SuS Skript

Peter Noll
c Prof. Dr.-Ing. Peter Noll • Technische Universität Berlin

Signale und Systeme
Peter Noll
Impressum
Titel: Signale und Systeme
Autor: Prof. Dr.-Ing. Peter Noll
Druckdatum: 28. Oktober 2019
Copyright c Prof. Dr.-Ing. Peter Noll

Erschienen im:
Institut für Telekommunikationssysteme
Fachgebiet Nachrichtenübertragung
Technische Universität Berlin
Sekr. EN 1, Einsteinufer 17
D-10587 Berlin
Leitung: Prof. Dr.-Ing. Thomas Sikora
Aktuelle Informationen des Fachgebietes befinden sich im Internet

unter:
http://www.nue.tu-berlin.de/
Bitte beachten Sie auch die Online-Lehrmaterialien zu diesem Kurs
auf der Lehrplattform ISIS unter:
https://isis.tu-berlin.de/course/view.php?id=3715
Die vorliegende Fassung des Vorlesungsskriptes wurde sorgfältigst
auf Fehler hin überprüft. Um das Skript dennoch laufend verbessern
zu können, würden wir uns über Hinweise auf etwaig vorhandene
Fehler sowie Verbesserungsvorschläge sehr freuen. Wenden Sie sich
dazu bitte an die Tutoren des Fachgebietes.
Zur Vertiefung der im Skript dargestellten Inhalte sei zusätzlich noch
auf weitere im Fachgebiet erhältliche Skripte folgender Veranstaltun-
gen hingewiesen:
• Einführung in die Nachrichtenübertragung
• Digitale Nachrichtenübertragung
• Statistische Nachrichtentheorie
• Quellencodierung
Inhaltsverzeichnis
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
3 Fourierreihendarstellung periodischer Signale 35

3.1 Fourierkoeffizientenspektrum . . . . . . . . . . . . . . . 35
3.2 Parseval-Theorem . . . . . . . . . . . . . . . . . . . . . . 41
3.3 Approximation periodischer Zeitsignale . . . . . . . . . 41
4 Fouriertransformation 45
4.1 Definition und Existenz . . . . . . . . . . . . . . . . . . 45
4.2 Eigenschaften . . . . . . . . . . . . . . . . . . . . . . . . 47
4.3 Beweise . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.4 Hilberttransformierte . . . . . . . . . . . . . . . . . . . . 56
1
2 INHALTSVERZEICHNIS
4.5 Fouriertransformation und Distributionen . . . . . . . . 57

4.6 Derivierung zur Bestimmung von Fouriertransfor-
mierten . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.7 Zeit- und frequenzperiodische Funktionen . . . . . . . 62
4.7.1 Zeitperiodische Funktion . . . . . . . . . . . . . 63
4.7.2 Frequenzperiodische Funktionen . . . . . . . . . 64
4.8 Zeit- und frequenzbegrenzte Funktionen . . . . . . . . 65
4.8.1 Zeitbegrenzte Funktionen . . . . . . . . . . . . . 65
4.8.2 Frequenzbegrenzte Funktionen . . . . . . . . . . 66
4.9 Energie- und Leistungsdichtespektren . . . . . . . . . . 66
4.9.1 Energiedichtespektrum . . . . . . . . . . . . . . 66
4.9.2 Leistungssignale . . . . . . . . . . . . . . . . . . 68
4.9.3 Kurzzeitleistungsdichtespektrum . . . . . . . . 70
4.9.4 Wiener-Khintchine Beziehung . . . . . . . . . . 72
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
6 Zeitbereichsdarstellung kontinuierlicher linearer Systeme 79

6.1 Der Systembegriff . . . . . . . . . . . . . . . . . . . . . . 79
6.2 Beschreibung durch Differentialgleichungen . . . . . . 80
6.2.1 Beispiel unbelasteter RC-Tiefpass . . . . . . . . . 81
6.2.2 Beispiel unbelasteter RLC-Tiefpass . . . . . . . . 83
6.2.3 Allgemeiner Ansatz . . . . . . . . . . . . . . . . 84
6.3 Beschreibung durch Zweitore . . . . . . . . . . . . . . . 84
6.4 Systemtheoretische Beschreibung . . . . . . . . . . . . . 86
6.4.1 Linearität und Zeitinvarianz . . . . . . . . . . . 87
6.4.2 Impuls- und Sprungantwort . . . . . . . . . . . 87
6.4.3 Kausalität und Stabilität . . . . . . . . . . . . . . 89
6.5 Die Faltung . . . . . . . . . . . . . . . . . . . . . . . . . 90
6.5.1 Das Faltungsintegral . . . . . . . . . . . . . . . . 90
6.5.2 Interpretation der Faltung . . . . . . . . . . . . . 92
6.5.3 Exponentialsignale . . . . . . . . . . . . . . . . . 96
6.5.4 Anwendung der Faltung auf Autokorrelati-
onsfunktionen . . . . . . . . . . . . . . . . . . . . 97
7 Kontinuierliche lineare Systeme im Frequenzbereich 99

7.1 Übertragungsfunktionen von LTI-Systemen . . . . . . . 99
7.1.1 Die Übertragungsfunktion . . . . . . . . . . . . 99
7.1.2 Amplituden- und Phasengang . . . . . . . . . . 101
7.1.3 Messung von H(jω)-Parametern . . . . . . . . . 102
7.1.4 Energiedichtespektrum und AKF . . . . . . . . . 104
7.2 Einfaches Beispiel: Unbelasteter RC-Tiefpass . . . . . . 105
7.3 Zusammenschaltung von LTI-Systemen . . . . . . . . . 106
7.3.1 Reihenschaltung . . . . . . . . . . . . . . . . . . 106
c Peter Noll Signale und Systeme

INHALTSVERZEICHNIS 3
7.3.2 Parallelschaltung . . . . . . . . . . . . . . . . . . 107

7.3.3 Rückkopplung . . . . . . . . . . . . . . . . . . . 108
8 Beschreibung linearer Systeme durch Pol- und Nullstellen 109

8.1 Herleitung der s-Übertragungsfunktion . . . . . . . . . 109
8.2 Eigenschaften der s-Übertragungsfunktion . . . . . . . 110
8.2.1 Pol-Nullstellen-Darstellung . . . . . . . . . . . . 110
8.2.2 Eigenschaften der Pole und Nullstellen . . . . . 111
8.2.3 Amplituden- und Phasengang . . . . . . . . . . 113
8.3 Beispiel: Unbelasteter RLC-Tiefpass . . . . . . . . . . . 115
9 Typische lineare Systeme 117

9.1 Verzerrungsfreie Systeme . . . . . . . . . . . . . . . . . 117
9.2 Linearphasige Systeme . . . . . . . . . . . . . . . . . . . 118
9.3 Kausale Systeme . . . . . . . . . . . . . . . . . . . . . . . 119
9.4 Minimalphasen-Systeme . . . . . . . . . . . . . . . . . . 121
9.5 Allpass-Systeme . . . . . . . . . . . . . . . . . . . . . . . 122
9.5.1 Abspaltung von Allpassanteilen . . . . . . . . . 123
10 Frequenzselektive Filter 125

10.1 Filterklassen, idealisierte und realisierbare Filter . . . . 125
10.2 Idealisierte Tiefpasssysteme . . . . . . . . . . . . . . . . 128
10.2.1 Rechteck-Tiefpassfilter . . . . . . . . . . . . . . . 128
10.2.2 Tiefpass mit cos2 -förmigem Amplitudengang . . 132
10.3 Realisierbare Tiefpasssysteme . . . . . . . . . . . . . . . 132
10.4 Filtertyp Potenzfilter . . . . . . . . . . . . . . . . . . . . 134
10.5 Hochpasssysteme . . . . . . . . . . . . . . . . . . . . . . 136
10.6 Bandpasssysteme . . . . . . . . . . . . . . . . . . . . . . 137
10.6.1 Idealisierte Bandpasssysteme . . . . . . . . . . . 137
10.6.2 Realisierbare Bandpassfilter . . . . . . . . . . . . 141
10.7 Bandsperren . . . . . . . . . . . . . . . . . . . . . . . . . 142
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

12 Quantisierung und PCM 161

12.1 Einführung . . . . . . . . . . . . . . . . . . . . . . . . . . 161
12.2 Der Quantisierungsvorgang . . . . . . . . . . . . . . . . 162
12.3 Gleichförmige Quantisierung . . . . . . . . . . . . . . . 164
12.3.1 Leistung des Quantisierungsrauschens . . . . . 164
12.3.2 Signal-Rauschabstände . . . . . . . . . . . . . . 166
12.3.3 Abhängigkeit des SNR von der Aussteuerung
des Quantisierers . . . . . . . . . . . . . . . . . . 168
12.4 Prinzipien der Digitalisierung . . . . . . . . . . . . . . . 170
12.5 Pulscodemodulation . . . . . . . . . . . . . . . . . . . . 172
13 Diskrete Signale im Zeitbereich 175

13.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . 175
13.2 Mittelwerte, Energien und Leistungen . . . . . . . . . . 176
13.3 Diskrete Elementarsignale . . . . . . . . . . . . . . . . . 177
13.3.1 Exponentialsignalfolgen . . . . . . . . . . . . . . 177
13.3.2 Diskrete si-Folge . . . . . . . . . . . . . . . . . . 180
13.3.3 Diskrete Elementarsignale mit Diskontinuitäten 181
13.4 Verknüpfungen und Ähnlichkeiten von Signalen . . . . 184
14 Diskrete Signale im Frequenzbereich 185

