1 Ausarbeitung der typischen Prüfungsfragen zur Vorlesung "Signalprozessoren"
2 Teil 1/2 - von Sebastian Falbesoner <e0725433@student.tuwien.ac.at>
4 1 -- Welcher Unterschied besteht zwischen linearer und zirkulärer Faltung.
5 Erklären Sie an Hand eines Beispiels, z.B.: f = [2 1 2 1] und g = [1 2 3 4]
6 lineare Faltung (auch "normale" oder aperiodische Faltung genannt): Im
7 Zeitbereich gilt fuer die laenge des Eregbnisvektors
8 > len(f*g) == ((len g) + (len f)- 1)
10 zirkuläre Faltung (auch zyklische oder periodische Faltung genannt):
11 Zirkuläre Faltung entsteht ueber den Umweg ueber den Frequenzbereich
12 > idft(dft(f) x dft(g))
13 Hier bleibt die Laenge des Ergebnisvektors gegenueber der Laenge der
14 Parameter erhalten, also es gilt
15 > len(idft(dft(f) x dft(g))) == len(g) == len(f)
16 und dementsprechend unterscheidet sich das Ergebnis zur linearen Faltung.
17 Abhilfe dabei schafft das Auffuellen von Nullen:
18 > fnew = [f zeros(1,length(g)-1)]
19 > gnew = [g zeros(1,length(f)-1)]
20 und zwar entspricht die Anzahl der Nullen die Laenge minus eins des zweiten
21 Parameters der Faltung. Durch dieses Auffuellen erreichen wir, dass das
22 Ergebnis der zirkulären Faltung wieder dem Ergebnis der periodischen
23 Faltung entspricht. Weiters ist darauf zu achten, dass
25 entspricht, sonst kann die Multiplikation im Frequenzbereich nicht
26 funktionieren. (??? stimmt das?)
28 TODO konkreter unterschied?
30 * ... entspricht Faltung
33 2 -- Die schnelle Faltung wird über den Frequenzbereich berechnet:
34 * Beschreiben Sie die grundsätzliche Vorgangsweise.
35 * Welches Ergebnis erhalten Sie, wenn Sie f und g über den Frequenzbereich
37 * Worauf müssen Sie bei der schnellen Faltung achten?
38 Hinweis: schnelle Faltung ist nicht nur schneller, sondern auch
39 genauer, da Rundungsfehler von der Zahl der Operationen abhängen -
40 weniger Operationen, weniger Rundungsfehler!
42 Vorgehensweise: f und g mit Hilfe der FFT in den Frequenzbereich
43 transformieren, sie dort miteinander multiplizieren, und auf das
44 Ergebnis die iFFT anwenden.
45 Problem: FFT arbeitet intern mit der periodischen Faltung, es muss
46 verhindert werden dass Fehler durch die periodische Faltung entstehen.
47 Lösung: Overlap-Add-Verfahren; dabei wird die Eingangsfolge in einander
48 überlappende Teilfolgen zerlegt und die Überlappungsbereiche
49 aufaddiert. Es werden Teilfolgen der Länge L gebildet, wobei diese mit
50 Nullen aufgefüllt werden (Zero-Padding).
52 3 -- Berechnen Sie die Impulsantwort des folgenden IIR-Filters und skizzieren
53 Sie das Blockdiagramm der Direkten Form II
54 y[n] = 1/4 y[n-2] + 5 x[n] - 4 x[n-1]
56 Blockdiagramm siehe IIR-Foliensatz ab Seite 10
59 4 -- Welche Bedeutung haben Fenster bei FIR-Filtern? Welche Fenster kennen Sie
60 welche Auswirkungen haben sie?
