Beruflich Dokumente
Kultur Dokumente
SuS Skript
SuS Skript
Peter Noll
Impressum
Titel: Signale und Systeme
Autor: Prof. Dr.-Ing. Peter Noll
Druckdatum: 28. Oktober 2019
1 Einleitung 7
1.1 Signale und Systeme . . . . . . . . . . . . . . . . . . . . 7
1.2 Inhaltsübersicht . . . . . . . . . . . . . . . . . . . . . . . 7
1.3 Empfohlene Literatur . . . . . . . . . . . . . . . . . . . . 10
2 Zeitkontinuierliche Signale 13
2.1 Signalarten . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.1.1 Arithmetischer Mittelwert . . . . . . . . . . . . . 14
2.1.2 Energiesignale . . . . . . . . . . . . . . . . . . . . 15
2.1.3 Leistungssignale . . . . . . . . . . . . . . . . . . 16
2.1.4 Periodische Signale . . . . . . . . . . . . . . . . . 17
2.1.5 Zeittransformierte Signale . . . . . . . . . . . . . 17
2.2 Elementarsignale . . . . . . . . . . . . . . . . . . . . . . 17
2.2.1 Sinusförmige Signale; komplexe Zeiger . . . . . 18
2.2.2 Exponentialfunktionen . . . . . . . . . . . . . . . 19
2.2.3 si - Funktion (Spaltfunktion) . . . . . . . . . . . 20
2.2.4 Elementarsignale mit Diskontinuitäten . . . . . 20
2.3 Deltaimpuls . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.4 Verknüpfungen von Signalen . . . . . . . . . . . . . . . 26
2.5 Ähnlichkeiten von Signalen . . . . . . . . . . . . . . . . 28
2.5.1 Signal-Rausch-Abstand . . . . . . . . . . . . . . 28
2.5.2 Die Kreuzkorrelationsfunktion (KKF) . . . . . . 29
2.5.3 Die Autokorrelationsfunktion (AKF) . . . . . . . 32
2.5.4 AKF und KKF für Leistungssignale . . . . . . . 32
4 Fouriertransformation 45
4.1 Definition und Existenz . . . . . . . . . . . . . . . . . . 45
4.2 Eigenschaften . . . . . . . . . . . . . . . . . . . . . . . . 47
4.3 Beweise . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.4 Hilberttransformierte . . . . . . . . . . . . . . . . . . . . 56
1
2 INHALTSVERZEICHNIS
5 Laplacetransformation 73
5.1 Einseitige Laplacetransformation . . . . . . . . . . . . . 73
5.1.1 Definition und Existenz . . . . . . . . . . . . . . 73
5.1.2 Laplace- und Fouriertransformation . . . . . . . 75
5.1.3 Inverse Laplacetransformation . . . . . . . . . . 76
5.2 Zweiseitige Laplacetransformation . . . . . . . . . . . . 77
11 Abtastung 143
11.1 Ideale Abtastung und Interpolation kontinuierlicher
Signale . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
11.1.1 Zeitdiskrete Signale . . . . . . . . . . . . . . . . 143
11.1.2 Ideale Abtastung . . . . . . . . . . . . . . . . . . 144
11.1.3 Ideale Interpolation . . . . . . . . . . . . . . . . . 146
11.1.4 Überabtastung und Interpolation . . . . . . . . . 148
11.2 Nichtideale Abtastung . . . . . . . . . . . . . . . . . . . 149
11.2.1 Abtastung durch Signalausblendung . . . . . . 150
11.2.2 Abtastung mit Signalverbreiterung . . . . . . . . 151
11.3 Fehler durch Bandbegrenzung und Unterabtastung . . 154
11.3.1 Erzwungene Bandbegrenzung durch Vorfilte-
rung . . . . . . . . . . . . . . . . . . . . . . . . . 154
11.3.2 Abtastung ohne ausreichende Vorfilterung . . . 155
11.3.3 Spiegelungsfehler-Effekte . . . . . . . . . . . . . 156
11.4 Abtastung von Bandpasssignalen . . . . . . . . . . . . . 157
17 Aufgabensammlung 259
A Kontinuierliche Signale im Zeitbereich . . . . . . . . . . 259
B Kontinuierliche Signale im Frequenzbereich . . . . . . . 263
C Kontinuierliche lineare Systeme im Zeitbereich . . . . . 268
D Kontinuierliche Systeme im Frequenzbereich . . . . . . 271
E Abtastung und zeitdiskrete Signale . . . . . . . . . . . . 275
F Zeitdiskrete Systeme . . . . . . . . . . . . . . . . . . . . 279
Index 320
System
Anregungssignal Systemantwort
1.2 Inhaltsübersicht
Die Vorlesung Signale und Systeme besteht aus zwei Teilen; zuerst
wenden wir uns der Beschreibung und Analyse zeitkontinuierlicher
7
8 Kapitel 1. Einleitung
Interpretation )
Physikalischer Modell Signal − und
Vorgang Ergebnisse Systemtheorie
Vergleich
Zeit
kontinuierlich diskret
konti-
(a) (b)
Ampli- nuierlich
tude
diskret (d) (c)
Kehren wir noch einmal zu unserem Bild 1.4 zurück: Die graphi-
sche Darstellung basiert auf einem Monitorbild, bei dem auch die
Amplituden wegen der Zeilenstruktur des Monitorbildes nur dis-
krete Werte annehmen können. Der Übergang zwischen einer am-
plitudenkontinuierlichen und einer amplitudendiskreten Version ei-
nes Bildes wird durch eine Quantisierung verursacht; um sie zu ver-
deutlichen, wurden die Amplituden der zeitdiskreten Version des Si-
gnals in Bild 1.4 (c) auf nur acht zulässige Amplitudenwerte einge-
schränkt. Die Vorschrift dafür und die Diskussion der dabei entste-
henden Fehler bleiben einem späteren Abschnitt der Vorlesung vor-
behalten. Lag ursprünglich ein zeitkontinuierliches Signal u(t) vor,
so ist nach der Abtastung und Quantisierung ein digitalisiertes Signal
entstanden. Da die endliche Zahl von zulässigen Amplitudenwerten
binär durchnumeriert werden kann, kann die Folge von zeitdiskre-
ten und amplitudendiskreten Werten jetzt durch eine Binärfolge be-
schrieben, übertragen oder gespeichert werden. Diese Schritte bilden
somit die Basis der digitalen Signalverarbeitung und Signalübertra-
gung.
Schließlich gibt es noch die Möglichkeit, ein zeitkontinuierliches,
aber amplitudendiskretes Signal darzustellen (Bild 1.4 (d)). Eine sol-
ches Signal entsteht z. B., wenn ein zeitkontinuierliches Signal durch
eine begrenzte Zahl von Amplituden wedergegeben werden muss
(z. B. acht in Bild 1.4 (d)). Diese zeitkontinuierliche, aber amplitu-
dendiskrete Darstellung spielt in der Praxis nur eine untergeordnete
Rolle, sie wird in dieser Vorlesung nicht behandelt.
Schließlich zeigt Bild 1.6 ein Testbild mit 256 bzw. vier Helligkeits-
stufen.
Als begleitender Text für die Vorlesung Signale und Systeme an der
TU Berlin und zur Vertiefung der dort vermittelten Inhalte sind die
folgenden Lehrbücher besonders geeignet.
Nachrichtentechnik
Digitale Filter
[15] Seyed Ali Azizi. Entwurf und Realisierung digitaler Filter. Olden-
bourg, 1984.
[16] N.K. Bose. Digital Filters. North-Holland, 1987.
2.1 Signalarten
Ein Signal u(t) ist zeitkontinuierlich, existiert also für alle Zeiten
t ∈ R, wenn die unabhängige Variable t kontinuierlich ist. Wir wol-
len diesen Begriff auch verwenden, wenn das Signal nur stückweise
kontinuierlich ist, d. h. wenn eine endliche Zahl oder eine abzähl-
bar unendliche Zahl von Diskontinuitäten vorliegt. Sind die Ampli-
tudenwerte links und rechts von einer Diskontinuität an der Stelle
t1 durch u(t1− ) und u(t1+ ) beschrieben, so definieren wir u(t1 ) als
Mittelwert der benachbarten (d. h. rechts- und linksseitigen Grenz-)
Werte:
u(t1− ) + u(t1+ )
u(t1 ) = (2.1)
2
Die Bilder 2.1 und 2.2 zeigen typische Signalarten, die entweder de-
terministischer (mathematisch beschreibbarer) oder stochastischer (zu-
fälliger) Natur sind; zu den letzteren gehören z. B. Mess- und Nach-
richtensignale sowie Störsignale, deren Verläufe nicht im einzelnen
vorhersagbar sind.
13
14 Kapitel 2. Zeitkontinuierliche Signale
Zt2
1
mu (t1 , t2 ) = u(t) dt (2.2)
t2 − t1
t1
2.1.2 Energiesignale
Eine weitere Unterscheidung von Signalarten erfolgt nach der Ener-
gie bzw. Leistung der Signale. Energiesignale haben eine endliche
Energie, ihr Wert im Intervall [t1 , t2 ] ist
Zt2
Wu (t1 , t2 ) = u2 (t) dt (2.4)
t1
Z+∞
Wu = u2 (t) dt < ∞ (2.5)
−∞
❐ Hinweis:
In der systemtheoretischen Literatur werden meist alle Größen dimensionslos an-
gesetzt, auch die Zeitgrößen; so kann eine Zeitfunktion in der Form u(t) = e−t
t
auftreten; sie entspricht einer Funktion u(t) = e− T mit T = 1s. Ebenso ist dann
eine Funktion u(t) = sin(t) zulässig. Wir verwenden die Funktion u(t) als dimen-
sionslose Größe und sind dann frei, dem Signal u(t) einen Spannungswert, einen
Helligkeitswert, einen Blutdruck oder einen Aktienindex zuzuordnen. Wir verlie-
ren allerdings damit die Möglichkeit einer unmittelbaren Dimensionskontrolle.
In der Systemtheorie muss also bei Berechnungen vorab die Dimension der Grö-
ßen festgelegt werden. Ist u(t) beispielsweise ein Spannungsverlauf der Spannung
(Dimension Volt), die an einem Widerstand R (Dimension Ω = V A ) auftritt, so hat
die Energie die Dimension VAs = Ws:
+∞
Z
1
Wu∗ = u2 (t) dt < ∞ (2.7)
R
−∞
2.1.3 Leistungssignale
Leistungssignale haben mit der Augenblicksleistung Pu (t) = u2 (t)
eine endliche mittlere Leistung, im Zeitintervall [t1 , t2 ] ist sie
Zt2
1
Pu (t1 , t2 ) = Pu (t) dt
t2 − t1
t1
Zt2
1
= u2 (t) dt < ∞ (2.10)
t2 − t1
t1
❐ Hinweis:
Der Beweis folgt aus den Grenzwertdefinitionen für den arithmetischen Mittel-
wert und die Leistung, wenn man zuerst ein endliches Intervall T ∗ wählt, das ein
ganzzahliges Vielfaches des Periodizitätsintervalls T ist, T ∗ = mT (m ganzzahlig),
denn dann ist der Wert des Integrals im Intervall T ∗ jeweils genau das m-fache des
Wertes im Periodizitätsintervall T . ❐
❐ Aufgabe:
Begründe den Verlauf von z3 (t) (s. Bild 2.3) ❐
2.2 Elementarsignale
Elementarsignale sind idealisierte, technisch zumindest näherungs-
weise erzeugbare Signale, die in elektrotechnischen Anwendungen
auftreten und/oder bei der Analyse und Messung linearer Übertra-
gungssysteme von Bedeutung sind. Durch die Idealisierungen kön-
nen sich mathematische Schwierigkeiten ergeben (wenn beispiels-
weise ein Elementarsignal nicht differenzierbar ist), wir können auf
diese Schwierigkeiten nur am Rande eingehen.
-2T -T T 2T t -T T 4T t
v(t) = u(t-τ) z2(t) = u(2t)
-T τ τ+2T t -2T -T T 2T t
w(t) = u(-t) z3 (t) = u(-t/2+T)
-2T -T T 2T t -2T -T T 2T t
Abbildung 2.3: Zeittransformierte Signale
û j(ω0 t+ϕ0 )
u(t) = û cos(ω0 t + ϕ0 ) = e + e−j(ω0 t+ϕ0 ) (2.18)
2
ϕ0
Re
e -jω0t
❐ Aufgabe:
Es sei T0 = 1 ms und ϕ0 = −π/4. Bei welcher Zeit tmax > 0 tritt das erste
Maximum des Cosinussignals auf?
[A.: Maximum, wenn ω0 t + ϕ0 = 0, d. h. ω0 t = π/4, daher tmax = T0 /8 = 125 µs.]
❐
2.2.2 Exponentialfunktionen
Wir betrachten Signale der Form
u(t) = est (2.21)
u(t)
1
0,37
0 T t
sin(ω0 t)
si(ω0 t) = (2.24)
ω0 t
0 π m 6= 0
si(ω0 t) = für t = m , (2.25)
1 ω0 m=0
Rechteckfunktion
Es gilt
(t)
1 für |t| < T /2 T
1
⊓T (t) : = 0, 5 für |t| = T /2 (2.28)
0 sonst t
T T
2 2
Die Bedeutung der Rechteckfunktion liegt darin, dass mit ihr Im- Abbildung 2.9: Rechteckfunkti-
on
pulse, z. B. bei einer binären Datenübertragung, beschrieben werden
können; weiterhin ermöglicht sie die Eingrenzung (Ausblendung) ei-
nes Signals auf einen Bereich T .
❐ Aufgabe:
Skizziere u(t) = 2 · ⊓4T (t − 3T ) . ❐
❐ Beispiel: Cosinusburst
Mit einer Rechteckfunktion kann aus einem Cosinussignal eine Anzahl von
Schwingungen ausgeschnitten werden:
Das folgende Bild zeigt dazu ein Beispiel. Ein solcher Cosinusburst (mit etwa zehn
vollen Schwingungen der Frequenz 4,43 . . . MHz) wird in der Farbfernsehtechnik
mit jeder Bildzeile übertragen, um einen Oszillator im Fernsehempfänger zu syn-
chronisieren.
Rampenfunktion
Es gilt
rT (t)
0 für t <0 1 ···
rT (t) = t/T für 0 ≤ t ≤ T (2.30)
1 für T < t
T t
2.3 Deltaimpuls
Der Deltaimpuls δ(t) (Deltafunktion, Diracimpuls, Einheitsstoß, . . . )
δ(t) hat nur für t = 0 von Null verschiedene Werte, er stellt im Zeitbe-
R∞ !
δ(t) dt = 1 reich einen idealisierten Impuls dar, der für die Beschreibung linea-
rer Übertragungssysteme eine große Bedeutung hat. Der Deltaim-
−∞
Z∞
u(t) δ(t) dt = u(0) (2.31)
−∞
Z∞
δ(t) dt = 1 (2.32)
−∞
Wir sagen, der Deltaimpuls hat ein Gewicht (= Fläche) der Größe 1.
Dementsprechend hat eine Funktion a · δ(t) ein Gewicht (= Fläche)
der Größe a.
1
∆
· ⊓∆ (t)
1
∆
t
∆
Das Ergebnis der Gleichung (2.32) kann so gedeutet werden, dass die
Fläche unter dem Deltaimpuls den Wert 1 hat. Daraus lässt sich δ(t)
z. B. als Grenzwert einer Rechteckfunktion mit der Breite ∆ und der
Höhe 1/∆ veranschaulichen (siehe Bild 2.13).
1
δ(t) = lim ⊓∆ (t) (2.33)
∆→0 ∆
bzw.
δ(t) = 0 für alle t 6= 0 (2.35)
u(t)
u(τ)
t
τ
δ(t-τ)
u(t) u(τ)
1
τ t
∆
Abbildung 2.15: Ausblenden mit Rechteckimpuls
Anschaulich lässt sich dieses Ergebnis auch als Grenzfall einer Ap-
proximation von u(t) durch eine Folge von mit u(α) gewichteten
Rechteckfunktionen ⊓∆ (t − α) deuten:
∞ ∞
X 1 X
u(t) ≈ u(k∆) · ⊓∆ (t − k∆) · ∆ = u(k∆)·⊓∆ (t−k∆)
k=−∞
∆ k=−∞
(2.41)
u(t)
u(α) δ( t − α)
t
α
∞
X Abbildung 2.17: Deltakamm
δT (t) = δ(t − kT ) (2.46)
k=−∞
❐ Aufgabe:
Beweise dieses Ergebnis! Was geschieht, wenn das Signal eine Länge τ ≥ T hat? ❐
Bild 2.18 zeigt ein entsprechendes Beispiel, bei dem aus dem Rausch-
signal v(t) durch das Rechtecksignal u(t) ein Ausschnitt ausgeblen-
det wird.
Z+∞
w(t) = u(ε) v(t − ε) dε = u(t) ∗ v(t) (2.51)
−∞
❐ Beispiel:
a) b)
c) d)
e)
❐ Frage:
Welchen Effektivwert hat eine Störspannung bei SNR = 80 dB, wenn der Effektiv-
wert des Nutzsignals 0,1 V beträgt? [A.: 10 µV] ❐
❐ Hinweis:
SRV- und SNR-Werte lassen sich gleicherweise für Energiesignale mit der Ener-
gie Wu und der Fehlerenergie Wf definieren. Praktische Messungen beruhen we-
gen der endlichen Messdauer auf einem solchen Vergleich von Wu und Wf . ❐
Z+∞
ruv (τ ) = u(t) v(t + τ ) dt, (2.55)
−∞
ruv (τ )
ρuv (τ ) = (2.56)
ruv (0)
❐ Beispiel: Rechteckfunktion
Gegeben sei eine Rechteckfunktion u(t) = ⊓T (t) und ihre um t1 verschobene Ver-
sion v(t) = u(t − t1 ). Bild 2.23 zeigt diese Signale und ihre Kreuzkorrelationsfunk-
tion. ❐
u(t)
t
T
v(t)
1
t
t1
ruv(τ)
a b τ
t1
R R
Es ist ruv (τ ) = u(t) v(t + τ ) dt = u(t) u(t − t1 + τ ) dt. Die Energie-
❐ Frage:
Welche Zeitwerte gehören zu τ = a und τ = b im Bild 2.23?
[Antwort: a = t1 − T , b = t1 + T ] ❐
❐ Beispiel: Radarsignale
Wir betrachten einen (stark vereinfachten) Radarimpuls u(t) und seine nach ei-
ner Reflexion verzögert zurückkehrende Versionen v(t), links ungestört und rechts
verrauscht (Bild 2.24). Die Ähnlichkeit der beiden Signale zeigt sich in dem Maxi-
mum der KKF, das auch bei der verrauschten Version deutlich hervortritt. Aus der
Lage des Maximums kann die Entfernung des Objekts berechnet werden. ❐
❐ Aufgabe: KKF-Messung
Begründe, dass die Messung gemäß Bild 2.25 der Definition der KKF (Gl. 2.55)
entspricht. ❐
Z
L 1
ruu (τ ) = lim u(t) · u(t + τ ) dt (2.60)
T →∞ T
T
und
Z
L 1
ruv (τ ) = lim u(t) · v(t + τ ) dt (2.61)
T →∞ T
T
u(t)
t
T
u(t + τ1)
t
−τ1
p(t)
ruu(τ1)
t
ruu(τ)
τ
-T τ1 T
In Bild 2.28 wurde das Rauschen u(t) mit seiner verschobenen Version v(t) = u(t +
T ) mit T = 64 verglichen. Die normierten KKF-Werte
R sind Null, außer für τ = −T ,
da dann v(t) = u(t) und damit ruv (−T ) = u2 (t) dt = Wu gemessen wird.
3.1 Fourierkoeffizientenspektrum
Die Fourierreihendarstellung erlaubt
1. die Angabe der in dem Signal enthaltenen sinusförmigen Fre-
quenzanteile und ihrer Gewichte
2. eine näherungsweise Darstellung von periodischen Signalen
durch eine endliche Zahl von sinusförmigen Schwingungen
3. die Darstellung beliebiger Signale durch Sinusschwingungen
in einem vorgegebenen Intervall.
35
36 Kapitel 3. Fourierreihendarstellung periodischer Signale
Es sei
up (t) = up (t + T ) (3.1)
ZT /2
1
Uk = u(t) · e−jkωp t dt k = 0, ±1, ±2, . . . (3.3)
T
−T /2
❐ Beweis:
∞
P
up (t) = Uk · ejkωp t · e−jlωp t
k=−∞
P∞
up (t) · e−jlωp t = Uk · ej(k−l)ωp t
k=−∞
T/2 ∞
ZT/2
R P
u(t) · e −jlωp t
dt = Uk ej(k−l)ωp t dt
−T/2 k=−∞ (3.5)
−T/2
| {z }
0 f. k 6= l
=
T f. k = l
T/2
R TR/2
u(t) · e−jlωp t dt = Ul · T , Ul = T1 u(t) · e−jlωp t dt
−T/2 −T /2
❐ Aufgabe:
Begründe, dass die Fourierkoeffizienten ein Maß für die Kreuzkorrelation zwi-
schen dem Grundintervall u(t) und den komplexen Basisfunktionen e−jkωp t sind.
❐
❐ Beispiel: Rechteckpuls(folge)
∞
P
Es sei up (t) = A · ⊓τ (t − kT )
k=−∞
Die Grundfrequenz ist fp = 1/T , ein Impuls hat die Breite τ . Die Fourierkoeffizi-
enten Uk ergeben sich zu:
τA ω · τ τA τ · π
Uk = si k = si k
T 2 T T
up(t) Π (t)
T
-3T -2T -T T 2T 3T
t
u(t)=A Πτ(t)
A
-T T t
τ
Uk
1/Τ k ⋅ fp
-1/τ 1/τ
Wir können also ein zeitperiodisches Signal auch durch seine Fou-
rierkoeffizienten, also eine abzählbare Menge diskreter Zahlen, dar-
stellen und erhalten so oft zusätzliche Einsichten in die Eigenschaf-
ten eines Signals. Die Fourierkoeffizienten Uk sind i. Allg. komplex,
ihre Darstellung über k bzw. ω = kωp liefert das Fourierkoeffizienten-
spektrum
Uk = Rk + jXk = |Uk | · ejϕk (3.6)
mit dem Amplitudenspektrum
q
|Uk | = Rk2 + Xk2 (3.7)
❐ Beispiel:
• U0 = 3, Uk = 0 für k 6= 0 ⇒ up (t) = 3
• U0 = 3, U−1 = U1 = 0,5 ⇒ up (t) = 3 + cos(ωp t)
• U0 = 3, U−1 = 1 − j0,5, U1 = 1 + j0,5 ⇒ up (t) = 3 + 2 cos(ωp t) − sin(ωp t)
(linkes Bild), so rücken die Fourierkoeffizienten immer dichter zusammen, bis sie
für T → ∞ ein kontinuierliches Spektrum liefern. Verringert sich hingegen bei
gleichbleibendem Periodizitätsintervall T die Breite τ der Impulse (rechtes Bild),
so wird das Fourierreihenspektrum immer breiter. ❐
❐ Aufgabe:
Gib die Fourierkoeffizienten für den Fall τ = T an.
[A.: U0 = A; Uk = 0 für k 6= 0; ein Gleichanteil hat also nur einen Fourierkoeffizi-
enten U0 , alle anderen sind Null.] ❐
❐ Beispiel: Deltakamm
Der Deltakamm ist eine periodische Funktion und daher als Fourierreihe darstell-
bar.
∞
P
δT (t) = δ(t − kT )
k=−∞
P∞ (3.10)
= Uk ejkωT t
k=−∞
ZT/2
1 1
Uk = δ(t)e−jkωp t dt = (3.11)
T T
−T/2
Daraus folgt
∞
" ∞
#
1 X jkωp t 1 X
δT (t) = e = 1+2 cos (kωp t) (3.12)
T T
k=−∞ k=1
Das folgende Bild 3.2 zeigt drei cos-Glieder –die Grundfrequenz (-schwingung)
(n = k = 1) und die ersten beiden Oberwellen (n = k = 2, 3)– und die damit
erreichbare Fourierreihen-Approximation des Deltakamms.
❐ Beispiel: Phasenverzerrung
Gegeben sei ein Signal u1 (t):
1 1
u1 (t) = cos(ω1 t) − cos(3ω1 t) + cos(5ω1 t) .
3 5
Sein Phasenspektrum habe die Werte 0, −π, 0.
|Uk | ϕk
Wir vergleichen mit zwei verzerrten Versionen u2 (t) und u3 (t), bei denen der Am-
plitudengang erhalten bleibt, der Phasengang aber die Werte 0, 0, 0 bzw. 0, −π, −π
erhält:
1 1
u2 (t) = cos(ω1 t) + cos(3ω1 t) + cos(5ω1 t)
3 5
|Uk | ϕk
1 1
u3 (t) = cos(ω1 t) − cos(3ω1 t) − cos(5ω1 t).