14.1 Fouriertransformationen für zeitdiskrete Signale . . . . 185
14.1.1 Abgetastete Signale . . . . . . . . . . . . . . . . . 185
14.1.2 Zahlenfolgen . . . . . . . . . . . . . . . . . . . . 186
14.1.3 Eigenschaften der Fouriertransformierten von
Zahlenfolgen . . . . . . . . . . . . . . . . . . . . 189
14.1.4 Beispiele (Elementarsignale) . . . . . . . . . . . 190
14.2 Diskrete Fouriertransformation . . . . . . . . . . . . . . 193
14.2.1 Definition, Existenz und Eigenschaften . . . . . 193
14.2.2 Beweis und Interpretation der Syntheseglei-
chung . . . . . . . . . . . . . . . . . . . . . . . . 195
14.2.3 Hinweise zur DFT . . . . . . . . . . . . . . . . . 197
14.2.4 Beispiel: Diskrete Drei-Werte-Rechteckfolge . . 198
14.2.5 Beispiel Hanning-Fenster . . . . . . . . . . . . . 198
14.2.6 Faltungsoperationen . . . . . . . . . . . . . . . . 200
14.2.7 Schnelle Fourier-Transformation (FFT) . . . . . . 201
15 Diskrete Laplace- und z-Transformation 205

15.1 Darstellung von Abtastsignalen in der s-Ebene . . . . . 205
15.2 z-Transformation . . . . . . . . . . . . . . . . . . . . . . 206
15.3 Bestimmung der Zeitfolge aus der Systemfunktion . . . 207
15.4 Eigenschaften . . . . . . . . . . . . . . . . . . . . . . . . 210
16 Zeitdiskrete Lineare Systeme 213

16.1 Differenzengleichung und Impulsantwort . . . . . . . . 213
16.1.1 Systembeschreibungen durch Differenzenglei-
chungen . . . . . . . . . . . . . . . . . . . . . . . 213
16.1.2 System-, Impuls- und Sprungantwort . . . . . . 215
16.1.3 Systemeigenschaften . . . . . . . . . . . . . . . . 216

INHALTSVERZEICHNIS 5
16.2 Diskrete Faltung . . . . . . . . . . . . . . . . . . . . . . . 217

16.2.1 Die Summenfaltung . . . . . . . . . . . . . . . . 217
16.2.2 Exponentialsignalfolge als Eingangssignal . . . 218
16.3 Frequenzbereich . . . . . . . . . . . . . . . . . . . . . . . 218
16.4 Systemfunktion und Pol-Nullstellendarstellung . . . . 221
16.5 Kausalität digitaler Filter . . . . . . . . . . . . . . . . . . 225
16.6 Nichtrekursive digitale Filter . . . . . . . . . . . . . . . 225
16.7 Filter linearer Phase . . . . . . . . . . . . . . . . . . . . . 230
16.8 Rekursive Filter . . . . . . . . . . . . . . . . . . . . . . . 234
16.8.1 Eigenschaften . . . . . . . . . . . . . . . . . . . . 234
16.8.2 Rein rekursive Filter . . . . . . . . . . . . . . . . 236
16.9 Einfache Beispiele . . . . . . . . . . . . . . . . . . . . . . 238
16.9.1 IIR-Beispiel 50 Hz - Ausblendfilter . . . . . . . . 238
16.9.2 IIR-Beispiel Digitale Integration . . . . . . . . . 240
16.10Allpassfilter . . . . . . . . . . . . . . . . . . . . . . . . . 243
16.11Minimalphasenfilter . . . . . . . . . . . . . . . . . . . . 247
16.12Vergleich von zeitkontinuierlichen und zeitdiskreten
Systemen . . . . . . . . . . . . . . . . . . . . . . . . . . . 249
16.13Filterentwurf und -realisierung . . . . . . . . . . . . . . 250
16.13.1 Entwurf nichtrekursiver Filter . . . . . . . . . . 250
16.13.2 Strukturen digitaler Filter . . . . . . . . . . . . . 255
16.13.3 Fehler bei der Realisierung digitaler Filter . . . . 257
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
18 Lösungen zur Aufgabensammlung 285

A Kontinuierliche Signale im Zeitbereich . . . . . . . . . . 285
B Kontinuierliche Signale im Frequenzbereich . . . . . . . 289
C Kontinuierliche lineare Systeme im Zeitbereich . . . . . 293
D Kontinuierliche Systeme im Frequenzbereich . . . . . . 297
E Abtastung und zeitdiskrete Signale . . . . . . . . . . . . 301
F Zeitdiskrete Systeme . . . . . . . . . . . . . . . . . . . . 308
A Ist die si-Funktion absolut integrabel? 317
Index 320


Kapitel 1
Einleitung
1.1 Signale und Systeme

Die Vorlesung Signale und Systeme ist ein zwei Semesterwochenstun-
den umfassender Bestandteil des Moduls Signale und Systeme für die
Bachelorstudiengänge Technische Informatik und Elektrotechnik.
In der Vorlesung werden Signale und Systeme, wie sie in der Phy-
sik, Nachrichten-, Mess- und Regelungstechnik und in vielen ande-
ren Bereichen der Ingenieurwissenschaften auftreten, beschrieben;
es wird gezeigt, wie sich solche Signale ändern, wenn sie ein Sys-
tem, z. B. ein Filter, durchlaufen. Systeme sind Anordnungen mit
Eingangssignalen (Anregungssignalen) und dazugehörenden Aus-
gangssignalen (Systemantworten) (siehe Bild 1.1). Beispiele für Sys-
teme sind ein RC-Netzwerk oder ein Mikrophon (das Luftdruck-
schwankungen in ein elektrisches Signal umsetzt). Wir werden ein-
fache Systeme betrachten, mit denen aber wichtige elektrotechnische
Vorgänge näherungsweise nachgebildet und einer mathematischen
Behandlung einfach zugänglich gemacht werden können. Die Er-
gebnisse der Modellbildung sind dann mit den ihnen zugrunde lie-
genden physikalischen Vorgängen zu vergleichen, um den Grad der
Übereinstimmung festzustellen und ggf. das Modell zu reoptimieren
(siehe Bild 1.2). Die Vorlesung deckt damit einen Teil der Signal- und
Systemtheorie ab.
System
Anregungssignal Systemantwort
Abbildung 1.1: Eingangs- und Ausgangssignal eines Systems
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
Abbildung 1.2: Modellbildung aus physikalischen Vorgängen
Signale und Systeme zu. Zeitkontinuierliche Signale existieren zu al-

len Zeitpunkten t; ihre Amplituden entstammen i. Allg. einem un-
endlichen Wertevorrat, sie sind also amplitudenkontinuierlich. Wir
verwenden den Ausdruck „kontinuierliches Signal“ für ein so fest-
gelegtes Signal und den Ausdruck „kontinuierliches System“ für ein
System, das solche Signale verarbeiten kann. Im zweiten Teil der
Vorlesung beschreiben und analysieren wir zeitdiskrete Signale und
Systeme; die Signale existieren nur zu (i. Allg.) äquidistanten Zeit-
punkten und stellen damit Zahlenfolgen dar. Ihre Amplituden ent-
stammen wiederum einem unendlichen Wertevorrat, jedoch gehen
wir auch kurz auf die für die Praxis wichtige Amplitudendiskreti-
sierung (Quantisierung) ein, da sie die Vorstufe zu einer digitalen
Darstellung, Speicherung oder Übertragung von Signalen bildet.
Mathematisch sind Signale Funktionen einer oder mehrerer Varia-
blen, z. B. als Spannungsverlauf am Ausgang eines Systems in Ab-
hängigkeit von der Zeit t. Daneben gibt es auch zwei- und höher-
dimensionale Signale, z. B. als Bildsignal in Abhängigkeit von zwei
Ortskoordinaten x und y (Festbild) oder mit einer zusätzlichen Zeit-
koordinate t (Bewegtbilder). Aus Festbildern kann durch eine zeilen-
weise Abtastung ein ”zeitlicher“ Helligkeitsverlauf u(t) gewonnen
werden (siehe Bild 1.3). Bei Farbvorlagen entstehen entsprechend die
Farbsignale r(t), g(t) und b(t). Wir beschränken uns in dieser Vorle-
sung im Wesentlichen auf eine unabhängige Variable, die wir die Zeit
t nennen, so dass wir Signale u(t) etc. betrachten.
Abbildung 1.3: Bildsignalentstehung durch zeilenweise Abtastung
Bei zeitdiskreten Signalen sind Amplitudenwerte nur zu diskreten

1.2. Inhaltsübersicht 9
Zeiten nT definiert, Signale u(nT ) sind dann Zahlenfolgen. Normie-

ren wir den Abstand zu T = 1, so entstehen diskrete Signale in der
Schreibweise u(n). Die Bilder 1.4 (a) und (b) zeigen die zeitkonti-
nuierliche und die zeitdiskrete Version eines Signals, u(t) bzw. u(n).
Dieses Bild verdeutlicht gleichzeitig die oft fließenden Grenzen zwi-
schen den Darstellungen; das Bild ist eine Kopie einer Monitorwie-
dergabe. Ursprünglich lag daher eine Zahlenfolge u(n) vor, die gra-
phische Monitordarstellung hat daraus durch eine einfache Verbin-
dung der Amplitudenwerte durch Geraden ein scheinbar zeitkon-
tinuierliches Signal u(t) erzeugt. Wir werden später lernen, dass es
eine optimale Vorschrift zur Verbindung von diskreten Amplituden-
werten gibt. Solche Interpolationsregeln haben eine große Bedeutung
in vielen Anwendungsbereichen, wenn zeitkontinuierliche Signale
durch Abtastung in zeitdiskrete Signale gewandelt werden und in
einer späteren Verarbeitungsstufe wieder in zeitkontinuierliche Si-
gnale rückgewandelt werden müssen. Lag ursprünglich ein zeitkon-
tinuierliches Signal u(t) eines Signals vor, so erhalten wir seine zeit-
diskrete Version u(n) durch Abtastung. Fragen der Abtastung und
Interpolation werden wir in einem späteren Abschnitt der Vorlesung
behandeln.
Abbildung 1.4: Vergleich von Signalarten, v.o.n.u.:

(a) zeit- und wertkontinuierlich,
(b) zeitdiskret und wertkontinuierlich,
(c) zeit- und wertdiskret,
(d) zeitkontinuierlich und wertdiskret

10 Kapitel 1. Einleitung
Zeit
kontinuierlich diskret
konti-
(a) (b)
Ampli- nuierlich
tude
diskret (d) (c)
Abbildung 1.5: Darstellung der Signale aus Bild 1.4
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.
1.3 Empfohlene Literatur

Vorlesungen über Signale und Systeme gehören zur Grundausbil-
dung im Studium der Elektrotechnik, vor allem an amerikanischen
Universitäten. Es gibt eine große Anzahl von Büchern, die dieses Ge-
biet in unterschiedlicher Ausführlichkeit und mathematischer Stren-
ge behandeln. Die Inhalte ähneln sich oft und es werden seit einigen

LITERATURVERZEICHNIS 11
Abbildung 1.6: 256 bzw. vier Helligkeitsstufen
Jahren i. Allg. sowohl kontinuierliche als auch diskrete Signal- und

Systembeschreibungen behandelt.
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.
Signale und Systeme
[1] B. Girod, R. Rabenstein, and A. Stenger. Einführung in die Sys-

temtheorie. Teubner, 1997.
[2] H. W. Schüßler. Netzwerke, Signale und Systeme I und II. Springer,

1991.
[3] R. Unbehauen. Systemtheorie. Oldenbourg, 1990.
[4] N. Fliege. Systemtheorie,. Teubner, 1991.
[5] K. Küpfmüller. Die Systemtheorie der Elektrischen Nachrichten-

übertragung. Hirzel, 1974.
[6] S. Haykin. Signale und Systeme. Wiley, 2003.
[7] A. V. Oppenheim and A. S. Willsky. Signale und Systeme. Wiley-

VCH, 1991.
Nachrichtentechnik
[8] H. Lüke. Signalübertragung. Springer, 1995.
[9] A. Fettweis. Elemente nachrichtentechnischer Systeme. Teubner,

1990.

12 LITERATURVERZEICHNIS
Kontinuierliche Signal- und Systembeschreibung

[10] A. Papoulis. The Fourier-Integral and its Applications. McGraw
Hill, 1962.
[11] G. Doetsch. Anleitung zum praktischen Gebrauch der Laplace-
Transformation und der z-Transformation. Oldenbourg, 1967.
[12] G. Wunsch. Systemanalyse I - Lineare Systeme. Hüthig, 1967.
Diskrete Signal- und Systembeschreibung

[13] A. Oppenheim and R. Schafer. Digital Signal Processing. Prentice-
Hall, 1975.
[14] L. Rabiner and B. Gold. Theory and Application of Digital Signal
Processing. Prentice Hall, 1975.
Digitale Filter
[15] Seyed Ali Azizi. Entwurf und Realisierung digitaler Filter. Olden-
bourg, 1984.
[16] N.K. Bose. Digital Filters. North-Holland, 1987.

Kapitel 2
Zeitkontinuierliche Signale
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
Wir werden nur amplitudenkontinuierliche Signale behandeln und

dann von kontinuierlichen Signalen sprechen.
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.
Wir werden zu Beginn die Begriffe arithmetischer Mittelwert, Ener-

gie und Leistung einführen, mit denen erste, wenngleich nur pau-
13
14 Kapitel 2. Zeitkontinuierliche Signale
Abbildung 2.1: Determinierte Signale (Impuls und periodisches Signal)
Abbildung 2.2: Stochastische Signale (Sprach-, Sensor-, Rauschsignal)
schale Ausssagen über Signale getroffen werden können.
2.1.1 Arithmetischer Mittelwert

Der arithmetische Mittelwert eines Signals u(t) in einem Zeitbereich
[t1 , t2 ] ist
Zt2
1
mu (t1 , t2 ) = u(t) dt (2.2)
t2 − t1
t1

2.1. Signalarten 15
Im Gesamtbereich des Signals ist der arithmetische Mittelwert mit

t2 = t1 + T
Z
1
mu := lim u(t) dt (2.3)
T →∞ T
T
Bei periodischen Signalen kann der arithmetische Mittelwert mu

innerhalb des Perioditätsintervalls bestimmt werden (siehe Ab-
schnitt 2.1.4).
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
Die Gesamtenergie ist entsprechend
Z+∞
Wu = u2 (t) dt < ∞ (2.5)
−∞
Die mittlere Leistung (siehe nächster Abschnitt) ist bei Energiesigna-

len Null:
Z
1
Pu = lim u(t)2 dt (2.6)
T →∞ T
T
❐ 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
−∞

Offensichtlich stimmt diese „elektrotechnische“Energie mit dem in der Sys-

temtheorie verwendeten Ausdruck bis auf einen Skalierungsfaktor R1 überein.
Wenn u(t) einen Spannungs- oder Stromverlauf beschreibt, können wir Wu auch
die auf R = 1 Ω bezogene Energie nennen. ❐
❐ Beispiel: Rechtsseitiger Exponentialimpuls

Ein Signal kann unendlich ausgedehnt, trotzdem aber ein Energiesignal sein; so
hat

0 für t < 0
u(t) = − 5t (2.8)
a·e T sonst
für a = 2 V und T = 1 µs eine Energie
+∞
Z
2 t a2 T
Wu = a e−10 T dt = = 0,4 · 10−6 V 2 s (2.9)
10
0
Wu ist die an R = 1 Ω auftretende Energie. An einem Widerstand R = 8 kΩ tritt

somit eine Energie Wu∗ = 0,05 nW s auf. ❐
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
und die Varianz ist

Zt2
1
σu2 (t1 , t2 ) = (u(t) − mu (t1 , t2 ))2 dt (2.11)
t2 − t1
t1
Durch Grenzwertbildung erhält man die Werte Pu und σu2 :

Z
1
Pu = lim u2 (t) dt (2.12)
T →∞ T
T
Die Varianz ist dann

σu2 = Pu − m2u (2.13)
Die Energie dieses Leistungssignals ist unendlich groß Wu → ∞.

Die positive Quadratwurzel der mittleren Leistung ist der Effektiv-
wert des Signals. Bei endlichem Intervall (t1 , t2 ) können Pu (t1 , t2 )
und σu2 (t1 , t2 ) als Schätzwerte der wahren Werte interpretiert werden.
Leistungssignale sind alle periodischen Zeitsignale, aber auch sto-
chastische Signale (Quellensignale, Rauschsignale), denn diese wer-
den i. Allg. als (zeitlich) unendlich ausgedehnt angenommen.

2.2. Elementarsignale 17
2.1.4 Periodische Signale

Periodische Signale up (t) stellen einen Sonderfall von Leistungssi-
gnalen dar. Sie sind durch
up (t) := up (t + T ) für T 6= 0 (2.14)
definiert, wobei (das kleinstmögliche) T das Periodizitätsintervall und
1
fp := (2.15)
T
die Grundfrequenz des periodischen Signals ist. Das wichtigste Bei-

spiel sind sinusförmige Signale, die wir im folgenden Abschnitt be-
handeln werden.
Für ein periodisches Signal ergibt sich für ein beliebig gelegenes Pe-
riodizitätsintervall T = t2 − t1 ein von den absoluten Zeiten t1 und t2
unabhängiger Mittelwert mu , gleiches gilt für die mittlere Leistung
Pu :
Z Z
1 1
mu := up (t) dt Pu := u2p (t) dt (2.16)
T T
T T
❐ 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 . ❐
2.1.5 Zeittransformierte Signale

Aus einem Signal u(t) wird durch eine Zeitverschiebung um τ ein
Signal v(t) = u(t − τ ), durch Zeitinversion ein Signal w(t) = u(−t)
und durch Zeitskalierung um den Faktor α ein Signal z(t) = u(αt).
Das folgende Bild 2.3 zeigt entsprechende Signale.
❐ 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.

u(t) z1 (t) = u(t/2)
-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
2.2.1 Sinusförmige Signale; komplexe Zeiger

Sinusförmige Signale spielen in der Elektrotechnik eine herausragen-
de Rolle, (a) weil sie sich technisch einfach erzeugen lassen, und (b),
weil sie, wie wir noch sehen werden, beim Durchlaufen linearer Sys-
teme ihre Form nicht ändern. Dies ist eine Konsequenz der Tatsa-
che, dass sinusförmige Signale nach Differentiationsvorgängen ihre
Form nicht ändern und dass eine Addition von sinusförmigen Signa-
len gleicher Frequenz wieder ein sinusförmiges Signal ergibt.
Wir beschreiben ein Cosinussignal der Kreisfrequenz ω0 und mit
Scheitelwert û in der Form
u(t) = û cos(ω0 t + ϕ0 ) (2.17)
oder über Exponentialdarstellungen in der Form
û j(ω0 t+ϕ0 )
u(t) = û cos(ω0 t + ϕ0 ) = e + e−j(ω0 t+ϕ0 ) (2.18)
2
Der Wert ω0 = 2πf0 ist die Kreisfrequenz, ϕ0 der Nullphasenwinkel. Die

Frequenz f0 = ω0 /2π gibt die Zahl der sinusförmigen Schwingungen
je Sekunde an. Das Periodizitätsintervall ist T0 = 1/f0 . Die Exponen-
tialdarstellung erlaubt eine Interpretation durch zwei gegenläufige
Zeiger exp(jω0 t) und exp(−jω0 t) und führt damit auf die Einführung
negativer Frequenzen (Bild 2.4).
Im
e jω0t
ϕ0
Re
e -jω0t
Abbildung 2.4: Komplexe Zeiger

❐ 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.]
❐
Statt Gl. (2.17) können wir auch

