Universitt Koblenz Institut fr integrierte Naturwissenschaften Abteilung Physik

Signale

Seminar Digitale Signalverarbeitung Dr. Merten Joost

von Ralf Tppner Matrikelnr.: 201210387 Koblenz, den 10. Juni 2005

Inhaltsverzeichnis
1 2 3 4 5 Vorwort Signale und Systeme Elementarsignale Dirac-Impuls Einteilung von Signalen
5.1 5.2 5.3 5.4 5.5 5.6 Diskrete und kontinuierliche Signale . . . . . . . . . . . . . . . . . . . . . . . Deterministische und stochastische Signale . . . . . . . . . . . . . . . . . . . . Periodische, kausale, gerade und ungerade Signale . . . . . . . . . . . . . . . . Reelle und komplexe Signale . . . . . . . . . . . . . . . . . . . . . . . . . . . . Energie- und Leistungssignale . . . . . . . . . . . . . . . . . . . . . . . . . . . Orthogonale Signale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2 2 3 4 6
6 7 8 8 9 10

LTI-Systeme
6.1 6.2 Besondere Eigenschaften linearer Systeme . . . . . . . . . . . . . . . . . . . . Weitere Eigenschaften von Systemen . . . . . . . . . . . . . . . . . . . . . . .

12
12 14

Zusammenfassung

14

Vorwort

Im Studium der Informatik ist das Thema

Signale kaum mehr vertreten. Wir gehen in der In-

formatik von den Bits als atomare Einheiten aus. Alles ist aus Nullen und Einsen aufgebaut. Wenn Daten bertragen werden, werden auch nur eben diese Einsen und Nullen bertragen. Was sich physikalisch auf der Leitung bzw. in den Gerten abspielt wird weitestgehend auer Acht gelassen, dabei knnte die Informatik ohne die digitale Signalverarbeitung gar nicht existieren. Schlielich mssen bei der Datenbertragung die Bits immer wieder in Signale umgewandelt werden. Diese Signale knnen sich je nach verwendetem Medium stark voneinander unterscheiden. Am anderen Ende mssen diese Signale abgetastet und analysiert werden. Fr das Verstndnis dieser Vorgnge ist es ntig eine allgemeine Vorstellung von Signalen zu bekommen. Diese soll hier geschaen werden.

Signale und Systeme

1

Das Wort Signal ist vom lateinischen Begri signalis abgeleitet. Es bedeutet soviel wie dazu bestimmt, ein Zeichen zu geben . Unter diesem Begri werden die in einem physikalischen System auftretenden Variablen, wie etwa Spannungen, Strme, Temperaturen, Krfte usw., zusammengefasst. In den meisten Fllen ndern sich diese Signale mit der Zeit und knnen daher, mathematisch betrachtet, als Funktionen der Zeit dargestellt werden. Diese wird meist mit dem Buchstaben chung

abgekrzt. Betrachten wir etwa den Strom

durch einen Leiter iet, so kann die Tatsache, dass

i, der i von der Zeit t abhngt durch die Glei-

i = f (t) oder durch i = i(t) ausgedrckt werden. Die zweite Schreibweise ist allerdings t
bezeichnet wird. Allerdings stellt das kein Problem dar, da zu jeder Zeit

inkonsequent, da mit dem gleichen Symbol sowohl die Funktion, als auch der Funktionswert zum Zeitpunkt erkennbar ist, ob Funktion, oder Funktionswert gemeint ist. Bei der Festlegung der Formelzeichen wird dabei meist keine Rcksicht auf die physikalische Natur der Signale genommen. Stattdessen verwendet man meist Bezeichnungen wie Ausgangssignal wird formal durch die Formel ausgedrckt.

x(t), y (t)

oder

z (t). y (t) = T {x(t)}

Die Verarbeitung bzw. Umwandlung (Transformation) eines Eingangssignals zu einem

x(t) y (t)

oder umgekehrt

Abbildung 1: Zeitdarstellung

Abbildung 2: Darstellung als Spektrum

Signale lassen sich jedoch nicht nur im Zeitbereich, sondern auch im Frequenzbereich, im sogenannten Spektrum, des Signals beschreiben. Die Kenntnis des Spektrums ist die entscheidende Voraussetzung um Probleme in der Digitalen Signalverarbeitung zu lsen. So kann z.B. eine ausreichende Abtastfrequenz nur mit Kenntnis des Spektrums ermittelt werden. In Abbildung 1 ist eine zeitliche Darstellung eines Signals, in Abbildung 2 eine Darstellung als Spektrum gezeigt. In der zeitlichen Darstellung ist zu sehen, wie sich die Amplitude des Signals mit der Zeit ndert. In der Grak eines Spektrums lsst sich ablesen, aus welchen Frequenzen ein Signal zusammengesetzt ist, und zu welchem Anteil diese am Signal beteiligt sind. Ein weiterer Begri, der oft im Zusammenhang mit Signalen verwendet wird, ist der Begri System. Ein System ist ein technisches oder physikalisches Gebilde, das ein Signal, das Eingangssignal

