljud
Signalbehandling Digital signalbehandling Digitalt Ljud Bengt Mandersson Hur låter signalbehandling Institutionen för elektro- och informationsteknik 2008-10-06 Elektronik - digital signalbehandling 1
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 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 mer2 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 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 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 merÄmnesområde Hörselvetenskap A Kurs Signalteori, 7,5 hp Kurskod: HÖ1007 Tentamenstillfälle
Institutionen för hälsovetenskap och medicin Kod: Ämnesområde Hörselvetenskap A Kurs Signalteori, 7,5 hp Kurskod: HÖ1007 Tentamenstillfälle Datum 2013-08-19 Tid 4 timmar Kursansvarig Susanne Köbler Tillåtna
Läs merFöreläsning 11 Reglerteknik AK
Föreläsning 11 Reglerteknik AK c Bo Wahlberg Avdelningen för Reglerteknik, KH 4 oktober, 2016 2 Förra gången: Introduktion Alternativa regulatorstrukturer Dagens program: Implementering: Regulator System
Läs merRemoteBud. Inlämnas: Patrik Johnsson, e01pjo Viktor Karlsson, e01vk
RemoteBud Inlämnas: 2005-02-01 Patrik Johnsson, e01pjo Viktor Karlsson, e01vk Abstract Skulle du också vilja styra dina lampor och rulla ner dina persienner med hjälp av din TV-fjärrkontroll? Remotebud
Läs merEffektpedal för elgitarr
EITF11 - Digitala Projekt Effektpedal för elgitarr Handledare: Bertil Lindvall Ivan Rimac (I05) Jimmy Lundberg (I08) 2011-05-10 Contents Bakgrund... 3 Kravspecifikation... 3 Kravspecifikation Effektpedal...
Läs merFöreläsning 11. Reglerteknik AK. c Bo Wahlberg. 8 oktober Avdelningen för reglerteknik Skolan för elektro- och systemteknik
Föreläsning 11 Reglerteknik AK c Bo Wahlberg Avdelningen för reglerteknik Skolan för elektro- och systemteknik 8 oktober 2014 Introduktion Förra gången: Alternativa regulatorstrukturer Dagens program:
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 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 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 merSystemkonstruktion Z3 (Kurs nr: SSY-046)
Systemkonstruktion Z3 (Kurs nr: SSY-046) Tentamen 23 oktober 2008 em 14:00-18:00 Tid: 4 timmar. Lokal: "Väg och vatten"-salar. Lärare: Nikolce Murgovski, 772 4800 Tentamenssalarna besöks efter ca 1 timme
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 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 merLaboration 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 merConreg. Översikt T-Logg T-LOGG. System för insamling, bearbetning, visning och lagring av tjockleksdata 1 (14)
T-LOGG System för insamling, bearbetning, visning och lagring av tjockleksdata 1 (14) Systemöversikt T-Logg är en utrustning för mätvärdesinsamling, bearbetning, visning och lagring av tjockleksdata i
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 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 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 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 merFöreläsning 8, Introduktion till tidsdiskret reglering, Z-transfomer, Överföringsfunktioner
Föreläsning 8, Introduktion till tidsdiskret reglering, Z-transfomer, Överföringsfunktioner Reglerteknik, IE1304 1 / 24 Innehåll 1 2 3 4 2 / 24 Innehåll 1 2 3 4 3 / 24 Vad är tidsdiskret reglering? Regulatorn
Läs merGrundläggande ljud- och musikteori
Grundläggande ljud- och musikteori Jan Thim Magnus Eriksson Lektionens syfte Syftet med denna lektion är är att att ge ge förståelse för för decibelbegreppet, spektrum, digitalisering och och olika olika
Läs merTillämpning 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 merHemuppgift 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 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 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 merSignalbehandling, förstärkare och filter F9, MF1016
Signalbehandling, förstärkare och filter F9, MF1016 Signalbehandling, inledning Förstärkning o Varför förstärkning. o Modell för en förstärkare. Inresistans och utresistans o Modell för operationsförstärkaren
Läs merAD-/DA-omvandlare. Digitala signaler, Sampling och Sample-Hold
AD-/DA-omvandlare Digitala signaler, Sampling och Sample-Hold Analoga och Digitala Signaler Analogt Digitalt 001100101010100000111110000100101010001011100010001000100 t Analogt - Digitalt Analogt få komponenter
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 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 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 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 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 merLaboration - Va xelstro mskretsar
Laboration - Va xelstro mskretsar 1 Introduktion och redovisning I denna laboration simuleras spänning och ström i enkla växelströmskretsar bestående av komponenter som motstånd, kondensator, och spole.
