Spektrala Transformer

Slides:



Advertisements
Liknande presentationer
Föreläsning 3 25 jan 2010.
Advertisements

Linjära funktioner & ekvationssystem – Ma B
Talföljder formler och summor
MaB: Andragradsfunktioner
Kap 4 - Trigonometri.
Andragradsfunktioner & Andragradsekvationer
Elektroniska filter William Sandqvist En verklig signal … Verkliga signaler är svårtolkade. De är ofta störda av brus och brum. Brum.
Kom igång med DSO-X 2014A Oscilloskopet har inbyggda ”tränings-spänningar” Anslut två mätsladdar med prob till Demouttagen. Starta oscilloskopet. Tryck.
Numeriska beräkningar i Naturvetenskap och Teknik
TI-82/84.
Föreläsning 2 21 jan 2008.
Matematik Kurs C Grafer och derivator.
Komplexa tal inför Laborationerna
Spolen och Kondensatorn motverkar förändringar
Spektrala Transformer för Media
Objektorienterad tänkande
Laplacetransformering av elektriska kretsar (komplement till Kap 3 ”Modellering av dynamiska system”) Vi antar att alla begynnelsevärden är noll vid t=0.
Styrteknik 7.5 hp distans: Programmering med IEC PLC1B:1
Ämnen Följer kapitlen i boken
Radarmålföljning av mänskliga nervsignaler Bättre kunskap om de icke myeliniserade (C-) fibrerna skulle kunna leda till förbättrade eller nya metoder för.
1 ITK:P1 Föreläsning 7 Algoritmer och datastrukturer DSV Marie Olsson.
Datorseende TexPoint fonts used in EMF: AA Niels Chr Overgaard 2010.
Mathematics 1 /Matematik 1 Lesson 2 – Functions and their solutions Lektion2 – Funktioner och deras lösningar.
Algebra och ekvationer
Föreläsning 1 19 jan 2008.
Dagens ämnen Vektorrum Underrum Linjärt hölje
William Sandqvist Digitalt oscilloskop William Sandqvist
MATLAB. Innehåll MATLAB Vektorer och matriser Elementoperationer Problem 1 Metoder Problem 2 Dataanalys Problem 3.
MATRISER MATRISER Kati Sandström2 Grundbegrepp En vektor är ett kompakt sätt att beteckna flera variabler En vektor är ett kompakt sätt att.
F1_C_be1 Telekommunikation,Kiruna Signalanalys F1_C.
En mycket vanlig frågeställning gäller om två storheter har ett samband eller inte, många gånger är det helt klart: y x För en mätserie som denna är det.
ELEKTRONIKINGENJÖR ARBETSMETODER & VERKTYG. ?PROBLEM? Litet större Som störtas bort Händernågot annat ska då hända I omgivningensignalera.
Styrteknik: Programmering med IEC PLC1A:1
Radioteknik i WLAN Av. Markus Miekk-oja & John Kronberg.
Mathematics 1 /Matematik 1 Lesson 7 – complex numbers Lektion 7 – Komplexa tal.
Flerpartikelsystem Kapitel 10 (avsnitt )
1 Kapitel 9 Interval Estimation Dan Hedlin. 2 Konfidensintervall vanligast för ”location problems”, dvs k.i. för medelvärde o.d. K.i. för t.ex. standardavvikelse.
Spektrala Transformer
Spektrala Transformer
Dagens ämnen Matriser Linjära ekvationssystem och matriser
Projekt 5.3 Gilpins och Ayalas θ-logistiska modell A Course in Mathematical Modeling - Mooney & Swift.
Datorseende TexPoint fonts used in EMF: AA.
Kan två räta linjer ge upphov till kaos? Matematikbiennalen 2010 Hans Thunberg, KTH Torsten Lindström, Linnéuniversitetet.
Lennart Edblom, Frank Drewes, Inst. f. datavetenskap 1 Föreläsning 12: -kalkylen allmänt om -kalkylen syntax semantik att programmera i -kalkylen.
Mathematics 1 /Matematik 1 Lesson 5 – experimental data and their models Lektion5 – experimentell data och deras modeller.
Spektrala Transformer
TATA31 Linjär algebra Examinator, föreläsare: Ulf Janfalk
F. Drewes, Inst. f. datavetenskap1 Föreläsning 12: -kalkylen allmänt om -kalkylen syntax semantik att programmera i -kalkylen.
DT1130 Spektrala Transformer Jonas Beskow Spektrala Transformer Faltning & Z -transform.
Telekommunikation,Kiruna Digital modulation F7_A
Assar DN v. 4, Förra föreläsningen: Pointings vektor Brytningsindex Fresnels ekvationer Snells lag Brewstervinkel Dopplereffekten TIR:
Förra föreläsningen: Historisk utveckling av elektromagnetismen Vektorer Koordinatsystem.
Förra föreläsningen: Pointings vektor Brytningsindex
DT1130 Spektrala Transformer Jonas Beskow Spektrala Transformer Introduktion svängningar & fasvektorer.
William Sandqvist LP-filter, simulering med PSpice.
Assar DN v. 4, Förra föreläsningen: Pointings vektor Brytningsindex Fresnels ekvationer Snells lag Brewstervinkel Dopplereffekten TIR:
IF1330 Ellära F/Ö1 F/Ö2 F/Ö3 Strömkretslära Mätinstrument Batterier
Lars Madej  Talmönster och talföljder  Funktioner.
1 Icke-linjär regression Sid (i kapitel 16.1)
Mata in funktion Bestämma funktionsvärde vid givet x-värde.
Aritmetik 6
Populärt brukar algebra ibland kallas för bokstavsräkning
Kap 5 – Trigonometri och komplettering kurs 3c
Skapa utbildningsmallar i nya Ladok
Arbetsmetoder & VERKTYG
Grundläggande signalbehandling
Grundlägande statistik,ht 09, AN
Föreläsning 1 18 jan 2010.
Grundl. statistik F2, ht09, AN
Digitalteknik 3p - Sekvenskretsar
Presentationens avskrift:

Spektrala Transformer Linjära system och filter DT1130 Spektrala Transformer • Jonas Beskow

DT1130 Spektrala Transformer • Jonas Beskow Ett enkelt filter Exempel Signal med högfrekvent störning Skapa ny signal genom att medelvärdesbilda över 5 punkter i taget Kallas moving-average / rullande medlevärde DT1130 Spektrala Transformer • Jonas Beskow

DT1130 Spektrala Transformer • Jonas Beskow Enkelt filter (forts.) Hur kan vi beskriva filtret? Grafiskt: Delay x(n) + y(n) 1/5 Med en ekvation: y(n) = x(n)/5 + x(n-1)/5 + x(n-2)/5 + x(n-3)/5 + x(n-4)/5 Allmänt: y(n) = a0x(n) + a1x(n-1) + a2x(n-2) + … + akx(n-k) DT1130 Spektrala Transformer • Jonas Beskow

DT1130 Spektrala Transformer • Jonas Beskow Linjärt system Filterekvationen y(n) = a0x(n) + a1x(n-1) + a2x(n-2) + … + akx(n-N) beskriver ett linjärt system Linjärt system x1(n) y1(n) Linjärt system x2(n) y2(n) Linjärt system x1(n) + x2(n) y1(n) + y2(n) Linjärt system c x1(n) c y1(n) DT1130 Spektrala Transformer • Jonas Beskow

DT1130 Spektrala Transformer • Jonas Beskow Tidsinvarians Systemet y(n) = a0x(n) + a1x(n-1) + a2x(n-2) + … + akx(n-N) är dessutom tidsinvariant För ett linjärt tidsinvariant system (LTI system) gäller Tidsinvariant system x1(n) y1(n) Tidsinvariant system x2(n) = x1(n+k) y2(n) = y1(n+k) Tidsinvariant system x(n) y(n) DT1130 Spektrala Transformer • Jonas Beskow

DT1130 Spektrala Transformer • Jonas Beskow Filter - terminologi ω |H(ω)| Lågpass (low pass) ω |H(ω)| Högpass (high pass) ω |H(ω)| Bandpass (band pass) ω |H(ω)| Bandspärr (band stop) DT1130 Spektrala Transformer • Jonas Beskow

Filter - terminologi |H(ω)| ω ωc Passband Spärrband (stop band) ωc = brytfrekvens (cut-off frequency) DT1130 Spektrala Transformer • Jonas Beskow

Fördröjningsoperatorn z-k Genom att sätta z = ejω kan vi skriva filterekvationen y(n) = a0x(n) + a1x(n-1) + a2x(n-2) + … + akx(n-k) som y(n) = x(n) [ a0 + a1 z-1 + a2 z-2 + … + akz-k ] då insignalen är en phasor x(n) = ejωn Multiplikation med z-k fördröjer signalen k sampel DT1130 Spektrala Transformer • Jonas Beskow

Överföringsfunktionen H(z) Y(z) = X(z) [ a0 + a1 z-1 + a2 z-2 + … + akz-k ] H(z) kallas filtrets överföringsfunktion (transfer function) Den berättar allt det finns att veta om filtret Transform av y(n) Transform av x(n) DT1130 Spektrala Transformer • Jonas Beskow

