Projekt 1 (P1) Problembeskrivning och uppdragsspecifikation

Relevanta dokument
Resttentamen i Signaler och System Måndagen den 11.januari 2010, kl 14-19

GRUNDKURS I SIGNALBEHANDLING (454300), 5sp Tentamen

Projekt 2 (P2) Problembeskrivning och uppdragsspecifikation

Spektrala Transformer

AD-DA-omvandlare. Mätteknik. Ville Jalkanen. 1

Spektrala Transformer

Laboration i tidsdiskreta system

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

DIGITALA FILTER DIGITALA FILTER. Tillämpad Fysik Och Elektronik 1

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

Sammanfattning TSBB16

Exempelsamling Grundläggande systemmodeller. Klas Nordberg Computer Vision Laboratory Department of Electrical Engineering Linköping University

Elektronik Dataomvandlare

Digital signalbehandling Digitalt Ljud

Tentamen i TMA 982 Linjära System och Transformer VV-salar, 27 aug 2013, kl

Mätteknik Digitala oscilloskop

Tentamen ssy080 Transformer, Signaler och System, D3

Motivet finns att beställa i följande storlekar

Ämnesområde Hörselvetenskap A Kurs Signalteori, 7,5 hp Kurskod: HÖ1007 Tentamenstillfälle

Kap 10 - Modeller med störningar. Hur beskriva slumpmässiga störningar?

Digitala filter. FIR Finit Impulse Response. Digitala filter. Digitala filter. Digitala filter

Tentamen ssy080 Transformer, Signaler och System, D3

Elektronik. Dataomvandlare

Exempelsamling Grundläggande systemmodeller. Klas Nordberg Computer Vision Laboratory Department of Electrical Engineering Linköping University

RÄKNEEXEMPEL FÖRELÄSNINGAR Signaler&System del 2

DT1130 Spektrala transformer Tentamen

Mätteknik E-huset. Digitalt oscilloskop Vertikal inställning. Digitalt oscilloskop. Digitala oscilloskop. Lab-lokal 1309 o 1310

Enchipsdatorns gränssnitt mot den analoga omvärlden

Elektronik Dataomvandlare

Temperaturreglering. En jämförelse mellan en P- och en PI-regulator. θ (t) Innehåll Målsättning sid 2

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

Elektronik 2018 EITA35

Laboration 3 Sampling, samplingsteoremet och frekvensanalys

Läsinstruktioner. Materiel

Grundläggande signalbehandling

Tentamen i Signaler och kommunikation, ETT080

Enchipsdatorns gränssnitt mot den analoga omvärlden

Signal- och bildbehandling TSBB03

DT1120/DT1130 Spektrala transformer Tentamen

Signalbehandling, förstärkare och filter F9, MF1016

Spektrala Transformer

Ulrik Söderström 20 Jan Signaler & Signalanalys

TIDSDISKRETA SYSTEM SYSTEMEGENSKAPER. Minne Kausalitet Tidsinvarians. Linjäritet Inverterbarhet Stabilitet. System. Tillämpad Fysik och Elektronik 1

Ulrik Söderström 19 Jan Signalanalys

Försättsblad till skriftlig tentamen vid Linköpings universitet G33(1) TER4(63)

Parameterskattning i linjära dynamiska modeller. Kap 12

Vad gör vi när vi bara har en mätserie och ingen elegant matematisk funktion? Spektrum av en samplad signal. Trunkering i tiden

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

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

5 OP-förstärkare och filter

Optimal Signalbehandling Datorövning 1 och 2

Gamla Årstabron. Sammanställning av töjningsmätningar utförda

Signal- och bildbehandling TSBB03

Flerdimensionella signaler och system

Mätteknik Digitala oscilloskop

Beskrivning av signaler i frekvensdomänen - sammanfattning

Signaler och system, IT3

Grundläggande ljud- och musikteori

SF1635, Signaler och system I

Laboration 1: Aktiva Filter ( tid: ca 4 tim)

Tentamen i Krets- och mätteknik, fk - ETEF15

IE1206 Inbyggd Elektronik

Mätning av biopotentialer

Videoförstärkare med bipolära transistorer

DT1130 Spektrala transformer Tentamen

Laboration ( ELEKTRO

Signal- och bildbehandling TSBB14

Institutionen för systemteknik

Frekvensplanet och Bode-diagram. Frekvensanalys

TENTAMEN I DYNAMISKA SYSTEM OCH REGLERING

Signal- och bildbehandling TSEA70

DT1130 Spektrala transformer Tentamen

TSRT62 Modellbygge & Simulering

Audio & Videoteknik 2D2021, 2D1518

FÖRELÄSNING 13: Analoga o p. 1 Digitala filter. Kausalitet. Stabilitet. Ex) på användning av analoga p. 2 filter = tidskontinuerliga filter