Läs merA/D D/A omvandling. Lars Wallman. Lunds Universitet / LTH / Institutionen för Mätteknik och Industriell Elektroteknik
A/D D/A omvandling Lars Wallman Innehåll Repetition binära tal Operationsförstärkare Principer för A/D omvandling Parallellomvandlare (Flash) Integrerande (Integrating Dual Slope) Deltapulsmodulation (Delta
Läs merGrundläggande A/D- och D/A-omvandling. 1 Inledning. 2 Digital/analog(D/A)-omvandling
Grundläggande A/D- och D/A-omvandling. 1 Inledning Datorer nns nu i varje sammanhang. Men eftersom vår värld är analog, behöver vi något sätt att omvandla t.ex. mätvärden till digital form, för att datorn
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 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 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 merTAIU07 Matematiska beräkningar med Matlab
TAIU07 Matematiska beräkningar med Matlab Laboration 1. Vektorberäkningar Namn: Personnummer: Epost: Namn: Personnummer: Epost: Godkänd den: Sign: Retur: 1 Introduktion I denna övning skall vi träna på
Läs merAdaptiva Filter. Johan Haarala Signaler och System
Adaptiva Filter Johan Haarala 2002-12-11 Signaler och System Abstract Målet med den här rapporten är att ge en introduktion samt översikt till adaptiva filter. I den beskrivs några av de algoritmer som
Läs merTentamen i Miljö och Matematisk Modellering för TM Åk 3, MVE345 MVE maj 2012,
Tentamen i Miljö och Matematisk Modellering för TM Åk 3, MVE345 MVE345 24 maj 2012, 8.30-13.00 1. Ge exempel på en avklingningsfunktion för att beskriva en gas som bryts ner i atmosfären. Presentera också
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 merDigital signalbehandling Laboration 2 Digital filtrering
Institutionen för data- och elektroteknik 2002-02-19 1 Inledning Laboration två är inriktad på digitala filter. Ni kommer att via en LabVIEW-applikation kunna dimensionera filter samt mata in egna filterdimensioneringar.
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 merFlerdimensionell 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 merNumerisk lösning till den tidsberoende Schrödingerekvationen.
Numerisk lösning till den tidsberoende Schrödingerekvationen. Det är enbart i de enklaste fallen t ex när potentialen är sträckvis konstant som vi kan lösa Schrödingerekvationen analytiskt. I andra fall
Läs mer2E1112 Elektrisk mätteknik
2E1112 Elektrisk mätteknik Mikrosystemteknik Osquldas väg 10, 100 44 Stockholm Tentamen för fd E3 2007-12-21 kl 8 12 Tentan består av: 1 uppgift med 6 kortsvarsfrågor som vardera ger 1 p. 5 uppgifter med
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 merMusikeffekter med signalprocessor
Musikeffekter med signalprocessor Realtidsimplementation på plattformen C6416T DSK LARS BACKEFELDT SVEN JACOBSSON HAMPUS MALMBERG HAMPUS EKSTRAND EMIL LINDQVIST JOHAN TOFT Kandidatarbete vid institutionen
Läs merSignalbehandling 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 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 merLab 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 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 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 merAudio & Videoteknik 2D2021, 2D1518
TENTAMEN Kurs: Kursnummer: Moment: Program: Åk: Examinator: Rättande lärare: Datum: Tid: Hjälpmedel: Audio & Videoteknik 2D2021, 2D1518 Tentamen Medieteknik 2 Trille Fellstenius Trille Fellstenius, Svante
Läs merStyr- och Reglerteknik för U3/EI2
Högskolan i Halmstad Sektionen för Informationsvetenskap, Dator- och Elektroteknik 071118/ Thomas Munther LABORATION 4 i Styr- och Reglerteknik för U3/EI2 Målsättning: Använda tumregler för att ställa
Läs merSignal- och bildbehandling TSEA70
Tentamen i Signal- och bildbehandling TSEA Tid: -- kl. - Lokaler: G3 Ansvarig lärare: Henrik Turbell besöker lokalen kl..3 tel Adm. assistent: Ylva Jernling tel Hjälpmedel: Räknedosa, OH-film, medskickad
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 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 merElektro och Informationsteknik LTH. Laboration 6 A/D- och D/A-omvandling. Elektronik för D ETIA01
