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 der Laenge M-1 aufgefüllt werden und umgekehrt (Zero-Padding). L
51 steht dabei ueblicherweise fuer die Laenge der Signalabschnitte und M fuer
52 die Laenge der Impulsantwort, koennen aber auch beliebig andere
55 3 -- Berechnen Sie die Impulsantwort des folgenden IIR-Filters und skizzieren
56 Sie das Blockdiagramm der Direkten Form II
57 y[n] = 1/4 y[n-2] + 5 x[n] - 4 x[n-1]
59 Impulsantwort: in z-Bereich transformieren, und dort H(z) =
60 \frac{Y(z)}{X(z)} = Systemfunktion berechnen. Um die Impulsantwort zu
61 erhalten muss H(z) in den Zeitbereich transformiert werden (h[n]).
62 Y(z) = 1/4 z^{-2} Y(z) + 5 X(z) - 4 z^{-1} X(z)
63 Y(z) (1 - 1/4 z^{-2}) = X(z) (5 - 4 z^{-1})
64 H(z) = \frac{Y(z)}{X(z)} = \frac{5 - 4 z^{-1}}{1 - 1/4 z^{-2}}
66 die Transformation zurueck in den Zeitbereich bleibt dem Leser als Uebung
67 (Hinweis: Partialbruchzerlegung)
70 Blockdiagramm siehe IIR-Foliensatz ab Seite 10
73 4 -- Welche Bedeutung haben Fenster bei FIR-Filtern? Welche Fenster kennen Sie
74 welche Auswirkungen haben sie?
76 Filterdesign (von WP): Dabei wird der gewuenschte Frequenzgang des Filters
77 definiert und per inverse Fouriertransformation die (ideale) Impulsantwort
78 ermittelt. Das Resultat dabei ist in der Regel unendlich lang, um also
79 eine gewuenschte Filterlaenge N (=Ordnung) zu erhalten, wird durch eine
80 Fensterfunktion ein Ausschnitt der unendlichen Impulsantwort ausgewaehlt.
81 Der tatsaechliche Frequenzgang des Filters entspricht somit der Faltung
82 des gewuenschten Frequenzganges mit der der Fouriertransformierten der
85 Im Filterdesign fuehren breite (selektive) Fensterfunktionen zu steilen
86 Uebergaengen (='B') zwischen Durchlass- und Sperrbereich, aber zu geringer
87 Sperrdaempfung (='A'). Schmale (nicht selektive) Fensterfunktionen fuehren
88 zu flachen Uebergaengen zwischen Durchlass- und Sperrbereich, dafuer aber
89 zu grosser Sperrdaempfung.
92 verschiedene Fenster (nach Selektivitaet geordnet):
93 o Rechteckfenster B=4pi/(2M+1) A=-13dB
94 o Hannfenster B=8pi/(2M+1) A=-32dB
95 o Hammingfenster B=8pi/(2M+1) A=-43dB
96 o Blackmann B=12pi/(2M+1) A=-58dB
98 weitere: Dreieckfenster, Kaiserfenster (hat Parameter \beta !)
101 5 -- Welche Approximationsansätze für den Frequenzgang kennen Sie bei IIR-
102 Filtern? Beschreiben und vergleichen Sie die Ansätze.
103 - Potenz- oder Butterworthfilter
104 - geringste Flankensteilheit
105 - ungefähre lineare Phase
106 - benötigt vergleichsweise höchste Ordnung
108 - bessere Flankensteilheit als Butterworth, schlechtere
109 als bei Elliptisch oder Cauer
110 - Lineare Phase schlechter als bei Butterworth, aber besser
111 als bei Elliptisch oder Cauer
112 - Tschebyscheff Typ 1: höhere Welligkeit im Durchlassbereich
113 - Tschebyscheff Typ 2: höhere Welligkeit im Sperrbereich
114 - Elliptisch oder Cauer
115 - beste Flankensteilheit, jedoch Welligkeit in
116 Durchlass- und in Sperrbereich
117 - benötigt vergleichsweise niedrigste Ordnung
119 6 -- Berechnen Sie den Frequenzgang des FIR-Filters mit den Koeffizieten
121 Formel für Frequenzgang von FIR-Filtern allgemein:
123 w^ ... normierte Kreisfrequenz
124 T_s ... Abtastperiode ]
125 H(w^) = \sum_{k=0}^{M} b_k e^{-j w^ k}
126 hergeleitet in dem komplexe Exponentialfolge x[n] in die allgemeine
127 Gleichung für FIR-Filter eingesetzt wurde!
130 x[n] = A e^{j \phi} e^{j w^ n}
131 in y[n] einsetzen ... kommt dann auf
132 y[n] = (\sum_{k=0}^{M} b_k e^{-j w^ k}) A e^{j \phi} e^{j w^ n}
133 wobei der Term in der Klammer H(w^) entspricht!