Signal- och bildbehandling TSBB14

Förstärkare. Mätteknik. Ulrik Söderström, TFE, UmU. 1

Signal- och bildbehandling TSBB03, TSBB14

En generell prediktiv kodare utnyttjar signalens utseende N steg tillbaka i tiden för kodningen, dvs vi kodar efter den betingade fördelningen

Signal- och Bildbehandling FÖRELÄSNING 4. Multiplikationsteoremet. Derivatateoremet

A/D- och D/A- omvandlare

Tentamen i Elektronik, ESS010, del 2 den 6 mars 2006 SVAR

Vad är spektralanalys? Spektralanalys. Frekvensinnehåll. Enkelt exempel

Laboration 5. Temperaturmätning med analog givare. Tekniska gränssnitt 7,5 p. Förutsättningar: Uppgift: Temperatur:+22 C

Exercises Matlab/simulink V

TENTAMEN I REGLERTEKNIK

Umeå universitet Tillämpad fysik och elektronik Ville Jalkanen mfl Laboration Tema OP. Analog elektronik för Elkraft 7.

SF1635, Signaler och system I

Tillämpning av komplext kommunikationssystem i MATLAB

DT1120 Spektrala transformer för Media Tentamen

Faltningsreverb i realtidsimplementering

En översikt av Kap 7. Tillbakablick, återkoppling Informationsteknologi Reglering av vätskenivån i en tank. Framkoppling. Informationsteknologi

EKG-klassificering. Andreas Bergkvist, Michael Sörnell,

Digital signalbehandling fk Laboration 5 Ett antal signalbehandlingstillämpningar

2 Laborationsutrustning

AKTIVA FILTER. Laboration E42 ELEKTRO. UMEÅ UNIVERSITET Tillämpad fysik och elektronik Sverker Johansson Rev 1.0.

Blandade problem från elektro- och datateknik

Transkript:

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 för att göra bättre signalanalyser med sin utrustning. Man vill från insamlade mätdata också göra bättre beräkning/skattning av motsvarande spektraltäthet (periodogram). Målet med projektet är att utreda/lösa följande punkter se uppgiftsspecifikationen nedan. Utredningen skall baseras på simuleringar och resultaten skall verifieras och vara dokumenterade 1 se nedan. I uppdragsgivarens beställning ingår även källkoden för de programtekniska delarna (för test/verifikationer). Källkoden skall levereras som Matlab m-kod. I. Hur påverkas samplade mätvärden av den likformiga A/D-omvandlarens upplösning/kvantiseringsegenskaper? Hur stor del av mätsignalen utgörs av kvantiseringsbrus? Speciellt behöver uppdragsgivaren framräknade värden på kvantiseringsbrusets medelvärde, varians och medeleffekt för en likformig A/D-omvandlare med 10 bitars upplösning för spänningsmätning inom /- 5V. Man vill även veta maximalt värde på motsvarande SDR (signal distorsion ratio) för detta fall (räknat på en sinus-signal). II. Hur påverkas data/mätresultat av samplingshastigheten? Speciellt: Vilken effekt får vikning av störande (yttre) bredbandigt brus på mätdata? Uppdraget omfattar analys av att ett störande bredbandigt termiskt brus som specificeras och beräknas i två fall enligt Bilaga P1-1 III. Mätsignalen behöver filtreras från yttre störning/brus (elektroniskt) - Vilka effekter medför det då m.a.p. signalens periodogram? Vad händer med brus (som har känd fördelning) då det passerar ett känt linjärt filter? Hur stor del av mätsignalens spektrum efter filtret utgörs av bruset? Mätdata antas ha stokastiska bidrag/störningar varför spektraltätheten behöver skattas. Uppdraget mera i detalj: Det filter och det brus som uppdragsgivaren vill inkludera/analysera specificeras enligt Bilaga P1-2 (fall a och b). IV. Uppdragsgivaren vill göra sina beräkningar/spektralanalyser (periodogram) med en metod som förbättrats med medelvärdesbildning och med smoothing. Hur förbättrar man skattningen med medelvärdesbildning och med smoothing? Hur bestäms frekvensupplösningen i resultatet? Uppdraget specificeras närmare i Bilaga P1-2 under punkt fall c.