62 5 -- Welche Approximationsansätze für den Frequenzgang kennen Sie bei IIR-
63 Filtern? Beschreiben und vergleichen Sie die Ansätze.
64 - Potenz- oder Butterworthfilter
65 - geringste Flankensteilheit
66 - ungefähre lineare Phase
67 - benötigt vergleichsweise höchste Ordnung
69 - bessere Flankensteilheit als Butterworth, schlechtere
70 als bei Elliptisch oder Cauer
71 - Lineare Phase schlechter als bei Butterworth, aber besser
72 als bei Elliptisch oder Cauer
73 - Tschebyscheff Typ 1: höhere Welligkeit im Durchlassbereich
74 - Tschebyscheff Typ 2: höhere Welligkeit im Sperrbereich
75 - Elliptisch oder Cauer
76 - beste Flankensteilheit, jedoch Welligkeit in
77 Durchlass- und in Sperrbereich
78 - benötigt vergleichsweise niedrigste Ordnung
80 6 -- Berechnen Sie den Frequenzgang des FIR-Filters mit den Koeffizieten
82 Formel für Frequenzgang von FIR-Filtern allgemein:
84 w^ ... normierte Kreisfrequenz
85 T_s ... Abtastperiode ]
86 H(w^) = \sum_{k=0}^{M} b_k e^{-j w^ k}
87 hergeleitet in dem komplexe Exponentialfolge x[n] in die allgemeine
88 Gleichung für FIR-Filter eingesetzt wurde!
92 H(w^) = 1 + 2*e^{-j w^ 1} + 3*e^{-j w^ 2} + 3*e^{-j w^ 3} +
93 + 2*e^{-j w^ 4} + 1*e^{-j w^ 5}
95 7 -- Welche Bedeutung haben Filter mit linearer Phase? Woran erkennen Sie sie?
96 Lineares Phasenverhalten erzeugt Phasenverschiebungen die
97 frequenzproportional sind, d.h. die Kurvenform bleibt erhalten!
98 Steckt die relevante Information in den Frequenzen, und nicht in der
99 Kurvenform, so ist die lineare Phase nicht von Bedeutung.
101 Die lineare Phase ist nur bei FIR-Filtern möglich ist und kann daran
102 erkannt werden, dass die Koeffizienten symmetrisch sind. Hierbei
103 gibt es verschiedene Arten von Symmetrien (gerade oder ungerade) und
104 noch jeweils die Unterscheidung ob die Anzahl der Koeffizienten gerade
105 oder ungerade ist, was insgesamt zu vier verschiedenen Typen führt:
106 - Gerade Symmetrie, d.h. b_k = b_{L-1-k}
107 - Typ 1: L ist ungeradzahlig (z.B. [1 2 3 2 1])
108 - Typ 2: L ist geradzahlig (z.B. [1 2 3 3 2 1])
109 - Ungerade Symmetrie, d.h. b_k = -b_{L-1-k}
110 - Typ 3: L ist ungeradzahlig und b_{(L-1)/2} = 0
111 (z.B. [-1, -2, 0, 2, 1])
112 - Typ 4: L ist geradzahlig (z.B. [-1 -2 -3 3 2 1])
114 Folgendes gilt dabei für die Typen:
115 Typ 1 ist die allgemeinste Form, alle Filtertypen sind möglich
116 Typ 2 kann kein Hochpass sein
117 Typ 3 kann weder Hochpass noch Tiefpass sein
118 Typ 4 kann kein Tiefpass sein
120 8 -- Schreiben Sie die allgemeine Differenzengleichung eines IIR-Filters
121 höherer Ordnung an und zeichnen Sie das zugehörige Blockdiagramm.
122 y[n] = b_0 x[n] + b_1 x[n-1] + b_2 x[n-2] + ... + b_{L-1} x[n-(L-1)] +
123 + a_1 y[n-1] + a_2 y[n-2] + ... + a_{M-1} y[n-(M-1)] =
124 \sum_{k=0}{L-1} b_k x[n-k] + \sum_{m=1}{M-1} a_m y[n-m]
126 Blockdiagramm siehe IIR-Foliensatz ab Seite 10
128 9 -- Welche Bedeutung hat die Impulsantwort für die Analyse von diskreten
130 Die Impulsantwort ist das Ausgangssignal eines Systems, bei dem am
131 Eingang ein Dirac-Impuls zugeführt wird. Mit Hilfe dieser lässt sich
132 ein LTI-System vollständig charakterisisieren (z.B. Bestimmung von
133 Übertragungsfunktion und Frequenzgang). Die Wirkung des Filters kann
134 durch Faltung der Eingangsfolge mit der Impulsantwort im Zeitbereich
136 Da jedes Eingangssignal als Überlagerung von gewichteten,
137 zeitverzögerten Einheitsimpulsen dargestellt werden kann, können die
138 entsprechenden Ausgangssignale von gewichteten und zeitverzögerten
139 Versionen der Impulsantwort gebildet werden.
141 10 - Welche Bedeutung hat das Pol/Nullstellendiagramm?