135 in unserem Fall also:
137 H(w^) = 1 + 2*e^{-j w^ 1} + 3*e^{-j w^ 2} + 3*e^{-j w^ 3} +
138 + 2*e^{-j w^ 4} + 1*e^{-j w^ 5}
140 7 -- Welche Bedeutung haben Filter mit linearer Phase? Woran erkennen Sie sie?
141 Lineares Phasenverhalten erzeugt Phasenverschiebungen die
142 frequenzproportional sind, d.h. die Kurvenform bleibt erhalten!
143 Steckt die relevante Information in den Frequenzen, und nicht in der
144 Kurvenform, so ist die lineare Phase nicht von Bedeutung.
146 Die lineare Phase ist nur bei FIR-Filtern möglich ist und kann daran
147 erkannt werden, dass die Koeffizienten symmetrisch sind. Hierbei
148 gibt es verschiedene Arten von Symmetrien (gerade oder ungerade) und
149 noch jeweils die Unterscheidung ob die Anzahl der Koeffizienten gerade
150 oder ungerade ist, was insgesamt zu vier verschiedenen Typen führt:
151 - Gerade Symmetrie, d.h. b_k = b_{L-1-k}
152 - Typ 1: L ist ungeradzahlig (z.B. [1 2 3 2 1])
153 - Typ 2: L ist geradzahlig (z.B. [1 2 3 3 2 1])
154 - Ungerade Symmetrie, d.h. b_k = -b_{L-1-k}
155 - Typ 3: L ist ungeradzahlig und b_{(L-1)/2} = 0
156 (z.B. [-1, -2, 0, 2, 1])
157 - Typ 4: L ist geradzahlig (z.B. [-1 -2 -3 3 2 1])
159 Folgendes gilt dabei für die Typen:
160 Typ 1 ist die allgemeinste Form, alle Filtertypen sind möglich
161 Typ 2 kann kein Hochpass sein
162 Typ 3 kann weder Hochpass noch Tiefpass sein
163 Typ 4 kann kein Tiefpass sein
165 8 -- Schreiben Sie die allgemeine Differenzengleichung eines IIR-Filters
166 höherer Ordnung an und zeichnen Sie das zugehörige Blockdiagramm.
167 y[n] = b_0 x[n] + b_1 x[n-1] + b_2 x[n-2] + ... + b_{L-1} x[n-(L-1)] +
168 + a_1 y[n-1] + a_2 y[n-2] + ... + a_{M-1} y[n-(M-1)] =
169 \sum_{k=0}{L-1} b_k x[n-k] + \sum_{m=1}{M-1} a_m y[n-m]
171 Blockdiagramm siehe IIR-Foliensatz ab Seite 10
173 9 -- Welche Bedeutung hat die Impulsantwort für die Analyse von diskreten
175 Die Impulsantwort ist das Ausgangssignal eines Systems, bei dem am
176 Eingang ein Dirac-Impuls zugeführt wird. Mit Hilfe dieser lässt sich
177 ein LTI-System vollständig charakterisisieren (z.B. Bestimmung von
178 Übertragungsfunktion und Frequenzgang). Die Wirkung des Filters kann
179 durch Faltung der Eingangsfolge mit der Impulsantwort im Zeitbereich
181 Da jedes Eingangssignal als Überlagerung von gewichteten,
182 zeitverzögerten Einheitsimpulsen dargestellt werden kann, können die
183 entsprechenden Ausgangssignale von gewichteten und zeitverzögerten
184 Versionen der Impulsantwort gebildet werden.
186 10 - Welche Bedeutung hat das Pol/Nullstellendiagramm?
187 Aus einem Pol/Nullstellendiagramm kann unter anderem auf den Betrags-
188 und Phasenverlauf eines Systems, sowie auf dessen Impuls- und Sprung-
189 antwort geschlossen werden.