U j(ω0 t) U ∗ −j(ω0 t)
u(t) = û cos (ω0 t + ϕ0 ) e = + e (2.19)
2 2
ansetzen; U = |U | ejϕ0 ist dann die komplexe Amplitude der sinusför-
migen Schwingung und U√∗ = |U | e−jϕ0 ihr konjugiert komplexer
Wert. Statt U wird auch oft 2 · U angesetzt, U ist dann ein komplexer
Effektivwert .
Für einen sinusförmigen Spannungsverlauf gemäß Gl. (2.17) ergibt
sich (nach kurzer Rechnung) eine mittlere Leistung
Z
1 û2
Pu = u2 (t) dt = (2.20)
T0 2
T0
Die positive Quadratwurzel von Pu nennen wir den Effektivwert des

Signals. Der Mittelwert ist Null. Ist u(t) ein Spannungsverlauf an ei-
nem Widerstand R [Ω], so erhält man für die Augenblicksleistung
bzw. die mittlere Leistung die Werte Pu (t)/R bzw. Pu /R, jeweils in
Watt.
2.2.2 Exponentialfunktionen
Wir betrachten Signale der Form
u(t) = est (2.21)
und bezeichnen s als komplexe Frequenz:

s = σ + jω (2.22)
Signale u(t) = est sind i. Allg. komplexe Signale. Im Sonderfall

σ = 0 erhalten wir damit ein komplexes Signal ejωt , mit dem wir –
zusammen mit dem dazu konjugiert komplexen Signal e−jωt – reelle
sinusförmige Signale beschreiben können. Für ω = 0 ergeben sich re-
elle Exponentialfunktionen mit Amplitudenverläufen, die für σ < 0
zeitlich abnehmen bzw. für σ > 0 zeitlich zunehmen. Durch zusätz-
liche Einschränkungen können wir links- und rechtsseitige Signale
definieren.
❐ Beispiel: Rechtsseitige Exponentialfunktion

Bild 2.5 zeigt den Verlauf der Funktion
−t
e T für t ≥ 0
u(t) = (2.23)
0 für t < 0

u(t)
1
0,37
0 T t
Abbildung 2.5: Rechtsseitige Exponentialfunktion
2.2.3 si - Funktion (Spaltfunktion)

si(ω0t)
Die si-Funktion ist über
1
sin(ω0 t)
si(ω0 t) = (2.24)
ω0 t
definiert. Ihr Maximum liegt bei t = 0 (si(0) = 1 (weshalb?)), sie hat

0 t außer für t = 0 äquidistante Nulldurchgänge bei ganzzahligen Viel-
π/ω0 2π/ω0 4π/ω0 fachen von t0 = ωπ0 = (2f10 ) .
Abbildung 2.6: Spaltfunktion

0 π m 6= 0
si(ω0 t) = für t = m , (2.25)
1 ω0 m=0
2.2.4 Elementarsignale mit Diskontinuitäten

Signumfunktion
sgn(t) Es gilt
1

 −1 für t < 0
t
sgn(t) = 0 für t = 0 (2.26)

1 für t > 0
-1
Abbildung 2.7: Signumfunktion

Sprungfunktion
Es gilt

 0 für t < 0
σ (t)
1
σ(t) = 0,5 für t = 0 (2.27)

1 für t > 0
t
Abbildung 2.8: Sprungfunktion Mit der Sprungfunktion können Gleichspannungssprünge beschrie-

ben und Funktionen linksseitig (aber auch rechtsseitig - wie denn?)
zu Null gesetzt werden. Die Sprungfunktion kann über die Signum-
funktion definiert werden (wie?).

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:
u(t) = û · cos(ω1 t) · ⊓T (t) (2.29)
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.
Abbildung 2.10: Cosinusburst
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
Abbildung 2.11: Rampenfunkti-

on
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-
−∞
puls wird weiterhin auch im Frequenzbereich benutzt, um Spektral-

t linien zu beschreiben.
Abbildung 2.12: Deltaimpuls Der Deltaimpuls gehört zu der Klasse der verallgemeinerten Funk-
tionen (Distributionen); er wird hier durch seine Wirkung unter dem
Integral
Z∞
u(t) δ(t) dt = u(0) (2.31)
−∞
definiert. Durch eine Distribution wird einer (weitgehend) beliebi-

gen Funktion u(t) eine Zahl zugeordnet. Der Deltaimpuls ist also
eine Distribution, durch die der Funktion u(t) der Wert u(0) zuge-
ordnet wird (wenn u(t) im Nullpunkt eine stetige Funktion ist; bei
einer Diskontinuität gilt Gl. (2.1)).
Flächeneigenschaft: Aus Gl. (2.31) folgt für u(t) = 1
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
∆
Abbildung 2.13: Anschauliche Darstellung des Grenzübergangs
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 ∆

2.3. Deltaimpuls 23
Da u(t)-Werte für t 6= 0 nichts zum Integral beitragen, muss gelten:

Z+α
δ(t) dt = 1 für beliebiges α > 0 (2.34)
−α
bzw.
δ(t) = 0 für alle t 6= 0 (2.35)
Ausblendeigenschaft: Gl. (2.31) besagt, dass der Deltaimpuls den

Funktionswert u(0) ausblendet (Ausblendeigenschaft des Deltaimpul-
ses). Ein Deltaimpuls δ(t − τ ) blendet entsprechend aus einer belie-
bigen Funktion u(t) den Funktionswert u(τ ) aus:
Z∞
u(τ ) = u(t) δ(t − τ ) dt (2.36)
−∞
u(t)
u(τ)
t
τ
δ(t-τ)
Abbildung 2.14: Ausblendeigenschaft des Deltaimpulses
Bild 2.14 interpretiert diese Ausblendeigenschaft.

Aus Gleichung 2.33 folgt auch, dass δ(t) eine gerade Funktion ist:
δ(t) = δ(−t) bzw. δ(t − τ ) = δ(τ − t) (2.37)
denn δ(t) ist nur dann nicht Null, wenn ihr Argument t = 0 ist. Glei-
ches gilt für δ(t − τ ), ist t − τ = 0, dann ist auch τ − t = 0.
Abtasteigenschaft: Es muss auch

u(t) δ(t − τ ) = u(τ ) δ(t − τ ) (2.38)
gelten, denn ein Einsetzen in Gl. (2.36) zeigt, dass die Ausblendei-
genschaft dann wieder gilt. Die Gleichung erhält ihre Bedeutung da-
mit durch ihre Wirkung im Integranden. Anschaulich ergibt sich die-
ses Ergebnis auch aus dem folgendem Bild mit
u(t)⊓∆ (t − τ ) ≈ u(τ )⊓∆ (t − τ ) (2.39)
denn mit abnehmendem ∆ tragen nur noch dicht an τ liegende Si-
gnalanteile zur Produktbildung bei.

u(t) u(τ)
1
τ t
∆
Abbildung 2.15: Ausblenden mit Rechteckimpuls
Darstellung beliebiger Funktionen: Eine beliebige Funktion u(t)

kann als eine unendlich dichte Folge gewichteter Deltaimpulse ge-
deutet werden (siehe Bild 2.16), denn aus der Ausblendeigenschaft
folgt nach Umbenennung der Integrationsvariablen (nach Gl. (2.36)):
Z∞
u(t) = u(α) δ(t − α)dα = u(t) ∗ δ(t) (2.40)
−∞
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)
Die Integraloperation wird auch als Faltung (Symbol ∗) bezeich-

net; wir werden auf sie noch verschiedentlich zurückkommen (sie-
he auch Abschnitt 2.4, ausführlich in Abschnitt 6.5). Gl. (2.40) besagt
auch, dass die Faltung einer Funktion mit einem Deltaimpuls wieder
die Funktion ergibt. Bei einem um t0 zeitverschobenen Deltaimpuls
gilt entsprechend
u(t) ∗ δ(t − t0 ) = u(t − t0 ) (2.42)
u(t)
u(α) δ( t − α)
t
α
Abbildung 2.16: Darstellung einer beliebigen Funktion mit Deltaimpulsen
Deltaimpuls und Sprungfunktion: Aus der Ausblendeigenschaft

folgt für u(t) = σ(t):
Z+∞ Z+∞
σ(t) = σ(τ ) δ(t − τ ) dτ = σ(t − α) δ(α) dα (2.43)
−∞ −∞

2.3. Deltaimpuls 25
Mit σ(t − α) = 0 für t < α folgt

Zt
σ(t) = δ(α) dα (2.44)
−∞
Eine Sprungfunktion kann also als Integral des Deltaimpulses inter-

pretiert werden. Umgekehrt gilt:
d σ(t)
δ(t) = (2.45)
dt
Der Deltaimpuls δ(t) kann damit als Ableitung der Sprungfunktion

σ(t) gedeutet werden. Es sei wiederum darauf hingewiesen, dass ei-
ne Ableitung im Sinne der klassischen Analysis nicht existiert. Häu-
fig wird stattdessen der Begriff der Derivierten verwendet.
Eine anschauliche Deutung von Gleichung (2.45) ergibt sich an ei-
ner Rampenfunktion rT (t) (s. Bild 2.11). Die Ableitung rT ‘(t) ist eine
Rechteckfunktion, die sich mit zunehmender Steigung der Rampen- δT(t)
funktion einem Deltaimpuls annähert, gleichzeitig nähert sich die
Rampenfunktion der Sprungfunktion (bei gleichbleibender Fläche).
Deltakamm: Der Deltakamm (Deltapuls) δT (t) ist als eine periodi- t

sche Folge von Deltaimpulsen im Abstand T definiert. 0 T
∞
X Abbildung 2.17: Deltakamm
δT (t) = δ(t − kT ) (2.46)
k=−∞
Periodische Funktionen: Mit der in Gl. (2.40) angegebenen Fal-

tungsoperation kann eine beliebige Funktion u(t) mit endlicher Län-
ge τ ≤ T periodisch mit dem Periodizitätsintervall T fortgesetzt wer-
den.
∞
X
up (t) = u(t) ∗ δT (t) = u (t − kT ) (2.47)
k=−∞
❐ Aufgabe:
Beweise dieses Ergebnis! Was geschieht, wenn das Signal eine Länge τ ≥ T hat? ❐
Überlagerung von Exponentialfunktionen: Man kann zeigen,

dass eine unendlich dichte Überlagerung von Exponentialfunktio-
nen oder cos-Funktionen zu dem Term 2π δ(t) führt:
Z ∞ Z ∞
jωt
e dω = cos(ωt) dω = 2π δ(t) (2.48)
−∞ −∞
Offenbar addieren sich alle Signalanteile für t = 0 zu einem δ-Peak,

während sich alle anderen Anteile zu Null kompensieren.

