1 Vastaa seuraaviin. b) Taajuusvasteen

Samankaltaiset tiedostot
SGN-1200 Signaalinkäsittelyn menetelmät Välikoe

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

SGN-1200 Signaalinkäsittelyn menetelmät Välikoe

TL5503 DSK, laboraatiot (1.5 op) Suodatus 1 (ver 1.0) Jyrki Laitinen

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

Alipäästösuotimen muuntaminen muiksi perussuotimiksi

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

Kompleksiluvut signaalin taajuusjakauman arvioinnissa

SGN Signaalinkäsittelyn perusteet Välikoe Heikki Huttunen

IIR-suodattimissa ongelmat korostuvat, koska takaisinkytkennästä seuraa virheiden kertautuminen ja joissakin tapauksissa myös vahvistuminen.

SGN Signaalinkäsittelyn perusteet Välikoe Heikki Huttunen

Digitaalinen Signaalinkäsittely T0125 Luento

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

Signaalit ja järjestelmät aika- ja taajuusalueissa

SGN-1200 Signaalinkäsittelyn menetelmät, Tentti

1 Olkoon suodattimen vaatimusmäärittely seuraava:

Tietoliikennesignaalit & spektri

Kapeakaistainen signaali

SIGNAALITEORIAN KERTAUSTA 1

TL5231, Signaaliteoria (S2004) Matlab-harjoituksia

SIGNAALITEORIAN KERTAUSTA OSA 1

Taajuus-, Fourier- ja spektraalianalyysi

Diskreetti Fourier-muunnos ja sen hyödyntäminen signaalien spektrien muodostamisessa. Pentti Romppainen

z muunnos ja sen soveltaminen LTI järjestelmien analysointiin

SÄÄTÖJÄRJESTELMIEN SUUNNITTELU

Spektri- ja signaalianalysaattorit

5. Z-muunnos ja lineaariset diskreetit systeemit. z n = z

SIGNAALITEORIAN KERTAUSTA OSA 2

Jaksollisen signaalin spektri

Luento 7. LTI-järjestelmät

T SKJ - TERMEJÄ

Taajuus-, Fourier- ja spektraalianalyysi

Säätötekniikan ja signaalinkäsittelyn työkurssi

Kompleksianalyysi, viikko 7

Luento 8. Suodattimien käyttötarkoitus

1 Tarkastellaan digitaalista suodatinta, jolle suurin sallittu päästökaistavärähtely on 0.05 db ja estokaistalla vaimennus on 44 db.

Taajuus-, Fourier- ja spektraalianalyysi

Luento 2. Jaksolliset signaalit

Numeeriset menetelmät

MATEMATIIKAN JAOS Kompleksianalyysi

Kirjoitetaan FIR-suotimen differenssiyhtälö (= suodatuksen määrittelevä kaava):

Taajuustason tekniikat: Boden ja Nyquistin diagrammit, kompensaattorien suunnittelu. Vinkit 1 a

Alias-ilmiö eli taajuuden laskostuminen

Luento 7. tietoverkkotekniikan laitos

SGN-1251 Signaalinkäsittelyn sovellukset Välikoe Heikki Huttunen

Signaalimallit: sisältö

Määritä seuraavien suodattimien impulssivasteet ja tutki, ovatko ne kausaaleja:

Osatentti

Tuntematon järjestelmä. Adaptiivinen suodatin

1.1 Vektorit. MS-A0004/A0006 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n.

521384A RADIOTEKNIIKAN PERUSTEET Harjoitus 3

Digitaalinen signaalinkäsittely Desibeliasteikko, suotimen suunnittelu

12. Stabiilisuus. Olkoon takaisinkytketyn vahvistimen vahvistus A F (s) :

805324A (805679S) Aikasarja-analyysi Harjoitus 5 (2016)

TL5503 DSK, laboraatiot (1.5 op) Suodatus 2 (ver 1.0) Jyrki Laitinen

Sisältö. 1. Kompleksiluvut 2. Funktiot 3. Differentiaalilaskentaa 4. Sarjat 5. Integrointi 6. Möbius-muunnos 7. Diskreetti systeemi

Synteesi-analyysi koodaus

ELEC-C1230 Säätötekniikka. Luku 8: Säädetyn järjestelmän hyvyys aika- ja taajuustasossa, suunnittelu taajuustasossa, kompensaattorit

Analogiatekniikka. Analogiatekniikka

Perusmittalaitteet 2. Spektrianalyysi. Mittaustekniikan perusteet / luento 4. Spektrianalyysi. Logaritmiasteikko ja db (desibel) Spektrianalysaattori