190 Aus der Lage der Pole kann man unter anderem erkennen, ob ein System
191 kausal oder stabil ist. Stabilität ist dann gegeben, wenn alle Pole
192 in der offenen linken Halbebene des Diagramms liegen. Realisierbare
193 (kausale) Systeme besitzen mehr Pole als Nullstellen.
194 Weitere Bedeutung hat das Diagramm zum Bestimmen der Koeffizienten
195 bei der Entwicklung von IIR-Filtern; bei dieser Methode werden die
196 Pole und Nullstellen des Filters mit dem gewünschten Verhalten in dem
197 Diagramm platziert und dann wird entsprechend fortgefahren.
202 Durch das PN-Diagramm ist die Systemfunktion H(z) eindeutig ermittelbar.
203 Nullstellen auf dem Einheitskreis bedeuten, dass die zueghoerige
204 Frequenzkomponente am Ausgang des Systems nicht auftritt, also vollstaendig
206 Fuer stabile Systeme muessen die Polstellen im z-Bereich innerhalb des
207 Einheitskreises liegen (zum Vergleich: bei zeit-kontinuierlichen Systemen
208 gilt, dass die Pole in der linken offenen Halbebene des s-Bereiches liegen
210 (fuer z-bereich: Das folgt aus der Analyse von Differenzengleichungen, siehe seite 13 ET-Text/IIR)
212 11 - Wie hängen Impulsantwort und Systemfunktion zusammen?
213 Die Systemfunktion (auch Übertragungsfunktion genannt) H[z] ist die
214 z-Transformierte der Impulsantwort h[n].
217 Zeitbereich: y[n] = x[n] x h[n] (x = Faltungsoperator!)
218 z-Bereich: H(z) = Y(z)/X(z)
219 Y(z) = X(z) * H(z) (* = Multiplikationsoperator!)
221 12 - Schreiben Sie die DFT und die inverse DFT an. Wie berechnet man die inverse
222 DFT mit Hilfe der DFT?
223 DFT: X[k] = \sum_{n=0}^{N-1} x[n] e^{-j\frac{2 \pi n}{N} k}
224 iDFT: x[n] = \frac{1}{N} \sum_{k=0}^{N-1} X[k] e^{j\frac{2 \pi k}{N} n}
226 Die inverse DFT unterscheidet sich von der DFT lediglich durch den
227 Faktor 1/N und das negative Vorzeichen.
229 Ausgehend von der Formel für die iDFT kann man beide Seiten konjugiert
230 komplex machen, wodurch sich die gleiche Formel wie für die DFT ergibt,
231 nur dass noch ein Faktor von 1/N davorsteht und die einzelnen Werte
232 X[k] jeweils konjugiert komplex sein müssen!
234 x[n] = \frac{1}{N} \sum_{k=0}^{N-1} X[k] e^{j\frac{2 \pi k}{N} n}
235 x[n]* = (\frac{1}{N} \sum_{k=0}^{N-1} X[k] e^{j\frac{2 \pi k}{N} n})* =
236 \frac{1}{N} \sum_{k=0}^{N-1} X[k]* e^{-j\frac{2 \pi k}{N} n}
237 [konjugiert komplexen Operator nochmal auf beiden Seiten anwenden]
238 x[n] = (\frac{1}{N} \sub_{k=0}^{N-1} X[k]* e^{-j\frac{2 \pi k}{N} n)*
240 Also folgende Vorgehensweise um mit DFT iDFT zu berechnen:
241 1. Eingangsfolge komplex konjugieren
242 2. DFT auf diese modifizierte Folge anwenden
243 3. Ausgangsfolge mit 1/N skalieren
244 4. Ausgangsfolge nochmals komplex konjugieren
245 Das komplex konjugieren kann bei reellen Zeitfolgen entfallen!
247 13 - Wodurch entsteht der Leck-Effekt bei der DFT? Wie können seine Auswirkungen
248 beeinflusst werden und welche Vor- und Nachteile treten dabei auf?
249 Wenn eine gegebene Frequenz nicht auf dem Frequenzraster liegt (Abstand
250 zwischen Spektrallinien betraegt \frac{f_s}{N}), so muss sie durch
251 benachbarte Frequenzen dargestellt werden.
253 Man kann diesen Effekt vermindern, indem man N groesser waehlt;
254 vollstaendig verhindert kann der Leck-Effekt nicht werden, da in der
255 Praxis ueblicherweise die Spektralkomponenten der (praktischen) Signale
256 nicht am Raster liegen werden.