Digitale Signalverarbeitung
Transcription
Digitale Signalverarbeitung
Fachhochschule Braunschweig/Wolfenbüttel Fachbereich Elektrotechnik Informationstechnik/Signalverarbeitung Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung y(n) x(n) DSP a in A/D Applikation f out D/A f X Y P Mem. Mem. Mem. Se06.03.2005 a 2 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung Literatur Azizi Entwurf und Realisierung digitaler Filter Oldenbourg Lücker Grundlagen digitaler Filter Springer Hesselmann Digitale Signalverarbeitung Vogel Stearns Digitale Verarbeitung analoger Signale Oldenbourg Mildenberger Entwurf analoger und digitaler Filter Vieweg Hess Digitale Filter Teubner Achenbach Analoge und digitale Filter und Systeme I/II BI Brigham FFT Oldenbourg Brigham FFT-Anwendungen Oldenbourg Oppenheim/Schafer/.. Zeitdiskrete Signalverarbeitung Oppenheim/Willsky Pearson Signale und Systeme Lehrbuch/Arbeitsbuch VCH Johnson Digitale Signalverarbeitung Hanser Götz Einführung in die dig. Signalverarbeitung Teubner Schrüfer Signalverarbeitung Hanser Werner Dig. Signalverarbeitung mit MATLAB Vieweg Se06.03.2005 3 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung Inhalt 1 REALISIERUNGSPRINZIP VON SYSTEMEN ZUR DIGITALEN SIGNALVERARBEITUNG............................................................… 4 2 ZEITDISKRETE SIGNALE UND SYSTEME .................................12 2.1 Zeitdiskrete Signale........................................…….....…………............ 12 2.2 Zeitdiskrete Systeme.................................................................................13 2.3 z-Transformation .............................................................. ......................15 2.4 Strukturrealisierung .......................................................... .................... 17 3 ZEITDISKRETE , DISKRETE UND SCHNELLE FOURIERTRANSFORMATION……………………………..………..25 3.1 Zeitdiskrete Fourierreihe und Fouriertransformation ........................25 3.2 Diskrete Fouriertransformation (DFT)...................................................26 3.3 Schnelle Fouriertransformation (FFT)...……………...……….…........30 4 ENTWURF VON DSV-SYSTEMEN................................................. 31 4.1 Digitale Filter...…………………………………………..…………....... .31 4.1.1 FIR-Filter....……………………………………………………………....35 4.1.2 IIR-Filter.....…………………………………………………………….. 37 5 DIGITALE SIGNALPROZESSOREN (DSP) .................................. 39 4 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung 1 Realisierungsprinzip von Systemen zur digitalen Signalverarbeitung Aufbau eines Systems zur digitalen Signalverarbeitung Algorithmus (Programm) x(t) x'(t) A fg x(n) D y(n) DSV-System (z. B. dig Filter) y(t) A 4 2 1 y'(t) D 5 3 f = a 1 / Ta 1. Tiefpaß-Vorfilter (AntialisingFilter) mit fg=fa/2 2. Analog-Digital-Wandler 3. DSV-System fa ~ Ta ~ fs ~ x(t) ~ x(n) ~ Abtastfrequenz Abtastintervall Frequenz des Nutzsignals Zeitkontinuierliches Signal Zeitdiskretes Signal 4. Digital-Analog-Wandler 5. Rekonstruktionsfilter 5 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung Digitale Signalverarbeitung Einwirkung auf digitale Signale bei Anwendung rechnergestützter Verarbeitung mit Universal-,Spezial- und Signalprozessoren Mathematische Operationen mit einer Eingangsfolge zur Erzielung einer gewünschten Ausgangsfolge durch entsprechende Auslegung des DSV-Systems (z.B: Realisierung digitaler Filter) Echtzeitverarbeitung Die der Verarbeitung (z.B. digitale Filterung) unterworfenen Signale sind z.B. Audio- (Sprach-, Ton-) oder Video- (Bild-) Signale und