2.4 Verknüpfungen von Signalen

Additive Verknüpfungen: Additive Verknüpfungen treten bei vie-
len Messsignalen und Nachrichtensignalen auf:
w(t) = a u(t) + b v(t) (2.49)
So entsteht durch additive Verknüpfung aus einem Rechteck- und

einem Rauschsignal ein durch additives Rauschen gestörtes Recht-
ecksignal (Bild 2.18). Deutlicher wird der Einfluss von additiven Stö-
rungen bei der Übertragung von Bildern (Bild 2.19). Ein Beispiel aus
dem Gebiet der Radartechnik wird im folgenden Abschnitt 2.5 ge-
zeigt (Bild2.24).
Multiplikative Verknüpfung: Multiplikative Verknüpfungen

wurden bereits benutzt, so z. B. um einen Cosinusburst zu beschrei-
ben.
w(t) = a u(t) v(t) (2.50)
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.
Verknüpfungen durch Faltung: Die Faltungsoperation spielt bei

linearen Systemen eine herausragende Rolle:
Z+∞
w(t) = u(ε) v(t − ε) dε = u(t) ∗ v(t) (2.51)
−∞
Die Integraltransformation wird als Faltung bezeichnet und symbo-

lisch durch das Zeichen ∗ gekennzeichnet. Bild 2.18 (e) zeigt das Er-
gebnis einer Faltung eines Rauschsignals v(t) mit einem Rechtecksi-
gnal u(t). Offensichtlich führt die Faltungsoperation zu einem Signal
w(t), das eine geglättete Version von v(t) ist. Wir werden die Fal-
tungsoperation im Abschnitt 6.5 ausführlich erläutern.

2.4. Verknüpfungen von Signalen 27
❐ Beispiel:
a) b)
c) d)
e)
Abbildung 2.18: Verknüpfungen zwischen einem Rechtecksignal u(t) (a)

und einem Rauschsignal v(t) (b):
c) Additive Rauschstörung;
d) Signalausblendung durch Multiplikation;
e) Faltung;
❐

Abbildung 2.19: Originalbild und verrauschtes bei einem Signal-Rauschabstand

(SNR) von 10 dB
2.5 Ähnlichkeiten von Signalen

2.5.1 Signal-Rausch-Abstand
Störung
u(t) Übertragungs- y(t)

kanal
Abbildung 2.20: Übertragungskanal mit Störüberlagerung
Wir betrachten ein ungestörtes Leistungssignal u(t) und seine z. B.

durch eine additive Rauschsignalüberlagerung gestörte Version v(t).
Die Ähnlichkeit der beiden Signale können wir z. B. über das Signal-
Rausch-Verhältnis angeben. Dabei wird die Leistung Pu des unge-
störten Signals zu der Leistung Pf des Fehlersignals
f (t) = u(t) − y(t) (2.52)
in Beziehung gesetzt. Es ergibt sich das Signal-Rausch-Verhältnis
Pu
SRV = (2.53)
Pf
bzw. der Signal-Rausch-Abstand
Pu
SNR = 10 log [dB] (2.54)
Pf
❐ Frage:
Welchen Effektivwert hat eine Störspannung bei SNR = 80 dB, wenn der Effektiv-
wert des Nutzsignals 0,1 V beträgt? [A.: 10 µV] ❐

2.5. Ähnlichkeiten von Signalen 29
❐ Beispiel: Quantisierung eines Signals

Bild 2.21 zeigt einen Signalausschnitt u(t), seine achtstufig quantisierte Version v(t)
und das Fehlersignal f (t) = u(t) − v(t). Eine Digitalrechnersimulation ergibt für
diesen Signalausschnitt einen Signal-Rausch-Abstand von SNR = 13,8 dB.
Abbildung 2.21: Quantisierung eines Signals:

Original, quantisiertes Signal und Quantisierungsfehlersignal.
❐ 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 . ❐
2.5.2 Die Kreuzkorrelationsfunktion (KKF)

Wie kann man feststellen, ob zwei möglicherweise zeitlich versetz-
te Signale ähnlich sind? Wir betrachten nur Energiesignale, für Leis-
tungssignale kann eine entsprechende Definition aufgestellt werden.
Durch die Berechnung der Energie-Kreuzkorrelationsfunktion zwi-
schen zwei beliebigen Signalen u(t) und v(t),
Z+∞
ruv (τ ) = u(t) v(t + τ ) dt, (2.55)
−∞
erhalten wir Aussagen über die Ähnlichkeit, wobei die Zeitverschie-

bung τ ein zu variierender Parameter ist. Für jeden Zeitpunkt τ er-
gibt sich ein Wert ruv (τ ).
Häufig wird die normierte KKF verwendet:
ruv (τ )
ρuv (τ ) = (2.56)
ruv (0)

Abbildung 2.22: Quantisierung eines Bildsignals:

Original, quantisiert und Quantisierungsfehler
❐ 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
Abbildung 2.23: Kreuzkorrelationsfunktion für ein Rechtecksignal

und seine zeitverschobene Version
R R
Es ist ruv (τ ) = u(t) v(t + τ ) dt = u(t) u(t − t1 + τ ) dt. Die Energie-

Kreuzkorrelationsfunktion ruv (τ ) hat ein Maximum, wenn τ = t1 ist,

denn dann ist v(t + τ ) = u(t − t1 + t1 ) = u(t), und ruv (t1 ) = Wu wird
zur Energie.
❐ Frage:
Welche Zeitwerte gehören zu τ = a und τ = b im Bild 2.23?
[Antwort: a = t1 − T , b = t1 + T ] ❐
Durch Berechnung der Kreuzkorrelationsfunktion und Bestimmung

des Maximums kann also die unbekannte Zeitverschiebung zwi-
schen den Signalen bestimmt werden. Das gilt auch wenn das Signal
v(t) eine nicht nur zeitlich verschobene, sondern auch gleichzeitig
verrauschte Version von u(t) ist.
❐ 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. ❐
Abbildung 2.24: Kreuzkorrelationsmessung

zur zeitlichen Bestimmung eines verrauschten Rechteckimpulses
Bild 2.25 zeigt das Prinzip einer messtechnischen Bestimmung der

KKF. Durch Variieren des Laufzeitgliedes τ können die Werte ruv (τ )
der KKF bestimmt werden.
τ u(t − τ )
u(t)
R
× . . . dt ruv (τ )
v(t)
Abbildung 2.25: Messtechnische Bestimmung der KKF
❐ Aufgabe: KKF-Messung
Begründe, dass die Messung gemäß Bild 2.25 der Definition der KKF (Gl. 2.55)
entspricht. ❐

2.5.3 Die Autokorrelationsfunktion (AKF)

Der Energie-Kreuzkorrelationsfunktion verwandt ist die Energie--
Autokorrelationsfunktion, die Aussagen darüber erlaubt, wie ähn-
lich ein Energiesignal u(t) seiner um die Zeit τ verschobenen Version
u(t + τ ) ist:
Z+∞
ruu (τ ) = u(t) u(t + τ ) dt (2.57)
−∞
Häufig wird die normierte AKF verwendet:

ruu (τ )
ρuu (τ ) = (2.58)
ruu (0)
Bild 2.26 interpretiert die AKF-Bildung auf graphischem Wege. So

liefert die AKF eines Rechtecksignals der Breite T ein Dreieck mit
einem Maximum bei einem Wert des Verschiebungsparameters von
τ = 0:
ruu (0) = Wu (2.59)
Damit wird ρuu (0) = 1.

Für Werte |τ | ≥ T haben die gegeneinander verschobenen Rechtecke
keine gemeinsame Fläche mehr, und die AKF wird zu Null.
Für τ1 6= 0 ergibt sich eine Produktfunktion p(t) = u(t) · u(t + τ1 ),
deren Fläche (Integral von −∞ bis +∞) den AKF-Wert ruu (τ1 ) ergibt.
Der Gesamtverlauf ruu (τ ) ergibt sich, wenn u(t + τ1 ) gegenüber u(t)
verschoben wird, d. h. wenn τ1 jeden Wert von −∞ bis +∞ annimmt.
2.5.4 AKF und KKF für Leistungssignale

Die Definition für Signalenergie (Abschnitt 2.1.2) und Signalleistung
(Abschnitt 2.1.3) weisen den Weg zu der Definition für die AKF und
KKF von Leistungssignalen.
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
Messtechnisch muss die Messzeit T immer endlich sein, so dass sich

Leistungs-AKF bzw. -KKF und Energie-AKF und -KKF nur um einen
Skalierungsfaktor T −1 unterscheiden.

u(t)
t
T
u(t + τ1)
t
−τ1
p(t)
ruu(τ1)
t
ruu(τ)
τ
-T τ1 T
Abbildung 2.26: Bildung eines AKF-Wertes, graphische Interpretation
❐ Beispiel: Weißes Rauschen

Wir betrachten einen großen Ausschnitt eines Rauschsignals, dessen Werte nicht
untereinander korreliert sind (sog. Weißes Rauschen). Durch den Ausschnitt er-
halten wir aus dem ursprünglichen Leistungssignal ein Energiesignal. Bild 2.27
zeigt, dass die normierten AKF-Werte für τ 6= 0 alle fast Null sind, also ist das
Rauschen u(t) mit seiner zeitverschobenen Version u(t + τ ) nicht korreliert.
Abbildung 2.27: Rauschen und AKF
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.

