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 Impulsantwort: in z-Bereich transformieren, und dort H(z) =
57 \frac{Y(z)}{X(z)} = Systemfunktion berechnen. Um die Impulsantwort zu
58 erhalten muss H(z) in den Zeitbereich transformiert werden (h[n]).
59 Y(z) = 1/4 z^{-2} Y(z) + 5 X(z) - 4 z^{-1} X(z)
60 Y(z) (1 - 1/4 z^{-2}) = X(z) (5 - 4 z^{-1})
61 H(z) = \frac{Y(z)}{X(z)} = \frac{5 - 4 z^{-1}}{1 - 1/4 z^{-2}}
63 die Transformation zurueck in den Zeitbereich bleibt dem Leser als Uebung
64 (Hinweis: Partialbruchzerlegung)
67 Blockdiagramm siehe IIR-Foliensatz ab Seite 10
70 4 -- Welche Bedeutung haben Fenster bei FIR-Filtern? Welche Fenster kennen Sie
71 welche Auswirkungen haben sie?
73 Filterdesign (von WP): Dabei wird der gewuenschte Frequenzgang des Filters
74 definiert und per inverse Fouriertransformation die (ideale) Impulsantwort
75 ermittelt. Das Resultat dabei ist in der Regel unendlich lang, um also
76 eine gewuenschte Filterlaenge N (=Ordnung) zu erhalten, wird durch eine
77 Fensterfunktion ein Ausschnitt der unendlichen Impulsantwort ausgewaehlt.
78 Der tatsaechliche Frequenzgang des Filters entspricht somit der Faltung
79 des gewuenschten Frequenzganges mit der der Fouriertransformierten der
82 Im Filterdesign fuehren breite (selektive) Fensterfunktionen zu steilen
83 Uebergaengen (='B') zwischen Durchlass- und Sperrbereich, aber zu geringer
84 Sperrdaempfung (='A'). Schmale (nicht selektive) Fensterfunktionen fuehren
85 zu flachen Uebergaengen zwischen Durchlass- und Sperrbereich, dafuer aber
86 zu grosser Sperrdaempfung.
89 verschiedene Fenster (nach Selektivitaet geordnet):
90 o Rechteckfenster B=4pi/(2M+1) A=-13dB
91 o Hannfenster B=8pi/(2M+1) A=-32dB
92 o Hammingfenster B=8pi/(2M+1) A=-43dB
93 o Blackmann B=12pi/(2M+1) A=-58dB
95 weitere: Dreieckfenster, Kaiserfenster (hat Parameter \beta !)
98 5 -- Welche Approximationsansätze für den Frequenzgang kennen Sie bei IIR-
99 Filtern? Beschreiben und vergleichen Sie die Ansätze.
100 - Potenz- oder Butterworthfilter
101 - geringste Flankensteilheit
102 - ungefähre lineare Phase
103 - benötigt vergleichsweise höchste Ordnung
105 - bessere Flankensteilheit als Butterworth, schlechtere
106 als bei Elliptisch oder Cauer
107 - Lineare Phase schlechter als bei Butterworth, aber besser
108 als bei Elliptisch oder Cauer
109 - Tschebyscheff Typ 1: höhere Welligkeit im Durchlassbereich
110 - Tschebyscheff Typ 2: höhere Welligkeit im Sperrbereich
111 - Elliptisch oder Cauer
112 - beste Flankensteilheit, jedoch Welligkeit in
113 Durchlass- und in Sperrbereich
114 - benötigt vergleichsweise niedrigste Ordnung
116 6 -- Berechnen Sie den Frequenzgang des FIR-Filters mit den Koeffizieten
118 Formel für Frequenzgang von FIR-Filtern allgemein:
120 w^ ... normierte Kreisfrequenz
121 T_s ... Abtastperiode ]
122 H(w^) = \sum_{k=0}^{M} b_k e^{-j w^ k}
123 hergeleitet in dem komplexe Exponentialfolge x[n] in die allgemeine
124 Gleichung für FIR-Filter eingesetzt wurde!
127 x[n] = A e^{j \phi} e^{j w^ n}
128 in y[n] einsetzen ... kommt dann auf
129 y[n] = (\sum_{k=0}^{M} b_k e^{-j w^ k}) A e^{j \phi} e^{j w^ n}
130 wobei der Term in der Klammer H(w^) entspricht!
132 in unserem Fall also:
134 H(w^) = 1 + 2*e^{-j w^ 1} + 3*e^{-j w^ 2} + 3*e^{-j w^ 3} +
135 + 2*e^{-j w^ 4} + 1*e^{-j w^ 5}
137 7 -- Welche Bedeutung haben Filter mit linearer Phase? Woran erkennen Sie sie?
138 Lineares Phasenverhalten erzeugt Phasenverschiebungen die
139 frequenzproportional sind, d.h. die Kurvenform bleibt erhalten!
140 Steckt die relevante Information in den Frequenzen, und nicht in der
141 Kurvenform, so ist die lineare Phase nicht von Bedeutung.
143 Die lineare Phase ist nur bei FIR-Filtern möglich ist und kann daran
144 erkannt werden, dass die Koeffizienten symmetrisch sind. Hierbei
145 gibt es verschiedene Arten von Symmetrien (gerade oder ungerade) und
146 noch jeweils die Unterscheidung ob die Anzahl der Koeffizienten gerade
147 oder ungerade ist, was insgesamt zu vier verschiedenen Typen führt:
148 - Gerade Symmetrie, d.h. b_k = b_{L-1-k}
149 - Typ 1: L ist ungeradzahlig (z.B. [1 2 3 2 1])
150 - Typ 2: L ist geradzahlig (z.B. [1 2 3 3 2 1])
151 - Ungerade Symmetrie, d.h. b_k = -b_{L-1-k}
152 - Typ 3: L ist ungeradzahlig und b_{(L-1)/2} = 0
153 (z.B. [-1, -2, 0, 2, 1])
154 - Typ 4: L ist geradzahlig (z.B. [-1 -2 -3 3 2 1])
156 Folgendes gilt dabei für die Typen:
157 Typ 1 ist die allgemeinste Form, alle Filtertypen sind möglich
158 Typ 2 kann kein Hochpass sein
159 Typ 3 kann weder Hochpass noch Tiefpass sein
160 Typ 4 kann kein Tiefpass sein
162 8 -- Schreiben Sie die allgemeine Differenzengleichung eines IIR-Filters
163 höherer Ordnung an und zeichnen Sie das zugehörige Blockdiagramm.