müssen beim Empfänger fortlaufend in “Echtzeit” (realtime) bereitgestellt werden. Forderung: Zwischen zwei Abtastzeitpunkten des analogen Signals muß der Algorithmus (z.B. für digitale Filterung) für einen Digitalwert (Abtastwert nach A/D-Wandlung) vollständig abgearbeitet werden. Softwarerealisierung Programmierung Signalprozessor -hohe Flexibilität durch Programmodifikation Hardwarerealisierung Einsatz digitaler Bausteine -Aufbau für eine spezielle Anwendung Anwendungsgebiete - Nachrichtentechnik - Medizintechnik - Regelungstechnik / Telekommunikation 6 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung Vorteile der digitalen Signalverarbeitung - Einsatz mikroelektronsischer integrierter Komponenten - keine Probleme mit Temperatur- und Speisespannungsschwankungen - keine Einflüsse von Bauteiltoleranzen auf die Genauigkeit der gewünschten Funktion - hohe Genauigkeit, die sich durch Vergrößerung des Aufwandes “nahezu beliebig” erhöhen läßt - keine Abgleichvorgänge - exakte Reproduzierbarkeit, da Abarbeitung arithmetischer Operationen (Nachbildung mit Hard-, Software) - einfacher Anschluß an digitale Umwelt für komplexe Weiterverarbeitung - Flexibilität durch einfache Programmänderung bei Softwarerealisierung - keine Begrenzung des Dynamikbereiches durch Eigenrauschen der passiven und aktiven Bauelemente - teilweise sind Eigenschaften zu erzielen, die mit analogen Systemen nicht erreichbar sind ( z.B. streng lineare Phase bei Filtern) Nachteile der digitalen Signalverarbeitung - Grenzen zu kleinen Amplituden und höheren Frequenzen hin (Prozessor- und algorithmusabhängig) - bei Verarbeitung analoger Signale mehrfache Wandlung erforderlich - Quantisierungs-, - weitere Rundungsrauschen durch begrenzte Wortlänge bei der Realisierung spezielle Effekte (z.B. Überlaufschwingungen, Grenzzyklen) 7 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung Abtastung, Quantisierung, Kodierung 8 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung Zeitdiskrete Signalbeschreibung und digitale Signalverarbeitung Die mathematisch-theoretische Beschreibung der Signale und Systeme erfolgt im zeitdiskreten Bereich. Die eigentliche praktische Realisierung der Verarbeitungsalgorithmen geschieht durch digitale Signalverarbeitung mit Mikro- und Signalprozessoren. Das zeitdiskrete Signal x(n) ergibt sich durch Abtastung der Zeitfunktion x(t) mit zeitverschobenen Diracimpulsen δT(t) x ( n ) = x (t ) ⋅ δ T (t ) mit δ T (t ) = ∞ ∑δ (t − nT ) n = −∞ Weiterhin gilt x(t) FT und x(n) X(ω) ZDFT X (ω ) = 1 T ∞ ∑ X (ω − nω ) n = −∞ a Das Spektrum X (ω ) des zeitdiskreten Signals x(n) ergibt sich durch periodische Fortsetzung des Spektrums X(ω) des zeitkontinuierlichen Signals x(t) mit der Abtastkreisfrequenz ωa. 9 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung Zeitfunktion und Spektrum zeitkontinuierlicher und zeitdiskreter Signale x(t) X(f) t fg f ∆T(f) δT(t) T t fa 2fa f fa 2fa f x(n) X(f) T fg ~ fg nT höchste Nutzsignalfrequenz Abtasttheorem und Aliasing Basisband 1. Oberwellenspektrum X (f) fg fa-fg fa fa+ fg f Bandüberlappung X (f) fa-fg fg fa fa+ fg f 10 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung Spektrale Überlappungen (Aliasing) führen zu irreversiblen Veränderungen des Spektrums. Das ursprüngliche Signal wird verfälscht. Zur Vermeidung von Aliasing muß das Abtasttheorem (Shannon, Kotelnikow, Wiener) erfüllt werden. fa ≥ 2 ⋅ fg fg ≤ bzw. fa 2 ~ fa 2 Nyquistfrequenz Vermeidung von Aliasing Wahl der Abtastfrequenz entsprechend des Abtasttheorems Begrenzung des Nutzsignalspektrums bis zur