Abbildung 2.28: Rauschen und KKF mit verschobener Version

Kapitel 3
Fourierreihendarstellung
periodischer Signale
Wir werden im Laufe der Vorlesung verschiedene Möglichkeiten

kennenlernen, zeitkontinuierliche oder diskrete Signale in anderen
Darstellungsformen zu beschreiben, in denen bestimmte Eigenschaf-
ten des Zeitsignals klarer hervortreten. Die wichtigste Darstellung
liefert die Fouriertransformation, die im folgenden Abschnitt aus-
führlich behandelt wird. Ein Sonderfall stellt die Fouriertransforma-
tion für zeitperiodische Signale dar, die als Fourierreihenentwicklung
bekannt ist. Periodische Signale wurden bereits im Abschnitt 2.1.4
angesprochen.
Periodische Signale mit Periodizitätsintervall T können durch
Fourierreihen, d. h. durch eine Überlagerung von sinusför-
migen Signalen (Gleichanteil, Grundwelle mit Grundfrequenz
fp = ωp /2π = 1/T und Oberwellen k, k = 2, 3, . . . mit der
Frequenz k · fp beschrieben werden. Die Signale mit der Frequenz
k · fp (k = 1, 2, 3 . . . ) werden auch als Harmonische bezeichnet.
Periodische Signale treten als Messsignale, Energiesignale und als
Trägersignale in der Nachrichtentechnik auf.
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)
up (t) muss eine beschränkte, stückweise stetige Funktion sein. Dann

gilt die komplexe Fourierreihenentwicklung:
∞
X 2π
up (t) : = Uk · ejkωp t ωp = (3.2)
k=−∞
T
die wir auch die Synthesegleichung nennen. Ein zeitperiodisches Si-

gnal kann also als gewichtete Überlagerung von Exponentialschwin-
gungen dargestellt werden.
Die Fourierkoeffizienten Uk ergeben sich aus der Analysegleichung zu
ZT /2
1
Uk = u(t) · e−jkωp t dt k = 0, ±1, ±2, . . . (3.3)
T
−T /2
Hier ist u(t) der Grundbereich des periodischen Signals:
u(t) = up (t) · ⊓T (t) (3.4)
❐ 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=−∞

3.1. Fourierkoeffizientenspektrum 37
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
Bild 3.1 zeigt das Ergebnis dieser Berechnung.
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
Abbildung 3.1: Zeitsignal und Betragsspektrum eines Rechteckpulses
Die Fourierkoeffizienten sind reell. Das Amplitudenspektrum (für T /τ = 3) zeigt

diskrete Frequenzwerte (Linienspektrum!) im Abstand von jeweils fp = 1/T [Hz].
Die erste Nullstelle liegt bei k = T /τ und damit bei der Frequenz 1/τ [Hz]. Sie
wird auch Null-Bandbreite B0 = 1/τ genannt. Der Gleichanteil ist U0 = τ A/T . ❐
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)
und dem Phasenspektrum

Xk 0 für Rk > 0
ϕk = arg(Uk ) = arctan +
Rk π für Rk < 0
(3.8)
π/2 für Rk = 0 und Xk > 0
ϕk =
−π/2 für Rk = 0 und Xk < 0

Die eventuell erforderliche Addition von π zum (Haupt-)Wert des

Arcustangens ergibt sich daraus, dass dieser nur Werte zwischen
−π/2 und π/2, d. h. nur aus einem Intervall der Länge π liefert, der
Phasenwinkel von Uk aber im gesamten Bereich von 0 bis 2π liegen
kann. Der einfacheren Schreibweise wegen werden wir im folgen-
den nur noch ϕk = arg(Uk ) oder ϕk = arctan (Im {Uk }/Re{Uk })
verwenden.
Aus Gl. (3.3) folgt auch
U−k = Uk∗ = Rk − jXk (3.9)
wenn u(t) ein reelles Signal ist. Es gilt weiterhin, dass ein gerades
(ungerades) Signal nur aus cos-Termen (sin-Termen) besteht.
❐ 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)
❐ Frage: Fourierkoeffizientenspekrtum eines Rechteckimpulses

Welcher Parameter wurde in dem folgenden Bild in (a) bzw. (b) geändert?
[A.:links: T wird größer, τ const.); rechts: τ wird kleiner, T const.] Wird T größer
Abbildung 3.2: Vergleich der Fourierkoeffizientenspektren [Quelle: Stremler

S. 44/45]
(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.] ❐

3.1. Fourierkoeffizientenspektrum 39
❐ 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=−∞
Die Fourierkoeffizienten Uk ergeben sich zu
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.
Abbildung 3.3: Fourierreihen-Approximation des Deltakamms [Quelle: Lüke]
❐ 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.
Abbildung 3.4: Beispiel einer Phasenverzerrung

a) cos(ωt) − cos(3ωt)/3 + cos(5ωt)/5
b) cos(ωt) + cos(3ωt)/3 + cos(5ωt)/5
c) cos(ωt) − cos(3ωt)/3 − cos(5ωt)/5

3.2. Parseval-Theorem 41
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
3.3 Approximation periodischer Zeitsignale

Periodische Signale up (t) lassen sich mit Hilfe einer endlichen Fou-
rierreihe näherungsweise darstellen:
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

mit Vertauschung von Integration und Summation(en) und der Or-

thogonalitätseigenschaft
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.
❐ Beispiel: Approximation eines mittelwertfreien Rechteckimpulses (bipo-

laren)
PFehlerleistung
Up(t)
Up(t)
Abbildung 3.5: Approximation eines bipolaren Rechteckpulses mittels N = 1, 3, 5, 7

Sinusschwingungen; links: Approximation; Mitte: Fehlersignal; rechts:
Fehlerleistung [Quelle: Stremler]
❐

3.3. Approximation periodischer Zeitsignale 43
❐ Beispiel: Approximation eines Sägezahnverlaufs
Abbildung 3.6: Periodischer Sägezahnverlauf [Quelle: Stremler]

❐
Die Fourierreihenapproximation konvergiert im quadratischen Sin-
ne. An Stellen mit Sprüngen endlicher Größe konvergiert sie zu dem
Mittelwert der Sprungamplitude, in der Umgebung des Sprunges
kommt es zu einem Überschwingen von etwa 9% , dessen Höhe mit
wachsendem N nicht verringert werden kann (s. Bild 3.6).
❐ Beispiel: Linienspektren bei Fernsehsignalen

TV-Bilder sind durch ihre Bildfrequenz von fV = 25 Hz und durch die Zeilenzahl
von 625 Zeilen je Bild (64 µs je Zeile) definiert. Die Zeilenstruktur führt zu einem
Linienspektrum mit Grundfrequenz fH = 625 · 25 Hz = 15.625 Hz. Die Folge von
Bildern führt bei unveränderlichem Bildinhalt zu einem weiteren Linienspektrum
mit einer Grundfrequenz von 25 Hz, das sich um jede Zeilenstrukturspektrallinie
gruppiert.1 Bei bewegtem Bild füllen sich die Zwischenräume zwischen den 25 Hz-
Linien auf, dennoch bleiben große Lücken.
Zusätzlich zum Leuchtdichtesignal Y müssen noch Farbinformationen (in Form
von Farbdifferenzsignalen R − Y und B − Y ) übertragen werden. Die Farbin-
formation liegt –wiederum als Linienspektrum– zwischen den Zeilenfrequenz-
Spektrallinien (man spricht von einer Frequenzverkämmung). Die Farbdifferenzsi-
gnale werden innerhalb des Fernsehfrequenzbandes übertragen, und zwar bei der
Frequenz fH0 des Farbhilfsträgers, die ein ungeradzahliges Vielfaches der halben
Zeilenfrequenz ist:
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.


Kapitel 4
Fouriertransformation
4.1 Definition und Existenz

Einer Zeitfunktion u(t) kann eine Fouriertransformierte U (jω) =
F {u(t)} zugeordnet werden. Die Definitionsgleichung (Analyseglei-
chung) der Fouriertransformation lautet
Z∞
U (jω) = F {u(t)} := u(t) e−jωt dt (4.1)
−∞
U (jω) wird als Fouriertransformierte oder als (Fourier-) Spektrum

bezeichnet und hat die Dimension Amplitude · Zeit [also Vs, wenn
u(t) eine Spannung in V und t die Zeit in s ist]. Wir benutzen für Zeit-
funktionen Kleinbuchstaben und für das dazugehörige Spektrum
Großbuchstaben.
Durch das Fourierintegral wird für jedes vorgegebene ω die Ähn-
lichkeit des Signals u(t) mit dem Exponentialsignal e−jωt festgestellt,
denn U (jω) ist die Kreuzkorrelierte von u(t) und v(t) = e−jωt :
Z∞
U (jω) = u(t) · v(t) dt (4.2)
−∞
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
u(t) ↔ U (jω) = F{u(t)} (4.3)
45
46 Kapitel 4. Fouriertransformation
Eine Fouriertransformierte U (jω) existiert (d. h. ist endlich), wenn

u(t) absolutRintegrabel Rist, denn aus Gl. (4.1) folgt dafür mit der Un-
gleichung x(t) dt ≤ |x(t)| dt und mit |e−jωt | = 1 die Forderung
Z∞
|u(t)| dt < ∞ (4.4)
−∞
Offensichtlich werden aber mit der obigen hinreichenden Bedingung

viele in der Elektrotechnik wichtige Funktionen nicht erfasst, so kann
danach z. B. keine Fouriertransformierte einer Gleichspannung an-
gegeben werden! Wir werden in Abschnitt 4.5 zeigen, dass über Dis-
tributionen auch solchen Funktionen eine Fouriertransformierte zu-
geordnet werden kann, die die Bedingung der Gl. (4.4) nicht erfüllen.
Existiert die Fouriertransformierte, so liefert die inverse Fourier-
transformation (Synthesegleichung) die Fourierrücktransformierte
Z∞
−1 1
u(t) = F {U (jω)} := U (jω) ejωt dω (4.5)
2π
−∞
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).
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
Es ergibt sich damit das Transformationspaar

ωT
⊓T (t) ↔ T si (4.8)
2
Bild 4.1 zeigt den Verlauf der beiden Funktionen; von der Fouriertransformierten
wird nur der Realteil gezeigt, da der Imaginärteil Null ist (weshalb?).