x(t),

in ein anderes Signal, das Ausgangssignal

y (t),

umformt. Statt

Eingangs- und Ausgangssignal spricht man auch von Erregung und Reaktion. Grasch

1 http://www.wikipedia.org

Abbildung 3: System

wird ein System durch einen Block dargestellt, in welchem die Signale gekennzeichnet werden. Die Signalrichtung wird dabei durch Pfeile ausgedrckt (siehe Abbildung 3). Kapitel 6 auf Seite 12 befasst sich noch einmal ausfhrlicher mit Systemen, vor allem mit sog.

Systemen.
3

LTI-

Elementarsignale

Unter Elementarsignalen versteht man eine Klasse von Zeitfunktionen, aus denen jeder beliebige Signalverlauf zusammensetzbar ist. Elementarsignale lassen sich eindeutig durch eine Funktion werden.

x(t)

beschreiben. Im Folgenden sollen einige typische Elementarsignale vorgestellt

Sprungfunktion (auch Einheitssprung oder Schrittfunktion)

(t) =

0:t<0 1:t0

Abbildung 4: Sprungfunktion

Rampenfunktion

r(t) = t (t) =

0:t<0 t:t0

Abbildung 5: Rampenfunktion

Rechteckfunktion

rect

t T0

0 : |t| > 1 : |t|

T0 2 T0 2

Abbildung 6: Rechteckfunktion

sinc- oder Spalt-Funktion

sinc

t T0

sin =

t T0 t T0

Abbildung 7: sinc-Funktion

Die in der Signalverarbeitung wohl wichtigste Funktion ist die Cosinusfunktion oder Cosinusschwingung:

cos(2f0 t) x(t) = X X
gibt dabei die Amplitude oder den Scheitelwert und

(1)

f0

die Frequenz an. Verschiebt

man die Cosinusfunktion um

nach rechts, so erhlt man die Sinusfunktion. Multipli-

ziert man nun die Sinusfunktion mit der imaginren Einheit Sinusschwingung oder komplexe Exponentialfunktion (3).

und addiert das Ergebnis

zur Cosinusfunktion (1) so erhalten wir mithilfe der Eulerschen Formel (2) die komplexe

ejx = cos(x) + j sin(x)

(2)

cos(2f0 t) + j X sin(2f0 t) = Xe j 2f0 t x(t) = X (3) x(t) kann man sich dabei als Drehzeiger mit der Lnge X und dem Winkel 2f0 t(= t) vorstellen, welcher mit der Winkelgeschwindigkeit 2f0 (= ) in der komplexen Ebene rotiert. Die Frequenz f0 ist dabei gleich der Anzahl der Umdrehungen pro Zeiteinheit (siehe

Abbildung 8: Die komplexe Exponentialfunktion als Drehzeiger

Abbildung 8).

4
Die tol;

Dirac-Impuls
-Funktion, die zu Ehren des Mathematikers Paul A. M. Dirac (* 8. August 1902 in Bris 20. Oktober 1984 in Tallahassee)2 auch Diracfunktion genannt wird, ist im mathema-

2 http://www.calsky.com/lexikon/de

tischen Sinne eigentlich keine Funktion, sondern eine Distribution, d.h. eine verallgemeinerte Funktion. Das bedeutet, dass ein Funktionswert sich nicht durch Einsetzen eines Arguments ergibt, sondern durch Ausfhren einer Rechenvorschrift. Es gibt mehrere Mglichkeiten, die Deltafunktion zu denieren, eine Variante lautet:

(t) = 0 fr t = 0 (t)dt = 1 Fr t = 0 ist der Funktionswert

Rechteckfunktion hat die Hhe 1 und die Breite und lsst anschlieend

(4) unbestimmt!

Die Diracfunktion kann man sich als Rechteckfunktion mit der Flche

vorstellen. Die

T0 .

Multipliziert man die Funktion mit

T0

gegen Null gehen, so entsteht ein Rechteckimpuls

(t)

1 T0 welcher

unendlich hoch und unendlich dnn ist. Die Denition der Diracfunktion (4) kann so interpretiert werden, dass die Diracfunktion nur dort existiert, wo ihr Argument

verschwindet. Die Deltafunktion an der Stelle

t0

kann also auch durch Gleichung (5) beschrieben werden.