3 5
|Uk | ϕk
Es ergibt sich dadurch eine starke Veränderung des Zeitsignals. Sie wäre für Da-
tenübertragung schwerwiegend, für eine akustische Wiedergabe jedoch fast irre-
levant, da das Innenohr zumindest bei Sprachsignalen im Wesentlichen nur das
Amplitudenspektrum auswertet.
3.2 Parseval-Theorem
Die normierte Leistung eines zeitperiodischen Signals kann als Sum-
me der Betragsquadrate der Fourierkoeffizenten angegeben werden:
ZT/2
1 X
Pup = u2p (t)dt = |Uk |2 (3.13)
T ∀k
−T/2
❐ Beweis:
ZT/2 ZT/2
1 1 X
Pup = u2p (t) dt = up (t) Uk · ejkωp t dt
T T
−T/2 −T/2 ∀k
ZT/2
X 1 X
Pup = Uk up (t) · ejkωp t dt = Uk · Uk∗
T
∀k −T/2 ∀k
X 2
Pup = |Uk | (3.14)
∀k
N
X 2π
ûp (t) = Uk ejkωp t mit ωp = (3.15)
k=−N
T
Das Fehlersignal ep (t) = up (t)− ûp (t) ist auch periodisch und hat eine
Fehlerleistung (=mittlerer quadratischer Fehler)
Z
1
PFehlerleistung = e2p (t) dt
T
T
Z ∞ N
!2
1 X X
= Uk ejkωp t − Uk ejkωp t dt
T k=−∞ k=−N
T
2
Z
1 X
= Uk ejkωp t dt
T
T |k|>N
Z
1 X X
= Uk ejkωp t Ul ejlωp t dt ; (3.16)
T
T |k|>N |l|>N
ZT/2
jkωt jlωt T : k = −1
e e dt = (3.17)
0 : k 6= −1
−T/2
folgt
X X
PFehlerleistung = (Uk Uk∗ ) = |Uk |2 (3.18)
|k|>N |k|>N
Die Fehlerleistung ist also die Summe der Betragsquadrate der Fou-
rierkoeffizienten, die in der Approximation nicht verwendet wur-
den.
Eine Beziehung, die dieser ähnlich ist, nämlich über die Gleich-
heit der Energie im Zeit- und Spektralbereich, werden wir später
bei der kontinuierlichen Fouriertransformation als Parsevaltheorem
kennenlernen.
PFehlerleistung
Up(t)
Up(t)
15,625
fH0 = 567 · kHz = 4,43 MHz
2
Damit liegt die Farbinformation genau in der Mitte zwischen den Spektrallinien
des Leuchtdichtesignals Y. ❐
1
In der Praxis werden mit dem Zeilensprungverfahren zwei Halbbilder nach-
einander geschrieben, um Flackern (Großflächenflimmern) zu verhindern. Die
Bildwechselfrequenz beträgt daher 50 Hz.
Z∞
U (jω) = F {u(t)} := u(t) e−jωt dt (4.1)
−∞
Die Analysegleichung ergibt sich (bis auf den Vorfaktor 1/T ) auch
aus der Definitionsgleichung für die Fourierkoeffizienten Uk , indem
man T → ∞ ansetzt, also keine Wiederholung des Signals (Grund-
intervalls) ”zulässt”. Dann wird up (t) zu u(t), ωp = 2π/T wird zu dω
und kωp zu ω.
In Kurzform stellen wir Fouriertransformierte durch das folgende
Transformationspaar dar
45
46 Kapitel 4. Fouriertransformation
Ein Signal u(t) kann also näherungsweise als unendliche Summe von
gewichteten Exponentialschwingungen mit Kreisfrequenz m · ∆ω in-
terpret iert werden:
∞
1 X
u(t) = lim U (jm ∆ω) ejm ∆ωt ∆ω (4.6)
2π ∆ω→0m=−∞
Eine Funktion u(t) kann fehlerfrei als eine unendlich dichte Über-
lagerung von gewichteten Exponentialschwingungen mit Kreisfre-
quenz ω dargestellt werden. U (jω) bestimmt Amplitude und Pha-
se jeder Teilschwingung ejωt (wir erinnern uns, dass u(t) anderer-
seits auch als eine unendlich dichte Überlagerung von Diracimpul-
sen dargestellt werden kann).
❐ Beispiel: Rechteckfunktion
Die Fouriertransformierte der Rechteckfunktion ⊓T (t) lässt sich einfach berech-
nen:
Z∞ T /2
Z
−jωt ωT
F{⊓T (t)} := ⊓T (t) e dt = cos(ωt) dt = T si (4.7)
2
−∞ −T /2
Bild 4.1 zeigt den Verlauf der beiden Funktionen; von der Fouriertransformierten
wird nur der Realteil gezeigt, da der Imaginärteil Null ist (weshalb?).
ΠT(t) T si(ωT/2)
1 T
T T t ω
2 2 -2π/T 2π/T
❐ Aufgabe:
Skizziere den Amplitudengang (Betragsfrequenzgang) der Fouriertransformierten
einer Rechteckfunktion. (Was ist der Unterschied zu Bild 4.1b) ❐
4.2 Eigenschaften
Die folgenden Eigenschaften der Fouriertransformation werden oh-
ne Beweise gebracht, da diese entweder einfach zu führen oder in
Standardlehrbüchern zu finden sind (siehe aber Abschnitt 4.3).
Z+∞
Ru (ω) = u(t) cos(ωt) dt und
−∞
Z+∞
Iu (ω) = − u(t) sin(ωt) dt (4.14)
−∞
❐ Frage:
Weshalb eigentlich? ❐
❐ Aufgabe:
Begründe, dass das Fourierspektrum eines geraden Signals u(t) = u(−t) gleich
der Realteilfunktion Re {U (jω)} (d. h. rein reell) und das eines ungeraden Signals
u(t) = −u(−t) gleich der Imaginärteilfunktion j Im {U (jω)} (d. h. rein imaginär)
ist. ❐
2π/T
t ω
-2 π/T 2π/T -2π/T
−π
Linearität:
Mit u(t) ↔ U (jω) und v(t) ↔ V (jω) gilt bei Linearität
a · u(t) + b · v(t) ↔ a · U (jω) + b · V (jω) (4.18)
Zeitverschiebung:
Bei Verschiebung eines Signals u(t) um t0 entsteht ein Transforma-
tionspaar
v(t) = u(t − t0 ) ↔ V (jω) = U (jω)e−jωt0 (4.19)
2π/T
t ω
-2 π/T 2π/T -2π/T
Zeitinvertierung:
Für ein zeitinvertiertes Signal u(−t) gilt:
u(−t) ↔ U ∗ (jω) = U (−jω) (4.20)
Frequenzverschiebung (Modulationstheorem):
❐ Beispiel: Cosinusburst
Für den Cosinusburst
1 jω1 t
cos(ω1 t) = e + e−jω1 t (4.23)
2
F{ cos(ω1t )Π T ( t )}
T/2
ω
− ω1 ω1
Maßstabsänderung (Ähnlichkeitssatz):
1 ω
u(at) ↔ U j (4.25)
|a| a
T (t) T si(ωT/2)
1
T
t ω
T T
2 2 -2π/T 2π/T
2T si(ωT)
2T(t)
1 2T
t ω
T T
❐ Frage:
Welche Spektren erwarten Sie, für T → 0 bzw. T → ∞? ❐
Symmetrie (Vertauschungssatz):
Für ein Signal u(t) ↔ U (jω) gilt
si(ωTt/2) (ω)
ω
T
1 T
-T T t ω
−ωΤ/2 ωΤ/2
Faltung im Zeitbereich:
Für eine Faltung (siehe Abschnitt 6.5) der beiden Zeitfunktionen
u(t) ↔ U (jω) und h(t) ↔ H(jω), also für
Z+∞
v(t) = u(t) ∗ h(t) = u(τ ) h(t − τ ) dτ (4.29)
−∞
❐ Beispiel: Dreieckfunktion
Eine symmetrische Dreieckfunktion ∧T(t) der Höhe 1 und der Breite T lässt sich
als Faltung von zwei Rechteckfunktionen darstellen:
r r
2 2
∧(t) = ⊓T /2 (t) ∗ ⊓T /2 (t) (4.31)
T T
❐ Frage:
Weshalb eigentlich? ❐
❐ Aufgabe:
Berechne das Ergebnis der Gl. (4.32) direkt aus der Analysegleichung der Fourier-
transformation! ❐
Produktbildung im Zeitbereich:
Werden zwei Zeitsignale multipliziert, so ergibt sich die Fourier-
transformierte des Produkts durch Faltung der Spektren der beiden
beteiligten Produktterme:
1
u(t) · h(t) ↔ U (jω) ∗ H(jω) (4.33)
2π
eine Produktform hat, können wir das Spektrum auch durch Faltung der
Spektren der beiden Produktterme erhalten. Wir werden im Abschnitt 4.5 –
Fouriertransformation und Distributionen– ableiten, dass das Cosinussignal ein
Spektrum hat, das aus zwei Deltaimpulsen bei ±ω1 besteht:
Aus Gl. (4.8) und Gl. (4.33) folgt dann, dass die Fouriertransformierte eines Cosi-
nusbursts eine Überlagerung von zwei bei ±ω1 auftretenden si-Funktionen ist.
Bild 4.7 zeigt diese Faltung der Spektren des Cosinussignals und der Rechteck-
funktion. Das gleiche Ergebnis hatten wir bereits mit dem Frequenzverschiebungs-
satz (Modulationstheorem) erhalten (vergleiche Bild 4.4). ❐
u(t) U(jω)
cos(ω1t)
1 π
t ω
−ω ω
1 1
V(jω)
v(t) ω =2π/T T
(t) ω
T
t0 ω
-T/2 T/2 0
Z(jω)
= z(t)
T/2
1
t ω
-T/2 T/2 −ω ω
1 1
Ableitung:
Eine Ableitung einer Funktion im Zeitbereich entspricht einer Mul-
tiplikation des Spektrums mit jω.
d
u(t) ↔ jω U (jω) (4.36)
dt
Integration:
Hat ein Signal u(t) ↔ U (jω) keinen Gleichanteil, U (0) = 0, so wird
Zt
1
u(τ ) dτ ↔ U (jω) (4.37)
jω
−∞
Parsevalsches Theorem:
Die Energie kann im Zeitbereich oder im Frequenzbereich berechnet
werden:
Z∞ Z∞
1
Wu = u(t) dt 2
= |U (jω)|2 dω (4.38)
2π
−∞ −∞
Frequenz. Der Term |U (jω)|2 dω ist ein Maß für den Energieanteil im
Bereich (ω, ω +dω). Im Frequenzbereich (ω1 , ω2 ) liegt daher die Ener-
gie
Zω2
1
Wu (ω1 , ω2 ) = |U (jω)|2 dω ; ω1 , ω2 ≥ 0 (4.39)
2π
ω1
❐ Hinweis:
Die Dimension des Energiedichtespektrums ergibt sich für eine Spannungs-Zeit-
Funktion u(t) in Ws2 , bezogen auf einen Widerstand R = 1Ω. Statt Ws2 kann auch
Ws/Hz geschrieben werden, d. h. das Energiedichtespektrum gibt die Energie in
Ws (an 1Ω ) pro Hertz Bandbreite an. ❐
für a = 2V und T = 1µs eine Energie Wu = 0,4 · 10−6 V2 s hat. Wu ist die an R = 1Ω
entstehende Energie. Das Spektrum ergibt sich zu
aT
U (jω) = (4.42)
5 + jωT
2 1
|U (jω)| = U (jω) · U ∗ (jω) = (4.43)
25 + ω 2 T 2
Z∞ +∞
1 2 a2 T ωT
Wu = |U (jω)| dω = arctan = 0,4·10−6 V2 s
2π 2π 5 5 −∞
−∞
(4.44)
❐ Frage:
Weshalb eigentlich? (Hinweis: Zeitinvertierung und Faltung im Zeitbereich) ❐
4.3 Beweise
Die Eigenschaften der Linearität, Zeit- und Frequenzverschiebung
folgen direkt aus der Integraldefinition (4.1), bei dem Beweis der
Maßstabsänderung sollte eine Fallunterscheidung für positive und
negative a-Werte vorgenommen werden. Die Symmetriebedingung
kann am einfachsten aus der Synthesegleichung entwickelt werden,
indem die Substitutionen ω → t und t → −ω vorgenommen wer-
den (dabei kann man die Substitution nicht direkt durchführen, son-
dern muss über Hilfsvariablen gehen). Die Eigenschaften der Fou-
riertransformation bei Faltungsoperationen werden im Kapitel 9 Li-
neare Systeme abgeleitet. Die Eigenschaft der Ableitung folgt am ein-
fachsten aus der Synthesegleichung (4.5).
Zt
u(τ ) dτ = u(t) ∗ σ(t) (4.46)
−∞
dargestellt werden (weshalb eigentlich?). Im Abschnitt 4.5 (Gl. 4.63) wird gezeigt,
dass die folgende Korrespondenz gilt:
1
σ(t) ↔ π δ(ω) + (4.47)
jω
❐ Aufgabe:
Beweise die Richtigkeit der Synthesegleichung durch Einsetzen der Analyseglei-
chung (4.1) bei Berücksichtigung der Eigenschaft des Deltaimpulses
Z∞
ejωt dω = 2π · δ(t)
−∞
❐ Beispiel: Parsevaltheorem
Es ist
Z∞ Z∞ Z∞
1
u(t)2 dt U (jω) · ejωt dω dt
Wu = = u(t) ·
2π
−∞ −∞(t) −∞(ω)
Z∞ Z∞
1
= u(t) · U (jω) · ejωt dω dt
2π
−∞(t) −∞(ω)
Z∞ Z∞
1
= U (jω) · u(t) ejωt dt dω
2π
−∞(ω) −∞(t)
| {z }
U ∗ (jω)
Z∞
1 2
= |U (jω)| dω
2π
−∞
4.4 Hilberttransformierte
Wir betrachten Funktionen bzw. Signale u mit u(t) = 0 für t < 0
(rechtsseitige oder kausale Funktionen ) und wollen danach fragen,
welche Besonderheiten die Spektren solcher Signale zeigen. Dazu
stellen wir u(t) als Summe aus einer geraden und einer ungeraden
Funktion dar:
mit
1 1
ug (t) = u(t) + u(−t) und uu (t) = u(t) − u(−t)
2 2
(4.49)
Für t > 0 ist damit ug (t) = uu (t), für t < 0 ist ug (t) = −uu (t), d. h. es
gilt
(Dies gilt auch für t = 0, selbst wenn u(t) dort unstetig ist!)
Wie wir bereits wissen, ist das Spektrum einer geraden Funktion rein
reell (das Signal hat nur cos-Anteile), das einer ungeraden rein ima-
ginär (das Signal hat nur sin-Anteile), d. h.
❐ Aufgabe:
Skizziere ug (t) und uu (t) zu der folgenden Funktion u(t) (für t < 0 und t > T sei
u(t) = 0):
u(t)
t
T
Deltaimpuls:
Ein Deltaimpuls δ(t) hat eine Fouriertransformierte ∆(jω) :=
F{δ(t)}, die sich mit Hilfe der Ausblendeigenschaft berechnen lässt:
Z∞
∆(jω) = F{δ(t)} := δ(t) e−jωt dt = e−jω0 = 1
−∞
(4.50)
Ein Deltaimpuls δ(t) hat also ein Spektrum, an dem alle Exponen-
tialschwingungen (mit Nullphase, d. h. alle cos-Schwingungen) von
Null bis Unendlich gleichmäßig beteiligt sind. Der Deltaimpuls δ(t)
ergibt sich auch als Fourierrücktransformierte der Konstantwert-
funktion 1.
δ(t) ∆(jω)
(1) 1
t ω
und
Konstantwertfunktion:
Aus dem letzten Ergebnis folgt mit ω0 = 0 auch der Spezialfall
1 ↔ 2π δ(ω) (4.54)
u( t) U(jω )
1 (2π)
t ω
u(t)=cos(ω0t) U(jω )
( π)
t ω
−ω0 ω0
u(t) U(jω)
(1) 2
t ω
−t 0 t0
❐ Aufgabe:
Skizziere zu Gl. (4.57) den Amplitudengang und stelle eine Beziehung zwischen
den Maxima des Amplitudenganges und dem Abstand der Deltaimpulse her! ❐
Deltakamm:
Für den Deltakamm
∞
X
δT(t) = δ(t − kT ) (4.59)
−∞
δT(t) F{δT(t)}
(1) (ωT)
t ω
-T T −ωT ωT
Signumfunktion:
Die Signumfunktion hat eine Fouriertransformierte
2
sgn(t) ↔ (4.61)
jω
❐ Aufgabe:
Berechne die Fouriertransformierten von e−at (für t > 0) und −eat (für t < 0) und
bestimme mit a → 0 die Fouriertransformierte von sgn(t). ❐
Sprungfunktion:
Die Fouriertransformierte der Sprungfunktion ergibt sich mit
1
σ(t) = (1 + sgn(t)) (4.62)
2
|U(jω)|
u(t)=sgn(t)
1
t ω
zu
1
σ(t) ↔ π δ(ω) + (4.63)
jω
❐ Aufgabe:
Berechne das Spektrum eines Cosinus-Einschaltimpulses f (t) = cos(ω0 t) σ(t)!
❐
❐ Beispiel: Rechteckfunktion
T T
u(t) = ⊓T (t) = σ t + −σ t− (4.66)
2 2
T T
u′ (t) = δ t+ −δ t− (4.67)
2 2
T
jω U (jω) = ejωT /2 − e−jωT /2 = 2j sin ω (4.68)
2
Daraus folgt nach Division durch jω das Spektrum U (jω) = T si(ωT /2). ❐
❐ Hinweis:
Jeder Division durch jω entspricht eine Integration. Um Problemen mit zu berück-
sichtigenden Integrationskonstanten aus dem Wege zu gehen, empfiehlt sich bei
Signalen mit Gleichanteil, diesen Anteil vorher abzuspalten und nach der Rech-
nung im Frequenzbereich als δ(ω)-Spektrallinie zu berücksichtigen. Sonst würde
z. B. bei einer Berechnung von F{σ(t)} nach der obigen Methode der Gleichanteil
fehlen. ❐
1
u′′ (t) = [δ(t + 2T ) − δ(t + T ) − δ(t + T ) + δ(t − 2T )]
T
1 jω 2T
(jω)2 U (jω) = e − ejωT − e−jωT + e−jω 2T
T
ωT
2
U (jω) = T 1 + 2 cos(ωT ) si
2
u(t)
t
-2T -T T 2T
u´(t)
1/T
T 2T t
-2T -T
-1/T
-T T t
-2T 2T
(-1/T) (-1/T)
u(t)
u'(t)
etc.
up(t)
t
T
u(t)
Für das Spektrum ergibt sich aus Gl. (4.69) mit ωp = 2π/T
Es ergibt sich damit ein Linienspektrum, es ist für alle ω definiert. Die
Gewichte des Linienspektrums sind den Fouriertransformierten der
Grundbereichs-Zeitfunktion u(t) an den Stellen ω = kωp proportio-
nal. Die Fouriertransformierte der Grundbereichsfunktion ist
Z∞ ZT /2
U (jω) = u(t) e−jωt dt = u(t) e−jωt dt (4.71)
−∞ −T /2
ZT /2
U (jkωp ) = u(t) e−jkωp t dt = T · Uk (4.72)
−T /2
❐ Aufgabe:
Welche obere Grenzfrequenz ωg darf U (jω) nicht überschreiten, damit Up (jω) eine
periodische Fortsetzung von U (jω) ist? [A: ωg < ωp /2] ❐
u(t)
t
-T/2 T/2
Abbildung 4.18: Zeitbegrenzte Funktion
Wir setzen die zeitbegrenzte Funktion u(t) mit T periodisch fort und
begrenzen sie anschließend wieder auf den ursprünglichen Bereich:
und damit
∞
X T
U (jω) = U (jkωT ) si (ω − kωT ) (4.81)
k=−∞
2
Das Spektrum einer zeitbegrenzten Funktion ist also –wegen der si-
Funktionen– kontinuierlich und unendlich ausgedehnt, kann aber
aus den Spektrallinien U (jkωT ) an den Stellen ω = kωT wiederher-
gestellt werden.
u(t)
T/2 t
|U(jω)|²
2π/T ω
Gesucht wird die Energie im Bereich von Frequenzen bis |f | ≤ 1/T [Hz]. Es ist
|U (jω)|2 = (AT )2 si2 (ωT ). Die Durchrechnung führt auf einen Integralsinus. Das
Spektrum des Impulses der Länge T ist im Wesentlichen auf den Bereich bis zum
ersten Nulldurchgang beschränkt (92% der Energie liegen in diesem Bereich), sein
Wert wird oft als Grenzfrequenz bezeichnet (B0 = 1/T ). Damit gilt
Impulsdauer · Null-Bandbreite = T · B0 = 1 (4.84)
u(t)
Diese Unschärferelation der Nachrichtentechnik tritt auch bei vielen anderen Funktio- 1
nen auf. ❐
Die Energie kann auch aus der spektralen Energiedichte |U (jω)|2 berechnet wer-
den:
1
U (jω) = [Vs] (4.86)
5 + jω
und damit
2 1 2 2 Vs
|U (jω)| = V s = (4.87)
25 + ω 2 Hz
Z∞
1 2
Wu = |U (jω)| dω
2π
−∞
ω ∞
1 1
= arctan = 0,1 V 2s (4.88)
2π 2 5 −∞
❐
4.9.2 Leistungssignale
Wir betrachten einen Ausschnitt uT (t) eines Leistungssignals
u(t)
t
T
uT (t)
T
Abbildung 4.21: Ausschnitt eines Leistungssignals
bzw.
Z Z
2 1
W uT = uT (t) dt = |UT (jω)|2 dω (4.92)
2π
Das LDS beschreibt die Verteilung der Leistung über der Frequenz
und hat die Dimension WS = W pro Hz Bandbreite. Im Frequenzin-
tervall (ω1 , ω2 ) hat das Signal damit eine Leistung
Zω2
1
Pu (ω1 , ω2 ) = Suu (ω) dω ω1 , ω2 ≥ 0 (4.95)
π
ω1
4.9.3 Kurzzeitleistungsdichtespektrum
Ändern sich Signalverläufe über der Zeit, so können die charakteris-
tischen Änderungen häufig –wie im letzten Abschnitt gezeigt– durch
Kurzzeitspektren veranschaulicht werden. Die Signale werden dazu
in Abschnitte der Länge T aufgeteilt; für jeden Abschnitt wird das
LDS Sut (ω) bestimmt.
Abbildung 4.24: Kurzzeit-LDS (Mitte) und normierte AKF (unten) des Sprachlau-
tes ‚a‘
(aus Sprachprobe ”das Herz“)
Abbildung 4.25: Kurzzeit-LDS (Mitte) und normierte AKF (unten) des stimmlosen
‚s‘
(aus Sprachprobe ”das Herz“)
eine Konstante, d. h., das Spektrum ist unendlich ausgedehnt. Alle Frequenzanteile
von Null bis Unendlich sind mit gleichem Gewicht vertreten (der Unterschied zum
Diracschen Deltaimpuls besteht darin, dass dessen Phase linear ist, wohingegen
die Phasen der einzelnen Spektralanteile im Rauschen zufällig liegen). ❐
73
74 Kapitel 5. Laplacetransformation
sein. UI (s) existiert daher nur für Werte σ > σmin , d. h. für s-Werte,
die in der sogenannten Konvergenzhalbebene liegen. Die diese Ebene
definierende Achse σ = σmin bezeichnet man als Konvergenzabzisse.
Die Konvergenzhalbebene ist eine offene Halbebene, d. h. ihr Rand
–σ = σmin – gehört nicht zum Konvergenzbereich; es kann dort aber
die Laplacetransformierte existieren, d. h. das Integral von Gl. (5.5)
kann dort konvergieren.
Im{s} = jω
Konvergenz-
halbebene
0 σmin Re{s} = σ
möglicher Integrations-
pfad c
für inverse Laplacetrans-
formation (Synthese)
❐ Beispiel: Sprungfunktion
Wir setzen die untere Integrationsgrenze zu 0+ an. Für u(t) = σ(t) ergibt sich (nach
kurzer Rechnung) die Laplacetransformierte
1 1
L{u(t)} = L{σ(t)} = bzw. σ(t) ↔ (5.8)
s s
wenn Re{s} > 0 ist. Die Konvergenzabzisse ist somit σmin = 0. ❐
❐ Beispiel: Deltafunktion
Wir setzen die untere Integrationsgrenze zu 0− an und erhalten bei Verwendung
der Ausblendeigenschaft die Laplacetransformierte
Die Funktion u(t) = eat σ(t) ist für a < 0 absolut integrierbar. Ihre Fourier- bzw.