4.2. Eigenschaften 47
ΠT(t) T si(ωT/2)
1 T
T T t ω
2 2 -2π/T 2π/T
Abbildung 4.1: Rechteckfunktion und ihre Fouriertransformierte
Das Spektrum einer Rechteckfunktion ist offensichtlich unendlich ausgedehnt. Oft

wird aber eine Grenzfrequenz definiert, indem das Spektrum nur bis zum ersten
Nulldurchgang berücksichtigt wird. Diese sogenannte Null-Bandbreite ist
1
B0 = [Hz] (4.9)
T
Das Produkt Null-Bandbreite · Impulsdauer B0 · T = 1 wird auch Unschärferelation

(oder Zeitgesetz) der Nachrichtentechnik genannt. Sie kann auch mit vielen anderen
Funktionen und Definitionen der Grenzfrequenz nachgewiesen werden. ❐
❐ 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).
Amplituden- und Phasenspektrum:

Die Fouriertransformierte U (jω) hat Real- und Imaginäranteile:
U (jω) = Re {U (jω)}+j Im {U (jω)} = Ru (ω)+j Iu (ω) (4.10)
Üblicherweise werden stattdessen das Amplitudenspektrum |U (jω)|

und das Phasenspektrum ϕu (ω) verwendet1 :
U (jω) = Au (ω) · ejϕu (ω) (4.11)

mit
p
Au (ω) = |U (jω)| = Ru2 (ω) + Iu2 (ω) (4.12)
und
ϕu (ω) = arg {U (jω)}

Iu (ω) 0 : Ru (ω) > 0
= arctan + (4.13)
Ru (ω) π : Ru (ω) < 0
1
Vgl. Polarkoordinaten: Die Darstellung von Real- und Imaginärteil der kom-
plexen Variable U (jω) wird überführt in eine Darstellung durch Betrag und Phase.

Wie im Kapitel über Fourierreihen (Kapitel 3) erläutert, gilt die Glei-

chung mit arctan nur bedingt – da dessen Wertebereich nur das In-
tervall (−π/2, π/2) ist.
Aus der Analysegleichung der FT folgt:
Z+∞
Ru (ω) = u(t) cos(ωt) dt und
−∞
Z+∞
Iu (ω) = − u(t) sin(ωt) dt (4.14)
−∞
Für reellwertige Funktionen u(t) (die wir in dieser Vorlesung fast

immer voraussetzen) ist Re {U (jω)} eine gerade Funktion und
Im {U (jω)} eine ungerade Funktion:
Ru (ω) = Ru (−ω) und

Iu (ω) = −Iu (−ω) (4.15)
Damit gilt für reellwertige u(t):
U (−jω) = U ∗ (jω) (4.16)
Gleiches gilt für den Amplituden- bzw. Phasengang:
Au (ω) = Au (−ω) und

ϕu (ω) = −ϕu (−ω) (4.17)
❐ 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. ❐
❐ Beispiel: Rechteckfunktion (Fortsetzung)

Fouriertransformierte werden i. Allg. als Amplitudenspektrum und Phasenspek-
trum dargestellt. Ein negativer Wert einer Fouriertransformierten ergibt sich durch
eine Phase ϕ(ω) = π oder ϕ(ω) = −π (denn ejπ = e−jπ = −1). Wir wählen den
Wert −π. Für negative Frequenzen gilt dann ϕ(−ω) = −ϕ(ω) = π. Bild 4.2 zeigt für
die Rechteckfunktion mit dem Transformationspaar von Gl. (4.8) den Amplituden-
und den Phasengang.

A u ( ω )= T |si(ω T/2)| ϕu(ω) = arg{T si(ωT/2)}

T
π
2π/T
t ω
-2 π/T 2π/T -2π/T
−π
Abbildung 4.2: Amplituden- und Phasengang der Rechteckfunktion
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)
Das Spektrum der gewichteten Summe mehrerer Signale ist also

gleich der gewichteten Summe der Einzelspektren.
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)
Eine Verzögerung der Zeitfunktion um t0 entspricht einer Drehung

des Spektrums um e−jt0 ω , d. h. es entsteht eine zusätzliche lineare
Phasendrehung ϕ(ω) = −ωt0 . Das Amplitudenspektrum ändert sich
nicht!

Aus v(t) = ⊓T (t − t0 ) folgt V (jω) = T si(ωT /2) e−jωt0 ,
also Av (ω) = Au (ω), ϕv (ω) = ϕu (ω) − ωt0 .
Au(ω) = T |si(ωT/2)| ϕu(ω)
2π/T
t ω
-2 π/T 2π/T -2π/T
Abbildung 4.3: Amplituden- und Phasengang einer nicht um t = 0 symmetrischen

Rechteckfunktion
❐
Zeitinvertierung:
Für ein zeitinvertiertes Signal u(−t) gilt:
u(−t) ↔ U ∗ (jω) = U (−jω) (4.20)
Der Amplitudengang ändert sich also nicht.

Frequenzverschiebung (Modulationstheorem):
Wird ein Spektrum um eine Kreisfrequenz ω0 verschoben, so entsteht

ein Transformationspaar
u(t)ejω0 t ↔ U [j(ω − ω0 )] (4.21)
Eine Multiplikation der Zeitfunktion mit ejω0 t (komplex!) entspricht

also einer Verschiebung des Spektrums um ω0 . Um ein reelles Zeit-
signal entstehen zu lassen, muss zum Spektrum zusätzlich ein An-
teil U [j(ω + ω0 )] addiert werden.
❐ Beispiel: Cosinusburst
Für den Cosinusburst
u(t) = cos(ω1 t)⊓T (t) (4.22)
ergibt sich mit
1 jω1 t
cos(ω1 t) = e + e−jω1 t (4.23)
2
bei Anwendung der Eigenschaften der Linearität und Frequenzverschiebung das

Transformationspaar

T T T
cos(ω1 t) · ⊓T (t) ↔ si (ω − ω1 ) + si (ω + ω1 ) (4.24)
2 2 2
F{ cos(ω1t )Π T ( t )}
T/2
ω
− ω1 ω1
Abbildung 4.4: Spektrale Darstellung eines Cosinusbursts
Maßstabsänderung (Ähnlichkeitssatz):
Einer Verkürzung im Zeitbereich entspricht eine Verringerung der

Amplitude und eine Verbreiterung des Spektrums im Frequenzbe-
reich und umgekehrt:
1 ω
u(at) ↔ U j (4.25)
|a| a


Für a = 1/2 ergibt sich aus Gl. (4.25) mit Gl. (4.8) das Transformationspaar
⊓T (t/2) = ⊓2T (t) ↔ 2T si(ωT ) (4.26)
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
Abbildung 4.5: Die gestreckte Rechteckfunktion und ihre Fouriertransformierte

❐
❐ Frage:
Welche Spektren erwarten Sie, für T → 0 bzw. T → ∞? ❐
Symmetrie (Vertauschungssatz):
Für ein Signal u(t) ↔ U (jω) gilt
U (+t) ↔ 2πu(−jω) (4.27)
Bei einer Vertauschung von Zeit- und Frequenzabhängigkeit entste-

hen also wieder gleichartige Funktionsverläufe.

Aus Gl. (4.8) ergibt sich durch Ersetzen von T durch ωT = 2π/T und Anwendung
des Vertauschungssatzes das Transformationspaar

t
si ωT ↔ T · ⊓ωT (ω) (4.28)
2
si(ωTt/2) (ω)
ω
T
1 T
-T T t ω
−ωΤ/2 ωΤ/2
Abbildung 4.6: Die si-Funktion und ihre Fouriertransformierte

❐
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)
−∞

gilt, dass sich die Fourierspektren multiplizieren:
V (jω) = U (jω) · H(jω) (4.30)
❐ 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
Damit ergibt sich die Fouriertransformierte als Quadrat der Fouriertransformier-

ten der die Dreieckfunktion erzeugenden Rechteckfunktion:
2
T ωT
F {∧T(t)} = si (4.32)
2 4
❐ 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
❐ Beispiel: Cosinusburst (Fortsetzung)

Da ein Cosinusburst
z(t) = cos(ω1 t)⊓T (t) (4.34)
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:
cos (ω1 t) ↔ π (δ (ω − ω1 ) + δ (ω + ω1 )) (4.35)
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
Abbildung 4.7: Berechnung einer Fouriertransformierten durch Faltung
Ableitung:
Eine Ableitung einer Funktion im Zeitbereich entspricht einer Mul-
tiplikation des Spektrums mit jω.
d
u(t) ↔ jω U (jω) (4.36)
dt
Bei einer n-ten Ableitung muss entsprechend mit (jω)n multipliziert

werden. Auf diese Weise werden aus Differentialgleichungen alge-
braische Funktionen.
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
−∞
Bei einem vorhandenen Gleichanteil ergibt sich ein zusätzlicher Fre-

quenzanteil π U (0) δ(ω).
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
−∞ −∞
|U (jω)|2 wird als spektrale Energiedichte oder als Energiedichtespek-

trum bezeichnet. Das Parseval-Theorem zeigt die Möglichkeit auf,
die Energie im Frequenzbereich zu bestimmen. Das Energiedichte-
spektrum |U (jω)|2 beschreibt die Verteilung der Energie über der