(t t0 ) = (t0 t)
Betrachten wir nun das Integral

(5)

x(t) (t t0 )dt =

x(t) (t0 t)dt =?

Der Integrand ist ein Produkt, wobei einer der Faktoren (nmlich der Dirac-Impuls) auer bei

t = t0

stets verschwindet. Der andere Faktor (nmlich

x(t))

hat darum nur bei

t = t0

einen Einuss auf das Produkt. Das Produkt und damit auch obiges Integral kann deshalb anders geschrieben werden:

x(t) (t0 t)dt =

x(t) (t0 t)dt = x(t0 )

(t0 t)dt = x(t0 )

1

Damit haben wir nun die wichtigste Eigenschaft des Dirac-Impulses (Gleichung (6)).

x(t) (t t0 )dt =

Man sagt, dass der Dirac-Impuls

x(t) (t0 t)dt = x(t0 )

(6)

(t t0 )

das Signal

x(t)

an der Stelle

t = t0

abtastet. Man

spricht daher von der Abtasteigenschaft [1] des Dirac-Impulses. Diese Eigenschaft wird auch Ausblendeigenschaft[2] genannt. Mithilfe der Fouriertransformation

3 erhalten wir:

(t)

(t) ejt dt =

(t) ej0 dt =
=1

(t)dt = 1
(7)

(t) 1
Das bedeutet also, dass der Dirac-Impuls alle Frequenzen enthlt.

Abbildung 9: Der Dirac-Impuls

3 Siehe

Vortrag Fouriertrnsformation des Seminars Digitale Signalverarbeitung

Dargestellt wird der Dirac-Impuls, wie Abbildung 9 zeigt, mit einem Pfeil. Die neben dem Pfeil stehende Zahl gibt das Gewicht, d.h. die Flche des Dirac-Impulses an. Mithilfe des Dirac-Impulses sind wir nun in der Lage die sogenannte Abtastfunktion oder DiracImpulsreihe zu bilden. Zu diesem Zweck addiert man zum Dirac-Impuls seine um das Vielfache von

verschobenen Duplikate (siehe Gleichung (8)).

T (t) =

(t nT )

(8)

Die so denierte Funktion ist in Abbildung 10 zu sehen. Neben Dirac-Impulsreihe und Ab-

Abbildung 10: Abtastfunktion

tastfunktion wird sie auch Dirac-Kamm genannt.

Einteilung von Signalen

Signale lassen sich aufgrund verschiedener Eigenschaften in verschiedene Klassen einteilen. In diesem Kapitel sollen verschiedene solche, zum Teil unabhngige Einteilungen vorgenommen werden. Zunchst werden Signale in Bezug auf ihren Werte- und Denitionsbereich untersucht.

5.1

Diskrete und kontinuierliche Signale

s(t), dessen Funktionswerte s nur fr diskrete - meist quidistante - Zeitpunkte tv ; v = 0, 1, 2, 3, ... deniert ist, nennt man zeitdiskret. Ist der Funktionswert s hingegen fr jeden Punkt t eines kontinuierlichen Zeitbereichs deniert, dann nennt man das Signal
Ein Signal zeitkontinuierlich. Entsprechend nennt man das Signal wertdiskret bzw. wertkontinuierlich, in Abhngigkeit davon, ob der Wertebereich diskret oder kontinuierlich ist. Man kann also bezglich des Werte- und Denitionsbereiches zwischen vier verschiedenen Signaltypen unterscheiden: a) zeitkontinuierliche wertkontinuierliche Signale b) zeitdiskrete wertkontinuierliche Signale c) zeitkontinuierliche wertdiskrete Signale d) zeitdiskrete und wertdiskrete Signale Signalart (a) wird auch kurz als analoge Signale bezeichnet und Signalart (d) als digitale Signale, fr den Fall, dass der Wertebereich von

s(t)

endlich ist. Diese Signale sind fr die

DSV (Digitale Signalverarbeitung) natrlich die bedeutendsten. In Abbildung 11[4] ist zu jeder Signalart ein Beispielgraph abgebildet. Zu beachten ist, dass bei zeitdiskreten Funktionen der Funktionswert zwischen den diskreten Zeitpunkten undeniert (Flle (b) und (d)). Ein reelles zeitdiskretes Signal

dv nicht Null ist, sondern s(t) kann man sich auch

als Folge reeller Zahlen vorstellen. Erzeugt wird solch ein Signal, indem man ein analoges Signal mit quidistanten Abstnden abtastet. Der entsprechend umgekehrte Vorgang wird Interpolation genannt. Ein zeitkontinuierliches wertdiskretes Signal erhlt man durch