Laplacetransformation ergibt daher
Z∞
1
F{u(t)} := U (jω) = eat e−jωt dt = (5.11)
−a + jω
0
bzw.
Z∞
1
LI {u(t)} := UI (s) = eat e−st dt = ; σ>a (5.12)
−a + s
0
1
LI {σ(t)} = ; σ>0 (5.14)
s
Die Fouriertransformierte existiert also nicht, da σmin = 0 ist und die jω-Achse
nicht in der Konvergenzhalbebene liegt (sondern auf deren Rand). ❐
Z∞
1
u(t) · e−σt = Uσ (jω) ejωt dω (5.15)
2π
−∞
Z∞
1
u(t) = Uσ (jω) e(σ+jω)t dω (5.16)
2π
−∞
und
σ+j∞
Z
1
u(t) = UII (s) est ds (5.19)
2πj
σ−j∞
❐ Beispiel: Deltafunktion
Die Deltafunktion ergibt sich durch Ableitung der Sprungfunktion. Daher gilt
d 1
L {δ(t)} = L σ(t) = s · L {σ(t)} = s · = 1 (5.22)
dt s
79
80 Kapitel 6. Zeitbereichsdarstellung kontinuierlicher linearer Systeme
Ü b e rtra g ung s -
u(t) y (t)
sy s te m
Ü b e rtra g ung s -
u(t) y (t)
sy s te m
Die Aufgabe der Systemanalyse besteht nun darin, für ein vorgegebe-
nes, oft impulsförmiges oder sinusförmiges Eingangssignal u(t) das
Ausgangssignal y(t) zu finden. Dabei kann das Übertragungssys-
tem entweder eine bekannte Struktur und Dimensionierung besit-
zen oder aber durch idealisierte Eigenschaften beschrieben sein. Die
Aufgabe der Systemsynthese besteht darin, bei vorgegebenem Zeit-
oder Frequenzverhalten eines Übertragungssystems seine Struktur
und Dimensionierung zu finden. Oft sind Nebenbedingungen zu
beachten, wie kleinstmöglicher Aufwand oder aber die Einhaltung
von Genauigkeitsforderungen. Die Systemsynthese ist mathema-
tisch meist schwierig, Vereinfachungen sind durch Approximationen
möglich. Für die Synthese von Sperrfiltern (z. B. Tiefpässen) liegen
Entwurfsprogramme und Filterkataloge vor, die einen relativ einfa-
chen Entwurf ermöglichen.
i(t) R
u(t) C y(t)
die sowohl von den Systemgrößen als auch von dem anliegenden
Quellensignal u(t) abhängt.
Die Gesamtlösung ist dann
Zt
y(t) = yh (t) + yp (t) = y0 + 1 u(α)eα/t dα e−t/τ (6.5)
τ
0
❐ Aufgabe:
Berechne das Ausgangssignal y(t) des unbelasteten RC-Tiefpasses für u(t) = σ(t),
wenn die Spannung am Kondensator zum Zeitpunkt t = 0 den Wert y(0) = 1 hat.
(A.: y(t) = 1 für alle t ≥ 0). ❐
U
y(t) = est − e−t/τ (6.8)
1 + τs
Für t ≫ 0 folgt
U
y(t) = est , wenn u(t) = U est (6.9)
1 + τs
zweite Term der Gl. (6.8), also der Einfluss der homogenen („flüch-
tigen“) Lösung, abgeklungen ist. Als Voraussetzung dazu muss aber
|est | > e−t/τ sein, bzw.
1
σ = Re{s} > − (6.10)
τ
❐ Frage: Sprungantwort
Welches Ausgangssignal ergibt sich bei einer zum Zeitpunkt t = 0 einsetzenden
Exponentialschwingung mit der Frequenz s = 0? (A.: Sprungantwort). ❐
i(t) R L
u(t) C y(t)
Mit
d d
uR = R · i(t) , uL = L i(t) und i(t) = C y(t) (6.11)
dt dt
ergibt sich
d
uR = R i(t) + L i(t) + y(t)
dt
d2 d
= LC 2 y(t) + RC y(t) + y(t) (6.12)
dt dt
I1 I2
Übertragungs-
Quelle U1 U2 Senke
vierpol
U1 = Z11 · I1 + Z12 · I2
U2 = Z21 · I1 + Z22 · I2 (6.15)
U1
Z11 = (6.16)
I1 I2 =0
❐ Frage:
Wie sind die drei anderen Impedanzen in Gl. (6.15) definiert? ❐
❐ Beispiel: RC -Tiefpass
1 1 1 1
Z11 = R + ; Z12 = ; Z21 = ; Z22 = (6.17)
jωC jωC jωC jωC
Der komplexe Übertragungsfaktor des unbelasteten Tiefpasses ist definiert als das
Verhältnis von (komplexer) Ausgangsamplitude zu (komplexer) Eingangsampli-
tude bei ausgangsseitigem Leerlauf:
U2 Z21 1
H(jω) := = = (6.19)
U1 I2 =0 Z11 1 + jωRC
Der Operator A{..} ist eine Vorschrift, die einer gegebenen Funktion
eine (i. Allg. andere) Funktion zuordnet (die Funktion wird transfor-
miert), d. h. A ist eine Abbildung aus der Menge aller Funktionen in
diese, eine sog. Funktionenfunktion.
A transformiert das Eingangssignal u(t) –eine Funktion der Zeit– in
ein Ausgangssignal y(t); das Ausgangssignal y(t) ist die Antwort des
Systems auf u(t). Wir beschränken uns auf lineare, zeitinvariante Sys-
teme (LTI-Systeme, linear time invariant), diese haben folgende Eigen-
schaften:
❐ Frage:
Weshalb müssen im Fall der Zeitinvarianz alle Energiespeicher beim Anlegen des
Eingangssignals Null sein? ❐
d σ(t) d hσ (t)
h(t) = A {δ(t)} = A = (6.25)
dt dt
und
Zt
hσ (t) = h(τ ) dτ (6.26)
−∞
h(t) hσ(t)
1 1
τ
0 τ t 0 τ t
Wie Bild 6.7 zeigt, kann die Impulsantwort eines linearen Systems,
z. B. eines unbelasteten RC-Tiefpasses, auch als Grenzwert der Ant-
wort eines Übertragungssystems auf einen Rechteckimpuls der Flä-
che 1 veranschaulicht werden. Die Antwort y(t) = A{1/T · ⊓T (t −
T /2)} kann entweder aus der Differentialgleichung (Abschnitt 6.2)
bestimmt werden, oder wir ermitteln sie, indem wir die Rechteck-
funktion als Überlagerung von zwei Sprungfunktionen ansetzen
und damit die Antwort y(t) als Überlagerung von zwei Sprungant-
worten erhalten.
Reale Systeme sind immer kausal. Wir werden aber in späteren Ab-
schnitten Systeme mit idealisierten Eigenschaften kennenlernen, bei
Stabilität Ein System wird stabil genannt, wenn es auf jedes be-
schränkte Eingangssignal mit einem beschränkten Ausgangssignal
antwortet [BIBO-Stabilität: bounded input → bounded output]. Ein
Eingangssignal u(t) ist beschränkt, wenn der Betrag des Signals für
alle t kleiner als eine endliche Konstante a ist: |u(t)| ≤ a < ∞ (für alle
t).
Es lässt sich zeigen (siehe unten), dass für Stabilität die Impulsant-
wort absolut integrierbar sein muss (daher muss ihre Fouriertrans-
formierte existieren):
Z∞
|h(t)| dt < ∞ (6.30)
−∞
Z∞
y(t) = u(t) ∗ h(t) = u(τ ) h(t − τ ) dτ (6.31)
−∞
und damit
Z∞
y(t) = A {u(t)} = u(τ ) A {δ(t − τ )} dτ
−∞
Z∞
= u(τ ) h(t − τ ) dτ = u(t) ∗ h(t) (6.33)
−∞
❐ Hinweis:
Es ist leicht zu zeigen, dass für Faltungsoperationen auch das Distributivgesetz, d. h.
a(t) ∗ [b(t) + c(t)] = a(t) ∗ b(t) + a(t) ∗ c(t) (6.35)
und das Assoziativgesetz,
a(t) ∗ [b(t) ∗ c(t)] = [a(t) ∗ b(t)] ∗ c(t) (6.36)
gelten. ❐
❐ Frage:
Welche Systemantwort ergibt sich für u(t) = δ(t)? [A.: y(t) = h(t)] ❐
❐ Aufgabe: Sprungantwort
Die Sprungantwort eines linearen Systems ist
Zt
hσ (t) = A {σ(t)} = σ(t) ∗ h(t) = h(τ ) dτ (6.37)
−∞
Leite dieses Ergebnis her; es wurde bereits auf direktem Wege abgeleitet, Gl. (6.26).
❐
❐ Beweis: Stabilität
Wir hatten als Stabilitätsbedingung Gl. (6.30) angegeben. Für eine beschränkte Ein-
gangsfunktion |u(t)| ≤ a < ∞ folgt:
Z∞
|y(t)| = u(τ ) h(t − τ ) dτ
−∞
Z∞
≤ |u(τ ) h(t − τ )| dτ
−∞
Z∞
≤ a· |h(t − τ )| dτ (6.38)
−∞
Bei beschränktem Eingangssignal (bounded input) |u(t)| ≤ a < ∞ ergibt sich also
bei absolut integrabler Impulsantwort
Z∞
|h(t − τ )| dτ ≤ b<∞
−∞
stellt die Antwort des Systems auf den Impuls δ(t − τ ) dar.
Das folgende Beispiel (Bild 6.9) zeigt anschaulich die graphische In-
terpretation der Faltungsoperation. Wie das Faltungsintegral angibt,
wird eine der Funktionen [hier u(t)] zeitinvertiert und um τ zeitlich
verschoben und mit der anderen Funktion [hier h(t)] multipliziert.
Die Fläche unter der Produktfunktion stellt dann einen Wert y(τ ) der
Ausgangsfunktion y(t) dar.
❐ Beispiel: Halteglied
1
h(t) = ⊓T (t − T /2) (6.42)
T
definiert. Ein Deltaimpuls führt damit zu einem Halten eines Ausgangswertes für
eine Zeit T (siehe Bild 6.10). Das Halteglied ist ein mittelwertbildendes Filter (In-
tegrierer), denn die Faltung y(t) = u(t) ∗ h(t) liefert
ZT Zt
1 1
y(t) = u(t − τ ) dτ = u(τ ) dτ (6.43)
T T
0 t−T
Ist u(t) selbst ein Rechtecksignal, z. B. u(t) = ⊓7T (t − 7T /2), ergibt sich eine tra-
pezförmige Ausgangsfunktion y(t). Sei nun h(t) = ⊓3T (t − 3T /2): Im Bereich
3T ≤ t ≤ 7T hat das Integral einen konstanten Wert, vorher nimmt sein Wert
linear mit t zu, für 7T ≤ t ≤ 10T nimmt sein Wert linear mit t ab.
δ (t) h(t)
Das Filter hält den Amplituden-
wert für die Zeit 3T fest.
0 t/T 0 3 t/T
Es sei: Dann ist:
u(t) y(t)
0 7 t/T 0 3 7 10 t/T
Die Systemantwort (rechts oben) zeigt ein verzerrtes Rechtecksignal, dem –wie
wir im nächsten Abschnitt erläutern werden– die hochfrequenten Anteile fehlen.
Die hier verwendete Impulsantwort h(t) charakterisiert ein Tiefpassfilter. Die glei-
che Systemantwort hätte sich ergeben, wenn wir den sin(x)/x-Verlauf auf ein Hal-
teglied mit der Impulsantwort des links oben gezeigten Verlaufs gegeben hätten
(weshalb eigentlich?). ❐
6.5.3 Exponentialsignale
Ein Sonderfall der Faltung ergibt sich, wenn das Eingangssignal ein
beidseitig unendlich ausgedehntes (komplexes) Exponentialsignal
ist. Es sei
und damit
Y ŷ j[ϕy (ω1 )−ϕu (ω1 )]
H(jω1 ) = = e (6.48)
U û
ŷ(ω1 )
Ah (ω1 ) = und ϕh (ω1 ) = ϕy (ω1 ) − ϕu (ω1 ) (6.49)
û
Diese Ergebnisse gelten jedoch nur für den Fall beidseitig unendlich
ausgedehnter Exponentialsignale (vgl. Gl. 6.44), nicht aber für ein
zum Zeitpunkt t = 0 eingeschaltetes Signal u(t) = est · σ(t).
1
H(jω1 ) = (6.50)
1 + jω1 τ
U
y(t) = ejω1 t − e−t/τ (6.52)
1 + jω1 τ
Erst für t → ∞ (also nach Verschwinden des ”flüchtigen“ Anteils), ergibt sich ein
Ergebnis in der Form von Gl. (6.46), also
❐ Aufgabe:
Beweise das obige Ergebnis unter Berücksichtigung von y(t) = u(t) ∗ h(t) und
Ein Eingangssignal u(t) mit Spektrum U (jω) führt auf ein Ausgangs-
99
100 Kapitel 7. Kontinuierliche lineare Systeme im Frequenzbereich
Wir bezeichnen sowohl H(jω) als auch H(s) bei gegebenem, festen
jω bzw. s als (komplexen) Übertragungsfaktor, bei variablem ω aber
als (komplexe) Übertragungsfunktion; H(jω) wird auch als (komple-
xer) Frequenzgang bezeichnet. Das Ergebnis Y (jω) = U (jω) · H(jω)
❐ Hinweis:
Der Index h am Amplituden- und Phasengang wird nur verwendet, wenn Unter-
scheidungen erforderlich sind wie zum Beispiel in Gl. (7.11) und Gl. (7.12). ❐
Als weitere Größe wird die Phasenlaufzeit tphase (ω) aus dem Pha-
sengang ϕ(ω) definiert. Sie ist definiert als die negative Sekanten-
steigung des Phasenganges und gibt die Laufzeit für eine einzelne
Sinusschwingung (z. B. der Kreisfrequenz ω1 ) an.
ϕ(ω)
tphase (ω) := − (7.13)
ω
ϕ(ω)
ω1
ω
ϕ(ω1 )
|Η (jω )|
h(t)
1 1
τ ❞
0 t 0 ω
|U(jω )|
u(t)
T
1 ❞
0 T t 2π 0 2π ω
T T
|Y(jω )|
y(t)
1 T
❞
0 T t 2π 0 2π ω
T T
❐ Aufgabe:
Gegeben sei: u(t) = Au · cos(ω1 t) und H(jω) = Ah (ω) · ejϕh (ω) mit Ah (ω1 ) = 0,75
und ϕh (ω) = 30◦ . Geben Sie y(t) an und skizzieren Sie die Funktionen u(t) und
y(t). ❐
Für den Amplituden- und Phasengang ergeben sich damit die Werte
ŷ(ω1 )
Ah (ω1 ) = und ϕh (ω1 ) = ϕy (ω1 ) − ϕu (ω1 ) (7.18)
û
Y (ω1 )
H(jω1 ) =
U (ω1 )
als Quotient der komplexen Amplituden von Ausgang und Eingang. Das Span-
nungsteilerverhältnis ist damit
1
Y (jω1 ) jω1 C 1
H(jω1 ) = = = (7.19)
U (jω1 ) R + jω11 C 1 + jω1 RC
Y (jω)
H(jω) =
U (jω)
h(t) ↔ H(jω)
ryy (t) = ruu (t) ∗ h(t) ∗ h(−t) = ruu (t) ∗ rhh (t) (7.22)
ist.
❐ Aufgabe:
Leiten Sie Gleichung (7.22) mit h(t) ↔ H(jω) und h(−t) ↔ H ∗ (jω)
aus Gl. (7.21) her. ❐
Impulsantwort:
1 −t/τ
h(t) = e σ(t) (7.23)
τ
Sprungantwort:
hσ (t) = 1 − e−t/τ σ(t) (7.24)
Übertragungsfunktion:
1 1 − jωτ
H(jω) = Ah (ω) · ejϕh (ω) = = (7.25)
1 + jωτ 1 + (ωτ )2
1
R(ω) = Re{H(jω)} =
1 + (ωτ )2
−ωτ
I(ω) = Im{H(jω)} = (7.26)
1 + (ωτ )2
1
A(ω) = |H(jω)| = p (7.27)
1 + (ωτ )2
π/4
1 1
2 τ
3 dB 1 ω
τ π/4
1 1 ω 1 1 ω π/2
τ τ τ τ
❐ Fragen:
7.3.1 Reihenschaltung
d. h.
bzw.
und
7.3.2 Parallelschaltung
h1 (t)
H1 (jω)
h(t)
+ =
b
H(jω)
h2 (t)
H2 (jω)
und
gelten.
❐ Aufgabe: Halteglied
• Gib H1 (jω) und H2 (jω) für die folgende Schaltung an und skizziere die
Amplitudengänge.
• Gib H(jω) an und skizziere den Amplitudengang.
• Zeige, dass h(t) = ⊓T (t − T /2) ist und begründe dieses Ergebnis aus der
Funktion der Schaltung.
+
R
+ . . . dt
−
T
7.3.3 Rückkopplung
h1 (t)
H1 (jω)
h(t)
+ =
b
H(jω)
− h2 (t)
H2 (jω)
H1 (jω)
H(jω) = (7.38)
1 + H1 (jω) H2 (jω)
❐ Aufgabe:
Leite das Ergebnis für die Gesamt-Übertragungsfunktion her und diskutiere die
Bedingung für H(jω) → ∞! ❐
und
R
P
br s r
Y (s) r=0
H(s) = = (8.3)
U (s) PQ
aq s q
q=0
109
110 Kapitel 8. Beschreibung linearer Systeme durch Pol- und Nullstellen
Die Nullstellen sxq des Nenners sind die Pole der Übertragungsfunk-
tion. H(s) wird bis auf einen Vorfaktor H = bR /aQ durch die Pole (P)
und Nullstellen (N) vollständig beschrieben (PN-Darstellung).
Wir setzen zur Vereinfachung voraus, dass alle Pole einfach sind,
d. h. dass keine Pole übereinander liegen. Mit der Korrespondenz
1
eat · σ(t) ↔ für Re{s} = σ > a (8.7)
s−a
ergibt sich
h(t) = L−1 {H(s)} = c1 esx1 t +c2 esx2 t +· · ·+cQ esxQ t für t ≥ 0 (8.8)
Der Entzerrer H2 (s) hat also eine inverse Übertragungsfunktion. Dazu müssen die
Pole von H2 (s) auf den Nullstellen von H1 (s) liegen (und umgekehrt). Notwen-
dig ist offensichtlich auch, dass der Entzerrer stabil ist, dazu müssen die Nullstel-
len von H1 (s) in der linken Halbebene liegen. In der PN-Darstellung ist also eine
solche Entzerrung, die bei einer Datenübertragung von Mess- oder Nachrichtensi-
gnalen häufig erforderlich ist, relativ einfach zu interpretieren. ❐
(s − s0i ) (s − s∗0i )
H(s) = H (8.11)
(s − sxi ) (s − s∗xi )
Ist die Ordnung für das Gesamtsystem ungerade, so ergibt sich zusätzlich eine
Teil-Übertragungsfunktion erster Ordnung mit einem reellen Pol sx .
1 s
Hi (s) = oder Hi (s) = (8.12)
(s − sx ) (s − sx )
Durch Überlagerung der PN-Diagramme der Teilsysteme ergibt sich ein neues PN-
Diagramm, das das Gesamtverhalten vollständig darstellt. ❐
Amplitudengang: Es gilt
R
Q R
Q
|jω − s0r | d0r (ω)
Ah (jω) = H(s) s=jω
= |H| r=1
Q
= H r=1
Q
(8.14)
Q Q
|jω − sxq | dxq (ω)
q=1 q=1
Der Amplitudengang ist also durch die Abstände von dem jewei-
ligen ω-Frequenzaufpunkt zu den Pol- und Nullstellen bestimmt
(s. Bild 8.3).
Der Phasenwinkel wird also durch die Differenz der Summe der
Phasenwinkel zwischen Nullstellen und ω-Aufpunkt (Nullstellen-
winkel) und der Summe der Phasenwinkel zwischen Polstellen (Pol-
stellenwinkel) und ω-Aufpunkt bestimmt. Bei negativem Vorfak-
tor H ist H = |H|e−jπ , daher ist zu ϕH (ω) ein Wert π zu addieren
oder zu subtrahieren.
ϕ x(ω )
1
jω jω
X X
dx(ω 1) jω 1 jω 1
❢ ❢
σ σ
❢ ❢
s-Ebene s-Ebene
X X
❐ Aufgabe:
Begründe das Ergebnis für den Phasengang. ❐
1/τ 1/τ
A(ω) = =
|jω − sx1 | dx1
jω
jω
0
s
σ
X X
-jω
0
❐ Aufgabe:
Skizzieren Sie die Amplitudengänge für die gezeigten drei Fälle. ❐
❐ Aufgabe:
Führen Sie eine Teilbruchzerlegung der Übertragungsfunktion H(s) der Gl. (8.16)
durch und zeigen Sie, dass die Impulsantwort die Form
h(t) = c(esx1 t − esx2 t ) σ(t) (8.18)
117
118 Kapitel 9. Typische lineare Systeme
AVS(ω) ARS(ω)
κ
ω ω
ϕVS(ω)=- ωt 0 ϕRS(ω)
Abbildung 9.1: Vergleich von verzerrungsfreiem (VS) und realem (RS) linearen
System
so dass sich
also eine Symmetrie um t0 ergibt, wie man durch Einsetzen der bei-
den Argumente in Gl. (9.6) leicht feststellt. Aus der geometrischen
Deutung der Faltung sieht man aber, dass die Faltung von zwei sym-
metrischen Funktionen (u(t) und h(t)) wieder einen symmetrischen
Verlauf ergeben muss. Bild 9.2 zeigt dazu Beispiele von Systemant-
worten bei ungerader und gerader Symmetrie des Eingangssignals
und linearem bzw. nichtlinearem Phasengang des Übertragungssys-
tems.
t t
y(t) y(t)
lineare
Phase
t0 t t0 t
y(t) y(t)
nichtlineare
Phase
t0 t t0 t
Abbildung 9.2: Beispiele von Systemantworten bei linearer bzw. nichtlinearer Pha-
se des Übertragungssystems
Systeme mit streng linearer Phase können nur mit digitalen Filtern
realisiert werden, einzige Ausnahme bei kontinuierlichen Systemen
sind homogene Leitungen; Netzwerke mit diskreten R-, L- und C-
Bauelementen können keine lineare Phase haben, eine weitgehende
Linearisierung ist aber mit nachgeschalteten Allpasssystemen mög-
lich (siehe Abschnitt 9.5).
und
Ih (ω)
ϕ(ω) = arg {H(jω)} = arctan = − arctan(ωτ ) (9.9)
Rh (ω)
gegeben sind. Das RC-System kann näherungsweise als verzerrungsfreies System
angesehen werden, wenn es ausschließlich für Frequenzen ω << 1/τ benutzt
wird, wie eine Reihenentwicklung von Amplituden- und Phasengang sofort zeigt.
Wird die Phase ϕ(ω) des RC-Systems durch einfache Zuordnung einer Phase
ϕ(ω) = −ωt0 linearisiert, so ergibt sich eine nichtkausale Impulsantwort und
Sprungantwort (s. folgendes Bild).
Dieses Beispiel zeigt, dass sich durch einfaches Zuordnen einer Phase zu einem
Amplitudengang i. Allg. nichtkausale Systemantworten ergeben. Wir wollen diese
Zusammenhänge im folgenden genauer darstellen. ❐
hσ(t)
1
RC-System
0.5
linearisierte Phase
0 t0 τ t
Abbildung 9.3: Sprungantwort eines RC-Systems und ihre Änderung bei lineari-
sierter Phase
Z∞
ln A(ω)
dω < ∞ (9.10)
1 + (ω/ωB )2
−∞
❐ Hinweis:
Praktische Filter haben eine gebrochen rationale Übertragungsfunktion (s. Kapi-
tel 8). Damit A(ω) = 0 ist, muss das Zählerpolynom Null sein. Ist seine Ord-
nung R, so kann die Bedingung aber an höchstens R Stellen erfüllt sein. A(ω) ist
dann aber nur punktweise, nicht auf einem ganzen Intervall Null. ❐
9.4 Minimalphasen-Systeme
Zu jedem stabilen und kausalen Filter mit Amplitudengang A(ω)
gibt es, wie man zeigen kann, einen minimalen Phasengang
Z∞
1
ln A(α)
ϕmin (ω) = ln A(ω) ∗ = dα (9.11)
ω ω−α
−∞
Ein solches System {A(ω), ϕmin (ω)} wird als minimalphasig oder all-
passfrei bezeichnet. Ein beliebiges System {A(ω), ϕ(ω)} mit Pha-
sengang ϕ(ω) > ϕmin (ω) kann dann als Reihenschaltung von
Minimalphasen- und Allpasssystem beschrieben werden:
ϕ(ω) = ϕmin (ω) + ϕAP (ω) (9.12)
A(ω)
1
ε
-ω g ωg
ω
ϕ (ω)
ω
-ω g ωg
Pole und Nullstellen liegen bei Systemen minimaler Phase in der lin-
ken Halbebene, siehe z. B. Bild 9.5. Das PN-Diagramm erlaubt al-
so eine einfache Prüfung, ob ein Minimalphasensystem vorliegt. Bei
Systemen minimaler Phase nimmt die Phase ϕ(ω) langsamer mit ω
zu als bei Systemen gleichen Amplitudengangs, bei denen Nullstel-
len auch in der rechten Halbebene vorhanden sind.