maximalen Frequenz fg (Realisierung durch analoges „Antialiasingfilter“). In der Praxis kann ggf. eine geringe spektrale Überlappung zugelassen werden. Rekonstruktion eines bandbegrenzten Signals aus seinen Abtastwerten Wiederherstellen des Zeitbezuges der verarbeiteten Wertefolge w(n) durch Taktung y(n) = ∞ ∑ w(n ) ⋅ h (t − nT ) r n = −∞ Der Rekonstruktionstiefpaß wird durch seine Impulsantwort hr(t) bzw. seine Übertragungsfunktion Hr(f) charakterisiert hr(t) Hr(f) Ein TP mit idealem Frequenzgang weist eine si-Charakteristik der Impulsantwort auf. hr (t ) = 2 f g si(2πf g ⋅ t ) TP TP f H r ( f ) = rect 2 fg TP 11 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung Signalrückgewinnung aus einer begrenzten Folge von Abtastwerten bei Erfüllung des Abtasttheorems Zurückgewonnenes Signal bei Unterabtastung 12 Prof. Dr.-Ing. Sehmisch 2 Digitale Signalverarbeitung Zeitdiskrete Signale und Systeme 2.1 Zeitdiskrete Signale Zeitdiskreter Einheitsimpuls n=0 1 0 δ (n) = n≠0 Zeitdiskreter Einheitssprung n≥0 1 s( n ) = 0 n<0 Zusammenhang δ(n)=s(n)-s(n-1) n ∑δ (m) s(n) = m = −∞ Allgemeine zeitdiskrete komplexe Exponentialfunktion x ( n ) = c a = c a e j ( nΩ n n mit c = c e jΦ 0 +Φ und ) a = a e jΩ 0 Dabei stellt die Größe Ω die normierte Frequenz dar Ω = 2π f fa Bedingung, daß die Folge x ( n ) = c e j ( nΩ 0 +Φ ) a =1 die Periode N aufweist Ω0 m = 2π N m,N ~ ganzzahlig 13 Prof. Dr.-Ing. Sehmisch 2.2 Digitale Signalverarbeitung Zeitdiskrete Systeme x(n) y(n) h(n) System h(n) ~ Impulsantwort Systemeigenschaften - Speichereigenschaft - Kausalität - Stabilität - Linearität - Zeitinvarianz Betrachtet werden lineare zeitinvariante Systeme (LZI- bzw. LTI (linear time invariant)Systeme) Systembeschreibung Differenzengleichung (DnGl) M N k =0 k =1 y ( n ) = ∑ bk x (n − k ) + ∑ ak y (n − k ) Die höchste auftretende Verzögerung N von Ausgangssignalwerten, die zur Berechnung des aktuellen Ausgangswertes y(n) herangezogen werden muß, charakterisiert die Ordnung N des Systems. Systemfunktion M bk z − k ∑ Y (z ) H (z ) = = k =0N X (z ) 1 − a z −k ∑ k =1 F(z) ~ k z-Transformierte von f(n) Übertragungsfunktion M H (Ω ) = ∑b e − jkΩ Y (Ω ) = k =0N X (Ω ) 1 − a e − jkΩ ∑ k k k =1 F(Ω) ~ zeitdiskrete Fouriertransformierte von f(n) 14 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung Systemtheoretische Zusammenhänge y (n ) = h(n ) ∗ x (n ) Zeitdiskrete FT Z-Transformation Y ( z) = H ( z) ⋅ X ( z) Y (Ω ) = H (Ω ) ⋅ X (Ω ) Rekursive Systeme In der allgemeinen Darstellung der Differenzengleichung y(n); der Systemfunktion H(z) bzw. der Übertragungsfunktion H(Ω) ist mindestens ein Koeffizient ak≠0. Eigenschaften Die Impulsantwort M N k =0 k =1 h( n ) = ∑ bkδ ( n − k ) + ∑ ak h( n − k ) ist unendlich ⇒ infinite impulse response. Rekursive Systeme (IIR-Systeme) sind auf Stabilität zu prüfen. Nichtrekursive Systeme In der allgemeinen Darstellung der Differenzengleichung y(n), der Systemfunktion H(z) bzw. der Übertragungsfunktion H(Ω) sind alle Koeffizienten ak=0. M y ( n ) = ∑ bk x ( n − k ) k =0 M H ( z ) = ∑ bk z − k k =0 M H (Ω ) = ∑ bk e − jkΩ k =0 Eigenschaften Die Impulsantwort M h( n ) = ∑ bkδ (n − k ) k =0 ist endlich ⇒ finite impulse response. Nichtrekursive Systeme (FIR-Systeme) sind immer stabil. 