142 Aus einem Pol/Nullstellendiagramm kann unter anderem auf den Betrags-
143 und Phasenverlauf eines Systems, sowie auf dessen Impuls- und Sprung-
144 antwort geschlossen werden.
145 Aus der Lage der Pole kann man unter anderem erkennen, ob ein System
146 kausal oder stabil ist. Stabilität ist dann gegeben, wenn alle Pole
147 in der offenen linken Halbebene des Diagramms liegen. Realisierbare
148 (kausale) Systeme besitzen mehr Pole als Nullstellen.
149 Weitere Bedeutung hat das Diagramm zum Bestimmen der Koeffizienten
150 bei der Entwicklung von IIR-Filtern; bei dieser Methode werden die
151 Pole und Nullstellen des Filters mit dem gewünschten Verhalten in dem
152 Diagramm platziert und dann wird entsprechend fortgefahren.
154 11 - Wie hängen Impulsantwort und Systemfunktion zusammen?
155 Die Systemfunktion (auch Übertragungsfunktion genannt) H[z] ist die
156 z-Transformierte der Impulsantwort h[n].
159 Zeitbereich: y[n] = x[n] x h[n] (x = Faltungsoperator!)
160 z-Bereich: H(z) = Y(z)/X(z)
161 Y(z) = X(z) * H(z) (* = Multiplikationsoperator!)
163 12 - Schreiben Sie die DFT und die inverse DFT an. Wie berechnet man die inverse
164 DFT mit Hilfe der DFT?
165 DFT: X[k] = \sum_{n=0}^{N-1} x[n] e^{-j\frac{2 \pi n}{N} k}
166 iDFT: x[n] = \frac{1}{N} \sum_{k=0}^{N-1} X[k] e^{j\frac{2 \pi k}{N} n}
168 Die inverse DFT unterscheidet sich von der DFT lediglich durch den
169 Faktor 1/N und das negative Vorzeichen.
171 Ausgehend von der Formel für die iDFT kann man beide Seiten konjugiert
172 komplex machen, wodurch sich die gleiche Formel wie für die DFT ergibt,
173 nur dass noch ein Faktor von 1/N davorsteht und die einzelnen Werte
174 X[k] jeweils konjugiert komplex sein müssen!
176 x[n] = \frac{1}{N} \sum_{k=0}^{N-1} X[k] e^{j\frac{2 \pi k}{N} n}
177 x[n]* = (\frac{1}{N} \sum_{k=0}^{N-1} X[k] e^{j\frac{2 \pi k}{N} n})* =
178 \frac{1}{N} \sum_{k=0}^{N-1} X[k]* e^{-j\frac{2 \pi k}{N} n}
179 [konjugiert komplexen Operator nochmal auf beiden Seiten anwenden]
180 x[n] = (\frac{1}{N} \sub_{k=0}^{N-1} X[k]* e^{-j\frac{2 \pi k}{N} n)*
182 Also folgende Vorgehensweise um mit DFT iDFT zu berechnen:
183 1. Eingangsfolge komplex konjugieren
184 2. DFT auf diese modifizierte Folge anwenden
185 3. Ausgangsfolge mit 1/N skalieren
186 4. Ausgangsfolge nochmals komplex konjugieren
187 Das komplex konjugieren kann bei reellen Zeitfolgen entfallen!
189 13 - Wodurch entsteht der Leck-Effekt bei der DFT? Wie können seine Auswirkungen
190 beeinflusst werden und welche Vor- und Nachteile treten dabei auf?