System 1 System 2
jω jω
X X
O σ O σ
O O
X X
9.5 Allpass-Systeme
Allpass-Systeme lassen alle Frequenzanteile ohne Amplitudenände-
rung, jedoch mit unterschiedlicher Laufzeit durch:
Sie spielen eine große Rolle bei der Korrektur von Phasengängen,
vorzugsweise, um eine linearisierte Phase sicherzustellen. Dabei
verzögert der Allpass diejenigen Signalanteile, die sonst zu früh
zum Aufbau eines Signals beitragen würden. Allpassverhalten kann
schaltungsmäßig nur entstehen, wenn Signalanteile auf mindestens
zwei Wegen vom Eingang zum Ausgang gelangen, d. h. es müssen
Kreuzglieder im Netzwerk vorhanden sein. Allpässe können am ein-
fachsten anhand von Pol-Nullstellen-Diagrammen erläutert werden.
Offensichtlich ergibt sich ein konstanter Amplitudengang, wenn Po-
le und Nullstellen spiegelbildlich zur jω-Achse liegen, da die jewei-
ligen Abstände zum ω-Aufpunkt gleich sind.
Allpaß
jω
X O σ
X O
Y (jω) 1 − jωτ 1 − sτ
HAP (jω) = = bzw. HAP (s) = (9.15)
U (jω) 1 + jωτ 1 + sτ
U(jω) Y(jω)
C
C
R
Abbildung 9.7: Allpassschaltung erster Ordnung [Quelle: Schüßler]
Pol-bzw. Nullstelle sind reell und liegen bei −1/τ bzw. 1/τ . Die graphische Inter-
pretation liefert
AAP (ω) = 1;
ϕAP (ω) = arg{HAP (jω)} = −2 arctan(ωτ ) = ϕ0 − ϕx − π = −2ϕx
(9.16)
Der Phasenwinkel ist wiederum bis auf Vielfache von 2π bestimmt. Es ist (ohne
Berücksichtigung der Vielfachen von 2π) ϕAP (0) = 0, da dann die Kondensatoren
‚sperren‘ (ihr Scheinwiderstand ist unendlich groß) und eine rein ohmsche Durch-
schaltung über die Widerstände erfolgt, und ϕAP (∞) = −π, da bei sehr hohen Fre-
quenzen das Eingangssignal über die (nahezu kurzschließenden) Kondensatoren
einfach umgepolt wird.
jω
φ (ω)
jω1 π AP
ϕx ϕ0
σ
X O 0 ω
-1/τ 1/τ
−π
System 1 System 2
jω jω
X X
O σ O σ
O O
X X
|H(j ω )|=AH ( ω )
TP
ω
HP
ω
BP
ω
BS
ω
Symbolische Darstellung Amplitudengang (ideal)
125
126 Kapitel 10. Frequenzselektive Filter
A( ω )
A(ω)
A(0)
A(0)
2
−ω3dB ω3dB ω
A(ω )
ω ω
äq
dennoch sind sie für das Verständnis und die Analyse einer Filte-
rung sehr oft von großem Nutzen.
Im Durchlassbereich idealisierter Filter ist der Amplitudengang A(ω)
konstant. Wenn der Phasengang linear ist (ϕ(ω) = −ωt0 ), so ist die
Phasenlaufzeit konstant und gleich der Gruppenlaufzeit. Alle in ei-
nem Eingangssignal enthaltenen Teilschwingungen werden nach ei-
ner Verzögerungszeit t0 gleichzeitig am Ausgang eintreffen. Der Pha-
sengang ist dabei nur innerhalb des/der Durchlassbereiche(s) defi-
niert.
1 1 1 1
ω ω ω ω
nur Polstellen nur Polstellen Pol- und Nullstellen Pol- und Nullstellen
❐ Beispiel: Tiefpass-Toleranzschema
Mit zwei Frequenzangaben und zwei Toleranzangaben können bei zusätzlicher
Angabe des Filtertyps der Grad N des Filters bestimmt und seine weiteren Para-
meter angegeben werden, insbesondere seine Pole und Nullstellen. Üblicherweise
wird dabei eine auf die Grenzfrequenz ωD bezogene Frequenz Ω = ω/ωD verwen-
det (siehe Bild 10.6). Zur Bestimmung solcher Filter stehen Tiefpass-Filterkataloge
zur Verfügung. ❐
|A(ω)|
1
AD
AS
Ω=1 ΩS Ω=ω/ωD
AT P (ω)
ϕT P (ω)
−ωg ωg ω
Ein solches System mit einem Amplitudengang ATP (ω) = 0 für alle
ω > ωg ist, wie die Wiener-Paley-Bedingung gezeigt hat, nicht kau-
sal.
hTP(t) hσTP(t)
9% Überschwinger
ωg/π 1
t0 t0
t t
∆t ∆t/2
1
∆t = (10.6)
fg
Das Integral
Zx
si(α) dα = Si(x) (10.8)
0
Der Spannungsstoß wird durch den Tiefpass in seiner Amplitude um den Fak-
tor 10 reduziert (und in der Zeitdauer um den Faktor 20 verlängert). ❐
y(t)
fg · T ≈ 1 fg · T ≈ 5
t−t0
⊓T T
0
t0−T/2 t0 t0+T/2 t
Die Länge des Rechteckimpulses sollte also etwa das Zehnfache der Einschwing-
zeit des Tiefpasses sein, wenn die Rechteckform erhalten bleiben soll. ❐
Berechnet man daraus den Amplitudengang A(ω), so erhält man die Ergebnisse
gemäß Bild 10.10 Es wird deutlich, dass A(ω) nicht mehr bereichsweise verschwin-
det. ❐
A(ω) A(ω)
t0 = 0 t0 = 3/fg
1 1
0,5 0,5
0 0
ωg ω ωg ω
2 1
∆t = ; ∆tσ = (10.19)
fg fg
A(jω) h(t)
- ωg ωg ω t0 t
∆t = 2/fg
1
H(s) = (10.20)
1 + RCs + LCs2
C
R1 R2 1
+
R L
C2 -
u
u1 C u2 1 R u2
Abbildung 10.12: Passives bzw. aktives Filter, das ein konjugiert-komplexes Pol-
paar realisieren kann
1 2m − 1
sxm = ωD exp jπ + ; m = 1, 2, . . . , N (10.22)
2 2N
jω ωD jω
s s
σ σ
Potenzfilter sind also durch die Angabe der Ordnung N und der
Grenzfrequenz ωD vollständig definiert. Für das Quadrat des Am-
plitudenspektrums des Potenz-Filters ergibt sich aus Gl.(10.21):
1
A2 (ω) = |H(jω)|2 = (10.23)
1 + (ω/ωD )2N
denn es gilt
so dass sich
1
H(s) H(−s) = (10.25)
1 + (s/jωD )2N
ergibt. Durch Nullsetzen des Nenners ergeben sich 2N Pole auf ei-
nem Kreis mit Radius ωD , von denen sich N in der linken Halbebene
befinden; sie gehören zu H(s).
Bild 10.14 zeigt den Verlauf des Amplitudenganges |H(jω)| für ver-
schiedene Werte von N .
20lgA(ω)
0,1 ω D ωD 10 ω D
❐ Aufgabe:
Leite dieses Ergebnis her. ❐
|H(j ω)|
1
AD
AS
ω ω ω
D S
jω S-Ebene
10.5 Hochpasssysteme
Übertragungsfunktion. Die Übertragungsfunktion HHP (jω) eines
idealen Hochpasses kann aus der des idealen Tiefpasses abgeleitet
werden: bei einer Grenzfrequenz ωg und Laufzeit t0 ist sie definiert
durch
AHP(ω)
ω
−ωg ωg
Ein solches System mit einem Amplitudengang AHP (ω) = 0 für alle
ω < ωg ist, wie die Wiener-Paley-Bedingung gezeigt hat, nicht kau-
sal.
zu
ωg
hHP (t) = δ(t − t0 ) − si ωg (t − t0 ) (10.30)
π
u(t) y(t)
R
❐ Aufgabe:
Skizziere den Amplitudengang für dieses Filter. ❐
10.6 Bandpasssysteme
10.6.1 Idealisierte Bandpasssysteme
Bild 10.19 zeigt den Amplitudengang ABP (ω) und den Pha-
sengang ϕBP (ω) eines im Durchlassbereich linearphasigen und
in Amplituden- und Phasengang symmetrischen Bandpass-
Systems HBP (jω) mit der Mittenfrequenz ωm . Wir verzichten auf die
Forderung eines rechteckförmigen Amplitudenganges.
Die Übertragungsfunktion HBP (jω) eines solchen Bandpass-Systems
lässt sich mit einem äquivalenten Tiefpass-System (Bild 10.20) beschrei-
ben.
Es gilt:
HBP (jω) = HTP [j(ω − ωm )] + HTP [j(ω + ωm )] (10.32)
Die Verschiebung um die Mittenfrequenz ωm lässt sich auch als Fal-
tungsprodukt schreiben.
HBP (jω) = HTP (jω) ∗ δ(ω − ωm ) + δ(ω + ωm ) (10.33)
ABP(ω)
ϕBP(ω)
−ωm ωm ω
Abbildung 10.19: Prinzipieller Verlauf von Amplitude und Phase eines idealen
Bandpass-Systems
ATP(ω
)ϕTP(ω)
0 ω
hTP(t)
δ(t) HTP(jω) hTP(t)
t
hBP(t)
δ(t) HBP(jω) hBP(t)
Die Impulsantwort ist also ein Cosinussignal mit einer si-Funktion als Einhüllen-
de. Die Zeit zwischen deren ersten Nulldurchgängen ist die praktische Impulsdau-
er
1
∆t = (10.38)
∆f
hBP(t)
∆ω t0
π
❐ Frage:
Wie ändert sich h(t) bei Verringerung des Durchlassbereiches ∆ω des Bandpasses?
❐
Dabei sei U (jω) = 0 für |ω| > ωm . Mit dem Verschiebungssatz ergibt
sich für die Fouriertransformierte
1h i
Um (jω) = U j(ω − ωm ) + U j(ω + ωm ) (10.40)
2
d. h. das Fourierspektrum lässt sich in zwei Teilfunktionen auftei-
len. Mit der Übertragungsfunktion eines symmetrischen Bandpasses
y(t) = u(t) ∗ hTP (t) cos(ωm t) (10.42)
❐ Frage:
Weshalb hat Gl. (10.41) nicht vier Terme? ❐
hσTP (t) ist aber die Sprungantwort des idealen Tiefpasses (Gl. (10.7)). Mit einer
Grenzfrequenz ωg = ∆ω/2 ergibt sich (für t0 = 0):
1 1 t
y(t) = hσTP (t) cos(ωm t) = + Si ∆ω cos(ωm t) (10.47)
2 π 2
y(t)
h σTP(t)
1
1 y(t)
2
-1
2π
∆ω
Abbildung 10.23: Antwort y(t) des idealen Bandpasses auf ein eingeschaltetes cos-
Signal. [Quelle:Lüke]
❐
s
H(s) = ; τ = RC; α = R/L (10.48)
α + s + τ s2
A(ω)
10.7 Bandsperren
Eine einfache Bandsperre zeigt Bild 10.25. Die Übertragungsfunktion
hat die Form
1 + βs2
H(s) = ; τ = RC; β = CL (10.49)
1 + τ s + βs2
A(ω)
143
144 Kapitel 11. Abtastung
u(t)
u(kT)
u(k)
t t
0 T 2T 3T 4T 5T 6T 7T 8T 9T 0 T 2T 3T 4T 5T 6T 7T 8T 9T
k
0 1 2 3 4 5 6 7 8 9
u*(t)
u**(t)
t t
0 T 2T 3T 4T 5T 6T 7T 8T 9T 0 T 2T 3T 4T 5T 6T 7T 8T 9T
zur Verfügung. Wir werden im folgenden zeigen, dass u(t) durch ei-
ne einfache Tiefpassfilterung aus u∗ (t) fehlerfrei (!) wiedergewonnen
werden kann, wenn gewisse Voraussetzungen erfüllt sind.
Ist eine solche fehlerfreie Rekonstruktion aus Abtastwerten u∗ (t) ei-
nes Signals u(t) möglich, so reicht es, diese Abtastwerte zu seiner
Beschreibung oder Übertragung zu verwenden. Die Abtastfrequenz
fT = T −1 gibt die zur Beschreibung oder Übertragung verwendete
Zahl der Abtastwerte je Sekunde (AW/s) an.
δT (t)
Wir zeigen jetzt, dass eine Rückgewinnung von u(t) aus u∗ (t) mög-
lich ist, wenn die Abtastfrequenz fT ≥ 2Bu , also nicht kleiner als das
Doppelte der Grenzfrequenz Bu ist und bei fT /2 keine Spektrallinie,
d. h. kein δ-Peak liegt (s. u.). Dann ergibt sich nämlich keine Über-
lappung der Spektralbereiche von U ∗ (jω) = F{u∗ (t)}. Aus Gl. (11.1)
ergibt sich dieses Spektrum zu
1
U ∗ (jω) = U (jω) ∗ ωT δωT (ω)
2π
∞
1 X 2π
= U (jω) ∗ δ(ω − kωT ) ; ωT =
T k=−∞ T
(11.2)
und damit zu
∞
∗ 1 X
U (jω) = U j(ω − kωT ) (11.3)
T k=−∞
Das Spektrum U ∗ (jω) des abgetasteten Signals ist also eine skalierte
und mit ωT periodische Fortsetzung des ursprünglichen Basisspek-
trums U (jω) = F{u(t)} des analogen Signals u(t) und kann daher
auch als Überlagerung von gegeneinander verschobenen Basisspek-
tren gedeutet werden. Das Spektrum U ∗ (jω) des abgetasteten Signals
ist daher auch unendlich ausgedehnt; würde man die Abtastwerte
übertragen wollen, so wäre eine unendlich große Bandbreite des Ka-
nals erforderlich.
Bild 11.3 zeigt ein Beispiel für ein Basisspektrum U (jω) mit der Kreis-
grenzfrequenz ωu = 2πBu und das Spektrum U ∗ (jω) des abgetaste-
ten Signals.
U(jω) T⋅U*(jω)
-ωΤ/2 ωΤ/2
Bild 11.4 zeigt links die Entstehung des abgetasteten Signals u∗ (t)
durch Multiplikation von analogem Signal und Deltakamm und
rechts die ihr entsprechende Faltung der jeweiligen Fouriertransfor-
mierten. Es wird deutlich, dass keine Überlappung der Spektralbe-
reiche von U ∗ (jω) entsteht, wenn die Abtastkreisfrequenz ωT ≥ 2ωu ,
d. h. wenn
fT ≥ 2fu (11.4)
ist (Aussage des Abtasttheorems). Liegt bei der Frequenz fT /2 eine
Spektrallinie (Deltafunktion), gilt das Gleichheitszeichen in Gl. (11.4)
nicht.
u(t) U(jω)
-ωu ωu
−ωΤ ωΤ
u*(t)
2π∗U∗(jω)
−ωΤ -ωu ωu ωΤ
das also mit dem Eingangsspektrum U (jω) identisch ist, weil das
Spektrum U ∗ (jω) des abgetasteten Signals eine skalierte periodische
Fortsetzung des Spektrums U (jω) des analogen Signals u(t) ist (siehe
auch Bild 11.3). Daher ergibt sich auch die behauptete ideale Rekon-
struktion:
Wenn sich also bei der - durch die Abtastung hervorgerufenen - peri-
odischen Fortsetzung von U (jω) die Spektren nicht überlagern, dann
kann u(t) aus u∗ (t) mit einem idealen Tiefpass fehlerfrei wiedergewon-
nen werden.
Die Impulsantwort dieses idealen Tiefpasses ist
t
h(t) = si ωT , ∀t > 0 (11.8)
2
u*(t) U*(jω)
t ω
-ωΤ -ωu ωu ωΤ
h(t)
t ω
-ωΤ ωΤ
2 2
u(t)
U(jω)
t ω
-ωu ωu
❐ Hinweis:
Raabe war Assistent am Institut für Schwachstromtechnik (dem jetzigen Institut
für Fernmeldetechnik) der TU Berlin! ❐
❐ Frage:
Weshalb ist eine bandbegrenzte Zeitfunktion zeitkontinuierlich? ❐
❐ Frage:
Begründe den folgenden Satz: „Um ein tiefpassbegrenztes Signal der Bandbrei-
te Bu zu beschreiben, genügt es, je Sekunde 2Bu /Hz (zeitlich äquidistante) Werte
zu kennen.“
❐
Analogsignal Bu fT
|U∗(jω)|
ω
-ωT -ωT/2 -ωu ωu ωT/2 ωT
|H(jω)|
ω
-ωT -ωu ωu ωT
❐ Frage:
Ab welcher Frequenz muss ein Tiefpass, der in der Fernsprechtechnik verwendet
wird, vollkommen sperren (B = 3400 Hz, fT = 8000 Hz)? (A.: 4600 Hz). ❐
∞
X
p(t) = ⊓αT (t) ∗ δT (t) = ⊓αT (t − kT ) (11.13)
k=−∞
ua (t) = u(t) p(t) = u(t) ⊓αT (t) ∗ δT (t) (11.14)
∞
X
= u(t) ⊓αT t − k · T (11.15)
k=−∞
ergibt.
u(t) × ua (t)
P
∞
p(t) = ⊓αT (t − k · T )
k=−∞
u(t) ua (t)
t t
0 T 2T
αT
Abbildung 11.8: Prinzip der Signalausblendung
Das Basisband ist mit α skaliert, aber unverzerrt! Die anderen Bänder
sind zusätzlich um den Faktor si(kαπ) verringert. Die eingetretene
Verringerung der Amplitude des Basisbandes kann daher durch eine
empfängerseitige Verstärkung wieder aufgehoben werden.
U(jω)
1
ω
Ua (jω)
1
α= 2
−ωT ωT ω
P
∞
δT (t) = δ(t − k · T )
k=−∞
u(t) ua (t)
t t
0 T 2T
αT
(11.18)
1 ωαT
Ua (jω) = U (jω) ∗ ωT · δωT (ω) · αT si
2π 2
(11.19)
∞
ωαT X
= α si · U j(ω − kωT )
2 k=−∞
U(jω)
1
ω
Ua (jω)
1
α= 2
−ωT ωT ω
u**(t)
Eine Korrektur des Fehlers ist durch Modifizieren der Übertragungsfunktion des
Tiefpasses (Höhenkorrektur; wegen des Verlaufs auch si-Korrektur genannt) oder
durch Nachabtasten möglich (siehe Bild 11.13). Auch durch eine sendeseitige Hö-
henanhebung (Präemphase) können die Fehler vermieden werden.
H(jω) u**(t)
ω t
0 ωT/2 0
Nachabtastung
❐ Aufgabe:
Berechnen Sie für α = 1 die notwendige Höhenkorrektur bei der halben Abtastfre-
quenz. [A.: 20 log π/2 = 3,92 dB] ❐
❐ Hinweis: Monitordarstellungen
Bei der graphischen Darstellung von Signalverläufen auf Monitoren werden oft
einfache Geradeninterpolationen verwendet. Bei der Darstellung von Bildern wer-
den die Helligkeiten durch kreisförmige oder quadratische Blöcke konstanter Hel-
ligkeit wiedergegeben. ❐
|U(jω)|2
π Wfilt
ω
ωT/2
❐ Fragen:
|U*(jω)|
2π Bu
Demodulations-
tiefpass ω
Spektrum des
Fehlers ω
rekonstruiertes
Spektrum
ω
-ωT ωT
-ωT/2 ωT/2
❐ Aufgabe:
Gib die Fehlerenergie Wsp für das Spektrum gemäß Bild 11.15 in Abhängigkeit von
ωT an. ❐
11.3.3 Spiegelungsfehler-Effekte
❐ Aufgabe:
Ein Cosinussignal von 1000 Hz wird mit 1200 Hz abgetastet, das Abtastsignal wird
mit 600 Hz tiefpassgefiltert. Welches Signal tritt am Ausgang auf? [A.: 200 Hz Cosi-
nussignal]. Welches Signal ergibt sich, wenn die Frequenz des Cosinussignals um
100 Hz verringert wird? [A.: 300 Hz Cosinussignal] ❐
❐ Aufgabe: Stagecoach-Effekt
In einem Westernfilm scheinen die Räder (12 Speichen, 4 ft Durchmesser) einer
anfahrenden Postkutsche bei einer bestimmten Geschwindigkeit stillzustehen. Wie
groß ist die Geschwindigkeit der Kutsche? (A.: 17 mph). ❐
und ist damit i. Allg. sehr viel kleiner als die zweifache Maximal-
frequenz (2fmax ) dieses Signals. Wir leiten dieses Ergebnis nicht her,
erwähnen aber die notwendige Bedingung für die Abtastfrequenz:
2
fT = fmax (11.26)
m
wobei m ganzzahlig sein und im Bereich
fmax fmax
−1 < m ≤ (11.27)
∆Bu ∆Bu
U(jω)
ω
ωmin ωmax
f
0 fmin fmax
∆Bu
Abbildung 11.18: Bandpass-Spektrum
liegen muss. Ein für die Praxis wichtiger Sonderfall ergibt sich, wenn
die obere (und damit auch die untere) Grenzfrequenz ein ganzzah-
liges Vielfaches der Bandbreite ∆Bu des abzutastenden Signals ist,
denn dann ergibt sich für dieses integer band sampling aus den beiden
letzten Gleichungen sofort die minimal notwendige Abtastfrequenz
zu
fT = 2∆Bu (11.28)
❐ Beispiel:
Ein zwischen 100 MHz und 101 MHz liegendes Bandpasssignal kann mit 2 MHz
abgetastet werden. ❐
❐ Aufgabe:
Skizziere das Spektrum bei Abtastungen mit 3∆Bu und 7∆Bu . Welche Abtastung
liefert Überlappungen? [A.: 7∆Bu ]. ❐
|U(j2πf)|
f
∆Bu
0
fmin=3∆Bu fmax=4∆Bu
|Up(j2πf)|
0
Abbildung 11.19: Spektrum eines abgetasteten Bandpasssignals
4 : Abtastratenkompression um Faktor 4
4 : Abtastratenexpansion um Faktor 4
DNV: Digitale Nachrichtenverarbeitung, z.B. Quantisierung
12.1 Einführung
Sprach-, Bild-, Mess- und andere Signale sind ursprünglich sowohl
im Zeit- als auch im Amplitudenbereich kontinuierlich, werden heu-
te aber in zunehmendem Maße in digitaler Form gespeichert, ver-
arbeitet und übertragen. Die notwendigen Umwandlungen wer-
den von Analog-Digital-Wandlern (A/D) bzw. von Digital-Analog-
Wandlern (D/A) vorgenommen. Die Analog-Digital-Wandlung wird
in drei Schritten vorgenommen: Das zeitkontinuierliche Signal wird
zuerst abgetastet, die Abtastwerte werden anschließend quantisiert.
Damit wird eine Zeit- und Amplitudendiskretisierung vorgenommen.
In einem dritten Schritt werden den quantisierten Abtastwerten bi-
näre Codewörter zugeordnet, durch die die quantisierten Abtastwer-
te eindeutig beschrieben sind. In dieser Form sind die Signale für al-
le Formen der digitalen Signalverarbeitung und -übertragung offen.
Nach dieser findet eine D/A-Wandlung statt, durch die wieder ein
zeitkontinuierliches Signal entsteht.