Elektro och Informationsteknik LTH Laboration 6 A/D- och D/A-omvandling Elektronik för D ETIA01 Peter Hammarberg Anders J Johansson Lund April 2008 Mål Efter laborationen skall du ha studerat följande:
Läs merTemperaturmätare med lagringsfunktion DIGITALA PROJEKT EITF11 GRUPP 14, ERIK ENFORS, LUDWIG ROSENDAL, CARL MIKAEL WIDMAN
2016 Temperaturmätare med lagringsfunktion DIGITALA PROJEKT EITF11 GRUPP 14, ERIK ENFORS, LUDWIG ROSENDAL, CARL MIKAEL WIDMAN Innehållsförteckning INLEDNING... 3 KRAVSPECIFIKATION AV PROTOTYP... 3 FUNKTIONELLA
Läs mer5B1146 med Matlab. Laborationsr. Laborationsgrupp: Sebastian Johnson Erik Lundberg, Ann-Sofi Åhn ( endst tal1-3
1 Revision 4 2006-12-16 2. SIDFÖRTECKNING 5B1146 med Matlab Laborationsr Laborationsgrupp: Sebastian Johnson, Ann-Sofi Åhn ( endst tal1-3 Titel Sida 1. Uppgift 1.8.1....3 2. Uppgift 1.8.2....6 3. Uppgift
Läs merAnalog till Digitalomvandling
CT3760 Mikrodatorteknik Föreläsning 8 Tisdag 2005-09-20 Analog till Digitalomvandling Om man har n bitar kan man uttrycka 2 n möjligheter. Det största nummeriska värdet är M = 2 n -1 För tre bitar blir
Läs merSignal- och bildbehandling TSBB14
Tentamen i Signal- och bildbehandling TSBB Tid: 205-0-, 8-3 Lokaler: U, U3, U Ansvarig lärare: Maria Magnusson besöker lokalerna kl. 9.30 och.30 tel 073-80 38 67 Hjälpmedel: Räknedosa, medskickad formelsamling,
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 merAnalog till Digitalomvandling
CT3760 Mikrodatorteknik Föreläsning 8 Tisdag 2006-09-21 Analog till Digitalomvandling Vi börjar med det omvända. Digital insignal och analog utsignal. Digital in MSB D/A Analog ut LSB Om man har n bitar
Läs merLäsinstruktioner. Materiel
Läsinstruktioner Häftet om AD- och DA-omvandlare skrivet av Bertil Larsson Appendix till denna laborationshandledning. Läs igenom resten av handledningen så att ni vet vilka uppgifter som kommer. Gör förberedelseuppgifter
Läs merAnsvarig lärare: Olof Andersson, Telefon 021-101314 (besöker skrivsalen)
MÄLRLENS HÖGSKOL Institutionen för elektroteknik Tentamen Mikrodatorteknik T3760 atum 2005-10-28 Tid 08.30 12.30 nsvarig lärare: Olof ndersson, Telefon 021-101314 (besöker skrivsalen) Om du klarat samtliga
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 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 merTillämpad digital signalbehandling Laboration 1 Signalbehandling i Matlab och LabVIEW
Institutionen för data- och elektroteknik 004-03-15 Signalbehandling i Matlab och LabVIEW 1 Introduktion Vi skall i denna laboration bekanta oss med hur vi kan använda programmen Matlab och LabVIEW för
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 merAnalys/syntes-kodning
Analys/syntes-kodning Många talkodare bygger på en princip som kallas analys/syntes-kodning. Istället för att koda en vågform, som man normalt gör i generella ljudkodare och i bildkodare, så har man parametrisk
Läs merD/A- och A/D-omvandlarmodul MOD687-31
D/A- och A/D-omvandlarmodul MOD687-31 Allmänt Modulen är helt självförsörjande, det enda du behöver för att komma igång är en 9VAC väggtransformator som du kopplar till jacket J2. När du så småningom vill
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 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. Viktor Öwall, Digital ASIC Group, Dept. of Electroscience, Lund University, Sweden-
Analogt och Digital Viktor Öwall Analoga och Digitala Signaler Analogt Digitalt 001100101010100000111110000100101010001011100010001000100 t Analogt kontra Digitalt Analogt få komponenter låg effektförbrukning
Läs merTANA17 Matematiska beräkningar med Matlab
TANA17 Matematiska beräkningar med Matlab Laboration 1. Linjär Algebra och Avbildningar Namn: Personnummer: Epost: Namn: Personnummer: Epost: Godkänd den: Sign: Retur: 1 Introduktion I denna övning skall
Läs merETIN80 - Algoritmer i signalprocessorer. EigenBeamformer
ETIN80 - Algoritmer i signalprocessorer EigenBeamformer Author: William Martinsson, D09 (ada09wma@student.lu.se) Mattias Ahlström, D09 (ada09mah@student.lu.se) 5 mars 2014 Innehåll 1 Introduktion 2 2 Bakgrund
Läs mer