15 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung 2.3 z-Transformation Die z-Transformation ist das zeitdiskrete Äquivalent zur Laplacetransformation für zeitkontinuierliche Signale und Systeme. Zweiseitige z-Transformation ∞ ∑ x(n) z X ( z ) = ZT{x ( n )} X ( z) = −n n = −∞ z = z e jϕ = Re{z} + j Im{z} z Inverse z-Transformation x(n) = 1 X ( z ) z n −1 d z ∫ 2πj (Auswertung mit Tabellenverfahren, Partialbruchzerlegung) Anwendung Analyse von LTI-Systemen Insbesondere Stabilitätsuntersuchung: Bei stabilen Systemen liegen die Pole (Nennernullstellen) der Systemfunktion innerhalb des Einheitskreises. Nutzung beim Systementwurf Sonderfall der z-Transformation: Zeitdiskrete Fouriertransformation X (Ω) = ∞ ∑ x(n) e − jΩn n = −∞ X(z) z=ejΩ X(Ω) Zusammenhang zwischen Systemfunktion und Differenzengleichung Durch die Eigenschaften der z-Transformation gilt x(n) x(n-n0) X(z) X ( z) ⋅ z −n 0 16 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung Systemfunktion eines rekursiven Systems 2. Ordnung Y ( z ) b0 + b1 ⋅ z −1 + b2 ⋅ z −2 H ( z) = = X ( z ) 1 − a1 ⋅ z −1 − a 2 ⋅ z − 2 umgestellt nach Y(z) Y ( z ) = b0 ⋅ X ( z ) + b1 ⋅ X ( z ) ⋅ z −1 + b2 ⋅ X ( z ) ⋅ z −2 + a1 ⋅ Y ( z ) ⋅ z −1 + a 2 ⋅ Y ( z ) ⋅ z −2 z y ( n ) = b0 ⋅ x ( n ) + b1 ⋅ x ( n − 1) + b2 ⋅ x ( n − 2) + a1 ⋅ y ( n − 1) + a2 ⋅ y ( n − 2) NichrekursiverAnteil Rekursiver Anteil ergibt sich mit den Eigenschaften der z-Transformation die Differenzengleichung des rekursiven Systems 2. Ordnung. Nichtrekursiver Anteil Rekursiver Anteil 17 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung 2.4 Strukturrealisierung Grundbausteine zeitdiskreter Systeme Bei der praktischen digitalen Signalverarbeitung charakterisieren diese Anordnungen auch die Grundbausteine digitaler Systeme. Addition und Subtraktion mehrerer Signale x1(n) x2(n) y(n) x3(n) y(n)=x1(n)+x2(n)+x3(n) Multiplikation mit konstantem Koeffizienten x(n) y(n) bν y(n)=bνx(n) Verzögerung um ein Abtastintervall x(n) z -1 y(n) y(n)=x(n-1) 18 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung Beispiele zur Strukturrealisierung y ( n ) = − a ⋅ y ( n − 1) + b ⋅ x ( n ) x(n) y(n) b z-1 -ay(n-1) y(n-1) -a y ( n ) = b0 ⋅ x ( n ) + b1 ⋅ x ( n − 1) x(n) y(n) b0 z-1 x(n-1) b1 y ( n ) = − a ⋅ y ( n − 1) + b0 ⋅ x ( n ) + b1 ⋅ x ( n − 1) w(n) w( n ) = b0 ⋅ x ( n ) + b1 ⋅ x ( n − 1) y ( n ) = − a ⋅ y ( n − 1) + w( n ) x(n) z-1 y(n) b0 -ay(n-1) b1x(n-1) x(n-1) y(n-1) b1 z ( n ) = − a ⋅ z ( n − 1) + x ( n ) y ( n ) = b0 ⋅ z ( n ) + b1 ⋅ z ( n − 1) z-1 -a z(n) x(n) z-1 -az(n-1) b0 z-1 y(n) b1z(n-1) z(n-1) z(n-1) -a b1 z(n) x(n) -az(n-1) z b0 -1 -1 b1z(n-1) -a z(n-1) b1 y(n) 19 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung Transponierungstheorem Das Transponierungstheorem sagt aus • Umkehrung der Richtung aller Äste im Netzwerk, wobei die Faktoren bzw. Koeffizienten erhalten bleiben. • Vertauschung von Eingangsknoten x(n) und Ausgangsknoten y(n). • Alle Additionspunkte werden zu Verzweigungen und alle Verzweigungen werden zu Additionspunkten. • Die durch Umwandlung entstandenen Netzwerke sind äquivalent, d.h. sie haben die gleiche Übertragungsfunktion. Ausgehend von einem System 2. Ordnung (Direktform I) ergibt sich nach Vertauschen der Reihenfolge des nichtrekursiven und rekursiven Anteils (Direktform II) nach Anwendung des Transponierungstheorems die TRANSPONIERTE KANONISCHE FORM BZW. TRANSPONIERTE DIREKTSTRUKTUR II Die Differenzengleichung dieses transponierten Systems lautet y ( n ) = b0 ⋅ x ( n ) + v ( n − 1) v ( n ) = b1 ⋅ x ( n ) + a1 ⋅ y ( n ) + u ( n − 1) u( n ) = b2 ⋅ x ( n ) + a2 ⋅ y ( n ) 20 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung Allgemeine Strukturrealisierung N M k =1 i =0 y ( n ) = ∑ a k ⋅ y ( n − k ) + ∑ bi ⋅ x ( n − i ) Vereinfachende Annahme M=N N w(n) x(n) y(n) b0 z-1 z-1 y ( n ) = ∑ a k ⋅ y ( n − k ) + w( n ) k =1 b1 N w( n ) = ∑ bi ⋅ x ( n − i ) i =0 a1 z-1 z-1 Direktform I b2 a2 bN-1 aN-1 z-1 z-1 bN aN z(n) N y ( n ) = ∑ bi ⋅ z ( n − i ) x(n) b0 i =0 z-1 N z(n) = ∑ a k ⋅ z(n − k ) + x(n) z-1 k =1 z(n-1) a1 z-1 b1 z-1 Direktform II z(n-2) a2 b2 aN-1 bN-1 z-1 aN z-1 bN y(n) 21 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung 2. kanonische Form Direktform II x(n) b0 y(n) z-1 a1 b1 z -1 a2 b2 aN-1 bN-1 z aN -1 bN y(n) b0 x(n) z -1 a1 b1 z-1 a2 b2 aN-1 bN-1 z -1 aN 1. kanonische Form x(n) bN y(n) b0 z -1 b1 a1 z-1 b2 a2 bN-1 aN-1 z-1 bN aN 22 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung Nichtrekursive Systeme - Polynomform der Systemfunktion M H ( z ) = ∑ h(k ) ⋅ z −k k =0 M y ( n ) = ∑ bk ⋅ x ( n − k ) h( k ) = bk k =0 - Direktstruktur - Produktform der Systemfunktion H ( z ) = ∏ (a k + bk ⋅ z −1 + ck ⋅ z − 2 ) m Teilsysteme 2. Ordnung k =1 y ( n ) = y1 ( n ) ∗ y2 ( n ) ∗… ∗ ym ( n ) yk ( n ) = ak x ( n ) + bk x ( n − 1) + ck x ( n − 2); k = 1,2,…, m - Kaskadenstruktur 23 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung Rekursive Systeme Kaskadenstruktur x(n) y(n) Mathematisch betrachtet ist die Kaskadierung eine Multiplikation der Teilfunktionen H ( z ) = H 1 ( z ) ⋅ H 2 ( z ) ⋅ … ⋅ H Ms ( z ) Die Systemfunktion des rekursiven Systems mit Teilsystemen 2. Ordnung in Kaskadenstruktur lautet b0 v + b1v ⋅ z −1 + b2 v ⋅ z −2 H ( z ) = ∏ −1 − a 2 v ⋅ z − 2 v =1 1 − a1v ⋅ z Ms Als Beispiel sind drei Teilsysteme der Direktform mit der Ordnung 2 zusammengeschaltet und ergeben somit ein kaskadiertes Gesamtsystem 6. Ordnung. Die Differenzengleichung für dieses System lautet yv ( n ) = b0 v xv ( n ) + b1v xv ( n − 1) + b2 v xv ( n − 2) + a1v yv ( n − 1) + a2 v yv ( n − 2) xv +1 ( n − k ) = yv ( n − k ) 24 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung Rekursive Systeme Parallelstruktur x(n) y(n) Mathematisch betrachtet ist die Parallelschaltung eine Addition der Teilfunktionen H ( z ) = H 1 ( z ) + H 2 ( z ) + … + H Mp ( z ) Die Systemfunktion des rekursiven Systems mit Teilsystemen 2. Ordnung in Kaskadenstruktur lautet daher b0 v + b1v ⋅ z −1 H ( z) = ∑ −1 − a 2 v ⋅ z −2 v =1 1 − a1v ⋅ z Mp 25 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung 3 Zeitdiskrete , diskrete und schnelle Fouriertransformation 3.1 Zeitdiskrete Fourierreihe und Fouriertransformation Zeitdiskrete Fourierreihe für periodische Signale (Periodizität N) ~ x (n) = ∑a k= N k e jk 2π n N mit den Spektralkoeffizienten ak = 2π 1 N n − jk ∑ ~x (n ) e N n= N Im Zeitbereich periodische Signale besitzen ein diskretes Linienspektrum. Dieses Spektrum ist mit Ωα=2π periodisch. Zeitdiskrete Fouriertransformation X (Ω) = ∞ ∑ x(n) e − jΩn n = −∞ Nichtperiodische Signale besitzen ein kontinuierliches Spektrum. Dieses Spektrum ist mit Ωα=2π periodisch. Inverse zeitdiskrete Fouriertransformation x(n) = 1 2π ∫ X (Ω ) e ( π) 2 jΩn dΩ 26 Prof. Dr.-Ing. Sehmisch 3.2 Digitale Signalverarbeitung Diskrete Fouriertransformation (DFT) DFT − jk n 2π X k = X (k ) = X k = ∑ x ( n ) e N n= N N 2π Inverse DFT 1 ~ x (n) = N ∑ X (k ) e jk 2π n N k= N Gegenüber der Ermittlung des Spektrums einer zeitdiskreten Folge mittels der zeitdiskreten Fouriertransformation gelten folgende Besonderheiten - das zeitdiskrete Signal wird mit einer Fensterfunktion bewertet. Es werden nur N Abtastwerte verwendet. Fensterbreite T f = N ⋅ Ta - die Fensterung der Zeitfunktion bewirkt eine Verfälschung des Spektrums. - die kontinuierliche (normierte) Frequenz Ω wird diskretisiert Ω ⇒ Ωk = k 2π N Spektralwerte werden nur noch bei diskreten Werten Ωk ermittelt. Durch diese „Abtastung“ im