Fakultät Elektrotechnik und

Informationstechnik
Institut für Grundlagen der
Elektrotechnik und Elektronik
Professur für Mess- und Sensorsystemtechnik Helmholtzstraße 18, D-01069 Dresden

Mess- und Sensortechnik (Messtechnik II)

SG Elektrotechnik und SG Mechatronik

Prof. Czarske, DI Weik,

DI Gürtler, DI Krug, DI Rothe, DI Lich
 Übersicht
Messtechnik I: Grundzüge des Messens
1. Einführung in das Messen
2. Analoge Messtechnik
3. Grundlagen der Statistik von Messwerten
4. Einführung in die elektrische Messung nichtelektrischer Größen

Messtechnik II: Mess- und Sensortechnik

1. Digitale Messtechnik
2. Messsignaltheorie: Stochastik und Statistik
3. Messverfahren für ausgewählte Größen (Sensorik)

Vertiefung in nachfolgenden Modulen:

Prozessleittechnik (Messsystemtechnik, MT III), Hauptseminar AMR,
Lasersensorik, Photonische Messsystemtechnik, Oberseminar
Messsystemtechnik

Professur für
Mess- und Sensorsystemtechnik
 2. Messsignaltheorie:
Stochastik und Statistik
2.1 Motivation: Messunsicherheitsbudget

2.2 Stochastische Prozesse und verallgemeinerte

Unsicherheitsfortpflanzung (Kovarianz, Korrelation)

2.3 Rauschen als stochastischer Prozess

2.4 Regressionsrechnung: Methode der kleinsten

Quadrate

2.5 Grundlagen der Messsystemtheorie:

Cramér-Rao-Schranke (engl. Cramér-Rao [lower] bound, CR[L]B)
Berechnung für Phasen- und Frequenzmessung

Professur für
Mess- und Sensorsystemtechnik
 Kovarianz
Kovarianz zweier Zufallsgrößen X1, X2

(*)
* aus: Hoffmann, R. und Wolff, M.: Intelligente
Signalverarbeitung 1 – Signalanalyse, 2. Auflage, Springer-
Verlag, 2014. (S. 78)
 Download über SLUB

Professur für
Mess- und Sensorsystemtechnik
 verallgemeinerte
Unsicherheitsfortpflanzung

Standardunsicherheit σy von y = f (x1,…,xn); Eingangsgrößen xi

n 1 n  
2
n
 y   y y
 y      xi   2     xi xk 
i 1  xi  
i 1 k i 1 xi xk
 
 Kovarianz 

Spezialfall: unabhängige Größen

2
n
 y 
y   
 x
i 1 
  
xi 
(ohne Kovarianz-Terme)
i 

Professur für
Mess- und Sensorsystemtechnik
 Lernziele
- Grundbegriffe der
Wahrscheinlichkeitstheorie (Kovarianz)
- Unsicherheitsfortpflanzung für statistisch
abhängige Eingangsgrößen (nach Gauß)

Professur für
Mess- und Sensorsystemtechnik
 Korrelation
allgemeine Korrelationsfunktion rxy(τ)
T
rxy ( )  K  x* (t ) y (t   ) dt
T

 x(t) … zu analysierende Funktion

 y(t) … Musterfunktion
 x* … konjugiert komplexe Funktion
 K … signaltypabhängig:

Tlim bei aperiodischen Signalen  sog. Impuls  Korrelationsfunktion

 1
K  bei periodischen Signalen
 2T
 lim 1 bei stationären Zufallssignalen
T   2T

Professur für
Mess- und Sensorsystemtechnik
 Korrelation

T
rxy ( )  K  x(t ) y (t   ) dt (hier: für reellwertige Funktionen)
T

Nutzung verschiedener Musterfunktionen y(t)

 y(t) = x(t)  Autokorrelation

 y(t) ≠ x(t)  Kreuzkorrelation

speziell:
 y(t) = 1  Flächenberechnung

 y(t) = exp(-jωt)  Fourier-Transformation (mit τ = 0)

Professur für
Mess- und Sensorsystemtechnik
 Wiener-Chintschin-Theorem
spektrale Leistungsdichte Rxx(f) des ergodischen Zufallsprozesses
= Fourier-Transformierte der Autokorrelationsfunktion rxx(τ)
T
1
rxx ( )  lim
T   2T  x(t ) x(t  τ ) dt
T
(gerade Funktion)

 Fourier-Transformation:

Rxx ( f )  F rxx ( )   rxx ( ) exp( j 2f ) d (gerade, reellwertige Funktion)


 Fourier-Rücktransformation:

rxx ( )  F -1
Rxx ( f )   Rxx ( f ) exp( j 2f ) df


nach: Norbert Wiener (US, 1894-1964) und Alexander J. Chintschin (UdSSR, 1894-1959)
(und Andrei N. Kolmogorow)