161
162 Kapitel 12. Quantisierung und PCM
(siehe Bilder 12.3 und 12.4). Die Indizes dieser M -wertigen Ampli-
tuden v(kT ) werden dann in Digitalsignale vbinär (kT ) umgewandelt,
typischerweise in Binärsignale, bestehend aus
R = fT · m [bit/s] (12.2)
festgelegt (s. Bild 12.4). Sie ist bei einem M -stufigen Quantisierer
durch die Entscheidungswerte xj , j = 1, 2, . . . M + 1, und die Rekon-
struktionswerte yj , j = 1, 2, . . . M , definiert. Der Quantisierer liefert
eine deterministische nichtlineare Abbildung:
xj + xj+1
yj = , j = 1...M (12.5)
2
v(kT) v(kT)
111 ∆ (s. nächster
110 Abschnitt)
101 yj
100
u(kT)
011
xmax
010 u(kT)
001 xj xj+1
000 (yj)
Abbildung 12.4: Quantisierungskennlinie [gleichförmig, midriser]:
Gesamtkennlinie und Ausschnitt
1
pq (q) = ⊓∆ (q) (12.8)
∆
beschrieben.
pq(q)
1/∆
-∆ ∆ q
0
2 2
Die ADV beschreibt nicht direkt die Wahrscheinlichkeit für das Auf-
treten eines Quantisierungsfehlers q(kT ), sondern die Wahrschein-
lichkeit für das Auftreten eines Quantisierungsfehlers q(kT ) in einem
vorgegebenen Intervall (xa , xb ). Die Wahrscheinlichkeit ist gleich der
Fläche unter der ADV in dem Intervall (xa , xb ):
Zxb
P xa < q(kT ) < xb = pq (q) dq (12.9)
xa
Z∞
Pq = q 2 pq (q) dq (12.10)
−∞
Sie ergibt sich also als Mittelwert der Quadrate der möglichen Quan-
tisierungsfehler q, die jeweils mit pq (q) dq gewichtet sind, also mit
❐ Aufgabe:
Begründen Sie die zur Gl. (12.8) genannten Voraussetzungen und prüfen Sie das
Ergebnis Pq = ∆2 /12 nach. ❐
12.3.2 Signal-Rauschabstände
Bei einer M -stufigen Quantisierung haben binäre Codewörter eine
Länge von m = ld(M ) bit, wenn –wie hier vorausgesetzt– M eine
Zweierpotenz ist: M = 2m , m ∈ N. Damit werden für jeden Abtast-
wert auch m Bit benötigt, und der durch eine Quantisierung entste-
hende Signal-Rausch-Abstand (signal-to-noise ratio)
Pu Pu
SRV = bzw. SNR = 10 lg (dB) (12.12)
Pq Pq
kann in Abhängigkeit von m angegeben werden.
❐ Aufgabe:
Es soll ein digitaler Sinusgenerator entworfen werden, der Sinussignale durch
Auslesen von digital abgelegten Sinuswerten erzeugt. Der SNR am Ausgang des
als ideal angenommenen D/A-Wandlers soll 120 dB betragen. Mit welcher Genau-
igkeit müssen die Sinuswerte intern abgelegt sein? [A.: 20 bit]. ❐
und damit
SNR = 6,02 m (dB) (12.15)
Pu
SRV = = α · M2 = α · 22m (12.18)
Pq
bzw.
SNR
Pu
optimales
xmax
Bild 12.10 zeigt die Abhängigkeit der Rauschanteile von der Aus-
steuerungsgrenze xmax des Quantisierers.
Rauschleistungen
gesamter RauschanteilqP
granulares Rauschen q,P gr
Überlastungsrauschen q,
P üb
optimales xmax
xmax
❐ Frage:
Wieviel Schritte sind bei den drei Prinzipien zur A/D-Wandlung eines Abtastwer-
tes höchstens erforderlich ? [A.: 2m ; m; 1) ❐
❐ Beispiel: Iterationsmethode
Bild 12.14 zeigt das Prinzip eines nach der Iterationsmethode arbeitenden A/D- und
das eines D/A-Wandlers.
❐
Hierzu wird das Bit, welches gerade ermittelt werden soll, (probe-
weise) auf 1, die niederwertigeren, noch unbestimmten auf 0 gesetzt
(die bereits bestimmten, höherwertigeren Bits bleiben unbeeinflusst).
Der entstehende Digitalwert wird im D/A-Wandler in eine analoge
Spannung umgesetzt und diese mit dem Eingangswert verglichen.
Ist die erzeugte Spannung (schon) zu groß, wird das Bit wieder rück-
gesetzt; ist die erzeugt Spannung (noch) zu klein, bleibt das Bit ge-
setzt. Dieser Vorgang wird mit den Bits nächstkleinerer Wertigkeit
bis zum LSB wiederholt (siehe Bild 12.15). Nach m Iterationen steht
im Register die richtige Digitalzahl.
D/A: Das PCM-Wort läuft in ein Register ein. Ein m-stufiges R−2R-
Netzwerk setzt mit Hilfe schaltbarer, eingeprägter Ströme die Digi-
talzahl in eine analoge Spannung um, indem die –entsprechend den
jeweiligen Bits ein- bzw. ausgeschalteten– Ströme aufsummiert über
einen Widerstand geführt werden. Der Spannungsabfall über diesem
ist die Ausgangsspannung.
12.5 Pulscodemodulation
Wir hatten bereits in der Einleitung dargestellt, dass den Abtastwer-
ten u(kT) eines Signals u(t) mittels eines Quantisierers jeweils eine
6/8 u(kT)
v(kT)
4/8
2/8
0
Abfrage 1.bit 2.bit 3.bit t
Ergebnis 1 0 1
Bu fT m α SNR R = fT · m
13.1 Einleitung
Analoge Signale u(t) mit maximalem Frequenzanteil Bu [Hz] können
in zeitdiskreter Form dargestellt und wieder rekonstruiert werden,
wenn der Abtastabstand T die Bedingung
1
T ≤ (13.1)
2Bu
1
fT = ≥ 2 · Bu (13.2)
T
❐ Hinweis:
In der Darstellungsweise der digitalen Signalverarbeitung wird oft auf T = 1 nor-
miert, so dass aus der Zahlenfolge u(nT ) eine Zahlenfolge u(n) entsteht. Wir wer-
den diese Notation ab jetzt immer benutzen; sie erlaubt eine einheitliche Darstel-
lung für zeitdiskrete Signale, die durch Abtastung mit unterschiedlichen Abtastra-
ten entstanden sind. ❐
175
176 Kapitel 13. Diskrete Signale im Zeitbereich
n2
1 X
Mittelwert: mu (n1 , n2 ) := u(k) (13.3)
n2 − n1 + 1 k=n
1
n2
X
Energie: Wu (n1 , n2 ) := u2 (k) (13.4)
k=n1
n2
1 X
Leistung: Pu (n1 , n2 ) := u2 (k) (13.5)
n2 − n1 + 1 k=n
1
n2
1 X
Varianz: σu2 (n1 , n2 ) := [u(k) − mu (n1 , n2 )]2
n2 − n1 + 1 k=n
1
(13.6)
nX
2 −k
u(n) = c · αn (13.10)
❐ Aufgabe:
Welche Darstellungen in Bild 13.1 gehören zu den α - Bereichen 0 < α < 1, −1 <
α < 0, α > 1 und α < −1 ? [A.: (a)α > 1; (b)0 < α < 1; (c)−1 < α < 0; (d)α < −1 ]
❐
Bei der Überlagerung zweier Signale mit c1 = ejΦ und α1 = ejΩ0 bzw.
c2 = e−jΦ und α2 = e−jΩ0 ergibt sich das (reelle) Cosinussignal
2 cos (nΩ0 + Φ) = ejΦ ejnΩ0 + e−jΦ e−jnΩ0 . (13.13)
❐ Hinweis:
Die Schreibweise Ω0 für die Kreisfrequenz muss näher erläutert werden. Bei einer
Abtastung im Abstand T würde die Gl. (13.12) wie folgt lauten:
❐ Aufgabe:
Berechnen Sie u(n) = ejπn/4 für n = 0, 1, 2, . . . , 8 und skizzieren Sie Real- und
Imaginärteil. ❐
Die Frequenz f0 = Ω0 /2π muss also eine rationale Zahl k/N sein.
√ Bei-
spielsweise sind Signale mit den Kreisfrequenzen Ω0 = π/ 3 oder
Ω0 = 1 nicht periodisch.
sin(Ωn)
si(Ωn) := (13.20)
Ωn
gegeben. Das folgende Bild zeigt den Verlauf dieser Folge.
σ(n)
n
-3 -2 -1 0 1 2 3 4 5 6
u(n) = Π5(n)
n
− ( M − 1) ( M − 1)
2
0 2
❐ Aufgabe:
Skizzieren Sie u(n) = cos(πn) · ⊓5 (n − 7). ❐
δ(n) δ(n-k)
1 1
n n
0 0 k-1 k k+1
❐ Aufgabe:
3
P
Gegeben sei u(n) = k · δ (n − k). Bestimmen Sie mu (0, 3), Wu (0, 3), Pu (0, 3) und
k=0
σu2 (0, 3). [A.: 1,5; 14; 3,5; 1,25] ❐
Mit dem diskreten Deltaimpuls lässt sich jede Zahlenfolge u(n) als
Summe (Überlagerung) verschobener und gewichteter Deltaimpulse
darstellen:
∞
X
u(n) = u(k) · δ(n − k) (13.26)
k=−∞
u(n)
n
-1 0 1 2 3 4 5 6 7 8 9
n
-1 0 1 2 3 4 5 6 7 8 9
und
u(0) δ(n+0)
n
-1 0 1 2 3 4 5 6 7 8 9
etc.
Faltungsmethode v(n): 1 3 -4
u(n)
2 2 6 -8
5 5 15 -20
w(n): 2 11 7 -20 0
n : 0 1 2 3 4
Papierstreifenmethode
u(k): 2 5
• •
v(-k): -4 3 1 n
= =
w(n)
n=0: 2 + 0 = 2
n=1: 6 + 5 = 11
n=2: -8 + 15 = 7
n=3: 0 + -20 = -20
n=4: 0 + 0 = 0
❐ Aufgabe:
Gegeben sei u(n) = (2, 2) und v(n) = (1, 4). Bestimmen sie ruu (k), rvv (k), ruv (k)
und w(n) = u(n) ∗ v(n). [A.: (4, 8, 4); (4, 17, 4); (8, 10, 2); (2, 10, 8)] ❐
Wir definieren bzw. berechnen die Spektren für ideal abgetastete Si-
gnale und für Zahlenfolgen; insbesondere stellen wir die Diskrete
Fouriertransformation (DFT) dar, die numerische Berechnungen mit-
tels Digitalrechnern bzw. Signalprozessoren zulässt und daher eine
große praktische Bedeutung hat.
185
186 Kapitel 14. Diskrete Signale im Frequenzbereich
14.1.2 Zahlenfolgen
Wir können U ∗ (jω) in Gl. (14.4) auch als Fouriertransformierte ei-
ner Zahlenfolge u(kT ) definieren. Setzen wir zusätzlich T = 1 an, so
wird also einer Zahlenfolge u(k) eine Fouriertransformierte U (jΩ)
zugeordnet. Es ergibt sich die Analysegleichung:
∞
P
U (jΩ) = F {u(n)} = u(k) e−jkΩ (14.4)
k=−∞
frequenz
ω f
Ω = 2π = 2π (14.5)
ωT fT
❐ Hinweis:
Statt U (jΩ) wird in der Literatur oft die Notation U (ejΩ ) etc. benutzt; sie ergibt
sich zwanglos, wenn die Fouriertransformation für zeitdiskrete Signale aus der
z-Transformation als Sonderfall z = ejΩ abgeleitet wird. Der einfacheren Schreib-
weise wegen benutzen wir die obige Notation. ❐
1
Rπ
u(n) = F −1 {U (jΩ)} = 2π
U (jΩ) ejnΩ dΩ (14.7)
−π
Die Folge u(n) entsteht also durch die gewichtete Überlagerung von
Exponentialfunktionen ejnΩ . Die Spektralwerte U (jΩ) sind die Ge-
wichte der Überlagerung.
❐ Aufgabe:
Beweisen Sie die Synthesegleichung durch Einsetzen von U (jω) aus Gl. (14.4). ❐
Berechnen Sie die Fouriertransformierte der Impulsfolge {1, 2, 1} und zeigen Sie,
dass sich ein verschobener Cosinusverlauf ergibt. (A: A(Ω) = 2(1 + cos Ω), ϕ(Ω) =
0)
Zeigen Sie insbesondere, dass der Phasengang linear ist (hier sogar konstant 0, da
es sich um eine um n = 0 symmetrische, d. h. eine gerade Impulsfolge handelt: sie
enthält nur cos-Anteile). Der Symmetrieeigenschaft von Folgen (Impulsantworten)
werden wir bei linearphasigen linearen Systemen wiederbegegnen.
Wie ändert sich U (jΩ), wenn die Folge {1, 2, 1} bei u(0) beginnt? [A.: A(Ω) bleibt
gleich; ϕ(Ω) = −Ω ]
❐
u(n) U(jΩ)
4
n
-1 0 1 -2π -π 0 π 2π
❐ Aufgabe:
Beweisen Sie dieses Ergebnis, indem Sie die Fouriertransformierte W (jΩ) ansetzen
und eine Vertauschung der Summenoperationen vornehmen. ❐
❐ Aufgabe:
Zeigen Sie, dass ein Signal v(n) = u(n) − u(n − 1) eine Fouriertransformierte
V (jΩ) = U (jΩ)(1 − e−jΩ ) hat. ❐
können:
∞
X
KKF: ruv (k) = u(n) v(n + k) ↔ U ∗ (jΩ) V (jΩ)
n=−∞
(14.9)
∞
X
AKF: ruu (k) = u(n) u(n + k) ↔ |U (jΩ)|2 (14.10)
n=−∞
∞ Zπ
X 1
Energie: Wu = u (k) = 2
|U (jΩ)|2 dΩ (14.11)
k=−∞
2π
−π
❐ Beweis:
Da ruu (k) die Rücktransformierte von |U (jΩ)|2 ist, gilt (inverse FT):
Zπ
1 2
ruu (k) = |U (jΩ)| ejkΩ dΩ
2π
−π
δ(n) U(jΩ)
(1) 1
n Ω
❐ Beispiel:
Für M = 3 ergibt sich eine Fouriertransformierte
Das Vorzeichen ist so zu wählen, dass ϕu (Ω) eine ungerade Funktion ist (sie-
he Bild 14.6); Der Phasenverlauf ist zusätzlich für einen rechtsseitigen 3-Werte-
Rechteckimpuls angegeben.
bestehen:
∞
X
F{cos(nΩ0 )} = π (δ(Ω − Ω0 − 2πk) + δ(Ω + Ω0 − 2πk))
k=−∞
(14.17)
∞
X
F{sin(nΩ0 )} = jπ (δ(Ω + Ω0 − 2πk) − δ(Ω − Ω0 − 2πk))
k=−∞
(14.18)
∞
X
U (jΩ) = F{1} = 2π δ(Ω − 2πk) (14.19)
k=−∞
2π
∆Ω = (14.20)
N
n ∆Ω ; n = 0, 1, 2, . . . , N − 1 (14.21)
gewählt, dann wird die Fouriertransformierte in Gl. (14.4) zur Diskre-
ten Fouriertransformation (DFT) . Um eine hohe Frequenzauflösung zu
erreichen, ist eine große Zahl N von Stützstellen zu wählen.
❐ Hinweis:
Ist der Abtastabstand nicht zu T = 1 normiert, so haben die berechneten Spektral-
linien einen Abstand ∆f = 1/N T [Hz]. ❐
NP
−1
DFT: UDFT (n) ≡ U (jn∆Ω) = u(k) · e−jkn∆Ω ; n = 0, 1, 2, . . . , N −1
k=0
(14.22)
Die Werte UDFT (n) stimmen also mit den Stützstellen der zeit-
diskreten Fouriertransformierten U (jΩ) bei den Kreisfrequenzen
n∆Ω , n = 0, 1, . . . , N − 1, überein. ∆Ω ist die Grundkreisfrequenz
des diskreten Spektrums UDFT (n). Die Beschränkung auf N Spektral-
werte U (jn∆Ω) ist nicht willkürlich: Da nur N Signalwerte u(n) zur
Verfügung stehen, können in dem Gleichungssystem der Gl. (14.22)
nur N Spektralwerte unabhängig sein.
Offenbar ergeben sich aus der Analysegleichung aber 2N Werte, da
die Spektralwerte ja komplex sind. Dieser scheinbare Widerspruch
lässt sich leicht aufklären: Aus Gl. (14.22) folgt die Periodizät des
DFT-Spektrums,
ergibt. Es müssen damit (bei geradem N ) nur die Werte UDFT (n) von
n = 0 bis N/2 berechnet werden, da sich die höheren Werte UDFT (N −
n) aus diesen direkt als konjugiert-komplexe Werte angeben lassen.
Insgesamt werden also in der Tat nur N unabhängige Spektralwerte
definiert.
❐ Hinweis:
Graphisch werden häufig die Werte UDFT (n) von 0 bis N/2 (oder Ω = π) und die
Werte UDFT (N − n) von 0 bis Ω = −π aufgetragen. ❐
NP
−1
IDFT: u(k) = 1
N
UDFT (n) · ejkn∆Ω ; k = 0, 1, 2, . . . , N − 1
n=0
(14.26)
❐ Hinweis:
Die Laufindizes k und n haben die Werte 0, 1, 2, . . . , N − 1. Daher können DFT und
IDFT direkt in Rechner-Algorithmen bzw. -Hochsprachen verwendet werden, bei
denen keine negativen Laufindizes zugelassen sind. ❐
Eine Folge u(n) = {1, 0, 0, 0} sei gegeben. Für die DFT ergibt sich UDFT (n) =
{1, 1, 1, 1}. Die Synthesegleichung sagt dazu aus, dass dann alle Terme ejkn∆Ω
mit gleichem Gewicht 1 zur Synthese (IDFT) des Deltaimpulses beitragen. Bei
einer solchen Rücktransformation entsteht allerdings nicht der diskrete Deltaim-
puls, sondern ein periodisches Signal {1, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0, . . . ).
Zum Beispiel ergeben sich die Werte
1 1
u(0) = (1 + 1 + 1 + 1) = 1 ; u(1) = (1 + j − 1 − j) = 0 etc.
4 4
Aus Gl. (14.27) ergibt sich sowohl im Zeit- als auch im Frequenzbereich die Energie
zu W u = 1.
u(n) UDFT(n)
1 1
n n
0 1 2 3 0 1 2 3
N −1
1 X
IDFT: u(k) = U (n)·ejkn∆Ω ; k = 0, 1, 2, . . . , N −1 (14.28)
N n=0 DFT
N −1
!∗
1 X
∗
u(n) = UDFT (k) ejkn∆Ω (14.31)
N k=0
Sinnvoll kann es sein, durch Anfügen von Nullen an eine Folge u(n)
(zero padding) eine größere Frequenzauflösung zu erreichen. Wird
z. B. an eine Folge N eine gleiche Anzahl von Nullen angefügt, so
erhöht sich die Frequenzauflösung von ∆Ω = 2π/N auf ∆Ω = π/N .
Das Anfügen von Nullen kann auch verwendet werden, um einen
Wert N = 2m (m ganzzahlig) für den Einsatz der FFT zur Verfügung
zu stellen.
Das folgende Bild 14.10 zeigt oben nochmals den Zeitverlauf, zu-
sätzlich auch den Amplitudengang und den Phasengang des Drei-
Werte-Rechteckimpulses für eine zeitdiskrete Fouriertransformation.
Zusätzlich sind im Bild 14.10 (unten) die DFT-Verläufe für N = 4 und
N = 8 dargestellt. Deutlich wird, dass durch das Anfügen zusätzli-
cher Nullen an u(n) eine höhere Frequenzauflösung erreicht wird.
Der Unterschied zwischen W (jΩ) und WDFT (n) entsteht, weil bei der
DFT von einer periodischen Signalfolge wDFT (n) ausgegangen wird;
❐ Hinweis:
Das Hanningfenster ist eine viel verwendete Zahlenfolge, mit der Signale u(n) mo-
difiziert werden,
14.2.6 Faltungsoperationen
Für zwei zeitperiodische Folgen up (n) = up (n + N ) und vp (n) = vp (n +
N ) gilt mit up (n) ↔ UDFT (n) und vp (n) ↔ VDFT (n) die Korrespondenz
NP
−1
wp (n) = up (n) ∗ v(p n) = up (k) · vp (n − k)
k=0 (14.35)
↔ UDFT (n) · VDFT (n) = WDFT (n)
Die Faltung für zeitperiodische Signale kann also auch über die DFT
vorgenommen werden. Dieses ist von besonderem Interesse, da die
FFT schnelle Transformationen ermöglicht (siehe unten). Wir spre-
chen von einer zyklischen Faltung. Sind u(n) und v(n) aber nicht pe-
riodisch, so ergibt sich nach der Rücktransformation von UDFT (n) ·
VDFT (n) nicht die lineare Faltung u(n) ∗ v(n), sondern eine Folge, die
der Faltung der periodisch fortgesetzten Folgen u(n) = u(n + N )
lineare Faltung
u(k): 2 5
• •
v(-k): -4 3 1 n
= =
w(n)
k=0: 2 + 0 = 2
k=1: 6 + 5 = 11
k=2: -8 + 15 = 7
k=3: 0 + -20 = -20
k=4: 0 + 0 = 0
zyklische Faltung
u(k): 2 5
• •
v(-k): ... -4 3 1 -4 3 1 -4 3 1 -4 3 ... n
= =
w(n)
n=0: 2-20 = -18
n=1: 6+ 5 = 11
n=2: -8+15 = 7
n=3: 2-20 = -18
n=4: 6+ 5 = 11
n=5: -8+15 = 7
. . .
. . .
. . .
ergibt sich
UDFT = W · u
UDFT (0) 1 1 1 1 ... u(0)
−1 −2 −3
UDFT (1) 1 wN wN wN ... u(1)
−2 −4 −6
UDFT (2) 1 wN wN wN ... u(2)
= ·
.. . ... .. ..
. .. . .
−(N−1)
UDFT (N −1) 1 wN ... u(N −1)
(14.37)
Die Rechenzeit verringert sich bei der FFT gegenüber dem direkten
Verfahren (DFT) um den Gewinn
Tdirekt N
G= = (14.41)
TFFT (2) ld(N )
[Der Stern in U ∗ (jω) hat hier nicht die Bedeutung eines konjugiert-
komplexen Wertes, sondern kennzeichnet die ideale Abtastung.]
Die zweiseitige Laplacetransformation
∞
X
∗
∗
U (s) = LII u (t) = u(kT ) e−skT (15.3)
k=−∞
205
206 Kapitel 15. Diskrete Laplace- und z-Transformation
15.2 z-Transformation
Mit der neuen Variablen
z = eT s (15.5)
∞
X
ZT: U (z) ≡ Z II u(k) ≡ u(k) z −k (15.7)
k=−∞
U (z) ist ein Polynom in z, die Größe z ist eine komplexe Variable:
❐ Hinweis:
In Anlehnung an die einseitige Laplacetransformation kann auch eine einseitige
z-Transformation definiert werden. Für kausale Folgen sind ein- und zweiseitige
Transformationen gleich, ansonsten unterscheiden sie sich u. a. durch ihre Konver-
genzgebiete, damit stimmen auch einige der Eigenschaften von ein- und zweisei-
tiger z-Transformation nicht mehr überein. ❐
Sollen nur die ersten Werte einer Folge u(n) berechnet werden,
so kann eine als Quotient von zwei Polynomen vorliegende z-
Transformierte mittels Polynomdivision in ein Polynom überführt
werden:
U (z) = c0 z 0 + c1 z −1 + c2 z −2 + . . . (15.10)
liefert dann die gewünschte Zahlenfolge u(n) = c0 , c1 , c2 , . . . .
Liegt eine Systembeschreibung in Form einer Differenzengleichung
vor, so kann diese Differenzengleichung
auch auf einem Digitalrech-
ner simuliert und mit einer Folge 1, 0, 0, . . . gespeist werden. Die
Ausgangsfolge y(n) ist dann die Impulsantwort des Systems.
Aus Gl. (15.13) folgt bei Koeffizientenvergleich mit der Definitionsgleichung (15.7)
der z-Transformation,
d. h. · · ·+u(−2)z 2 +u(−1)z 1 +u(0)z 0 +u(1)z −1 +u(2)z −2 +. . . ,
sofort die Folge 1, 1, 1 . ❐
Der Term r−k kann also als Konvergenzfaktor in Analogie zu e−σt bei
der Laplacetransformation interpretiert werden. Der Term u(k) · r−k
muss konvergieren, damit die z-Transformierte existiert. Enthält der
dadurch definierte Konvergenzbereich den Einheitskreis, dann exis-
tiert auch die Fouriertransformierte. Der Konvergenzbereich ist bei
der zweiseitigen z-Transformation i. Allg. ein Ringgebiet. Für rechts-
seitige Folgen konvergiert U (z) für alle z außerhalb eines Kreisgebie-
tes, und für endliche Folgen existiert U (z) für alle z (außer für z = 0).