Abbildung 11: Signale in Bezug auf Wert- und Denitionsbereich

Quantisierung eines analogen Signals. In diesem Fall nennt man den umgekehrten Vorgang Glttung. Whrend eine Interpolation unter bestimmten Bedingungen das Originalsignal fehlerfrei wiederherstellen kann, ist eine Glttung stets mit Fehlern behaftet. Dieser Fehler wird auch Quantisierungsrauschen genannt. Die Entstehung eines digitalen Signals kann man sich vorstellen, als Abtastung und Quantisierung eines analogen Signals, wobei die Reihenfolge dabei keine Rolle spielt. In der nachfolgenden Tabelle sind nocheinmal die Beziehungen zwischen den verschiedenen Signalarten dargestellt: (a) (a) (a) (d) (c) (b)

(b) (c) (d) (a) (a) (a)

: : : : : :

Abtastung Quantisierung analog-digitale-Umsetzung (ADU) digital-analog-Umsetzung (DAU) Glttung Interpolation

5.2

Deterministische und stochastische Signale

Deterministische Signale sind Funktionen, deren Funktionswerte durch einen mathematischen Ausdruck oder eine bekannte Regel bestimmt (determiniert) sind. Eines der bekanntesten deterministischen Signale ist die schon erwhnte Cosinusfunktion (Gleichung (1)).

Abbildung 12: Beispiel fr ein deterministisches und ein stochastisches Signal

Ein stochastisches Signal wird durch den Zufall bestimmt und lsst sich daher nur mit statistischen Mitteln beschreiben. D.h. die Amplitude eines stochastischen Signals lsst sich zu keiner Zeit exakt vorherbestimmen. Das bedeutet aber nicht, dass sich nichts ber derartige Signale sagen lsst. So sind oft z.B. Mittelwert, Varianz und Autokorrelationsfunktion eines solchen Signals bestimmbar. Abbildung 12 zeigt fr beide Signalarten jeweils ein Beispiel.

Allein stochastische Signale, wie z.B. Sprach- oder Bildsignale, sind Trger von Informationen. Vielfach sind stochastische Signale aber auch unerwnschte Signale, bzw. Strsignale. Solche Signale sind der Grund fr die Tatsache, dass jedes reale Signal streng genommen ein stochastisches Signal ist, denn jedes Signal wird von Strsignalen berlagert. In der Theorie werden diese Signale allerdings durch idealisierte, determinierte Signale ersetzt, da sich diese mathematisch leichter handhaben lassen.

5.3

Periodische, kausale, gerade und ungerade Signale

Ein Signal (9) erfllt.

xP (t) heit periodisch mit der Periode T0 , wenn es die Bedingungen aus Gleichung xP (t) = xP (t + T0 )
(9)

Die sog. fundamentale Periode ist der kleinste positive Wert

T0

welcher Gleichung (9) erfllt.

Im Allgemeinen nennt man dies kurz Periode. Bei periodischen Signalen gengt die Kenntnis der Signal-Funktion whrend einer einzigen Periode, um das komplette Signal zu kennen. Ein Beispiel hierfr ist die Cosinusfunktion aus Abbildung 5.2. Eine weitere wichtige Klasse von Signalen sind die kausalen Signale. Ein Signal Gleichung (10).

xcs (t)

nennt man kausal, wenn es auf der negativen Zeitachse Null ist. Es wird deniert durch

xcs (t) =
Dabei beschreibt

x(t) : t 0 0:t<0 u(t),

(10)

x(t)

ein beliebiges Signal. Das bekannteste kausale Signal ist die Schrittdie durch Gleichung (11)

funktion (oder Sprungfunktion aus Kapitel 3 auf Seite 3) deniert ist (siehe Abbildung 13).

u(t) =

1:t0 0:t<0

(11)

Abbildung 13: Beispiel fr ein kausales Signal

Gerade und ungerade Signale sind in Gleichung (13) deniert.

xe (t) = xe (t),

xo (t) = xo (t)

(12)

Ein gerades Signal ist spiegelsymmetrisch zur y-Achse, wie beispielsweise die Cosinusfunktion oder die Rechteckfunktion. Ein ungerades Signal hingegen ist punktsymmetrisch zum Ursprung. Beispiele hierfr sind die Sinusfunktion und die Sgezahnfunktion in Abbildung 14. Jedes beliebige Signal lsst sich in ein gerades und ein ungerades Teilsignal zerlegen. Dies geschieht einfach mit Gleichung (13).

x(t) =

x(t) x(t) x(t) x(t) + + 2 2 2 2

xe (t) xo (t)

(13)

5.4

Reelle und komplexe Signale

Die meisten Signale, sowohl in der Theorie als auch in der Praxis, sind reelle Signale und es gilt Gleichung (14).

xr (t) = x(t),

mit

x(t)

reell

(14)

Abbildung 14: Ungerade Sgezahnfunktion

Ein reelles Signal ist eine Funktion, die der unabhngigen reellen Zeitvariablen len Funktionswert

einen reel-

xr (t)

zuordnet. Mathematisch ausgedrckt:

xr : R R.