ELEC-C7230 Tietoliikenteen siirtomenetelmät

IMPULSSIVASTEEN ANALYSOINTI AALLOKEMENETELMIN TIIVISTELMÄ 1 AALLOKEANALYYSI. Juha Urhonen, Aki Mäkivirta

Ajatellaan jotakin datajoukkoa joka on talletettu datamatriisiin X: n vectors. TKK, Informaatiotekniikan laboratorio 1

1. Annettu siirtofunktio on siis G(s) ja vastaava systeemi on stabiili. Heräte (sisäänmeno) on u(t) = A sin(ωt), jonka Laplace-muunnos on

Kompleksianalyysi, viikko 6

Tehtävä 1. Vaihtoehtotehtävät.

S Signaalit ja järjestelmät

L/M = 16.9/9.1 = 169/91 = 13/7.

Luento 7. Järjestelmien kokoaminen osista

1.1 Vektorit. MS-A0007 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n. 1. Vektorit ja kompleksiluvut

Audiosignaalin mallintaminen sineillä ja kohinalla

Hyvyyskriteerit. ELEC-C1230 Säätötekniikka. Luku 8: Säädetyn järjestelmän hyvyys aika- ja taajuustasossa, suunnittelu taajuustasossa, kompensaattorit

Esimerkki: Laaduntasaussäiliö. Esimerkki: Laaduntasaussäiliö. Taajuusanalyysi. ELEC-C1230 Säätötekniikka. Luku 7: Taajuusanalyysi

Luku 3. Data vektoreina

Tämän luennon sisältö. Luku 3. Data vektoreina. Datamatriisi (2) Datamatriisi. T Datasta tietoon, syksy 2011

DSP:n kertausta. 1 Spektri, DFT, DTFT ja aika-taajuusresoluutio

T Digitaalinen signaalinkäsittely ja suodatus

Esimerkki: Laaduntasaussäiliö. Esimerkki: Laaduntasaussäiliö. Taajuusanalyysi. ELEC-C1230 Säätötekniikka. Luku 7: Taajuusanalyysi

SEBASTIAN RINTALA SIGNAALIN DOMINOIVAN TAAJUUDEN ARVIOINTI

3 Ikkunointi. Kuvio 1: Signaalin ikkunointi.

SÄÄTÖJÄRJESTELMIEN SUUNNITTELU

Kotitehtävät 1-6: Vastauksia

A B = 100, A = B = 0. D = 1.2. Ce (1.2 D. C (t D) 0, t < 0. t D. )} = Ae πjf D F{Π( t D )} = ADe πjf D sinc(df)

y z = (x, y) Kuva 1: Euklidinen taso R 2

ELEC-C Sovellettu digitaalinen signaalinkäsittely. Äänisignaalien näytteenotto ja kvantisointi Dither Oskillaattorit Digitaalinen suodatus

Laskuharjoitus 2 ( ): Tehtävien vastauksia

T Signaalinkäsittelyjärjestelmät Kevät 2005 Pakolliset ja lisäpistelaskarit

Kompleksiluvut., 15. kesäkuuta /57

1 PID-taajuusvastesuunnittelun esimerkki

FIR suodinpankit * 1 Johdanto

Harjoitus 1. Tehtävä 1. Malliratkaisut. f(t) = e (t α) cos(ω 0 t + β) L[f(t)] = f(t)e st dt = e st t+α cos(ω 0 t + β)dt.

Heikki Huttunen Signaalinkäsittelyn sovellukset

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45

Suodinpankit ja muunnokset*

12.5. Vertailua. Silmäillään laskostumisen estoa tietokonegrafiikan kannalta. Kuva luonnehtii vaihtoehtoja.

LABORATORIOTYÖ 2 A/D-MUUNNOS

Kompleksiluvut Kompleksitaso

Luento 8. Suodattimien käyttötarkoitus

Transkriptio:

Vastaa seuraaviin a) Miten määritetään digitaalisen suodattimen taajuusvaste sekä amplitudi- ja vaihespektri? Tässä riittää sanallinen kuvaus. b) Miten viivästys vaikuttaa signaalin amplitudi- ja vaihespektriin? a) Digitaalisen suodattimen taajuusvaste voidaan aina määrittää sijoittamalla impulssivasteen h(n) -muunnokseen eli suodattimen siirtofunktioon () :n paikalle e. FIR-suodattimen (impulssivaste äärellisen pituinen) taajuusvaste voidaan määrittää myös impulssivasteen h(n) diskreettinä Fourier-muunnoksena (m). Amplitudispektri saadaan taajuusvasteen itseisarvona taajuuden funktiona. Yleisessä tapauksessa taajuusvaste on kompleksiarvoinen, jolloin itseisarvo määritetään eri taajuuksilla korottamalla taajuusvasteen reaaliosa ja imaginaariosa neliöön, laskemalla tulokset yhteen ja ottamalla summasta neliöjuuri. Vaihespektri saadaan taajuusvasteen argumenttina taajuuden funktiona. Argumentti muodostetaan määrittämällä eri taajuuksilla taajuusvasteen imaginaariosan ja reaaliosan suhteen arcustangentti. b) Taajuusvasteen ( e j arg{ ( e ) ) ( e ) e } itseisarvo ( e ) ei viivästyksessä muutu. Amplitudispektri säilyy muuttumattomana, vaikka muunnettavaa signaalia viivästettäisiin aikatasossa. Signaalissa on siis ajanhetkestä riippumatta samat taajuudet., joka muuttuu viivästyksestä riippuvalla tavalla. Vaihespektri sen kiertyy origon ympäri viiveeseen suoraan verrannollisen kulman verran. Viivästys vaikuttaa vain taajuusvasteen vaiheeseen arg { ( e )}

Tarkastellaan signaalia x(n) {,,, -,,,, -}. Tiedetään, että N ( ) ( ) { } / signaalin DFT j π m n N X m x n e,, j 8,,,, + j 8,. n a) Määritä taajuusresoluutio, kun f s 5. b) Piirrä amplitudi- ja vaihespektri taajuusalueella.. +f s /. c) Miten spektrit muuttuvat, jos aikaistat signaalia x(n) yhden näytevälin? a) Spektrin pituus N 8. f f s N 5 8 378.5 b) Amplitudispektri: X m,, 8,,,, 8, ( ) { } Vaihespektri: 8 8 π π arg{ X ( m) },, arctan,,,, arctan,,,,,,, +, Spektrin pisteet vastaavat taajuuksia, 378.5, 756.5, 434.375, 55.5, 689.65, 868.75 ja 9646.875. Piirretään spektrit taajuusalueella 55.5 (f s /): 8 X(f) 6 4 3 4 5 f [] -.5 arg[x(f)] - -.5-3 4 5 f []

3 c) Piirretään x(n) ja yhdellä näytevälillä aikaistettu signaali x(n-)..5.5.5 x(n-) x(n) -.5 - -.5 - -.5 3 4 5 6 7 n Signaalin taajuudet eivät saa ajanhetkestä toiseen muuttua, joten amplitudispektri säilyy aikaistuksessa ennallaan. Kuten kuvasta havaitaan on aikaistettu signaali kosinisignaali, jonka vaihe on nolla. Vaihespektri siis muuttuu aikaistuksessa nollaksi.

4 3 Tarkastellaan oheisessa lohkokaaviossa esitettyä suodatinta x(n).858 - - y(n) - -.858 -.76 a) Määritä differenssiyhtälö ja suodinkertoimet. b) Määritä siirtofunktio ja tutki stabiilius. c) Laske suodattimen vasteen amplitudi- ja vaihe taajuuksilla ja 5, jos f s. a) y ( n).858 x( n) +.858 x( n ).76 y( n ) a a a.858.858 b b.76 b) ( ) a + a + b + a + b.858 +.858 +.76 Navat : +.76 +.76 ±.76 ± j.846.846 stabiili c) Taajuusvaste:.858 +.858 +.76.858 +.858 e +.76 e ( ) j ω j ω

5 f : arg ( e ) ( e ).858 +.858 e j +.76 e { ( e )} j arctan.858 +.858.76 f s f 5 ˆ π :.858 +.858 e ( e ) j +.76 e arg ( e ) { ( e )} arctan j π π.858 +.858 +.76 Alla suodattimen amplitudi- ja vaihespektri taajuusalueella (.. f s /). uomaa, että amplitudi on db taajuuksilla ja 5 ( f s /). Magnitude (db) - - -3...3.4.5.6.7.8.9 Normalied Frequency ( π rad/sample) Phase (degrees) 5-5 -...3.4.5.6.7.8.9 Normalied Frequency ( π rad/sample)

6 4 Vastaa seuraaviin a) Mitä DSP:ssä tarkoitetaan rengaspuskurilla (circular buffering)? b) Miksi rengaspuskuri on erityisen tehokas ratkaisu DSP:ssä? c) Esitä lyhyesti FIR-suodatuksen vaiheet, kun toteutuksessa käytetään rengaspuskuria. Ks. http://www.innerlighttheory.com/ch8.pdf s. 56-59.