Damit wird
∞
X ∞
X ∞
X
n
Z II u(n) = an σ(n) z −n = an z −n = a z −1
n=−∞ n=0 n=0
1 z
= = für a z −1 < 1 (15.20)
1 − a z −1 z−a
Der Konvergenzbereich gilt also für alle |z| > |a|. Da die z-Transformierte als Quo-
tient von zwei Polynomen vorliegt, kann zur Rücktransformation zuerst eine Poly-
nomdivision und dann der Koeffizientenvergleich vorgenommen werden: es ent-
steht eine Folge 1, a, a2 , a3 , . . . ❐
Der Konvergenzbereich gilt also für alle |z| > 1. Da der Einheitskreis nicht einge-
schlossen ist, existiert die zeitdiskrete Fouriertransformierte nicht. ❐
15.4 Eigenschaften
Die Eigenschaften entsprechen weitgehend denen der anderen li-
nearen Transformationen. Da wir die z-Transformation nur in ei-
nem sehr eingeschränkten Maße benutzen werden (insbesondere,
um Nullstellen und Pole linearer Systeme zu definieren), listen wir
hier nur die Eigenschaften auf, die bei der Beschreibung linearer Sys-
teme mittels der z-Transformation in Kapitel 16 eine Rolle spielen.
Bis auf den Verschiebungssatz und die Zeitinvertierung gelten diese
Eigenschaften auch für die einseitige z-Transformation.
Linearität.
Zeitinvertierung.
u(−n) ↔ U (z −1 ) (15.24)
❐ Beispiel: Rampenfolge
Gegeben sei
0 : n ≤ 0 oder n > 3
r(n) = (15.25)
1, 2, 3 : n = 1, 2, 3
R(z) = z −1 + 2z −2 + 3z −3 (15.26)
R− (z) = 3z 3 + 2z 2 + z 1 (15.27)
Dieses Ergebnis hätten wir auch direkt aus der Eigenschaft u(−n) ↔ U (z −1 ) ablei-
ten können. ❐
Verschiebung im Zeitbereich.
∞
X ∞
X
Z II u(k − q) := u(k − q) z −k = z −q u(k − q) z −(k−q)
k=−∞ k=−∞
∞
X
= z −q u(m)z −m = z −q U (z) q. e. d.
m=−∞
(15.29)
❐ Beispiel: Deltaimpuls
Wir berechnen die z-Transformierte von δ(k − q). Aus
0 : n 6= q
δ(n − q) = δnq = (15.30)
1 : n=q
folgt
∞
X
Z II δ(k − q) = ∆(z) = δ(k − q)z −k = z −q (15.31)
k=−∞
δ(k − q) ↔ z −q (15.32)
δ(k) ↔ 1 (15.33)
Faltung im Zeitbereich.
Neben der Linearität und der Eigenschaft der Verschiebung wird die
Faltung die größte Rolle spielen.
Der geometrische Ort für den Frequenzgang ist damit der Einheits-
kreis, da |z| = |ejΩ | = 1 ist. Er entspricht also der jω-Achse bei der La-
placetransformation. U (jΩ) lässt sich als kontinuierliches Spektrum
räumlich in der z-Ebene darstellen. Bild 15.2 zeigt ein Beispiel für
den Amplitudengang. Er geht durch Abwickeln in das ebene, peri-
odische Spektrum AU (Ω) über.
213
214 Kapitel 16. Zeitdiskrete Lineare Systeme
b0 b1 ..... bQ
y(n)
+ + +
aR ..... a1
+ + +
denn der Ausgangswert y(n) zum Zeitpunkt n ist die Summe aus dem aktuellen
Eingangswert u(n) und dem letzten, mit dem Faktor (Filterkoeffizient) a gewichte-
ten Ausgangswert y(n − 1). Wird auf das System zum Zeitpunkt n eine 1 gegeben
u(n) + y(n)
× z −1
a0
und war der Speicherinhalt y(n − 1) Null gewesen, so entsteht am Ausgang eine
Folge y(n) = (1, a, a2 , a3 , a4 , . . . ).
❐
Das Ausgangssignal y(n) ist die Systemantwort auf u(n). Wir be-
schränken uns auf lineare, zeitinvariante Systeme (LTI-Systeme), die
im nächsten Abschnitt definiert werden.
Bei einem kausalen System ist sie für negative Argumente Null.
Dieses ist die diskrete Version des Ergebnisses für kontinuierliche li-
neare Systeme, dass die Impulsantwort sich als Ableitung der Sprun-
gantwort bestimmen lässt.
16.1.3 Systemeigenschaften
Linearität. Ein diskretes System ist linear, wenn eine gewichtete
Überlagerung von Eingangsfolgen im Ausgang zu einer gewichte-
ten Überlagerung der Einzelantworten führt, z. B. bei zwei Signalen
zu
ist. Alle Überlegungen in Abschnitt 6.4.3 gelten auch für diskrete Sys-
teme.
Jede Ausgangsfolge y(n) ergibt sich also als Faltung von Eingangs-
folge u(n) und Impulsantwort h(n). Die Summenfaltung ist kommu-
tativ, d. h. es gilt auch
∞
X
y(n) = h(k)u(n − k) = h(n) ∗ u(n) (16.18)
k=−∞
Ein Deltaimpuls führt zu einer M -fachen Ausgabe des mit 1/M gewichteten Del-
taimpulses. Die Systemantwort für eine beliebige Eingangsgsfolge u(n) ist
M −1 n
1 X 1 X
y(n) = h(n)∗u(n) = u(n−k) = u(m) (16.20)
M M
k=0 m=n−(M −1)
Abbildung 16.4: Filterung einer diskreten Rechteckfolge mit einem diskreten Hal-
teglied
16.3 Frequenzbereich
Zur Impulsantwort h(n) gehört die Fouriertransformierte
∞
X
H(jΩ) := F{h(n)} = h(k) e−jkΩ (16.25)
k=−∞
❐ Beispiel: 3-Werte-Impulsantwort
Auf ein Filter mit der Impulsantwort h(n) = {1, 3, −4} werde eine Eingangsfolge
u(n) = {2, 5} gegeben.
Im Frequenzbereich ergibt sich
Damit wird
Y (jΩ) = U (jΩ)H(jΩ) = (2 + 5e−jΩ )(1 + 3e−jΩ − 4e−j2Ω )
[Aufgrund des periodischen Verlaufs wird nur der Bereich von −π bis +π betrach-
tet].
H(jΩ)
Ω
-2π -Ωc Ωc 2π
ΩC sin(nΩC ) ΩC
h(n) = = si(nΩC ) (16.34)
π nΩC π
Bild 16.6 zeigt die Verläufe von h(n) und hσ (n). (Ein idealer Tiefpass ist natür-
lich nicht möglich, da dieser eine beidseitig unendlich ausgedehnte Impulsantwort
hätte und damit stets nichtkausal wäre.)
∞
X
H(z) = Z{h(n)} = h(k)z −k , (16.36)
k=−∞
Es gilt auch
Der Beweis dafür folgt dem im letzten Abschnitt für die zeitdiskre-
te Fouriertransformierte. Die Bedeutung der z-Transformation liegt
darin, dass sie eine Beschreibung linearer digitaler Filter durch Pole
und Nullstellen ermöglicht.
Q R
X X
y(n) = bq u(n − q) + ar y(n − r) (16.39)
q=0 r=1
Die Ausgangsfolge y(n) ist also eine Linearkombination aus dem ak-
tuellen Eingangswert u(n), den vorhergehenden Q Eingangswerten
und den letzten R Ausgangswerten. Aus der Differenzengleichung
ergibt sich die z-Transformierte
Q R
X X
−q
Y (z) = bq U (z) · z + ar Y (z) · z −r
q=0 r=1
Q R
X X
−q
= U (z) bq z + Y (z) ar z −r (16.40)
q=0 r=1
Wird der zweite Term der rechten Seite nach links gebracht, so ergibt
Q
Q
(z − z0q )
R−Q q=1
= z b0 R
(16.41)
Q
(z − zxr )
r=1
Die Systemfunktion ist als Quotient von zwei Polynomen eine ratio-
nale Funktion; Zähler- bzw. Nennerpolynom können durch ihre Sin-
gularitäten, nämlich Nullstellen bzw. Pole (= Nullstellen des Nenners)
beschrieben werden. So ergibt sich für das Zählerpolynom
Q Q
X
−q b0 b1 bQ b0 Y
bq z = Q
z + z Q−1 + . . . + z 0 = Q (z − z0q )
q=0
zQ b0 b0 z q=1
(16.42)
mit Q Nullstellen z0q , für die die Systemfunktion zu Null wird. Ent-
sprechend hat das Nennerpolynom R Nullstellen zxr , die - da im
Nenner - die Polstellen der Systemfunktion sind.
Der erste Term liefert eine Polstelle im Ursprung (z = 0), die Klammerterme liefern
ein Nullstellenpaar
z = ejΩ
Ω=π Ω Ω=0
Re{z}
Q
Q Q
Q
ejΩ − z0q d0q
j(R−Q)Ω q=1 q=1
A(Ω) = |H(jΩ)| = |b0 | e R
= |b0 | R
Q Q
|ejΩ − zxr | dxr
r=1 r=1
(16.47)
(16.48)
zu
Q R
X X
ϕ(Ω) = arg {H(jΩ)} = (±π)+(R−Q)·Ω+ ϕ0q − ϕxr
q=1 r=1
(16.50)
wobei die Addition von ±π nur bei einem negativen Vorzeichen von
b0 erforderlich ist.
Für R = Q und einen positiven Verstärkungsfaktor b0 ergibt sich der
Phasenwinkel also als die Differenz der Summen von Nullstellen-
und Polewinkel:
Q R
X X
ϕ(Ω) = ϕ0q − ϕxr (16.51)
q=1 r=1
❐ Beispiel:
Mit den Abständen d0q (q = 1, 2, 3) und dxr (r = 1, 2) ergibt sich A(Ω) =
|b0 | d01dx1
·d02 ·d03
·dx2 . Für ϕ(Ω) ergibt sich ϕ(Ω) = ϕ01 + ϕ02 + ϕ03 − ϕx1 − ϕx2 − Ω .
Bild 16.8 zeigt die grafische Interpretation dazu.
d03
dx1
d01
ϕx1
d02
dx2
ϕ01
N −1 PN −1
X (z − z0k )
H(z) = h(k)z −k = h0 k=0
(16.54)
k=0
z N −1
Q
X
y(n) = bq u(n − q) (16.55)
q=0
Q
X
h(n) = bq δ(n − q). (16.56)
q=0
u(n)
z-1 z-1 z-1
b0 b1 b2 ..... bQ-1 bQ
+ + + +
y(n)
und
Q Q
X X
−jqΩ
H(jΩ) = H(z)|z=ejΩ = h(q) e = bq e−jqΩ
q=0 q=0
(16.58)
❐ Aufgabe:
Berechne H(z) aus der Differenzengleichung. ❐
❐ Aufgabe:
Zeige, dass FIR-Filter Q Nullstellen besitzen. Zeige auch, dass die gleiche Zahl von
Polen vorhanden ist, dass sie aber alle im Ursprung liegen. ❐
u(n)
z-1
b0 b1
+
y(n)
Abbildung 16.10: Nichtrekursives Filter erster Ordnung
1
X
h(n) = b0 δ(n) + b1 δ(n − 1) = bq δ(n − q) (16.59)
q=0
Das nichtrekursive Filter hat also eine reelle Nullstelle z0 = −b1 /b0 . Aus dem Fre-
quenzgang
❐ Aufgabe:
Geben Sie den Phasengang an. ❐
❐ Beispiel: Summenfilter
Mit b0 = b1 = 1 ergibt sich (siehe vorhergehendes Beispiel) eine Nullstelle z0 = −1
und ein Amplitudengang
p
A(Ω) = 2(1 + cos(Ω)) (16.63)
ϕ0 ϕx
Abbildung 16.11: h(n), hσ (n), A(Ω), ϕ(Ω) und z-Ebene für das Summenfilter
❐ Aufgabe: Differenzenfilter
Gegeben sei ein nichtrekursives Filter 1. Ordnung mit einer Nullstelle z0 = 1. Ge-
ben Sie die Größe der beiden Filterkoeffizienten für den Fall an, dass die Energie
der Impulsantwort√eins ist. Skizzieren
p Sie den √
Amplitudengang des Filters.
[A.: b0 = −b1 = 1/ 2; A(Ω) = 1 − cos(Ω) = 2 sin(Ω/2) −→ Hochpass]. ❐
u(n)
z-1 z-1
b0 b1 b2
y(n)
Bild 16.14 zeigt, wie sich der Amplitudengang verändert, wenn die konjugiert-
komplexe Nullstelle bei gleichbleibendem Winkel arg{z0 } = ±π/4 zu r = 0,3 ,
r = 0,6 und r = 0,9 verschoben wird. Je dichter sich das Nullstellenpaar dem
Einheitskreis nähert, um so ausgeprägter wird die Sperrwirkung.
Abbildung 16.15: Amplitudengang und Lage der Nullstellen für ein nichtkausales
diskretes Halteglied (M = 2 und M = 10) [Quelle: Lynn/Fuerst, S. 136]
u(n)
z-1 z-1 z-1
..... b1 b0
b0 b1
+ + + +
y(n)
Q
P Q
P
H(jΩ) = bq e−jqΩ = e−jQΩ/2 bq e−jqΩ ejQΩ/2
q=0 q=0
" #
b0 ejΩQ/2 + b1 ejΩ(Q/2−1) + b2 ejΩ(Q/2−2) + . . .
= e−jQΩ/2
· · · + bQ−2 ejΩ(2−Q/2) + bQ−1 ejΩ(1−Q/2) + bQ ejΩ(−Q/2)
" #
b0 (ejΩQ/2 + ejΩ(−Q/2) ) + b1 (ejΩ(Q/2−1) + ejΩ(1−Q/2) )
= e−jQΩ/2
+b2 (ejΩ(Q/2−2) + ejΩ(2−Q/2) ) + . . .
= 2 e−jQΩ/2 b0 cos Ω Q2 + b1 cos Ω Q2 − 1 +
+b2 cos Ω Q2 − 2 + . . .
(16.79)
(±π gilt, wenn die Summe der cos-Terme negativ ist) und damit
Q
tph = tgr = (16.81)
2
ist. Ähnliche Beweise gelten bei geradem Q-Wert und bei antisym-
metrischen Impulsantworten.
Wir können die Linearphasigkeit auch so begründen: Da die Über-
tragungsfunktion A(Ω) in Gl.(16.75) symmetrisch ist, A(−Ω) = A(Ω),
ist auch deren Rücktransformierte a(n) = F −1 {A(Ω)} symmetrisch
um Null: a(−n) = a(n). Bei linearer Phase gemäß Gl. (16.75) wird aus
a(n) - bei Verwendung des Verschiebungssatzes und bei ausreichen-
der Phasenlaufzeit eine kausale Impulsantwort h(n) = a(n − tph ).
Damit das Filter symmetrisch und kausal ist, muss es nichtrekursiv
sein, d. h. eine Impulsantwort endlicher Länge haben.
sein muss. ❐
u(n) z −1 z −1
× b0 × b1 × b2
+ + y(n)
Abbildung 16.18: Eigenschaften [h(n), hσ (n), A(Ω), ϕ(Ω)] des Filters zweiter Ord-
nung
❐ Aufgabe:
Entwickeln Sie den Amplitudengang zu dem obigen Beispiel auf graphischem We-
ge aus den Nullstellen. ❐
Abbildung 16.19: Analyse eines Bandpasses 127. Ordnung: h(n), hσ (n), A(Ω),
ϕ(Ω) und z - Ebene
❐ Aufgabe: Kammfilter
Skizzieren Sie das Filter, geben Sie die Nullstellen an, und begründen Sie den in
Bild 16.20 gezeigten Amplituden- und Phasengang.
• Die Filter können instabil sein. Die Pole müssen innerhalb des
Einheitskreises liegen. Liegen sie auf dem Einheitskreis, so sind
die Filter bedingt stabil.
• Auch bei fehlendem Eingangssignal können Ausgangssignale
auftreten (Grenzzyklen; siehe Abschnitt 16.13.3.).
• Filter linearer Phase können nicht exakt realisiert werden.
• Allpassfilter sind IIR-Filter.
• Sperrfilter können bei gleichem Toleranzschema mit IIR-Filtern
weniger aufwendig realisiert werden als mit FIR-Filtern.
Y (z) 1 zR
H(z) = = = (16.86)
U (z) R
P R
Q
1− ar z −r (z − zxr )
r=1 r=1
u(n) y(n)
aR ..... a1
+ + +
zx1,x2 = α ± jβ (16.88)
z2 1
H(z) = = (16.89)
(z − zx1 )(z − zx2 ) 1 − 2αz −1 + (α2 + β 2 )z −2
√
Skizzieren Sie das Filter, geben Sie die Lage der Pole an [A.: 0,4± 0,48 ], berechnen
Sie die ersten 5 Werte der Impulsantwort. ❐
Abbildung 16.23:
Gesucht ist ein IIR - Filter 2. Ordnung, das bei π/4 optimal sperrt
und Signalanteile bei anderen Frequenzen möglichst wenig beein-
flusst [A(Ω) ≈ 1 ∀ Ω 6= Ωs ].
In einem ersten Schritt wird eine ideale Ausblendung durch ein
Nullstellenpaar
√ √
±jΩs ±jπ/4 2 2
z01,02 = e = e = ±j (16.92)
2 2
(z − z01 ) (z − z02 ) √
H1 (z) = = 1− 2 z −1 + z −2 (16.93)
z2
Bild 16.24 zeigt die Wirkung des nichtrekursiven Anteils des Aus-
blendfilters.
Der Amplitudengang A1 (Ω) ergibt sich graphisch als Produkt der
Strecken d0q und dxr (siehe Darstellung der z-Ebene in Bild 16.25).
Abbildung 16.24: Amplituden- und Phasengang [A1 (Ω) und ϕ1 (Ω)] des nichtre-
kursiven Anteils des Ausblendfilters
z2
H2 (z) = (16.96)
(z − zx1 ) (z − zx2 )
Mit H(z) liegt die Filterstruktur mit den Werten der Filterkoeffizien-
ten fest. Bild 16.26 zeigt das resultierende Filter; seine Impulsantwort
erhält man am einfachsten durch Polynomdivision aus Gl. (16.97).
Der Amplitudengang lässt sich z. B. graphisch aus den Abständen
d01 , d02 , dx1 und dx2 der Nullstellen bzw. Pole zum Ω-Aufpunkt er-
mitteln (siehe Bild 16.25):
d01 d02
A(Ω) = (16.98)
dx1 dx2
u(n)
1 -1,41 1
-0,72 1,2
analogen Bereich bedeutet das, dass die Fläche unter einer Funktion
u(t) bis zu einem vorgegebenen Zeitpunkt τ bestimmt wird:
Zτ
y(τ ) = u(t) dt (16.99)
−∞
Das lineare Filter, das diese Operation durchführt, hat eine Übertra-
gungsfunktion
1
H(jω) = (16.100)
jω
u
u(k) ⋅1
0,5(u(k)-u(k-1))
u(k-1)
u(k-2)
u(k-3) u(k-1)⋅1
y(k-1)
1 1 1 1 1 1 1
u(n) z-1
0,5 0,5
+ y(n)
z-1
Abbildung 16.29: Digitaler Integrierer
Der Amplitudengang (siehe Bild 16.30) kann aus H(z) bzw. gra-
phisch mit AH (Ω) = d01 /dx1 bestimmt werden. Die Stützstellendar-
stellung der zu integrierenden Funktion impliziert einen periodi-
schen Frequenzgang. Der 1/Ω -Amplitudengang kann daher nur bei
kleinen Ω-Werten approximiert werden. Die Systemfunktion ergibt
sich nach Polynomdivision zu
1
H(z) = 1 + 2z −1 + 2z −2 + . . . (16.102)
2
Abbildung 16.30: h(n), hσ (n), A(Ω), ϕ(Ω), A(Ω) bei logarithmischer Abszisse so-
wie τgr (Ω) des digitalen Integrierers bei leicht modifiziertem Pol (zx = 0,99 statt
zx = 1,0).
16.10 Allpassfilter
Unerwünschte Phasenverzerrungen eines linearen Systems können
durch Filter kompensiert werden, die bei konstantem (also fre-
quenzunabhängigem) Amplitudengang zusätzliche Phasenverzer-
rungen derart herbeiführen, dass der Gesamt-Phasengang einen vor-
geschriebenen Verlauf hat; insbesondere werden oft lineare Phasen-
gänge (d. h. frequenzunabhängige Laufzeiten) gefordert.
Man kann zeigen (s. folgende Aufgabe), dass sich ein konstanter Am-
plitudengang
ergibt, wenn zu jedem Pol mit Betrag rx = |zx | innerhalb des Ein-
heitskreises (rx ≤ 1) eine Nullstelle mit Betrag |z0 | = 1/rx und glei-
chem Winkel ϕ existiert:
1 jϕ 1
zx = rx ejϕ und z0 = e = , (16.105)
rx zx∗
P z0
zx
α
0
Wir betrachten in Bild 16.31 die Strecken von einem Pol zx und der
dazu bezüglich des Einheitskreises spiegelbildlichen Nullstelle z0 zu
einem beliebigen Ω -Aufpunkt P . Mit dem Kosinussatz ergibt sich
2 2 2
d20 = ejΩ − z0 = P z0 = 1 + Oz0 − 2 Oz0 cos α und
2 2 2
d2x = ejΩ − zx = P zx = 1 + Ozx − 2 Ozx cos α , mit
1
Oz0 · Ozx = · rx = 1 erhalten wir
rx
2 2 2
ejΩ − z0 P z0 1 + Oz0 − 2 Oz0 cos α
= =
|ejΩ − zx |2 P zx
2 2
1 + Ozx − 2 Ozx cos α
2
1 Ozx + 1 − 2 Ozx cos α
= 2 2
Ozx 1 + Ozx − 2 Ozx cos α
1 2 1
= 2 = Oz0 = , d. h.
Ozx rx2
d0 ejΩ − z0 1
= jΩ
= . (16.106)
dx |e − zx | rx
Offensichtlich ist das Verhältnis der Abstände von Nullstelle und Pol
zum Ω-Aufpunkt P unabhängig von dem Phasenwinkel und von
der Frequenz (bei kugelförmigen Äquipotentialflächen, die aus zwei
(verschieden großen) Punktladungen entstehen, beobachtet man im
Prinzip genau dasselbe; die Kugeloberfläche entspricht hier dem
Einheitskreis und die Null- und Polstelle den beiden Ladungen ent-
gegengesetzter Polarität - siehe VL Theoretische Elektrotechnik). Da
der Gesamtamplitudengang beim Allpass aus dem Produkt solcher
Terme besteht, muss er konstant sein. Für ein komplexes Null- und
Polstellenpaar (d. h. je zwei Null- und Polstellen, siehe Bild 16.31) er-
gibt sich damit ein Amplitudenbeitrag 1/rx2 , denn für die konjugiert-
komplexen Werte gilt Gl. (16.106) genauso (weshalb eigentlich?).
Setzt man die Pole und Nullstellen in die Systemfunktion der
Gl.(16.41) ein, so ergibt sich die Systemfunktion
Q ∗
Y z − 1/zxq
H(z) = b0 , (16.107)
q=1
z − zxq
(Ist das System ausschließlich durch die Pol- und Nullstellen be-
schrieben, so ist b0 = 1.)
Es lässt sich zeigen, dass die Filterkoeffizienten des nichtrekursiven
und des rekursiven Anteils in inverser Reihenfolge auftreten:
Bei einem Polstellenpaar zx1,x2 = 0,5 ± 0,5j ergibt sich ein dazu gehörendes Null-
stellenpaar z01,02 = 1 ± j (siehe Bild 16.31). Die Systemfunktion wird
z 2 − 2z + 2
H(z) = (16.111)
z 2 − z + 0,5
Wie man durch Einsetzen von z. B. z = 1 oder z = −1 leicht ausrechnet, ist A(Ω) =
2. Bild 16.32 zeigt das dazugehörige Filter.
u(n)
2 -2 1
-1
z z
-1
y(n)
-0,5 1
Die Phase eines Allpasses zweiter Ordnung HA (z) läuft von 0 nach −2π. Bei einer
Ausblendfrequenz Ωc gilt
ϕ(Ωc ) = −π (16.114)
so dass v(n) gegenphasig zum Eingangssignal ist, und es wird
H(jΩc ) = 0. (16.115)
u(n) HA(z)
v(n)
+ y(n)
0,5
Abbildung 16.34: Digitales Ausblendfilter
❐ Aufgabe: Ausblendfilter
Wir benutzen das oben bereits verwendete, jetzt auf A(Ω) = 1 normierte Allpassfil-
ter zweiter Ordnung mit Polstellen zx1,x2 = 0,5±j0,5 und Nullstellen z01,02 = 1±j
und der Systemfunktion
z 2 − 2z + 2
H(z) = (16.116)
z 2 − z + 0,5
so dass H(z) = 1 + HA (z) ist. Das PN-Diagramm (und damit auch der Amplitu-
dengang) zeigt Ähnlichkeiten mit den Ergebnissen des Ausblendfilters. Berechnen
und erläutern Sie die Lage der Pole und Nullstellen. [A.: Pole bei 0,5 ± 0,5j; Null-
stellen bei 0,667 ± 0,745j] ❐
16.11 Minimalphasenfilter
Minimalphasensysteme sind kausale Filter, die für einen gegebenen
Amplitudengang einen minimalen Phasengang besitzen, d. h. die
Phasenwerte haben die kleinstmöglichen Abweichungen von Null.
