Signalbehandling og matematik (Tidsdiskrete signaler og systemer)

Slides:



Advertisements
Lignende præsentationer
Regressions modeller – Hvad regresserer vi på og hvorfor?
Advertisements

Lyd fra musikinstrumenter
Vektorer i planen Regneregler Definition Begreber Definition af:
Herunder bevis for punkt-plan afstandsformlen
Parabler, 2. gradspolynomier og 2.gradsligninger
Dagens program Kursusevaluering Information Spørgsmål om eksamen
Funktioners parametre Beviser
MatemaTik - Lineære funktioner
Statistik Lektion 17 Multipel Lineær Regression
Lineære funktioner AM/ Maj 2006
2. gradspolynomier og parabler
Overvej, at trekanterne DOKD og DOFG er ensvinklede
Sammenligning af to grupper – kapitel 7
Areal og Integral AM/2011.
Opgave 4 og 1 Kristina og Anna
Signalbehandling og matematik (Tidsdiskrete signaler og systemer)
Signalbehandling og matematik 1 (Tidsdiskrete signaler og systemer)
Anvendt Statistik Lektion 8
Statistik Lektion 5 Log-lineære modeller.
Martin Andersen og Mads Petersson Nr. 7
Begreber og Redskaber 8. Plan for idag Sortering fortsat Comparable Søgning –Lineær søgning –Binær søgning.
CSY2 – Spørgsmål 10 Generelt reguleringssystem
Areal og bestemt integral
Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable
1 Bevisteknikker. 2 Bevisteknikker (relevant både ved design og verifikation) Teorem: Der findes uendeligt mange primtal Bevis: Antag at der findes et.
Kap. 7. Tidejord. Torge Kap og (S. Abbas Khan)
Statistik II 5. Lektion Log-lineære modeller.
Statistik Lektion 3 Bernoulli og binomial fordelingerne
Differentialregning Af Mathias P., Kim og Maja Først har vi de basale spørgsmål, som alle skal have med. Derefter har vi det med du skal bruge, hvis du.
Begrebskort for lineære differentialligningsmodeller
Økonometri 1: Binær responsmodeller: Logit og probit1 Økonometri 1 Binær responsmodeller: Logit og probit 8. maj 2003.
Statikstik II 2. Lektion Lidt sandsynlighedsregning
Økonometri 1: F121 Økonometri 1 Heteroskedasticitet 27. oktober 2006.
Simpel Lineær Regression
Opsamling Simpel/Multipel Lineær Regression Logistisk Regression
Hypotesetest Hypotesetest og kritiske værdier Type 1 og Type 2 fejl
Multipel Lineær Regression
Statikstik II 2. Lektion Lidt sandsynlighedsregning
Erhvervsøkonomi / Managerial Economics
1 Design, analyse og verifikation. 2 Design Bevisteknikker Design ved hjælp at matematisk induktion Analyse O-notation Logaritmer Binær søgning Verifikation.
PC baseret analyse og simulering
W6a1 PC baseret analyse og simulering. w6a2 Samplede data Eksperimentelt bliver mange signaler digitaliseret – de bliver overført fra det kontinuerte.
1 Parametrisk equalizer Fremlæggelse af gruppe juni 2004.
Digitalt højpasfilter
Poissonfordelte observationer Deskriptiv analyse Jens Friis, AAU.
Økonometri – lektion 5 Multipel Lineær Regression
Carsten Stig Poulsen1 HA 4. semester Markedsanalyse 3. gang Torsdag d. 23. april 2009.
Økonometri – lektion 8 Multipel Lineær Regression
Simpel Lineær Regression
Økonometri – lektion 4 Multipel Lineær Regression Model Estimation Inferens.
Økonometri 1: Inferens i den multiple regressionsmodel1 Økonometri 1 Inferens i den multiple regressionsmodel 3. marts 2003.
Simpel Lineær Regression
Økonometri 1: Den multiple regressionsmodel1 Økonometri 1 Den multiple regressionsmodel 24. februar 2003.
Funktioner generelt nr. 16
Økonometri 1: Den multiple regressionsmodel1 Økonometri 1 Den multiple regressionsmodel 15. februar 2006.
Signalbehandling og matematik 2 (Tidsdiskrete signaler og systemer) Session 9. Design of digital IIR filters Ved Samuel Schmidt
Signalbehandling og matematik 2 (Tidsdiskrete signaler og systemer)
Signalbehandling og matematik 2 (Tidsdiskrete signaler og systemer)
Statistik II 4. Lektion Logistisk regression.
1 Lydtryksmåler Kim Nørmark. 2 Lydtryksmåler 3 A-vægtningsfilter.
Økonometri 1: F71 Økonometri 1 Inferens i den lineære regressionsmodel 29. september 2006.
Opsamling ● Generelle lineære modeller ● Logistisk regression ● Log-lineære modeller ● Mini-projekt.
Logistisk regression –Odds/Odds ratio Probit model Fortolkning udfra latent variabel.
Den multiple regressionsmodel 21. september 2005
Anvendt Statistik Lektion 8
Delprøve i M2CAL2 efterår 2017
Øvelse 7.1 De 4 flip-flop typer S-R: Set-Reset D: Delay T: Toggle
Præsentationens transcript:

Signalbehandling og matematik (Tidsdiskrete signaler og systemer) Session 7. Analyse af lineare systemer og praktiske eksempler Ved Samuel Schmidt sschmidt@hst.aau.dk

Agenda Amplitude og fase respons plots fortsat. Fra poler til Fourier plots Ideelle filtre Matlab

Signaler og systemer i de 3 domæner Repetition Signaler og systemer i de 3 domæner System Input Output Output Tids domænet: Fourier domænet: Z-transfomation:

IIR og FIR filter Repetition IIR FIR Systemer med uendelige impuls respons har altid mindst en betydende pol (det vil sige ikke nul poler eller ophævede poler) FIR Systemer med endelige impuls respons har ingen betydende poler (det vil sige ikke nul poler eller ophævede poler) General form: Eksempel: Invers transformation:

ROC af differentiel funktioner Repetition ROC af differentiel funktioner Hvis systemet er kausalt Hvis systemet er stabilt og dobbelt siddet Re Im 1 2 3 * * Im 3 2 1 Re * * 1 2 5

Stabilt system Et stabilt system et system med en begrænset output interval såfremt inputtet er begrænset ”Bounded input Bounded output (BIBO)” I tids domænet: Vi kan se om ovenforstående gælder i z-transformatione hvis Derfor skal enhedscirkelen ligge i ROC hvis systemet er stabilt Dermed skal polerne for et stabilt system ligge indenfor enhedcirkelen

Amplitude og fase respons Repetition Amplitude og fase respons Amplitude output : Fase output : Hvor kaldes amplitude responsen eller ”gain” Hvor kaldes fase responsen eller fase skiftet

Amplitude og fase respons: Ideelle delay system Repetition Amplitude og fase respons: Ideelle delay system Ideelle delay system: Frekvens respons Amplitude respons Fase respons

Group delay Repetition Forskydning opgivet i samples (tid) Idelle delay: Group delay:

Ideelt gruppe delay Repetition I de fleste systemer vil vi gerne have konstant gruppe delay for interessante frekvenser Da forsager en lineær fase respons et konstant gruppe delay.

Agenda Amplitude og fase respons plots fortsat. Fra poler til Fourier plots Ideelle filtre Matlab

Frekvens respons af LTI systemer Outputtet er inputtet foldet med systemets impuls respons Foldning svare til multiplikation i frekvens domænet

Amplitude og fase respons Amplitude output : Fase output : Hvor kaldes amplitude responsen eller ”gain” Hvor kaldes fase responsen eller fase skiftet

EKG filteret med et filter med ikke linear fase

Frekvens respons af rationelle systemer Ved at substituere z=ejω

Amplitude respons af rationelle systemer multiplikation/division af absolutte faktorer

Fase respons af rationelle systemer Gruppe delay: Addering/substrahering af absolutte faktorer

Amplitude respons i dB Amplitude respons i dB: Der med kan både Amplitude og fase respons beregne ved addering