DT1130 Spektrala Transformer • Jonas Beskow Frekvensgång Hur ett filter släpper igenom signaler av olika frekvenser beskrivs av H(ω) |H(ω)| kallas frekvensgången (magnitude response) arg{H(ω)} kallas fasgången (phase response) DT1130 Spektrala Transformer • Jonas Beskow

DT1130 Spektrala Transformer • Jonas Beskow z-planet H(z) är en komplexvärd funktion av en komplex variabel Övre halvan av enhetscirkeln är frekvensaxeln Frekvensgången fås genom att evaluera |H(z)| över enhetscirkeln: |H(ω)| = |H(ejω)| ω=π Nyquist ω=0 z-planet DT1130 Spektrala Transformer • Jonas Beskow

z-planet (forts.) Vi kan få en bild av H(z) genom att plotta dess nollställen H(z) = 0 exempel: y(n) = x(n) + a1x(n-1) H(z) = 1 + a1 z-1 H(z) = 0 ger ett nollställe då z = -a1 nollställe då a1=-1 (högpass) nollställe då a1=1 (lågpass) z-planet DT1130 Spektrala Transformer • Jonas Beskow

DT1130 Spektrala Transformer • Jonas Beskow z-planet (forts.) exempel: y(n) = x(n) + x(n-2) H(z) = 1 + z-2 H(z) = 0 ger z = ±j |H(ω)| = |e-jω - j| |e-jω + j| z = ejω ω=π Nyquist ω=0 z-planet DT1130 Spektrala Transformer • Jonas Beskow

Impulssvar (impulse response) Filtrets impulssvar h(n) är filtrets utsignal då insignalen är en impuls δ(n) Filter utan återkoppling har ändligt impulssvar (FIR - Finite Impulse Response) För ett sådant filter är h(n) = an H(z) DT1130 Spektrala Transformer • Jonas Beskow

Impulssvar och överföringsfunktion H(z) eller h(n) kan användas för att definiera ett filter 1-till-1-förhållande mellan impulssvar och överföringsfunktion H(z) är h(n) transformerat till frekvensdomänen I det generella fallet är h(n) definierad för n = (-∞,∞) DT1130 Spektrala Transformer • Jonas Beskow

Faltning (convolution) När en signal x(n) filtreras genom ett filter med inpulssvaret h(n) så är utsignalen y(n) en faltning av x(n) och h(n) Betecknas y(n) = x(n)*h(n) När två signaler faltas i tidsdomänen, multipliceras de i frekvensdomänen DT1130 Spektrala Transformer • Jonas Beskow

DT1130 Spektrala Transformer • Jonas Beskow Fasgång Fasgången θ(ω) = arg(H(ω)) beskriver hur ett filter ändrar fasvinkeln för en phasor ejωn Ibland önskar man linjär fasgång dvs. θ(ω) ~ ω Det innebär att alla frekvenser får samma fördröjning Symmetriskt impulssvar ger linjär fasgång DT1130 Spektrala Transformer • Jonas Beskow

Filterdesign – att ta fram koefficienter Hur bestämmer man filterkoefficienterna ett önskat filter? Filterdesignproblemet kan ses som ett optimeringsproblem: koefficienterna justeras tills H(z) matchar det man vill ha Finns många bra verktyg, t.ex. i matlab DT1130 Spektrala Transformer • Jonas Beskow

DT1130 Spektrala Transformer • Jonas Beskow Idealt lågpassfilter Eftersom H(z) kan transformeras till h(n) kan man designa önskad överföringsfunktion i z-planet och sedan beräkna vilket impulssvar det mostsvarar ett idealt lågpassfilter har impulssvaret |H(ω)| 1 ω ωc n DT1130 Spektrala Transformer • Jonas Beskow

Praktiskt lågpassfilter I praktiken måste dock h(n) trunkeras till M sampel förskjutas M/2 för att kunna implementeras med fördröjningar n n DT1130 Spektrala Transformer • Jonas Beskow

DT1130 Spektrala Transformer • Jonas Beskow Sammanfattning Ett filter fungerar genom att kombinera fördröjda versioner av insignalen Ett linjärt tidsinvariant system (LTI-system) kan analyseras med hjälp av fasvektorer Ett filter bestäms entydigt av sin överföringsfunktion H(z) Ett filter bestäms entydigt av sitt impulssvar h(n) DT1130 Spektrala Transformer • Jonas Beskow

Sammanfattning (forts.) Ett filter utan återkoppling har ett ändligt impulssvar som är lika med filterkoefficienterna Utsignalen y(n) är faltningen mellan insignalen x(n) och impulssvaret h(n) y(n)=x(n)*h(n) Faltning i tidsdomänen motsvaras av multiplikation i frekvensdomänen DT1130 Spektrala Transformer • Jonas Beskow