Die Signalverarbeitung arbeitet jedoch auch mit komplexen Signalen, die durch Gleichung (15) deniert werden.

xc (t) = x(t),
Mathematisch ausgedrckt:

mit

x(t)

komplex

(15)

xc : R C.

Das klassische Beispiel hierfr ist die komplexe

Sinusschwingung (Gleichung ( 3 auf Seite 4)). Jedes komplexe Signal kann man sich aus zwei reellen Signalen zusammengesetzt vorstellen, nmlich dem Realteil ginrteil

xr (t) und dem Ima(16)

xi (t)

(siehe Gleichung (16)),

xc (t) = xr (t) + jxi (t)

wobei j die imaginre Einheit ist.

5.5

Energie- und Leistungssignale

Eine weitere Mglichkeit der Einteilung von Signalen orientiert sich an den Begrien Energie und Leistung.

R=

U I

(17)

Abbildung 15: Einfache Schaltung mit Widerstand Abbildung 15 zeigt eine einfache Schaltung mit Widerstand beschreibt Gleichung (17). Die im Zeitintervall berechnet sich allgemein nach Gleichung (18).

R.

Den Zusammenhang

zwischen Spannung, Strom und Widerstand, der aus dem Ohm'schen Gesetz gefolgert ist,

t 1 t t2

gelieferte elektrische Energie

Eel

t2

Eel =
t1
Aus (17) und (18) folgt Gleichung (19).

u(t) i(t)dt

(18)

Eel =

1 R

t2

t2

u2 (t)dt = R
t1 t1

i2 (t)dt

(19)

Die (mathematische) Energie ist also proportional zum Integral ber die quadrierte Zeitfunktion. Die Energie eines zeitkontinuierlichen Signals Dimension ist also bestimmt durch Denition 20.

s(t)

nicht festgelegter physikalischer

E=

s2 (t)dt

(20)

Ein Signal heit nun Energiesignal, wenn es der Gleichung (21) gengt.

0<E=

s2 (t)dt <

(21)

Ein Energiesignal besitzt also ein Signal mit endlicher und nicht verschwindender Energie

E.

Die Energie

E=0

wird oftmals auch zugelassen. Ein Beispiel fr Energiesignale ist die

Rechteckfunktion aus Kapitel 2 auf Seite 2 (siehe Abbildung 16). Die Energie dieses Signals

Abbildung 16: Rechtecksignal mit Amplitude

berechnet sich nun so:

T0 /2

E=
T0 /2
Die im Intervall allgemein:

A2 dt = A2 T0

t +

umgesetzte mittlere elektrische Leistung berechnet sich

Pel =
Daraus folgt nach Gleichung (17):

1 2

u(t) i(t)dt

(22)

Pel =

1 1 R 2

u2 (t)dt = R

1 2

i2 (t)dt

(23)

bertrgt man Beziehung (24) nun auf ein unendlich langes Zeitintervall, so erhalten wir die mittlere Leistung eines zeitkontinuierlichen Signals

s(t)

nicht festgelegter Dimension durch:

P = lim

1 2

s2 (t)dt

(24)

Mithilfe Gleichung (24) knnen wir Leistungssignale jetzt wie folgt denieren:

0 < P = lim

1 2

s2 (t)dt <

(25)

Man kann also sagen, dass ein Leistungssignal

s(t)

in einem unendlich langen Zeitintervall

eine nichtverschwindende endliche mittlere Leistung tendste Leistungssignal ist die Cosinusschwingung.

umsetzt. Das fr die DSV bedeu-

Allgemein lsst sich sagen, dass ein Leistungssignal kein Energiesignal ist, da fr ein solches gilt: gilt:

E .