Frequenzbereich im Abstand ∆Ω k = 2Nπ wird die gefensterte Zeitfunktion periodisch fortgesetzt. Daraus ergibt sich insbesondere für die DFT zeitlich periodischer Signale die Forderung, die Fensterbreite gleich einem ganzzahligen Vielfachen der Periodendauer zu wählen, um zusätzliche Verfälschungen zu vermeiden - Die 27 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung Abtastung eines allgemeinen zeitkontinuierlichen Signals und Realisierung der diskreten Fouriertransformation 28 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung Abtastung eines periodischen zeitkontinuierlichen Signals und Realisierung der diskreten Fouriertransformation (Fensterbreite gleich Periodendauer) 29 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung Abtastung eines periodischen zeitkontinuierlichen Signals und Realisierung der diskreten Fouriertransformation (Fensterbreite ungleich Periodendauer) 30 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung 3.3 Schnelle Fouriertransformation Fast Fourier Transform (FFT) FFT-Basis 2- Algorithmus 2π X k = Xk = N N −1 ∑ x(n) e − jk 2π n N DFT n =0 = N −1 2 ∑x − jk en ( n ) e 2π n N 2 n =0 = X ek + e − jk 2π N 2π N − jk n 2π 2 −1 N − jk N 2 +e xon ( n ) e n =0 ∑ X ok FFT FFT e ~ even (geradzahlig) o ~ odd (ungeradzahlig) Die FFT ist eine Ausführungsform der DFT mit wesentlich geringerem Rechenaufwand. Dabei wird eine N=2a Punkte-DFT (a~ganzzahlig) auf zwei usw. N 2 Punkte-DFT zurückgeführt − jk 2Nπ n Graph einer 4 Punkte-FFT e = WNk ⋅ n Digitale Signalprozessoren besitzen meist eine spezielle Adressierungsform für die FFT (bit reverse addressing) 31 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung 4 Entwurf von DSV-Systemen 4.1 Digitale Filter Definition: Aus einer Eingangswertefolge x(n) (Abtastwerte, dargestellt als digitale Kodeworte) wird i.a. durch einen digitalen Signalprozessor mit entsprechender Peripherie nach einem bestimmten Filteralgorithmus die Ausgangswertefolge y(n) berechnet. Typische Toleranzschemata a) Tiefpaß b) Hochpaß c) Bandpaß d) Bandsperre f = fn = ft fa 32 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung Syntheseschritte • Vorgegebenes Toleranzschema für die Übertragungsfunktion H(Ω) nach Betrag und/oder Phase ist durch das entworfene Filter so gut wie nötig zu erfüllen. • Wahl der Filterart FIR- oder IIR-Filter • Eigentlicher Filterentwurf nach gewähltem Entwurfsverfahren • Analyse, Simulation • Kontrolle der Einhaltung des Toleranzschemas unter realen Bedingungen • Realisierung Hardwareimplementierung und Test Toleranzschema für den Betrag der Übertragungsfunktion (Beispiel Tiefpaß) H (Ω) 1+δD 1 1-δD δS ΩD Ω = 2π δD δS ΩD ΩS f fa ~ ~ ~ ~ ~ ΩS π Ω normierte Frequenz Toleranz im Durchlaßbereich Toleranz im Sperrbereich Grenzfrequenz des Durchlaßbereiches Grenzfrequenz des Sperrbereiches Darstellung als Dämpfungstoleranzschema a = −20 lg H (Ω) aD ~ Durchlaß- aS ~ Sperrdämpfung Für die Umrechnung gelten folgende Zusammenhänge Dämpfungswerte Durchlaßbereich a D = − 20dB ⋅ log(1 − δ D ) Sperrbereich a S = −20dB ⋅ log(δ S ) Fehlergrenzen δ D = 1 − 10 − a / 20dB δ S = 10 −a / 20 dB D S 33 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung Gegenüberstellung von FIR- und IIR-Systemen Beispiel für IIR-System: Rekursives digitales Filter 1. Ordnung x(n) y(n) b0 z-1 z-1 y(n-1) x(n-1) b1 Nichtrekursiver Teil a1 Rekursiver Teil Differenze ngleichung y ( n ) = b0 ⋅ x ( n ) + b1 ⋅ x ( n − 1) + a1 ⋅ y ( n − 1) Einheitsimpulsantwort h(n) = b0 ⋅ δ ( n ) + b1 ⋅ b1 ⋅ δ ( n − 1) + a1 ⋅ h( n − 1) z + bb Y ( z ) b0 + b1 ⋅ z −1 b0 ⋅ z + b1 H ( z) = = = = b0 X ( z ) 1 − a1 ⋅ z −1 z − a1 z − a1 1 Systemfunktion Polstelle von H ( z ) 0 z ∞ − a1 = 0 ⇒ z ∞ = a1 IIR-Filter sind auf Stabilität zu untersuchen Beispiel für FIR-System Nichtrekursives digitales Filter 1. Ordnung (rekursiver Anteil entfällt) Differenze ngleichung y ( n ) = b0 ⋅ x ( n ) + b1 ⋅ x ( n − 1) Einheitsimpulsantwort h(n) = b0 ⋅ δ ( n ) + b1 ⋅ δ ( n − 1) Allgemein gilt für die Einheitsimpulsanwort bei FIR - Systemen h( n ) = bn , 0 ≤ n ≤ M Systemfunktion Stabilitätsbedingung H ( z) = M Y ( z) = b0 + b1 ⋅ z −1 = ∑ bv ⋅ z − v mit M = 1 X ( z) v =0 ∞ ∑ h(n) < ∞ n =0 FIR-Filter sind immer stabil 34 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung Entwurfsverfahren für digitale Filter FIR-Filterentwurf: - Fourierapproximation (mit Fensterfunktionen) - Tschebyscheffapproximation - Frequenzabtastung - Schnelle Faltung IIR-Filterentwurf: - Bilineare Transformation - Impulsvarianz - Approximationsverfahren im z-Bereich (numerische/analytische Verfahren) 35 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung 4.1.1 FIR-Filter FIR-Filter werden entsprechend den Forderungen gemäß Toleranzschema direkt im zeitdiskreten Bereich entworfen. Erfüllt die Impulsantwort bestimmte Symmetriebedingungen, sind FIR-Filter linearphasig. FIR-Filter sind immer stabil. Linearphasige FIR-Systeme Betrachtung der Einheitsimpulsantworten M allgemein: h ( n ) = ∑ bν ⋅ δ ( n − ν ) N=M+1 ν =0 Typ-I-FIR-System: gerade Ordnung M (Beispiel M=4) h(n)=h(M-n), 0≤n≤M/2-1 Spiegelsymmetrische Einheitsimpulsantwort bezüglich α=M/2 Typ-III-FIR-System: gerade Ordnung M (Beispiel M=4) h(n)=-h(M-n) 0≤n≤M/2-1 Antisymmetrische Einheitsimpulsantwort bezüglich α=M/2 Übertragungsfunktion für Typ-I-System: H (Ω) = e α bzw. H (Ω ) = bα + 2∑ bα −ν ⋅ cos(Ων ) und ν =1 − jΩα b + 2 α b ⋅ cos(Ων ) ∑ α −ν α ν =1 ϕ (Ω ) = −Ω ⋅ α 36 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung Entwurf mittels Fourierapproximation Bestimmung der Impulsantwort h(n ) = 1 2π π ∫π H (Ω )e jΩn W dΩ − H W (Ω ) = H W (Ω ) e jϕ HW ( Ω ) vorgegebene komplexe (ideale) Wunschübertragungsfunktion Zur Begrenzung der Impulsantwort und zur Verbesserung des Übertragungsverhaltens (geringes Überschwingen des Betrages der Übertragungsfunktion) wird die Impulsantwort h(n) mit Fensterfunktionen w(n) bewertet. H w( Ω ) 1 −π − Ωg Ωg 0 ΩD ϕ (Ω) Ω ΩS π Ω −π π Wunschübertragungsfunktion eines TP-Filters Schritte - Impulsantwort h(n) von entsprechender Wunschübertragungsfunktion HW(Ω) bestimmen. - Bewertung der errechneten Impulsantwortwerte h(n) mit Wichtungskoeffizienten w(n) der gewählten Fensterfunktion h * ( n ) = h ( n ) ⋅ w( n ) - Aufstellen der DnGl mit h ( n ) = b ( n ) ∗ ∗ - Ermittlung der zu realisierenden Übertragungsfunktion H(Ω) und Kontrolle der Einhaltung des Toleranzschemas unter realen Bedingungen (Analyse und Simulation) - Realisierung mit DSP, Test Fensterfunktionen RechteckDreieckHammingHanning- -Fenster 37 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung 4.1.2 IIR-Filter Beim Entwurf von IIR-Filtern werden die Kenntnisse des Analogfilterentwurfs genutzt. IIRFilter weisen abgesehen von Sonderfällen i.a. einen nichtlinearen Phasenverlauf der Übertragungsfunktion auf. IIR-Filter sind auf Stabilität zu prüfen. Entwurf mittels Bilineartransformation Mit der Bilineartransformation 2 1 − z −1 p= ⋅ T 1 + z −1 p ~ komplexe Analogfrequenz wird die analoge Systemfunktion H(p) in die Systemfunktion H(z) des zeitdiskreten Bereichs überführt. Durch diese Abbildungsfunktion wird die linke p-Halbebene in das Innere des