Etapp 2 En detektor behöver förbättras Problembeskrivning och uppdragsspecifikation En detektor i uppdragsgivarens system ger felaktiga mätdata vid datainsamling på grund av störande signaler. För att förbättra insignalen till detektorn så ställs följande specifikation/ krav på ett digitalt filter som projektet får i uppdrag att designa. V. Filtertyp Filtertypen skall vara FIR baserat på metoden "impulssvarstrunkering" (IRT) kombinerat med fönstring. Filtret skall vara kausalt. VI. Dämpning. Passband 1 - upp till 900 Hz. Dämpning < 1dB Stopband 1-1000 Hz - 1400 Hz. Dämpning >30 db Passband 2-1550 - 1950 Hz. Dämpning = 6 db i mitten av passbandet Stopband 2-2100 - 3000 Hz. Dämpning >40 db Passband 3 3200-4000 Hz. Dämpning < 1 db VII. Samplingsfrekvens. Filtret skall ha samplingsfrekvensen 8000 Hz VIII. Man vill dessutom ha dokumentation på: - Redovisning på hur filtrets impulssvar beräknas är speciellt intressant (man överväger att senare koda denna del i C - d.v.s. funktioner som i Matlab mer eller mindre ger svaret direkt kan inte användas här). - Källkod för filtret i Matlab m-kod - Filtrets frekvenssvar - Filterts stegsvar - Filtrets fördröjningstid - Filtrets stigtid - Beskrivning av de krav som ställs på matchande för-filter (för att förhindra vikning). Utredningen skall verifieras med simuleringar och den skall vara dokumenterad. 1 Den skriftliga dokumentationen skall bestå av en teknisk rapport (riktad till beställaren) samt en kortfattad rapport (fem delar) om projektarbetet (riktad till projektets handledare). Rapporterna inlämnas med E-post (använd helst format pdf på de bifogade filerna) Stoppdatum för projekt P1: Se planen (kursen hemsida).

Bilaga P1-1 En givare ger en mätsignal x(t). Mätningen störs av bandbegränsat vitt gaussiskt brus, w(t), (medelvärde = 0, bruset är inte korrelerat med mätsignalen). Se figur nedan. Spektraltätheten för bruset är 1/8800 [V 2 /Hz] för frekvenser, f, där f < 2000 Hz. För övriga frekvenser har spektraltätheten ett värde som är försumbart (sätts till 0). x(t) w(t) sampling x[n] Fall nr 1 - Störd A/D-omvandling. Enbart brusets inverkan, signalen w(t) enligt ovan, studeras. Signalen x(t) tänks vara bortkopplad. Samplingen sker i detta fall med frekvensen 6000 Hz. Uppgift: Beräkna P ( x[n] > 0.080 ). D.v.s. räkna fram sannolikheten för att det omvandlade mätvärdets absolutbelopp är större än 80 mv (trots att insignalen logiskt sett har värdet 0). Bortse här från kvantiseringseffekter! Fall nr 2 - Störd A/D-omvandling. Enbart brusets inverkan, signalen w(t) enligt ovan, studeras. Signalen x(t) tänks vara bortkopplad. Samplingen sker i detta fall med frekvensen 3000 Hz. Uppgift: Beräkna P ( x[n] > 0.080 ). Bortse även här från kvantiseringseffekter. Inte ett krav (men ger plus i kanten): Beräkna för hand sannolikheten i de två fallen och jämför teori mot simuleringens resultat.

Bilaga P1-2 Skattning av spektraltäthet Signalen y(t) utgör en spänning [V] och den samplas (sampelhastigheten bestäms av projektet liksom mättiden). R y beskrivs som en funktion av frekvensen där frekvensen anges i Hz. Frekvensupplösningen behöver bestämmas. W(t) Analogt filter med elektronik x(t) R C y(t) RC-filtret har tidskonstanten RC=160 μs. Skatta spektraltäthen (R y ) för signalen y(t) i följande två fall. Fall a: Bara störning Signalen x(t) är här urkopplad så att endast effekten av störningen w(t) studeras. Störningen w(t) har samma beskrivning som tidigare: Det är bandbegränsat vitt gaussiskt brus, (medelvärde = 0, bruset är inte korrelerat med mätsignalen). Spektraltätheten för bruset är 1/8800 [V 2 /Hz] för frekvenser, f, där f < 2000 Hz. För övriga frekvenser har spektraltätheten ett värde som är försumbart (sätts till 0). Fall b: Nyttig signal störning Beräkning av periodogram med dator då nyttiga mätsignaler ingår (förutom bruset). Skatta spektraltätheten med datorverktyg under samma förutsättningar som i föregående fall fast inkludera även nedanstående mätsignal x (förutom signalen/störningen w). Mätsignalen x(t) = Asin( 2π200t ) Bsin ( 2π600t ) där A= 0.3 V och B = 0.01 V

Forts Bilaga P1-2 Fall c: Skattning av spektraltäthet med booster Uppdragsgivaren vill göra sina beräkningar/spektralanalyser (periodogram) med en metod som förbättrats med medelvärdesbildning och med smoothing. Utför de datorberäknade skattningarna (under fall a och fall b ovan) genom att använda o medelvärdesbildning (av separata periodogram). En fråga som man vill ha ett kvalitativt svar på är: Hur beror variansen på din skattning av antalet medelvärdesbildningar (på flera separata segment av dina mätdata)? o smoothing (använd Hanningfönster med olika fönsterbredder). En fråga som man vill ha ett kvalitativt svar på är: Hur påverkar fönsterbredden frekvensupplösningen? Spektraltätheten redovisas grafiskt tillsammans med motsvarande analys