Bild 16.35 zeigt dazu ein Beispiel. Lineare Filter sind minimalphasig,
wenn ihre Pole und Nullstellen im Einheitskreis liegen. Wir merken
an, dass zu minimalphasigen Filtern H(z) das dazugehörige inverse
Filter 1/H(z) als stabiles Filter existiert, da bei letzterem die Null-
stellen von H(z) zu Polen werden und damit im Einheitskreis liegen.
Inverse Filter haben in der Praxis der linearen Filterung die Aufgabe,
aus dem Ausgangssignal eines linearen Systems H(z) durch inverse
Filterung [also mit 1/H(z)] das Eingangssignal zurückzugewinnen
(Entfaltung, deconvolution).
Werden diese Nullstellen nach außen gespiegelt, so ändert sich der Amplituden-
gang nicht, die Phasenwerte werden aber größer (Bild 16.35 rechts). Beim Amplitu-
dengang muss aber berücksichtigt werden, dass der Abstand der Nullstellen zum
Ω-Aufpunkt bei den außen liegenden Nullstellen wegen Gl. (16.106)
1
da = di (16.119)
r
√ √
ist. Der Skalierungsfaktor da /di = ( 0,72 0,72 0,8)−1 ≈ 1,75 wurde bei der Dar-
stellung des Amplitudenganges nicht berücksichtigt.
x x x o
= ·
x Re{z} x Re{z} x o Re{z}
o o
s-Ebene z-Ebene
R∞ ∞
P
System- H(s) = h(t) · e−st dt H(z) = h(k) · z −k
funktion −∞ k=−∞
R∞ ∞
P
Frequenz- H(jω) = h(t) · e−jωt dt H(jΩ) = h(k) · e−jkΩ
gang −∞ k=−∞
Nullstellen Sie sind reell oder Sie sind reell oder konjugiert-
und Pole konjugiert-komplex. komplex.
Zπ
1
h(n) = F −1 {H(jΩ)} = A(Ω)ejnΩ dΩ (16.121)
2π
−π
1
H≈ (jΩ) = H(jΩ) ∗ W (jΩ) (16.127)
2π
Ωc
h(n) = si(Ωc n) (16.128)
π
hat. Mit den 2M + 1 Filterkoeffizienten an = h(n) entsteht für M = 16 (Filter 32.
Ordnung) ein Amplitudengang gemäß Bild 16.37.
4π 2π
ΩHaupt (M ) = ≈ (16.129)
2M + 1 M
Ein weiteres Kriterium für eine gute Fensterfunktion ist ein mög-
lichst schnell mit Ω abfallender Verlauf von W (jΩ). Ein Maß dafür ist
das Verhältnis von Hauptfenstermaximum zum ersten Nebenfens-
termaximum. Beim obigen Rechteckfenster ist dieses Verhältnis etwa
13dB.
4π
ΩHaupt (M ) ≈ (16.131)
M
Der Wert ist also doppelt so breit wie beim Rechteckfenster. Dafür ist
das Verhältnis von Hauptfenstermaximum zum ersten Nebenfens-
termaximum jetzt etwa 41 dB.
❐ Hinweis:
Wir haben bei der Rechteckfensterapproximation die Filterkoeffizienten zu an =
h(n), n ∈ (−M, M ), angesetzt. Nehmen wir an, wir wollen die 2M + 1 zur Verfü-
gung stehenden Filterkoeffizienten so wählen, dass der mittlere quadratische Feh-
ler zwischen gewünschter und erreichbarer Übertragungsfunktion zum Minimum
wird. Eine kurze Rechnung, bei der wir das Parsevaltheorem verwenden, würde
uns zeigen, dass dieses Minimum erreicht wird, wenn in der Tat die Rechteckfens-
terapproximation verwendet wird. Alle anderen Fensterfunktionen liefern mögli-
cherweise eine besser geglättete Übertragungsfunktion, erhöhen aber gleichzeitig
den mittleren quadratischen Fehler der Approximation. Fensterfunktionen sind
erforderlich, weil sie das Sperrverhalten von Filtern stark verbessern. Der mittlere
quadratische Fehler liefert im Sperrbereich keine brauchbare Approximation, weil
dort die H(jΩ)-Werte klein sind. Auch größere Abweichungen tragen daher wenig
zum mittleren quadratischen Fehler bei. ❐
1
HBP (jΩ) = H(jΩ) ∗ π (δ(Ω + Ωm ) + δ(Ω − Ωm ))
2π
1
= (H(jΩ + jΩm ) + H(jΩ − jΩm )) (16.133)
2
u(n)
bQ bQ-1 ..... b1 b0
aR aR-1 ..... a1
+ + + y(n)
b0 b1 ...... bQ-1 bQ
u(n) z
-1 -1 -1
+ z z
a1 ...... aR-1 aR
Dritte Kanonische Form. Die dritte kanonische Form setzt sich aus
kaskadierten Teilsystemen zweiten Grades zusammen. Jedes Teilsys-
tem k hat eine z-Transformierte
(z − z01k )(z − z02k )
Hk (z) = b0k (16.135)
(z − zx1k )(z − zx2k )
wobei
∗ ∗
z02k = z01k und zx2k = zx1k (16.136)
ist. Jedes Teilsystem ist also durch ein Polstellen- und ein Nullstellen-
paar charakterisiert. Sind reelle Pole oder Nullstellen zu realisieren,
so müssen zusätzlich Teilsysteme erster Ordnung in Reihe geschaltet
werden.
❐ Beispiel:
Heutige Signalprozessoren benötigen zur Ausführung der Rechenoperation eines
Teilsystems etwa 100 ns. ❐
1 Signalbeschreibungen
1.1 Gib die folgenden Signale unter Verwendung der Rechteckfensterfunktion
⊓(. . . ) an:
b)
a) ⋆
u(t)
u(t)
A
A
t
T 2T 3T t
-T/2 T/2
c) d)
u(t) u(t)
A 2B
t t
-T T -2T -T T 2T
f)
e) u(t)
u(t)
3B
4C
3C
t
-2T 3T 6T 8T
C
t
-T T 2T 3T -2B
259
260 Kapitel 17. Aufgabensammlung
h)
g) ⋆ u(t)
u(t)
B cos-förmig
A
A/2
t t
T 2T 3T 4T
-2T 2T
u1(t)
T 2T
t
-2T -T
-1
u(t)
2
1 T=5ms
0 1 2 3 t/T
u(t)
2
0 1 2 3 4 5 t/T
u(t)
2
t/ms
2,5 7,5 10 12,5
3 Korrelationsfunktion
3.1 Folgende Signale liegen vor:
u(t) v(t)
1 1
4 8 t/T
1 2 t/T -1
−T0 /2 T0 /2 t
−T0 /2 T0 /2
t
−A
2 Fouriertransformation
2.1 Berechne die Fouriertransformation der folgenden Signale mittels der Definiti-
on der Fouriertransformation. Berücksichtige hierbei die Symmetrieeigenschaf-
ten der Signale.
a) ⋆ b)
u(t) u(t)
A B
−T T/2
T t −T/2 t
−A
c) ⋆ d)
u(t) u(t)
A A
−T 7T
T 2T t 3T t
−A −A
2 R∞ 2 x2
√
π 2 /(4a2 )
e) ⋆ u(t) = e−πt [Hinweis: e−a · cos(bx) dx = 2a
· e−b ]
0
T t
−A
−2T −T T 2T t
c) ⋆ d)
v(t)
v(t)
sin−förmig B
A
4T 4T
−4T t 2T t
−A
−B
2.3 Berechne und skizziere die Amplituden- und Phasenspektren der folgenden Si-
gnale:
a) ⋆ b)
u(t) u(t)
A A
T t −T t
−A −A
c)
u(t)
A sin−förmig
T 2T
t
−A
2t −t/T
u1 (t) = e−|t|/T und u2 (t) = σ(t) · ·e
T
a) Berechne die Amplitudenspektren von u1 (t) und u2 (t). Wieso stimmen die
Signale trotz gleicher Amplitudenspektren nicht überein?
b) Gib die Phasenspektren der Signale an.
AT
ω0 ω
−ω0
(Reellwertig!))
b) U (jω) = 2T · cos(ωT /2) · ⊓2π/T (ω)
2τ
c) ⋆ U (jω) = (1+jωτ )3
2.6 Berechne die Zeitfunktion y(t) zu dem unten dargestellten Spektrum Y (jω) und
formuliere es in der Form y(t) = y1 (t) cos(ωo t). (Berechne zunächst das Zeitsignal
für das nicht verschobene Spektrum und benutze dann das Modulationstheo-
rem)
cos−Spektrum
2AT
Y(jω)
AT
−T T 2T 3T t −T/2 T/2 t
c) d)
w(t) w(t)
A A
−T/2
T 2T t T/2 t
sin−förmig
−A −A
AT cos-förmig
1.2 ⋆ Auf ein System mit der Impulsantwort h(t) = ⊓4T (t − 2T ) (Halteglied) werde ein
Dreieckimpuls u(t) gegeben.
u(t)
A
t
5T
H1 (jw) H2 (jw)
a) Zeige, dass das Halteglied durch die Schaltung ersetzt werden kann: Be-
stimme dazu die Teilübertragungsfunktion H1 (jω) und H2 (jω) und die
Gesamtübertragungsfunktion H(jω).
b) Skizziere die Amplitudengänge.
c) Gib die Impulsantwort des Systems an.
1.4 ⋆ Ein Signal u(t) werde über ein Übertragungssystem übertragen, dessen Übertra-
gungsfunktion durch die eines unbelasteten RC-Tiefpasses approximiert wird.
u(t) R
2A
A u(t) C y(t)
t
T 2T
Bestimme und skizziere die Ausgangsfunktion y(t). Die Impulsantwort des Tief-
passes ist
1
h(t) = · σ(t) · e−t/τ0 mit τ0 = RC ≪ T
τo
Hinweis: Führe die Faltung nur für den Rechteckimpuls ⊓T (t − T /2) aus und
bestimme daraus y(t).
1.5 Auf ein System mit der Impulsantwort h(t) = ⊓2T (t − 2T ) werde folgendes Signal
u1 (t) gegeben:
u1(t)
A
1 2 t/T
−A
A
h1 (t) = (t · ⊓4T (t − 2T ))
T
a) Skizziere h1 (t).
1
b) Auf den Eingang des Systems werde jetzt das Signal u(t) = T
· σ(t) · e−t/T
gegeben. Skizzierre u(t).
c) Berechne mit Hilfe der Faltung die Antwort y1 (t) des Systems auf das Si-
gnal u(t). R ax
Hinweis: Es ist x · eax dx = ea2 (ax − 1).
d) Skizziere y1 (t).
e) Wir betrachten jetzt die Parallelschaltung zweier Systeme mit den Impul-
santworten h1 (t) und h2 (t) mit h2 (t) = 2h1 (t − 5T ).
h (t) +
1
h2(t)
Gib die Antwort y(t) des Gesamtsystems auf das Signal u(t) an.
f) Skizziere das Ausgangssignal y(t), das sich ergibt, wenn das Signal u(t)
auf ein System mit der Impulsantwort h(t) = δ(t − T ) gegeben wird.
d
LI u(t) = s U (s) − u(0)
dt
für den Fall, dass die Funktion u(t) an der Stelle t = 0 stetig verläuft. Verwende
hierzu die partielle Integration.
1.2 Berechne mit Hilfe der Laplacetransformation die Lösungen folgender Differen-
tialgleichungen unter Berücksichtigung der Anfangswerte. Benutze hierfür die
obige Eigenschaft der Laplacetransformation.
a) y ′ (t) + 2y(t) = −5e−2t · sin(5t) ; y(0) = 2
b) y ′′ (t) + 2y ′ (t) − 3y(t) = 0 ; y(0) = 6 ; y ′ (0) = −2
c) ⋆ y ′′ (t) + 6y ′ (t) + 13y(t) = 13σ(t) ; y(0) = y ′ (0) = 0
Laplace-Korrespondenzen:
1
σ(t) ↔
s
1
σ(t) · e−bt ↔
s+b
s+b
σ(t) · e−bt · cos(at) ↔
(s + b)2 + a2
a
σ(t) · e−bt · sin(at) ↔
(s + b)2 + a2
1.3 Berechne die Laplacetransformation der folgenden Signale. Für welche Signale
lässt sich durch die Substitution s = jω sofort die Fouriertransformierte angeben?
a) b)
u(t) = A s(t) u(t)
A B
t T/2 T t
-A -B
u(t) y(t)
C
-200 -1 -1
s/s -125 s/s
-500
-500
-1000
Hinweis:
M
Q M
Q
|jω − s0m | d0m
m=1 m=1
A(ω) = H(jω) = H(s) s=jω
=H· N
∝ N
Q Q
|jω − sxn | dxn
n=1 n=1
s−5
H(s) =
s2 + 6s + 13
a) Berechne die Pol- und Nullstellen des Systems und skizziere das PN-
Diagramm.
b) Berechne und skizziere den Phasengang ϕ(ω) des Systems.
c) Zerlege das System in eine Reihenschaltung aus einem Allpass und einem
Minimalphasensystem. Gib die Übertragungsfunktionen dieser Teilsyste-
me an.
d) Berechne und skizziere den Phasengang des Minimalphasenanteils des
Systems. Begründe anhand dieses Beispiels den Namen „Minimalphasen-
system”.
3 Systemeigenschaften
3.1 Für folgende Systeme seien entweder die Übertragungsfunktion H(jω), die s-
Übertragungsfunktion H(s), die Impulsantwort h(t), das PN-Diagramm oder ein
Blockschaltbild gegeben. Untersuche die Systeme auf Stabilität, Kausalität und
Linearphasigkeit. Prüfe bei kausalen und stabilen Systemen auch, ob es sich um
ein Minimalphasensystem handelt.
a) H(jω) = A · ⊓2ωg (ω) · cos2 ( π2 ωωg )
s2 +s−12
b) H(s) = s3 +6s2 +11s+6
s2 +3s+2
c) H(s) = s3 −2s2 −11s+12
f) g) ⋆
w/s-1 w/s-1
500 500
s s
250 250
-20 -1 -20 -1
s/s s/s
-250 -250
-500 -500
h) i)
w/s -1 w/s -1
s s
400 400
-20 -1 -20 -1
20 s/s 20 s/s
-400 -400
k)
j) u(t) + + y(t)
u(t) + y(t)
1 - +
H1 (s)=
- s+4 2
h1 (t)=d(t-T) h2 (t)=d(t-T)
1
H (s)=
2 s+2
Keine MPS-Prüfung!
4 Frequenzselektive Filter
4.1 ⋆ Ein Tiefpass-Potenzfilter soll mittels eines aktiven Filters erster und zweiter Ord-
nung realisiert werden. Dabei soll das angegebene Toleranzschema eingehalten
werden:
A(2pf)/dB
0
AD
AS
f
fg fs
p/2
w
-w 1 w1
a) Gib U (jω) an, bestimme und skizziere u(t) = F −1 {U (jω)}.
b) Das Signal u(t) werde mit einer Abtastfrequenz fT = 1,4 · f1 abgetastet.
Skizziere die Abtastwerde im Verlauf von u(t).
c) Skizziere das Spektrum des abgetasteten Signals.
d) Das abgetastete Signal wird mit einem idealen Tiefpass gefiltert:
(
T : |ω| < ω2T , T = fT−1
HT P (jω) =
0 : |ω| ≥ ω2T
Berechne das gefilterte Zeitsignal und skizziere eine volle Periode. Ver-
gleiche das Ergebnis mit u(t) aus Frage a).
f/DBQ
-3 -2 -1 1 2 3
1.4 Gegeben sei das Signal u(t) und das dazugehörige Spektrum U (jω):
|t| T 2 si2 (ωT /4)
u(t) = T · 1 − 2 · ⊓T (t) , U (jω) =
T 4
(
1 : 0≤n≤7
u(n) = (N = 8)
0 : sonst
4 z-Transformation
4.1 Berechne die z-Transformierte zu folgenden Zahlenfolgen:
a) u(n) = δ(n)
b) u(n) = δ(n − 1)
c) u(n) = δ(n + 1)
d) u(n) = ( 12 )n · σ(n)
e) u(n) = ( 12 )n + ( 41 )n · σ(n)
4.2 Gegeben sei ein lineares zeitinvariantes System mit der Impulsantwort
(
a · e−at : t ≥ 0 (a > 0)
h(t) =
0 : t<0
δT(t)
a) Gib die Antwort yd (t) des obigen Gesamtsystems auf d(t) am Eingang an.
b) Skizziere yd (t).
c) Gib die z-Transformierte von hd (t) an.
4.3 Die Impulsantwort eines RC-Tiefpasses ist h(t) = e−at · σ(t). Gib die z-
Transformierte Hd (z) der abgetasteten Impulsantwort an.
n
1
u(n) = σ(n − 3)
5
Berechne die z-Transformierte mit Hilfe der Analyse-Gleichung und gib den
Konvergenzbereich an.
4.5 Bestimme die z-Transformierte der folgenden Zahlenfolge. Skizziere das Pol-
nullstellendiagramm mit dem Konvergenzbereich. Gib an, ob die Fourier-
Transformierte existiert.
n+1
1
σ(n + 3)
2
Welche Bedingungen müssen die komplexe Zahl α und die ganze Zahl n0 er-
füllen, damit sich folgender Konvergenz-Bereich für die z-Tranformierte U (z) =
Z [u(n)] ergibt?
Z 1
an σ(n) ←→ , |z| > 2 (17.1)
1 − az −1
die inverse z-Transformierte von
4 − 21 z −1
U (z) = (17.2)
(1 − z −1 ) (1 + 3z −1 )
1 + z −1
U (z) = (17.3)
1 + 13 z −1
F Zeitdiskrete Systeme
1 Analyse zeitdiskreter linearer Systeme
1.1 ⋆ Ein digitales Filter sei durch seinen Pol-Nullstellen-Plan vorgegeben.
Im{z}
Re{z}
-2 -0.5 1
3-fach
j=60
j
Re{z}
r
1
1/r
a) Gib die z-Übertragungsfunktion H(z) und die Struktur des Systems an.
Berechne dazu die Filterkoeffizienten.
b) Gib die ersten sechs Werte der Impulsantwort durch Polynomdivision an.
c) Skizziere den Amplitudengang A(Ω). Um welchen Filtertyp handelt es
sich?
d) Das System soll durch einen Transversalfilter (FIR-Filter) 5. Ordnung ap-
proximiert werden. Gib die Filterkoeffizienten des Transversalfilters an.
Bleibt die Allpasseigenschaft erhalten?
(Hinweis: Bestimme die Filterkoeffizienten so, dass die ersten sechs Werte
der Impulsantwort des Transversalfilters mit denen des gegebenen Sys-
tems übereinstimmen!)
z 2 + 2z − 8
H(z) = 8
8z 2 − 2z − 1
a) Berechne Betrag und Winkel der Pole und Nullstellen der Übertragung-
funktion. Skizziere den PN-Plan.
b) Ermittle den Amplitudengang A(Ω) und skizziere ihn. Was für ein Filter-
typ liegt vor?
c) Berechne die ersten vier Werte der Impulsantwort h(n) durch Polynomdi-
vision.
d) Bestimme aus der Übertragungsfunktion H(z) die Differenzengleichung
des Filters und gib die Direktstruktur des Filters an.
H(jW)
W
-3p/4 -p/4 p/4 3p/4
∞ Zπ
X
jkΩ 1
H(jΩ) = ck e mit ck = H(jΩ)e−jkΩ dΩ
k=−∞
2π
−π
2.2 Ein analoger Tiefpass zweiter Ordnung sei durch seine s-Übertragungsfunktion
vorgegeben:
100
Ha (s) =
s2 + 10s + 125
(Hinweis: Transformiere die obige Summenformel für h∗a (t) und vergleiche
das Ergebnis mit der Definitionsgleichung der zeitdiskreten Fouriertrans-
+∞
P
formierten H(jΩ) := h(n) e−jΩn .)
n=−∞
Q
Y
−Q
H(z) = z (z − z0q ).
q=1
3 Systemeigenschaften
3.1 Untersuche die folgenden zeitdiskreten Systeme auf ihre Stabilität, Kausalität,
Linearphasigkeit bzw. ihre Allpasseigenschaft.
a) ⋆ b)
Im{z} Im{z}
1,5
Re{z} Re{z}
0,5
-2 -0.5 1 1
3.2 Gegeben sei ein LTI-System S mit Impulsantwort h(n) und Systemfunktion H(z),
über das folgendes bekannt sei:
a) h(n) ist reell.
b) h(n) ist rechtsseitig.
c) lim H(z) = 1.
|z|→∞
1 1
y(n) − y(n − 1) = u(n) + u(n − 1) (17.4)
2 3
Bestimme das Blockschaltbild des Filters in der Form, dass nur ein Verzögerungs-
glied benötigt wird.
3.4 Gegeben sei das kausale LTI-System mit Eingangsignal u(n) und Ausgangssignal
y(n), das durch folgendes Blockschaltbild beschrieben ist:
u(n) + + y(n)
z−1
−1/4 −4
+ x x +
z−1
2/5 7
x x
a) Bestimme die Differenzengleichung, die u(n) und y(n) ins Verhältnis setzt.
b) Ist das System stabil?