Professur für
Mess- und Sensorsystemtechnik
 Wiener-Chintschin-Theorem
XT (f) … Fourier-Transformierte von x(t) im Zeitfenster T
Beweis:  
   
F -1 Rxx ( f )
1 1
 F -1  lim  F -1  lim X T ( f ) X T* ( f )
2


XT ( f )
   

T T
spektrale Energiedic hte 
 T T

 1
T /2

 F  lim X T ( f )  x* (t ) exp( j 2ft ) dt 
-1
T T
 T / 2 

 1
T /2

   lim X T ( f )  x* (t ) exp( j 2ft ) dt  exp( j 2f ) df
T T
  T / 2 
1
T /2
 
T T 
 lim  T    
*
x (t ) X ( f ) exp( j 2 f (t )) df  dt
T / 2   
T /2
1
(*)
T T 
 lim x *
(t ) x(t   ) dt  rxx ( ) q. e. d.
T / 2

* nach: Hoffmann, R. und Wolff, M.: Intelligente

Signalverarbeitung 1 – Signalanalyse, 2. Auflage, Springer-
Verlag, 2014. (S. 197f. und S. 201f.)
 Download über SLUB

Professur für
Mess- und Sensorsystemtechnik
 Wiener-Chintschin-Theorem
Beispiel 1:

 weißes Rauschen
rxx ( )
Rxx ( f )

F -1 ...
k0 k0


0 f 0

Rxx ( f )  k 0 rxx ( )  k0 ( ) δ(τ)…Delta-Distribution

(„DIRAC-Impuls“)

spektrale Leistungsdichte Autokorrelationsfunktion

(zweiseitiges Spektrum)

Professur für
Mess- und Sensorsystemtechnik
 Wiener-Chintschin-Theorem
Beispiel 2:

 ideal bandbegrenztes weißes Rauschen (Bandbreite B)

rxx ( )/(2B)
Rxx ( f ) τ C … Korrelationszeit

F -1 ...
k0
k0

 /(2 B)
B 0 B f 1 0 1 2 3
≈unkorr. korr. ≈unkorr.
k , für  B  f  B 2 B sin( 2 B )
Rxx ( f )   0 rxx ( )  k0
0, sonst  2 B
spektrale Leistungsdichte Autokorrelationsfunktion
(zweiseitiges Spektrum)

Professur für
Mess- und Sensorsystemtechnik
 Wiener-Chintschin-Theorem
Beispiel 2:

k , für  B  f  B
Rxx ( f )   0
0, sonst
 B
rxx ( )  F -1
Rxx ( f )  R xx ( f ) exp( j 2f ) df   k0 exp( j 2f ) df
 B
B
 exp( j 2f ) 
 k0  
 j 2   B
exp( j 2B )  exp( j 2B )
 k0 
j 2
2 j sin(2B ) B 2 B sin( 2 B )
 k0   k0
j 2 B  2 B
 k0  2 B sinc(2 B )

Professur für
Mess- und Sensorsystemtechnik
 Wiener-Chintschin-Theorem
Beispiel 3:

 tiefpassgefiltertes weißes Rauschen (Grenzfrequenz 1/2πT)

rxx ( )/(2T )
Rxx ( f )

F -1 ...
k0
k0

1 0 1  /T
1 0 1 f

2T 2T
k0 k0   
Rxx ( f )  rxx ( )  exp  

1  (2fT ) 2 2T  T 
spektrale Leistungsdichte Autokorrelationsfunktion
(zweiseitiges Spektrum)

Professur für
Mess- und Sensorsystemtechnik
 Lernziele
- Korrelationsfunktion als Ähnlichkeitsmaß
und vielseitiges Analysewerkzeug
T
rxy ( )  K  x(t ) y (t   ) dt
T

- Beziehung Signalkorr. zur Signalleistung

Leistung im
Parseval Zeitbereich = Frequenzbereich

Wiener-Chintschin
F spektrale
Autokorrela-
tionsfunktion Leistungsdichte

Professur für
Mess- und Sensorsystemtechnik
 Schöne Gleichungen, aber…
 Hoffmann, Rüdiger. Intelligente Signalvearbeitung 1: Signalanalyse.
Springer Verlag, Berlin, 2014
Verfügbar Online (SLUB)

 Kiencke, Uwe, Michael Schwarz, and Thomas Weickert. Signalverarbeitung:

Zeit-Frequenz-Analyse und Schätzverfahren. Oldenbourg Verlag, 2009.
Verfügbar Online (SLUB)

 Mathematische Grundlagen grafisch erklärt

Youtube-Kanal von 3blue1brown:
 But what is the Fourier Transform? A visual introduction.

 e^(iπ) in 3.14 minutes, using dynamics

 The more general uncertainty principle, beyond quantum

Professur für
Mess- und Sensorsystemtechnik