Einheitskreises der z-Ebene abgebildet. Stabile Analogsysteme ergeben also stabile zeitdiskrete Systeme. Durch die Abhängigkeit zwischen den komplexen Variablen p und z gemäß Bilineartransformation ergibt sich ein nichtlinearer Zusammenhang zwischen den Analogfrequenzen ω und den normierten Frequenzen Ω im zeitdiskreten Bereich. Bilineartransformation 1 + T2 ⋅ p z= 1 − T2 ⋅ p 2 z − 1 2 1− z− 1 p= ⋅ = ⋅ T z + 1 T 1+ z− 1 p j z j 1 1 -j -j Abbildung der p-Ebene auf die z-Ebene bei der bilinearen Transformation. Mit z = e folgt jΩ Ω 2 2 1− e 2 j 2 ⋅ sin( ) ⋅ e 2j ⋅ tan ( Ω2 ) ⋅ = ⋅ Ω = − jΩ − j T 1+ e T T 2 ⋅ cos( Ω2 ) ⋅ e 2 2 Ω = 2 ⋅ arctan (ω ⋅ T2 ) p=σ+jω σ=0 ω = ⋅ tan ( Ω2 ) T p= − jΩ Ω 2 −j 38 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung ω ω= 2 tan ( Ω2 ) T ωS ω D 0 Η analog π 0 Ω Η digital Ω D ΩS π Ω Darstellung des analogen Toleranzschemas und des digitalen Toleranzschemas mit Berücksichtigung der Frequenzverzerrung. Schritte - Vorgabe des Toleranzschemas für das digitale Filter (Grenzwerte für die zeitdiskrete Übertragungsfunktion; z.B. für TP δD, δS; ΩD, ΩS) - Wahl der Abtastfrequenz fa - Umrechnung des Toleranzschemas des digitalen Filters in ein Toleranzschema für das entsprechende Analogfilter - Entwurf des Analogfilters Dabei wird nach einer zusätzlichen Frequenztransformation im Analogbereich ein Bezugstiefpaß entworfen und dieser dann in das zu entwerfende Analogfilter transformiert. - Eigentliche Bilineartransformation der analogen in die zeitdiskrete Systemfunktion durchführen. - Ermittlung der zeitdiskreten Übertragungsfunktion H(Ω) und Kontrolle der Einhaltung des Toleranzschemas unter realen Bedingungen (Analyse und Simulation) - Realisierung mit DSP, Test 39 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung 5 Digitale Signalprozessoren (DSP) DSP sind gegenüber universellen Mikroprozessoren für die Realisierung von Algorithmen der digitalen Signalverarbeitung optimiert. Man unterscheidet in • Algorithmusspezifische DSP programmierbare Filterbausteine • Funktionsspezifische DSP Realisierung mehrerer Algorithmen der DSV • Frei programmierbare DSP Universell einsetzbar Umfangreiche Befehlssätze Merkmale von DSP Harvardarchitektur Spezielle Hardwarekomponenten Spezieller Befehlssatz Wortbreiten (24bit, 32bit) Taktfrequenzen (40MHz, 60MHz, 200 MHz..) CMOS-Technologie Anwendungen Audiosignalverarbeitung Schnelle Fouriertransformation Realisierung digitaler Filter Signalstatistik Korrelation Signalgenerierung Meßtechnik 40 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung 41 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung DSP56002 Block-Diagramm Anwendungen • Audiosignalverarbeitung • Schnelle Fouriertransformation • Signalstatistik • Korrelation • Meßtechnik • Signalgenerierung • Realisierung digitaler Filter 42 Prof. Dr.-Ing. Sehmisch Digitale Signalverarbeitung Direktstruktur für FIR-Filter x(n) z x(n-1) -1 b0 b1 z x(n-2) -1 z b2 x(n-M) -1 b M-1 bM y(n) Die Differenzengleichung für dieses FIR-System lautet y ( n ) = b0 ⋅ x ( n ) + b1 ⋅ x ( n − 1) + b2 ⋅ x ( n − 2) + M0=14 X:(R0) R0 x(n) + bM ⋅ x ( n − M ) M4=14 Y:(R4) b0 R4 x(n-1) b1 x(n-2) b2 x(n-3) b3 x(n-14) b 14 Ringbuffer im X-Datenspeicher Ringbuffer im Y-Datenspeicher für das digitale Eingangssignal für die Filterkoeffizienten Filter-Programmteil clr a x0,x:(r0)+ y:(r4)+,y0 rep #ntaps-1 mac x0,y0,a x:(r0)+,x0 y:(r4)+,y0 macr x0,y0,a (r0)move a,y:out Voraussetzungen: x0 ---input sample a -----output sample ;save input sample ;ntaps-1=M ;compute b(i)*x(n-i) ;round result, reset r0 ;save output