1
H1 (z) = 1 −2
(17.5)
1 + 2z −1 + 3
z 1 − z −1 − 12 z −2
1 Signalbeschreibungen
1.1
a) u(t) = A · ⊓2T (t − 2T )
b) u(t) = A · (1 − 2 |t|
T
) · ⊓T (t)
|t|
c) u(t) = A · T
· ⊓2T (t)
d) u(t) = B · ⊓4T (t) + B · ⊓2T (t)
e) u(t) = CT · (t + T ) · ⊓T (t + T2 ) + ⊓T (t − 5T
2
)
B
f) u(t) = ⊓10T (t − 3T ) · (− T ) · |t − 3T | + 3B
A
g) u(t) = 2
· (1 + sin( 2π
T
t)) · ⊓3T (t − 2,5T )
B π
h) u(t) = 2
· (1 + cos( 2T t)) · ⊓4T (t)
1.2
a)
g1(t)
b)
4 g2(t)
3
2
2
1 1
t
2T 3T 4T t
T -T T 2T 3T 4T 5T
285
286 Kapitel 18. Lösungen zur Aufgabensammlung
c) d)
g (t) g (t)
3 4
1 A
t
-T T 2T 3T
-1 t
-T T
e)
g (t)
5
1
-T T 2T 3T
t
-1
1.3
a)
u0(t)
t
T/2 T
1.4
a) u(t) = ⊓T (t − T2 ) + 2 · ⊓T (t − 32 T ) + ⊓T (t − 5T
2
) · (− T2 t + 6)
b)
v(t)
4V
2V
t
-T T 2T
1.5
b)
u(t)
a)
r(t)
4A
4T
3T
2T
t
T 2T 3T 4T
t
4T 6T
A
c) u(t) = T
[t · ⊓4T (t − 2T ) + (−2t + 12T ) · ⊓2T (t − 5T )]
t/ms
5 10 15 20 25 30
d) mu = 0,55 , Pu = 0,7
2.3 a)
u(t)
t
2T 6T
-2A
b) mu = − A2
c) Wu = 60 ms
3 Korrelationsfunktion
3.1
a)
0 : τ < −2T
2T + τ : −2T ≤ τ < 0
ruu (τ ) =
2T − τ : 0 ≤ τ < 2T
0 : 2T ≤ τ
−(8T + τ ) : −8T ≤ τ < −4T
8T + 3τ : −4T ≤ τ < 0
rvv (τ ) =
8T − 3τ : 0 ≤ τ < 4T
τ − 8T : 4T ≤ τ < 8T
rvv(t )
8T
ruu(t)
2T
-8T -4T 4T 8T t
t -4T
-2T 2T
b)
2T + τ : −2T ≤ τ < 0
2T : 0 ≤ τ < 2T
ruv (τ ) = 6T − 2τ : 2T ≤ τ < 4T
−2T : 4T ≤ τ < 6T
−8T + τ : 6T ≤ τ < 8T
ruv(t)
2T
-2T 2T 4T 6T 8T t
-2T
b) ak = 2 · c k , bk = 0
k 0 ±1 ±2 ±3 ±4 ±5
1 2 2 2
c) |ck |/A 2 π2
0 (3π)2
0 (5π)2
ϕk 0 ±π 0 ±π 0 ±π
|c|k
0.5A
Fk
p
1 3 5
1 3 5 k k
-p
1 ua(t)
0.8
0.6
0.4
0.2
−6 −4 −2 0 2 4 6 t
(
0 : k=0
1.2 a) ck = jA (−1)k
π k
: sonst
b) ak = 0, bk = 2jck
k 0 ±1 ±2 ±3 ±4 ±5
A A A A A
c) |ck |/A 0 π 2π 3π 4π 5π
ϕk 0 ∓π ±π ∓π ±π ∓π
|c|k
0.5A
Fk
p/2
1 3 5
1 3 5 k k
-p/2
0.5
0
−6 −4 −2 0 2 4 6 t
−0.5
−1
2 Fouriertransformation
2.1 a) U (jω) = 4A
jω
sin2 (ωT /2)
2B
b) U (jω) = jω
[si(ωT /2) − 1]
c) U (jω) = −jAT sin( ωT
2
) · si2 ( ωT
4
) · e−jωT
d) U (jω) = −8AT si(4ωT ) + 8AT si2 (2ωT ) · e−j3ωT
2 /4π 2
e) U (jω) = e−ω = e−πf mit ω = 2πf
2.2 a) V (jω) = 4A
jω
sin2 (ωT /4) · e−jωT /2
B
b) V (jω) = jω
[si(ωT ) − 1] + 2BT · si(2ωT )
2jAT sin(4ωT )
c) V (jω) = π 1−( ωT )2
π
d) V (jω) = −4BT si(2ωT ) + 4BT si2 (ωT ) · e−j2ωT
ω0 T 2
e) V (jω) = 1+2jωT +(ω02 −ω 2 )T 2
2π
f) V (jω) = T · cos(ωT /2) π2 −(ωT )2
T 2
g) V (jω) = 2
sin(ωT /2) ωT [4π8π
2 −(ωT )2 ]
|Ua (jw)|=|Ub(jw)|
AT p
w
-2p/T
w
-2p/T 2p/T
|Ua (jw)|=|Ub(jw)|
AT p
w
2p/T
w
-2p/T 2p/T
2AT sin(ωT )
c) |U (jω)| = π 1−( ωT )2
ϕ(ω) = −ωT + π/2(±π)
π
|U(jw)| j(w)
p
AT
w
p/T
w -p
p/T 2p/T
(
+π/2 : ω≥0
d) |U (jω)| = 2T · | sin(ωT )| · ⊓ 2π (ω) ϕ(ω) =
T
−π/2 : ω<0
j(w)
|U(jw)|
p/2
2T
-p/T w
p/T
w
-p/2
-p/T p/T
2T
2.4 a) |U1 (jω)| = |U2 (jω)| = 1+ω 2 T 2
Die Systeme haben unterschiedliche Phasenspektren!
b) ϕ1 (jω) = 0, ϕ2 (jω) = −2 arctan(ωT )
AT ω0
2.5 a) u(t) = π
si(ω0 t) + 12 si2 ( ω20 t )
4 cos(πt/T )
b) u(t) = π 1−(2t/T )2
8AT
2.6 y(t) = 1−(4t/T )2
cos(ωg t) · cos(ω0 t)
2A
2.7 a) W (jω) = T ω2
[cos(ωT ) − cos(2ωT )] · e−jωT
b) W (jω) = BT · si(ωT /2) − BT
2
si2 (ωT /4)
c) U (jω) = −jAT sin( ωT
2
)· si2 ( ωT
4
) · e−jwT
ωT 2
d) W (jω) = −2jA cos(ωT /2) π2 −(ωT )2
8 sin(ωT )−4 sin(2ωT )
e) W (jω) = ω3
3.2 a)
u(t)
1/e
t
t
τ
b) Wu = 4
τ
c) U (jω) = (1+jωτ )2
d) Siehe 3.2 b)
e) Wu,teil ≈ 0,2046τ ⇒ Wu,teil /Wu ≈ 81,83%
Z∞ Z∞
= f (t) · δ(t − τ ) dτ = f (t) · δ(t′ ) dτ ′ = f (t)
−∞ −∞
b)
Z∞ Z∞
f (t) ∗ δ(t − T ) = f (τ ) · δ(t − T − τ ) dτ = f (t − T ) · δ(t − T − τ ) dτ
−∞ −∞
Z∞ Z∞
= f (t − T ) · δ(t − T − τ ) dτ = f (t − T ) · δ(t′ ) dτ ′ = f (t − T )
−∞ −∞
1.2
0 : t≤0
A 2
t : 0 < t ≤ 4T
10T
y(t) = A 45 t − 85 T : 4T < t ≤ 5T
h i
A 9 2 t2
5T 2
T + 4tT − 2
: 5T < t ≤ 9T
0 : 9T < t
y(t)
2AT
t
4T 5T 9T
1 π
1.3 a) H1 (jω) = 1 − e−jωT , H2 (jω) = jωT
+ T
· δ(ω)
H(jω) = e−jωT /2 · si( ωT
2
)
b)
|H1 (jw)|
w
-2p/T 2p/T
|H2 (jw)|
w
|H(jw)|
w
-2p/T 2p/T
c) h(t) = T1 ⊓T (t − T2 ) ⇒ Halteglied.
1.4
0 : t<0
− t
A 1 − e τ0
: 0≤t<T
y(t) =
− t−T
− τT
A 2 − e τ0
1 + e 0 : T ≤ t < 2T
A · e− t−2T
−T − 2T
τ0
2 − e τ0 − e τ0 : 2T ≤ t
y(t)
2A
t
T 2T t0
1.5 a)
h(t)
t
T 3T
b)
0 : t≤T
− A t2 + 2At − 1,5AT : T ≤ t < 3T
2T
y(t) = A 2
2T
t − 4At + 7,5AT : 3T ≤ t < 5T
0 : t > 5T
y1(t)
0,5AT
t
T 3T 5T
-0,5AT
1.6
a) b)
r(t) u(t)
2A
t
t
1 T 3T 4T
2At
c) u(t) = ⊓2T (t − 2T ) · At
T
− A − ⊓T t − 7T2
· T − 8A
h t
i h t
i
d) hr (t) = T Tt − 1 − e− T = T Tt − 1 + e− T , t ≥ 0
e)
hr(t)
t
T
T
nh t−T
i h t−3T
i h t−4T
io
t−T t−3T t−4T
f) y(t) = A T
− 1 + e− T − 3 T
− 1 + e− T + 2 T
− 1 + e− T
g) Zeitverzögerung um 3T :
r(t-3T)
t
3T
1.7
a) b)
h1(t) u(t)
4A 1/T
t t
4T
0 : t<0
h i
t
c) y1 (t) = A Tt − 1 + e− T : 0 ≤ t < 4T
h t i
A e− T + 3e −t+4T
T : t > 4T
d)
y1(t)
3T
t
4T
1/T
t
T
Z∞
part.Int. ∞
= u(t) · e−st 0 − u(t) · (−s) · e−st dt
| {z }
=−u(0) 0
Z∞
= −u(0) + s · u(t) · e−st dt
|0 {z }
=: LI {u(t)}
= s · U (s) − u(0)
A
1.3 a) U (s) = s
2B
b) U (s) = s
sinh(sT /4) · e−3sT /4
1
c) U (s) = s+5
3
d) U (s) = (s−2)2 +9
3
-90×10
e) R = 707,1Ω
2.2
a) b)
A(w)/H A(w)/H
BANDSPERRE
BANDPASS
w/s-1 w/s-1
1000 500
s
j2
-3 5 s
-j2
( 6ω
− arctan( ω5 ) − arctan( 13−ω 2) + π : ω 2 ≤ 13
b) arg{H(jω)} =
− arctan( ω5 ) − arctan( 13−ω
6ω
2) : ω 2 > 13
j (w)
p/2
13 5 wlog
-p /2
-p
- 3p/2
c)
s−5 s+5
H(s) = · 2
|s {z
+ 5} |s + 6s
{z + 13}
HAP(s) HMPS(s)
(
− arctan( ω5 ) − arctan( 13−ω
6ω
2) : ω 2 ≤ 13
d) arg{H(jω)} =
− arctan( ω5 ) − arctan( 13−ω
6ω
2) − π : ω 2 > 13
j (w)
p/2
wlog
13 5
-p /2
-p
- 3p/2
3 Systemeigenschaften
3.1 a) stabil: ja, kausal: nein, linearphasig: ja, minimalphasig: -
b) stabil: ja, kausal: ja, linearphasig: nein, minimalphasig: nein
c) stabil: nein, kausal: ja, linearphasig: nein, minimalphasig: -
d) stabil: ja, kausal: ja, linearphasig: nein, minimalphasig: nein
e) stabil: ja, kausal: nein, linearphasig: ja, minimalphasig: -
f) stabil: nein, kausal: ja, linearphasig: nein, minimalphasig: -
g) stabil: ja, kausal: ja, linearphasig: nein, minimalphasig: ja
h) stabil: nein, kausal: ja, linearphasig: nein, minimalphasig: -
i) stabil: ja, kausal: ja, linearphasig: nein, minimalphasig: nein
j) stabil: ja, kausal: ja, linearphasig: nein, minimalphasig: ja
k) stabil: ja, kausal: ja, linearphasig: ja, minimalphasig: -
4 Frequenzselektive Filter
4.1 a) N = 19
b)
f 0 fg /2 fg fs 2fg 3fg
A(2πf )/dB 0 0 −3 −26,84 −114,4 −181,3
A(j2pf)/dB
1 2 3 f/f g
0
-100
-200
9,47° w/s-1
3
21,36×10
s
3 -1
-21,36×10 s/s
3
-21,36×10
π
1.2 a) U (jω) = 2
· [δ(ω + ω1 ) + δ(ω − ω1 )] + π · δ(ω)
1
u(t) = 2
+ 21 · cos(ω1 t) = 1
2
· [1 + cos(2πf1 t)] mit ω = 2πf
u(t)
1
1/2
t·f1
1 2 3
b)
u(t)
1
1/2
t·f1
1 2 3
c)
UT (jw)
p
TT
w
w T- w1 w T+ w1
w1 wT
1
d) uTP = 2
· [cos(2π · 0,4f1 t) + 1]
u(t) u TP(t)
1
1/2
t·f1
1 2 3
··· ···
f/DBQ
-6 -4 -2 2 4 6
U (j2pf)
··· ···
f/DBQ
-6 -4 -2 2 4 6
U (j2pf)
··· ···
f/DBQ
-6 -4 -2 2 4 6
U (j2pf)
··· ···
f/DBQ
-6 -4 -2 2 4 6
U (j2pf)
··· ···
f/DBQ
-6 -4 -2 2 4 6
1.4
a)
T /4 |U(jω)|
2
u(t)
5
P
b) ud (t) = u(kT /12) · δ(t − kT /12)
k=−5
P
(ω−12kωT )T
U (jω) = 3T si2 4
k
c)
2
|U (jω)|
d
3T
u(t)
t
−12ω 0 12ω ω
−T/2 T/2 T T
4 z-Transformation
4.1 a) U (z) = 1
b) U (z) = z −1 , z 6= 0
c) U (z) = z , z 6= ∞
z
d) U (z) = z−0,5
, |z| > 0,5
2z (z− 38 )
e) U (z) = , |z| > 0,5
(z− 12 )(z− 41 )
∞
P
4.2 a) yd (t) = hd (t) · δT (t) = a · e−akT · δ(t − kT )
k=0
b)
y (t)
d
0 t
az
c) Hd (z) = z−e−a
(die geometrische Reihe konvergiert, wenn |e−a | < |z|)
z
4.3 HD (z) = z−e−a
(die geometrische Reihe konvergiert, wenn |e−a | < |z|)
∞
X 1
qk = mit |q| < 1 (18.1)
k=0
1−q
∞ k
X 1
U (z) = σ(k − 3) z −k (18.2)
k=−∞
5
∞ k
X 1
= (18.3)
k=3
5z
∞ k X 2 k
X 1 1
= − (18.4)
k=0
5z 5z
k=0
1 1 1 1
= 1 − 1+ + 2
mit <1 (18.5)
1 − 5z 5z (5z) 5z
1
1 1
1 2 1
1 − 1 − 5z − 5z 1 − 5z − 5z 1 − 5z
= 1 mit |5z| > 1 (18.6)
1 − 5z
1 3
5z 1
= 1 mit |z| > (18.7)
1 − 5z 5
4.5
∞ k+1
X 1
U (z) = σ(k + 3) z −k (18.8)
k=−∞
2
∞ k
X 1 1
= z −k (18.9)
k=−3
2 2
∞ k −3 −2 −1 !
1 X 1 1 1 1
= + + + (18.10)
2 k=0 2z 2z 2z 2z
1 1 3 2
= 1 + 4z + 2z + z (18.11)
2 1 − 2z
4z 3
= 1 (18.12)
1 − 2z
4z 4
= (18.13)
z − 21
• Vierfache Nullstelle bei z = 0.
• Polstelle bei z = 12 .
1111111111
0000000000
Im
Konvergenzbereich z−Ebene
0000000000
1111111111
0000000000
1111111111
0000000000
1111111111
0000000000
1111111111
111111111111
000000000000
vierfach
0000000000
1111111111
(0,0) 1/2 Re
0000000000
1111111111
0000000000
1111111111
0000000000
1111111111
4.6 Wegen der Linearität der z-Transformation gilt:
Der Konvergenzbereich ist also 1 < |z| < |α|. Damit das dem geforderten Kon-
vergenzbereich 1 < |z| < 2 entspricht, muss |α| = 2 sein, n0 kann beliebig
gewählt werden (außer n0 = ∞).
4.7 Partialbruchzerlegung:
4 − 12 z −1 A B
U (z) = −1 −1
= −1
+ (18.24)
(1 − z ) (1 + 3z ) 1−z 1 + 3z −1
1
4 − z −1 = A(1 − 3z −1 ) + B(1 − z −1 ) (18.25)
2
1
z 0 (4) + z −1 − = z 0 (A + B) + z −1 (3A − B) (18.26)
2
A = 7/8
Koeffizientenvergleich ergibt: (18.27)
B = 25/8
7/8 25/8
U (z) = −1
+ (18.28)
1−z 1 + 3z −1
Wegen der Linearität der z-Transformation können die Summanden einzeln
rücktranformiert werden:
7 25
u(n) = σ(n) + (−3)n σ(n) (18.29)
8 8
4.8 Hinweis:
Z
a δ(n + n0 ) ←→ az −n0 (18.30)
1 2 2
(1 + z −1 ) : (1 + z −1 ) = 1 + z −1 − z −2 + . . . (18.31)
3 3 9
u(0) = 1
u(1) = 2/3
u(2) = −2/9
1
(z −1 + 1) : ( z −1 + 1) = 3 − 6z 1 + 18z 2 + . . . (18.32)
3
u(0) = 3
u(−1) = −6
u(−2) = 18
Hinweis: Die inverse z-Transformierte ist nur mit Angabe des Konvergenzbe-
reichs eindeutig. Der Konvergenzbereich zeigt an, ob das Signal rechtseitig, oder
linksseitig ist. Entsprechend muss die geometrische Reihe entwickelt werden.
F Zeitdiskrete Systeme
1 Analyse zeitdiskreter linearer Systeme
z 3 +1,5z 2 −1,5z−1
1.1 a) H(z) = z3
b) h(n) = {1; 1,5; −1,5 − 1; 0; 0; . . .}
c) y(n) = u(n) + 1,5u(n − 1) − 1,5u(n − 2) − u(n − 3)
u(n)
z-1 z-1 z-1
1 1,5 -1,5 -1
y(n)
d) A(Ω) = 2 · sin( 3Ω
2
) + 1,5 sin( Ω2 )
3Ω−π 0 : 0≤Ω<π
ϕ(Ω) = − 2 ±
π : −π ≤ Ω < 0
f(W)
A(W) p/2
3,5
W
1,0 -p/2
W
-p p
Linearer Phasengang!
z 2 −2z+4
1.2 a) H(z) = z 2 −0,5z+0,25
u(n)
z-1 z-1
1 -2 4
y(n)
z-1 z-1
-0.25 0.5
W
-p p
Allpass!
d) Die Allpasseigenschaft geht verloren!
a0 = 1 a1 = −1,5 a2 = 3 a3 = 1,875 a4 = 0,1875 a5 = −0,375
Re{z}
1
-4 2
b) Allpass!
A(W)
8
W
-p p
1 2 -8
y(n)
z-1 z-1
0.125 0.25
0.5
-0.5
0.5
-0.5
W
p
−0,318+0,5z 2 −0,318z 4
e) HT (z) = z5
y(n) = −0,318u(n − 1) + 0,5u(n − 3) − 0,318u(n − 5)
w
-80 -10 10 80
10
-10
d) Beweis!
λ·sin(ω0 )·z
e) mit λ = 0,675, ω0 = π4 , A = 10
−1
H(z)A 1−2 cos(ω 0 )·λ·z
−1 +λ2 z −2
2.3 a)
H(jW)
W
-p -p/2 p/2 p
u(n)
z-1 -1
z-1 z-1 z-1 z z-1
a0 a1 a2 a3 a4 a5 a6
y(n)
b)
Im{z}
1 Re{z}
2-fach
√ √ √ √ √
z 6 −( 2+2)z 5 +(2 2+3)z 4 −(2 2+4)z 3 +(2 2+3)z 2 −( 2+2)z+1
c) H(z) = z6
√ √ √
d) A(Ω) = 2 cos(3Ω) − ( 2 + 2) cos(2Ω) + (2 2 + 3) cos(Ω) − ( 2 + 2)
A(W)
27.3
W
p
e) h(n) = {1; −3,41; 5,82; −6,82; 5,82; −3,41; 1; . . .}
u(n)
z-1 -1
z-1 z-1 z-1 z z-1
Linearer Phasengang!
3 Systemeigenschaften
3.1 a) stabil: nein, kausal: ja, linearphasig: nein, minimalphasig: nein
b) stabil: ja, kausal: nein, linearphasig: nein, minimalphasig: nein
c) stabil: ja, kausal: ja, linearphasig: nein, minimalphasig: nein
d) stabil: ja, kausal: nein, linearphasig: ja, minimalphasig: nein
e) stabil: ja (bedingt stabil, da Pole auf EK), kausal: ja, linearphasig: ja (durch
spezielle Pol-/Nullstellenkonf. linearphasig), minimalphasig: nein
f) stabil: ja (bedingt stabil, da Pole auf EK), kausal: nein, linearphasig: nein,
minimalphasig: nein
3.3 z-Transformation:
1 1
Y (z) − z −1 Y (z) = U (z) + z −1 U (z) (18.33)
2 3
Y (z) 1 + 31 z −1 1 1 −1
H(z) = = = 1+ z = H1 H2 (18.34)
U (z) 1 − 12 z −1 1 − 12 z −1 3
| {z } | {z }
=:H1 =:H2
H(z) ergibt sich also durch die Reihenschaltung der Systeme H1 und H2 .
z−1
1/2
x
z−1
1/3
x
Reihenschaltung:
u(n) + + y(n)
z−1 z−1
1/2 1/3
x x
Zusammenfassung:
u(n) + + y(n)
z−1
1/2 1/3
x x
3.4 a)
1 2
y(n) + y(n − 1) − y(n − 2) = u(n) − 4u(n − 1) + 7u(n − 2)
4 5
Y (z) 1 − 4z −1 + 7z −2
H(z) = = (18.41)
U (z) 1 + 41 z −1 − 25 z −2
Die Nullstellen des Nenners geben die Polstellen der Systemfunktion an:
s
2
1 1 2
zX1,2 = − ± + (18.42)
8 8 5
zX1 ≈ 0, 52 zX2 ≈ −0, 76 (18.43)
Beide Polstellen liegen innerhalb des Einheitskreises und es handelt sich
um ein rechtsseitiges System. Der Einheitskreis liegt also im Konvergenz-
bereich.
3.5
1
H1 (z) = 13 −2 (18.44)
1+ z −1 − 6
z − 43 z −3 − 61 z −4
Direkte Struktur:
3.6
zu a)
Y (z) − 4Y (z)z −2 = U (z)z −1 (18.45)
Y (z) z −1
H(z) = = (18.46)
U (z) 1 − 4z −2
z
= 2 (18.47)
z −4
z
= (18.48)
(z − 2)(z + 2)
Einen ersten Hinweis, dass die si-Funktion möglicherweise nicht absolut integrabel ist,
liefert der Vergleich mit der 1/x Funktion. Die si-Funktion ist bekanntlich definiert als:
sin(x)
si(x) := (A.1)
x
Dies ist nichts anderes als ein gewöhnlicher Sinus mit einer 1/x-Hüllkurve.
si(x), 1/x
1
0
π 2π x
Ebenfalls bekannt sollte sein, dass das uneigentliche Integral über 1/x divergiert:
Z∞
1
dx = ∞ (A.2)
x
0
Dies zeigt, das Integral über die Einhüllende divergiert. Diese Abschätzung nach oben ist
aber kein Beweis - was hier benötigt wird, ist eine Abschätzung nach unten. Um also zu
zeigen, dass die si-Funktion nicht absolut integrierbar ist, müssen wir etwas finden, was
R∞
kleiner ist als 0 | sin(x)|
|x|
dx (oder zumindest gleich groß), und dennoch divergiert, also un-
endlich groß wird.
Wir betrachten nun Zähler und Nenner getrennt. Der Zähler der zu untersuchenden Funk-
tion besteht aus einem gleichgerichteten Sinus. Für die erste Halbwelle gilt:
317
318 Anhang A. Ist die si-Funktion absolut integrabel?
1 π 5π
| sin(x)| ≥ im Intervall ≤x≤ (A.3)
2 6 6
Dies gilt natürlich ebenso für jedes um n · π, n ∈ N, verschobene Intervall In , denn | sin(x)|
ist π-periodisch. In jede dieser Sinus-Halbwellen lässt sich ein also ein Rechteck der Breite
2π/3 und der Höhe 1/2 „einfügen“.
| sin(x) |
0.5
0
0 1/6 5/6 3/2 x / π
Was ist nun mit dem Nenner? Für jedes In unserer Intervallfolge In = [ π6 + nπ, 5π
6
+ nπ], n =
0, 1, 2, . . . gilt:
5π
|x| ≤ + nπ, (A.4)
6
1 1
≥ 5π . (A.5)
|x| 6
+ nπ
Z Z
| sin(x)| 1 1
dx ≥ 5π 1 dx
|x| 2 6
+ nπ
In In
12 1
= 5π
23 6
+ nπ
1 1
= 5 (A.6)
3π 6
+n
Damit ergibt sich für das gesamte Integral bzw. für alle Intervalle:
Z+∞ ∞ Z
| sin(x)| X | sin(x)|
dx ≥ dx
|x| n=0
|x|
0 In
∞
1 X 1
≥ 5 (A.7)
3π n=0 6
+n
Die Frage ist jetzt natürlich, ob die Reihe gemäß Gl. A.7 divergiert. Schreiben wir sie noch
einmal ausführlich auf:
∞
1 X 1 1 1 1 1 1
5 = 5 + 5 + 5 + 5 + ···
3π n=0 6
+n 3π 6 6
+1 6
+2 6
+3
1 1 1 1 1
> + + + + ···
3π 1 2 3 4
∞
1 X1
= =∞ (A.8)
3π n=1 n
Dadurch, dass wir den Term 5/6 in jedem Nenner auf 1 vergrößert haben, haben wir den
gesamten Ausdruck kleiner gemacht. Es ergibt sich jedoch die harmonische Reihe - und
die divergiert! Damit ist also bewiesen:
Z∞
| si(x)| dx = ∞ (A.9)
−∞
Aber widerspricht das nicht der Ausage, dass die Fouriertransformierte U (jω) existiert,
wenn u(t) absolut integrabel ist? Vorsicht - die absolute Integrierbarkeit ist zwar eine hin-
reichende Bedingung für die Existenz der Fouriertransformieren, aber keine notwendige!
Wenn eine Funktion absolut integrierbar ist, dann existiert auch ihre Fouriertransformier-
te. Wenn die Funktion jedoch nicht absolut integrierbar ist, dann kann ihre Fouriertrans-
formierte existieren - oder auch nicht!
320
INDEX 321
Wobbelmessplatz, 103