Sie sind auf Seite 1von 10

Zeitinvarianz eines FIR-Filters

Zeitinvarianz bedeutet, daß der Output beider Pfade identisch ist:

bedeutet, daß der Output beider Pfade identisch ist: Man setzt v n x n n 0

Man setzt v n

x

n

n 0 und erhalt¨

fur¨

den oberen Zweig:

w n

m

x n n 0 und erhalt¨ fur¨ den oberen Zweig: w n m k 0 a

k 0

a k v n

k

m

fur¨ den oberen Zweig: w n m k 0 a k v n k m k

k 0

a k x n

Fur¨

den unteren Zweig folgt:

k

y n

m

0 a k x n Fur¨ den unteren Zweig folgt: k y n m k 0

k 0

a k x n

k

y n

n 0

n 0

m

folgt: k y n m k 0 a k x n k y n n 0

k 0

a k x n

m

0 a k x n k y n n 0 n 0 m k 0 a

k 0

a k x n

n 0

n 0

k

k

Das Ergebnis beider Pfade ist gleich, damit ist ein FIR-Filter zeitinvariant.

Linearitat¨

eines FIR-Filters

Linearitat¨ bedeutet, daß der Output beider Pfade identisch ist:

bedeutet, daß der Output beider Pfade identisch ist: Man setzt substituiert und sammelt die Terme: y

Man setzt substituiert und sammelt die Terme:

y n

m

ist: Man setzt substituiert und sammelt die Terme: y n m k m 0 k 0

k

m

0

Man setzt substituiert und sammelt die Terme: y n m k m 0 k 0 a

k

0

a k x n

k

a k x 1 n

k

m

y n m k m 0 k 0 a k x n k a k x

k

0

a k x 1 n k

y 1 n

y 2

n

x 2 n

k

m

k 0 a k x 1 n k y 1 n y 2 n x 2

k

0

a k x 2

n k

Fur¨ den unteren Zweig folgt: Das Ergebnis beider Pfade ist gleich, damit ist ein FIR-Filter linear.

Kausalitat¨

eines FIR-Filters

Ein FIR-Filter ist kausal, wenn nur vergangene und der aktuelle Wert zur Berechnung des Output verwendet werden:

y n

m

Wert zur Berechnung des Output verwendet werden: y n m k 0 a k x n

k 0

a k x n

k

Output verwendet werden: y n m k 0 a k x n k Fur¨ Beginn und

Fur¨

Beginn und Ende des Signals:

ein Signal begrenzter Lange¨

ergeben sich Probleme beim

Am Ende entsteht ein Intervall von m Output-Werten, bei

denen weniger als m

1 Input-Werte verwendet werden.

Am Beginn entsteht ein Intervall von m Output-Werten, bei denen das Filter ”auslauft”.¨

verwendet werden. Am Beginn entsteht ein Intervall von m Output-Werten, bei denen das Filter ”auslauft”.¨

Beispiel: Moving Average-Filter I

Gegeben ist ein Signal:

x n

1 02 n 0 5 cos 2 n 8 4

0

fur¨ 0 sonst.

n

40

Dieses Signal (nachste¨

len Moving-Average Filter der Lange¨

(unten) behandelt:

Folie, oben) wird nun mit dem kausa-

6

m

2 (Mitte) und m

y n

m 1 m 1 k 0
m
1
m
1
k
0

x

n

k

Fur¨

n

0 ist y n

0.

¨

Am Anfang und Ende entstehen Ubergangszonen von m

Output-Werten.

Die Sinuskomponente wird durch den Filter reduziert, aber nicht eliminiert. Die exponentielle Komponente wurde durch den kausalen Filter um m 2 Werte verschoben (shifting).

Beispiel: Moving Average-Filter II

Beispiel: Moving Average-Filter II

Beispiel: Moving Average-Filter III

Als Beispiel eines realen Signals x n wird der Dow-Jones-Index genommen, der im wochentlichen¨ Mittel von 1950 bis 1970 gesammelt wurde. Durch einen kausalen Mittelwertfilter der Lange¨ 51 wurde ein gleitendes jahr¨ liches Mittel gewonnen:

51 wurde ein gleitendes jahr¨ liches Mittel gewonnen: y n 50 1 51 k 0 x

y n

50 1 51
50
1
51

k

0

x

n

k

x n

h n

Man erkennt, daß dieser Filter eine Verschiebung um 25 Zeit- punkte erzeugt hat.