Generaliseret lineær fase Hvor A er en reel funktion til ω Og hvor det ekspotentielle led beskriver fasen ved den lineære funktion hvor α og β er konstanter

Eksempel på Generaliseret lineær fase Z transform FT transform Sidste led er jævnfør bevis side 73 Fasen –ω1.5 og gruppe delay er 1.5 sampels

Symmetri af impulsresponser Sikkerhed for generel lineær fase hvis Symmetrisk impuls respons: Antisymmetrisk impuls respons:

Eksempler på symmetriske FIR linear fase systemer Type I: h[n]=h[m-n] (M Even) Type II, h[n]=h[m-n] (M odd) Type III, h[n]=-h[m-n] (M Even) Type IV, h[n]=-h[m-n] (M odd)

Agenda Amplitude og fase respons plots fortsat. Fra poler til Fourier plots Ideelle filtre Matlab

Amplitude respons fra et nul punkt i z-planet (1/2) System z-domæne: System Fourier domæne Plot poler, nul punkter og som vektore i z-planet Fra vektor matematik ved vi: Og da amplitude responsen er Nul vektor Derfor

Amplitude respons fra et nul punkt i z-planet (2/2)

Polers virkning på amplitude responsen Et nul punkt og ingen pol: Ingen nul punkt og en pol Så derfor jo mindre v3 (pole vektor) og jo større amplitude

Fase respons fra z-plan et nul punkt System z-domæne: System Fourier domæne Husk faser fra flere systemer skal adderes: Derfor er Da Er

Fase respons fra et nul punkt i z-planet (2/2)

Agenda Amplitude og fase respons plots fortsat. Fra poler til Fourier plots Ideelle filtre Matlab

Ideelle filtre Fjerner uønskede signaler Påvirker ikke det ønskede signal

Implusrespond for ideellet lavpas filter

Poler og nulpunkter

Fra lavpas til højpas filtere Invers Fourier Differrens funktion

Digital resonator Poler tæt på enhedscirklen

Notch Filter Nul punkter tæt på enhedscirklen o Re Im 1 2 3 o o

All-pass filter F.eks.

Agenda Amplitude og fase respons plots fortsat. Fra poler til Fourier plots Ideelle filtre Matlab

Test af digitalt system (A) Find impuls responsen af system2.m

Test af digitalt system (A) Er systemet lineært? Er det tidsinvariant? Er det kausalt? Er det stabilt? Er det et IR eller FIR system?

Lineært system Defineret ud fra superposition

Tidsinvariante systemer Et tidsinvariant system er uafhængigt af eksplicit tid (Koefficienterne er uafhængig af tid) Det vil sige hvis x2[n]=x1[n-n0] så er y2[n]=y1[n-n0] Det samme i går, i dag, i morgen og om 1000 år 70 år 45 år 20 år Ikke tidsinvariant system

Kausalitet Et kausalt system kun afhængig af input fra fortid og nutid. y[n1] er kun afhængig af x[n] hvor nn1

Stabilitet Et stabilt system et system med en begrænset output interval såfremt inputtet er begrænset Bounded input Bounded output (BIBO) Hvilket kan sikres hvis impulsresponsen kan summers til en endelig værdi Givet

FIR systemer Finite impulse response (FIR) Endelig antal nonzero samples i impulsresponsen Altid stabilt så længe værdierne i impuls responsen er endelige

IIR systemer Infinite impulse response (IIR) Uendelig antal nonzero samples i impulsresponsen Kan være både stabilt og ustabilt Eksempel på et stabilt system

Test af digitalt system (A) Er systemet lineært? Ja Er det tidsinvariant? Ja Er det kausalt? Ja Er det stabilt? Ja Er det et IR eller FIR system? FIR

Test af digitalt system (B) systemB.m System respons Bestem poler og nul punkter Find frekvensen responsen H(ej) analytisk Find frekvensen responsen H(ej) i fra impuls responsen

Output af system Bestem output hvis inputtet er Bestem y[n] med ved hjælp af systemet Bestem y[n] med foldning i mellem Bestem y[n] med Fourier transform Bestem y[n] med input output funktion (Differentiel funktion)