164 y[n] = b_0 x[n] + b_1 x[n-1] + b_2 x[n-2] + ... + b_{L-1} x[n-(L-1)] +
165 + a_1 y[n-1] + a_2 y[n-2] + ... + a_{M-1} y[n-(M-1)] =
166 \sum_{k=0}{L-1} b_k x[n-k] + \sum_{m=1}{M-1} a_m y[n-m]
168 Blockdiagramm siehe IIR-Foliensatz ab Seite 10
170 9 -- Welche Bedeutung hat die Impulsantwort für die Analyse von diskreten
172 Die Impulsantwort ist das Ausgangssignal eines Systems, bei dem am
173 Eingang ein Dirac-Impuls zugeführt wird. Mit Hilfe dieser lässt sich
174 ein LTI-System vollständig charakterisisieren (z.B. Bestimmung von
175 Übertragungsfunktion und Frequenzgang). Die Wirkung des Filters kann
176 durch Faltung der Eingangsfolge mit der Impulsantwort im Zeitbereich
178 Da jedes Eingangssignal als Überlagerung von gewichteten,
179 zeitverzögerten Einheitsimpulsen dargestellt werden kann, können die
180 entsprechenden Ausgangssignale von gewichteten und zeitverzögerten
181 Versionen der Impulsantwort gebildet werden.
183 10 - Welche Bedeutung hat das Pol/Nullstellendiagramm?
184 Aus einem Pol/Nullstellendiagramm kann unter anderem auf den Betrags-
185 und Phasenverlauf eines Systems, sowie auf dessen Impuls- und Sprung-
186 antwort geschlossen werden.
187 Aus der Lage der Pole kann man unter anderem erkennen, ob ein System
188 kausal oder stabil ist. Stabilität ist dann gegeben, wenn alle Pole
189 in der offenen linken Halbebene des Diagramms liegen. Realisierbare
190 (kausale) Systeme besitzen mehr Pole als Nullstellen.
191 Weitere Bedeutung hat das Diagramm zum Bestimmen der Koeffizienten
192 bei der Entwicklung von IIR-Filtern; bei dieser Methode werden die
193 Pole und Nullstellen des Filters mit dem gewünschten Verhalten in dem
194 Diagramm platziert und dann wird entsprechend fortgefahren.
196 11 - Wie hängen Impulsantwort und Systemfunktion zusammen?
197 Die Systemfunktion (auch Übertragungsfunktion genannt) H[z] ist die
198 z-Transformierte der Impulsantwort h[n].
201 Zeitbereich: y[n] = x[n] x h[n] (x = Faltungsoperator!)
202 z-Bereich: H(z) = Y(z)/X(z)
203 Y(z) = X(z) * H(z) (* = Multiplikationsoperator!)
205 12 - Schreiben Sie die DFT und die inverse DFT an. Wie berechnet man die inverse
206 DFT mit Hilfe der DFT?
207 DFT: X[k] = \sum_{n=0}^{N-1} x[n] e^{-j\frac{2 \pi n}{N} k}
208 iDFT: x[n] = \frac{1}{N} \sum_{k=0}^{N-1} X[k] e^{j\frac{2 \pi k}{N} n}
210 Die inverse DFT unterscheidet sich von der DFT lediglich durch den
211 Faktor 1/N und das negative Vorzeichen.
213 Ausgehend von der Formel für die iDFT kann man beide Seiten konjugiert
214 komplex machen, wodurch sich die gleiche Formel wie für die DFT ergibt,
215 nur dass noch ein Faktor von 1/N davorsteht und die einzelnen Werte
216 X[k] jeweils konjugiert komplex sein müssen!
218 x[n] = \frac{1}{N} \sum_{k=0}^{N-1} X[k] e^{j\frac{2 \pi k}{N} n}
219 x[n]* = (\frac{1}{N} \sum_{k=0}^{N-1} X[k] e^{j\frac{2 \pi k}{N} n})* =
220 \frac{1}{N} \sum_{k=0}^{N-1} X[k]* e^{-j\frac{2 \pi k}{N} n}
221 [konjugiert komplexen Operator nochmal auf beiden Seiten anwenden]
222 x[n] = (\frac{1}{N} \sub_{k=0}^{N-1} X[k]* e^{-j\frac{2 \pi k}{N} n)*
224 Also folgende Vorgehensweise um mit DFT iDFT zu berechnen:
225 1. Eingangsfolge komplex konjugieren
226 2. DFT auf diese modifizierte Folge anwenden
227 3. Ausgangsfolge mit 1/N skalieren
228 4. Ausgangsfolge nochmals komplex konjugieren
229 Das komplex konjugieren kann bei reellen Zeitfolgen entfallen!
231 13 - Wodurch entsteht der Leck-Effekt bei der DFT? Wie können seine Auswirkungen
232 beeinflusst werden und welche Vor- und Nachteile treten dabei auf?