Beispiel: Moving Average-Filter IV

Eine Verbesserung kann durch eine zusatzliche¨ Verschiebung um -25 Zeitpunkte erzeugt werden. Dieser Mittelwertfilter ist nicht-kausal:

erzeugt werden. Dieser Mittelwertfilter ist nicht-kausal: y n 25 1 51 k 25 x n k

y n

25 1 51
25
1
51

k

25

x n

k

x

n

h n

Man erkennt, daß dieser Filter verschiebungskompensiert ist.

Frequenzantwort eines FIR-Filters I

Gegeben ist ein FIR-System:

y n

m

eines FIR-Filters I Gegeben ist ein FIR-System: y n m k 0 a k x n

k

0

a k x n

k

m

I Gegeben ist ein FIR-System: y n m k 0 a k x n k m

k

0

h k x n

k

Input ist ein komplexes, diskretes Exponentialsignal:

x n A exp j exp j ˆ n

als Abtastung von:

n

x n A exp j exp j t

Damit wird:

d.h. x n

x nT s

ˆ

T s

y n

m

a k A exp j exp j ˆ n k a k A exp j exp j ˆ n k

k 0

m k 0
m
k
0

a k exp

H ˆ x n

j ˆ k
j
ˆ k

A

exp j exp j

ˆ n

Definition:

Die Frequenzantwort eines FIR-Systems a 0 a m ist:

H ˆ

m

a k exp k exp

k 0

j ˆ k

m

a m ist: H ˆ m a k exp k 0 j ˆ k m k

k

0

h k exp j ˆ k

Ein Input mit einer Schwingung ˆ erzeugt einen Output dersel- ben Frequenz, multipliziert mit H ˆ .

Frequenzantwort eines FIR-Filters II

Die Darstellung von H ˆ erfolgt in Polarkoordinaten:

y n

H ˆ exp jH

H

ˆ

A

ˆ

A exp

j

exp j H ˆ

Betrag

Winkel

exp j ˆ n

exp j ˆ n

Der Winkel der Frequenzantwort addiert sich zur Phase des Signals, der Betrag der Frequenzantwort multipliert sich mit der Amplitude. Daher wird H ˆ auch Verstar¨ kung genannt.

Beispiel:

Mit a k

1 2 1

wird:

H ˆ

1 2 exp j ˆ

ˆ

ˆ

exp

j

2

exp

exp

j

j

exp j ˆ

2

2 cos ˆ

ˆ 2 exp

j ˆ

Damit ist die Frequenzantwort:

Betrag H ˆ 2 2 cos ˆ , Winkel H ˆ ˆ .

Sei x n

Dann ist H ˆ

2 exp j 4

H

exp j n 3 (mit Periode 6), ˆ

3

2

2 cos

3

3 und

y n

3 exp

6 exp j 4 exp

j

3

2 exp j 4 exp

j n

1

3

j n

3

3.

D.h.: die Amplitude ist verdreifacht, eine Phasenverschiebung von 3, also einem Abtastpunkt.

Superpositionsprinzip

Was ist der Output eines LTI-Systems, wenn der Input eine Summe von komplexen Exponentialsignalen ist?

T

Input eine Summe von komplexen Exponentialsignalen ist? T A k exp j ˆ k n A

A k exp j ˆ k n

A k T exp j ˆ k n k T exp j ˆ k n

A k H ˆ k exp j ˆ k n k H ˆ k exp j ˆ k n

Der Output ist also ebenfalls eine Summe von komplexen Ex- ponentialsignalen.

Beispiel fur¨

reelle Schwingungen:

x

n

X 0

X 0

N k 1
N
k
1

N

X k

2

exp j ˆ k n

X

k

2

exp j ˆ k n

X k cos ˆ k n X k X k cos ˆ k n X k

k 1

Dann gilt mit H ˆ

H ˆ (bei reellen LTI-Systemen):

y n

H

H

0 X 0

0 X 0

N

(bei reellen LTI-Systemen): y n H H 0 X 0 0 X 0 N k 1

k 1

N

LTI-Systemen): y n H H 0 X 0 0 X 0 N k 1 N k

k 1

H ˆ k X k exp j ˆ k n H ˆ k X exp j ˆ k n

2

k

2

H

ˆ k X k cos ˆ k n

X k

H X k