Ebenso ist ein Energiesignal kein Leistungssignal, da in diesem Fall

P = 0.
Orthogonale Signale

5.6

Zur Denition orthogonaler Signale braucht es den Begri des Skalarprodukts. Dieses ist fr zwei Energiesignale (siehe Kapitel 5.5)

x(t)

und

y (t)

wie folgt deniert:

< x, y >=

x(t)y (t)dt

(26)

10

Wobei

y (t)

das konjugiert komplexe Signal zu

y (t)

ist. Analog dazu deniert man das

Skalarprodukt zweier

T0 -periodischer

Leistungssignale (siehe Kapitel 5.5)

xp (t)

und

yp (t):
(27)

T0 /2

< xp , yp >T0 =
T0 /2

xp (t)yp (t)dt

Anhand des Skalarproduktes knnen wir nun die Orthogonalitt zweier Energiesignale und

x(t)

y (t)

respektive zweier

T0 -periodischer

Leistungssignale

xp (t)

und

yp (t)

denieren. Und

zwar herrscht Orthogonalitt genau dann, wenn ihre Skalarprodukte Null sind:

< x, y >= 0,

respektive

< xp , yp >T0 = 0

(28)

Anhand dieser Denition lsst sich nun zeigen, dass komplexe Sinusschwingungen mit verschiedenen Frequenzen orthogonal zueinander stehen[1]. Gegeben sind zwei komplexe Sinusschwingungen den Frequenzen komplexer

k (t) = ej 2kf0 t und l (t) = ej 2kf0 t mit lf0 , wobei k und l ganze Zahlen sind. Fr das Skalarprodukt zweier Sinusschwingungen k (t) und l (t) gilt: T0 /2 T0 /2 ej 0 dt = T0 fr k = l T0 /2 j 2 (kl)f0 t k , l T0 = e dt = j 2 (kl)f0 t T0 /2 e fr k = l T0 /2 j 2 (kl)f0 kf0
und

T0 /2

ej 2(kl)f0 t j 2 (kl)f0

T0 /2 T0 /2
T0 2

=
T0 2

= = = =

cos(2 (kl)f0

)+j sin(2 (kl)f0

)cos(2 (kl)f0 j 2 (kl)f0

T0 2

)j sin(2 (kl)f0

T0 2

cos(2 (kl)f0

T0 2

)cos(2 (kl)f0

0 2 )+j sin(2 (k l)f0 j 2 (kl)f0

T0 2

)+j sin(2 (kl)f0

T0 2

2 sin( (kl)f0 T0 ) 2 (kl)f0 2 sin((kl) ) 2 (kl)f0 mit

|k l| N

=0
Diese Eigenschaft ist von entscheidender Bedeutung bei der Herleitung der Fourier-Reihe. Mit dem Skalarprodukt lsst sich allerdings nicht nur die Orthogonalitt zweier Funktionen denieren, sondern auch die Norm periodischen Signals:

eines Energiesignals, bzw die Norm

xp

eines

x =

< x, x >,

respektive

xp =

< xp , xp >T0 E

(29)

In Anlehnung an die Vektorrechnung kann man unter der Norm auch die Lnge eines Signals verstehen. So knnen wir mithilfe Gleichung (20) fr die Energie schreiben: eines Energiesignals (30)

E= x
Fr die Energie schreiben:

=< x, x > T0

eines

T0 -periodischen

Signals whrend der Periode

knnen wir analog (31)

E = xp
Woraus sich fr die mittlere Leistung

=< xp , xp >T0 T0 -periodischen

Signals ergibt:

des

P =

1 xp T0

1 < xp , xp >T0 T0 R
oder

(32)

1 R multipliziert werden (je nachdem, ob das Signal einen Strom oder eine Spannung darstellt), wobei
Wie schon in Kapitel 5.5 auf Seite 9 gesehen, muss das Ergebnis noch mit

den Widerstand darstellt, um physikalisch sinnvolle Ergebnisse zu erhalten.

11

LTI-Systeme

Eine besondere Klasse von Systemen bilden diejenigen, deren Verhalten von den Eingangssignalen unabhngig ist. Solche Signale heien linear. Es gilt:

c1 x1 (t) + c2 x2 (t) linearesSystem c1 y1 (t) + c2 y2 (t)

fr beliebige Konstanten

(33)

c1 , c2 .

Darin enthalten sind zwei unabhngige Eigenschaften:

Die Homogenitt

c x(t) c y (t)

(34)

Ein System heit also homogen, wenn eine nderung der Amplitude des Eingangssignals, eine identische nderung der Amplitude im Ausgangssignal bewirkt. Fr diskrete Signale schreibt man auch:

c x[n] c y [n].

Ein Widerstand ist ein einfaches Beispiel, sowohl fr ein homogenes als auch fr ein nichthomogenes System. Nehmen wir an, das Eingangssignal des Systems sei die Spannung

v (t),

die am Widerstand abfllt, und die Ausgabe des Systems sei der Strom

i(t)

durch den Widerstand. Nach dem Ohm'schen Gesetz in der Elektrotechnik, welches sagt, dass der Spannungsabfall

ber einem metallischen Leiter bei konstanter Tem-

peratur proportional zu dem hindurchieenden elekrischen Strom mit der Stromstrke

ist (U

I ),

gilt, dass eine Erhhung oder Senkung der Spannung eine vom Faktor

quivalente Erhhung oder Senkung der Stromstrke bewirkt. Dieses System ist also homogen. Nehmen wir nun an, das Eingangssignal sei wieder die Spannung das Ausgangsignal sei nicht mehr der Strom am Widerstand abfallende Leistung

v (t) am Widerstand,

i(t)

durch den Widerstand, sondern die

p(t).

Da Leistung proportional zum Quadrat der

Spannung ist, steigt bei einer Verdopplung der Spannung die Leistung am Transistor um den Faktor vier. Dieses System ist also nicht homogen und damit auch nicht linear.

Die Additivitt

x1 (t) + x2 (t) y1 (t) + y2 (t)

(35)

Ein System heit also Additiv, wenn es von addierten Signalen durchquert wird, ohne dass diese interagieren. Handelt es sich wieder um diskrete Signale, so knnen wir schreiben: Wenn gilt

y1 [n] x1 [n]

und

y2 [n] x2 [n]

dann gilt auch

y1 [n] + y2 [n]

x1 [n] + x2 [n].
Als Beispiel kann man sich ein Telefon vorstellen: Wenn man mit einer Person telefoniert und im Hintergrund spricht noch eine andere Person, so kann man am anderen Ende die beiden Personen klar voneinander unterscheiden. Die Daten interagieren also nicht. Dieses Beispielsystem ist also additiv.

Ein System, welches sowohl die Homogenitt, als auch die Additivitt erfllt heit linear. Angenommen, ein System

y (t) = V x(t)

mit einer beliebigen Verstrkung

sei linear. Die

Linearitt gilt auch noch dann, wenn sich die Verstrkung zeitlich ndert.

y (t) = V (t) x(t)

mit z.B.

V (t) = sin(t)

So ein System nennt man zeitvariant. ndert sich die Systemeigenschaft zeitlich nicht, so heit das System zeitinvariant:

x(t ) linearesSystem y (t )

(36)

Linearitt und Zeitinvarianz sind vllig unabhngige Eigenschaften. Erfllt ein System diese beiden Eigenschaften, nennt man es ein LTI-System (Linear TimeInvariant). Solche Systeme sind besonders einfach zu handhaben.

6.1

Besondere Eigenschaften linearer Systeme

Eine besondere Eigenschaft linearer Systeme ist die Kommutativitt. Dies betrit das Zusammenspiel zweier oder mehrerer Systeme. Nehmen wir an, zwei Systeme sind in Reihe

12

Abbildung 17: Reihenschaltung zweier Systeme

geschaltet (Siehe Abbildung 17). Das Ausgangssignal des einen Systems (A) ist dann das Eingangssignal des anderen Systems (B). Ist jedes dieser Signale linear, so ist auch die Kombination dieser beiden Systeme linear. Die Kommutativitt bedeutet, dass die Reihenfolge der Systeme im Gesamtsystem keine Rolle fr das Gesamtsystem spielt. Im Beispiel knnte also auch System B vor Signal A stehen. Angenommen ein System besteht aus zwei Teilen, einer fr die Verstrkung eines Signales, der andere fr Filterung. Sind beide Einzelsysteme linear, so muss man sich nicht berlegen in welcher Reihenfolge die beiden Teile geschaltet werden sollen. Da es in der Elektrik aber nichtlineare Eekte wie Interferenz oder interne Strsignale gibt, lsst sich das nicht fr die Realitt verallgemeinern.

Abbildung 18: System mit mehreren Ein- und Ausgngen

Gehen wir nun einen Schritt weiter und betrachten Systeme mit mehreren Ein- und Ausgngen (Siehe Abbildung 18). Solch ein System ist genau dann linear, wenn es eine Komposition aus linearen Subsystemen ist. Die Addition von Signalen ndert dabei nichts an der Linearitt. Die Komplexitt des Systems spielt keine Rolle. Wichtig ist nur, dass es keine nichtlinearen Einsse im System gibt. Um die Linearitt eines Systems mit mehreren Ein- bzw Ausgngen zu verstehen betrachten wir nun ein solches System. Wir legen auf einen der Eingnge ein Signal, whrend die anderen Eingnge auf Masse gezogen werden. Nun erhalten wir auf den Ausgngen verschiedene Muster von Signalen. Als nchstes wiederholen wir den Vorgang mit einem anderen Signal und einem anderen Eingang. D.h. wir legen diesmal ein Signal an einen anderen Eingang an, whrend alle anderen wieder auf Masse gezogen werden. Das hat nun andere Ausgangssignale zur Folge. Als letztes legen wir beide Signale gleichzeitig an den jeweiligen Eingngen an. Die Signale, die nun an den Ausgngen erscheinen sind einfach jeweils die Summe der beiden vorigen Ausgangssignale. Eine weitere wichtige Frage bei linearen Systemen ist, ob die Multiplikation in linearen Systemen erlaubt ist. Tatschlich hngt dies davon ab, mit was ein Signal multipliziert wird. Wird es mit einer Konstanten multipliziert, so ist das System linear. Dies kommt einer Verstrkung oder einer Dmpfung gleich. Die Multiplikation mit nichtkonstanten Signalen

13

hingegen ist nichtlinear.

6.2

Weitere Eigenschaften von Systemen

Im Folgenden sollen noch drei allgemeine Typen von Systemen erklrt werden:

Kausale und deterministische Signale Ein kausales System reagiert erst dann mit einem Ausgangssignal, wenn ein Eingangssignal anliegt. Die Stoantwort eines kausalen Systems verschwindet fr hngigen Signalen. Ein deterministisches System reagiert bei gleicher Anfangsbedingung und gleicher Anregung stets mit demselben Ausgangssignal. Im Gegensatz dazu stehen die stochastischen Systeme. Wir haben festgestellt, dass stochastische Signale huger vorkommen als deterministische. Bei Systemen ist dies genau umgekehrt. Ein Beispiel fr ein stochastisches Signal sind Zufallsgeneratoren.

t < 0. Technisch

realisierbare Systeme sind stets kausal. Die Kausalitt ist eine Eigenschaft von zeitab-

Dynamische Systeme Ein System heit dynamisch, wenn sein Ausgangssignal auch von vergangenen Werten des Eingangssignales abhngt. Das System muss somit mindestens ein Speicherelement enthalten. Bei gedchtnislosen (statischen) Systemen hngt das Ausgangssignal nur vom momentanen Wert des Eingangssignales ab.

Stabilitt Beschrnkte Eingangssignale ergeben bei stabilen Systemen stets auch beschrnkte Ausgangssignale (BIBO-stabil = bounded input - bounded output):

| x(t) | A < | y (t) | B < ; A, B 0

(37)

Zusammenfassung

In diesem Dokument sollte ein kurzer berblick ber den Grundbegri Signale gegeben werden. Es sollte ein Grundverstndnis des Themas geschaen werden, mit dem der Einstieg in die Digitale Signalverarbeitung erleichtert werden sollte. Zu diesem Zweck wurden erst die Begrie Signal und System erklrt, dann wurden einige Elementarsignale vorgestellt und dann mithilfe des Rechtecksignals der Dirac-Impuls (oder Diracsto) eingefhrt und mit ihm die Abtastfunktion bzw. der Dirackamm. Im folgenden Kapitel wurden einige Einteilungen von Signalen vorgenommen, z.B. in Energie- und Leistungssignale. Das letzte Kapitel handelt von Systemen und da speziell von linearen Systemen, welche eine entscheidende Rolle in der digitalen Signalverarbeitung spielen. Mit diesem Wissen sollte nun der Einstieg in die DSV geschat sein und weiterfhrende Themen wie die Fourier-Transformation angegangen werden knnen.

14

Literatur
[1] Daniel Ch. von Grningen, Digitale Signalverarbeitung, 2. Auage, Fachbuchverlag Leipzig [2] Martin Meyer: Grundlagen der Informationstechnik - Signale Systeme und Filter, 1. Auage, Vieweg-Verlag [3] M. versity Huemer: of Vorlesung Applied Signalof und Upper Biosignalverarbeitung, Austria Uni-

hagenberg.at/sta/wbackfri/Teaching/BSV/
nische Universitt Kaiserslautern [5] Steven cessing W. Smith: The

Sciences

http://webster.fh-

[4] Prof. Dr.-Ing. R. Urbansky: Vorlesung Grundlagen der Informationsbertragung, Tech-

http://nt.eit.uni-kl.de/lehre/guet/
and Engineer's Guide to Technical Publishing, San

Scientist

Digital

Signal

Pro-

http://www.dspguide.com

Second

Edition,

California

Diego,

California

15