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. ❐
❐ Beispiel: Energiedichtespektrum eines Rechtecksignals

Aus der Zeitfunktion u(t) = A⊓T (t) erhält man ihre Energie direkt zu Wu = A2 T .
Das Energiedichtespektrum errechnet sich zu
2
2 2 ωT
|U (jω)| = (AT ) si (4.40)
2
Die Berechnung im Frequenzbereich ist in diesem Beispiel aufwendiger als im

Zeitbereich, sie führt auf eine Integralsinus-Funktion. Eine solche Berechnung ist
aber erforderlich, wenn z. B. danach gefragt wird, welcher Energieanteil in ei-
nem Frequenzbereich |f | ≤ 1/T , also bis zur ersten Nullstelle des Energiedich-
2
tespektrums |U (jω)| liegt. Es ergibt sich ein Anteil von etwa 92%, die Energie des
Spektrums der Rechteckfunktion ist also im Wesentlichen auf den Bereich bis zum
ersten Nulldurchgang beschränkt. Aus diesem Grund wird die erste Nulldurch-
gangsfrequenz B0 auch oft als Grenzfrequenz bezeichnet (siehe Gleichung (4.9)).
❐
❐ Beispiel: Rechtsseitiger Exponentialimpuls (Fortsetzung)

Wir hatten gezeigt, dass das Signal
u(t) = a e−5t/T σ(t) (4.41)
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
Die Energie wird damit
Z∞ +∞
1 2 a2 T ωT
Wu = |U (jω)| dω = arctan = 0,4·10−6 V2 s
2π 2π 5 5 −∞
−∞
(4.44)

4.3. Beweise 55
AKF und Energiedichtespektrum:

Die Energie-Autokorrelationsfunktion und das Energiedichtespek-
trum eines Energiesignals sind Fouriertransformierte zueinander
(siehe Abschnitt 4.9.4 – Wiener-Khintchine Beziehung).
ruu (τ ) ↔ |U (jω)|2 (4.45)
❐ 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).
❐ Beispiel: Eigenschaft der Fouriertransformation bei einer Integration

Das Integral kann in der Form
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
Damit kann das Transformationspaar (4.37) sofort bewiesen werden. ❐
❐ 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)
−∞
(Siehe Gleichung (2.48).) ❐

❐ 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:
u(t) = ug (t) + uu (t) (4.48)
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
uu (t) = ug (t) · sgn(t)
(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.
∀ω ist Ug (jω) ∈ R und j · Uu (jω) ∈ R,
weiterhin ist natürlich U (jω) = Ug (jω) + Uu (jω).

4.5. Fouriertransformation und Distributionen 57
Wegen uu (t) = ug (t) · sgn(t) und der Korrespondenz zwischen Multi-

plikation im Zeit- und Faltung im Frequenzbereich besteht dann ein
Zusammenhang zwischen Ug (jω) und Uu (jω):
1
ug (t)·sgn(t) = uu (t) ↔ Ug (jω)∗F {sgn(t)} = Uu (jω)
2π
Wir werden weiter unten sehen, dass die Fouriertransformierte der
Signumfunktion gleich 2/jω) ist, s. Gl. (4.61). Das heißt:
1 1
Uu (jω) = Ug (jω) ∗
π jω
Eine genau spiegelbildliche Formel (d. h. Ug und Uu sind vertauscht)

erhält man, wenn man anfangs uu (t) · sgn(t) = ug (t) ansetzt.
Man sagt, Real- und Imaginärteil des Spektrums U (jω) von u(t) –
nichts anderes sind ja Ug und Uu – sind Hilberttransformierte zueinan-
der (nach dem Mathematiker David Hilbert).
Die Hilberttransformation ist ebenso wie die Fouriertransformation
eine Integraltransformation, durch sie wird einer gegebenen Funk-
tion eindeutig eine (i. Allg. andere) Funktion zugeordnet. Definiert
ist sie als Faltung der gegebenen Funktion mit x−1 , d. h. wenn g die
Hilberttransformierte von f ist, gilt
Z∞
1 f (y)
g(x) = f (x) ∗ = dy.
x x−y
−∞
Genau diese Formel haben wir oben erhalten (konstante Faktoren

wie 1/π oder 1/j sind hierbei natürlich nicht wesentlich).
Die gegenseitige Abhängigkeit von Real- und Imaginärteil des Spek-
trums eines kausalen Signals ist das Gegenstück zu der Besonderheit
(u(t) = 0 für t < 0) im Zeitbereich. Entsprechend besteht auch eine
Abhängigkeit zwischen Amplituden- und Phasengang. Diese Ein-
schränkung macht sich z. B. beim Filterentwurf bemerkbar: Ist ein
Amplitudengang fest vorgegeben, so ist damit gleichzeitig die Wahl
des Phasengangs eingeschränkt; er kann –um ein realisierbares Fil-
ter, d. h. eine kausale Impulsantwort zu erhalten– nicht mehr frei ge-
wählt werden (wichtig besonders bei Bildsignalen). Wir werden spä-
ter (Kapitel 9) sehen, dass zu einem vorgegebenem Amplitudengang
–sofern es zu diesem überhaupt ein realisierbares, d. h. kausales Fil-
ter gibt (s. u. Wiener-Paley-Beziehung)– ein minimaler Phasengang
angegegeben werden kann.
4.5 Fouriertransformation und Distributio-

nen
Einigen für die Praxis wichtigen Funktionen, wie sinusförmigen
Signalen, Deltaimpuls, Konstantwert- und Sprungfunktion, konnte

❐ 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
Abbildung 4.8: Funktion u(t) für die obige Zerlegungsaufgabe

❐
keine Fouriertransformierte zugeordnet werden, da diese nicht die

hinreichende Bedingung für die Existenz einer Fouriertransformier-
ten (Gl. 4.4) erfüllen. Über die Ausblendeigenschaft des Deltaimpul-
ses ist es möglich, auch für diese Signale Fouriertransformationen
anzugeben.
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)
Damit ergibt sich das Transformationspaar

δ(t) ↔ 1 (4.51)
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
Abbildung 4.9: Transformationspaar des Deltaimpuls
Mit den Eigenschaften der Zeitverschiebung bzw. Symmetrie folgt

δ(t − t0 ) ↔ e−jωt0 (4.52)

4.5. Fouriertransformation und Distributionen 59
und
ejω0 t ↔ 2π δ(ω − ω0 ) (4.53)
Konstantwertfunktion:
Aus dem letzten Ergebnis folgt mit ω0 = 0 auch der Spezialfall
1 ↔ 2π δ(ω) (4.54)
Die Fouriertransformierte einer Konstantwertfunktion ist also eine

Spektrallinie (Deltaimpuls im Frequenzbereich) mit dem Gewicht 2π.
u( t) U(jω )
1 (2π)
t ω
Abbildung 4.10: Transformationspaar einer Konstantwertfunktion
❐ Aufgabe: Fouriertransformierte des Deltaimpulses

Gib die Fouriertransformierte eines Rechteckimpulses der Breite T und der Flä-
che 1 an. Welcher Wert ergibt sich für T → 0? [A.: U (jω) = 1] ❐
Sinus- und Cosinussignale:

Aus Gl. (4.53) folgt mit der Linearitätseigenschaft das Transforma-
tionspaar
cos(ω0 t) ↔ π [δ(ω + ω0 ) + δ(ω − ω0 )] (4.55)

sin(ω0 t) ↔ jπ [δ(ω + ω0 ) − δ(ω − ω0 )] (4.56)
Sinusförmige Schwingungen werden also im Frequenzbereich durch

zwei Spektrallinien charakterisiert.
u(t)=cos(ω0t) U(jω )
( π)
t ω
−ω0 ω0
Abbildung 4.11: Transformationspaar eines Cosinussignals
Mit der Symmetrieeigenschaft ergeben sich aus den beiden letzten

Gleichungen die Transformationspaare
δ(t + t0 ) + δ(t − t0 ) ↔ 2 cos(ωt0 ) (4.57)

δ(t + t0 ) − δ(t − t0 ) ↔ 2j sin(ωt0 ) (4.58)
Ein Deltaimpulspaar im Zeitbereich hat damit ein cosinusförmig ver-

laufendes Spektrum.

u(t) U(jω)
(1) 2
t ω
−t 0 t0
Abbildung 4.12: Transformationspaar eines Deltaimpulspaares
❐ 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)
−∞
ergibt sich (ohne Beweis) das Transformationspaar
δT(t) ↔ ωT δωT (ω) (4.60)
Der Deltakamm im Zeitbereich hat daher als Fouriertransformier-

te einen Deltakamm im Frequenzbereich, d. h. ein Linienspektrum,
bestehend aus gleichgewichteten Deltaimpulsen bei Vielfachen der
Grundfrequenz ωT = 2π/T .
δT(t) F{δT(t)}
(1) (ωT)
t ω
-T T −ωT ωT
Abbildung 4.13: Transformationspaar des Deltakamms
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

4.6. Derivierung zur Bestimmung von Fouriertransformierten 61
|U(jω)|
u(t)=sgn(t)
1
t ω
Abbildung 4.14: Transformationspaar der Signumfunktion
zu
1
σ(t) ↔ π δ(ω) + (4.63)
jω
❐ Aufgabe:
Berechne das Spektrum eines Cosinus-Einschaltimpulses f (t) = cos(ω0 t) σ(t)!
❐
4.6 Die Derivierung als Mittel zur Bestim-

mung von Fouriertransformierten
Für die n-te Ableitung einer Funktion u(t) ↔ U (jω) gilt:
dn (u(t))
↔ (jω)n U (jω) (4.64)
dtn
Differentialgleichungen sind im Frequenzbereich also einfache al-

gebraische Gleichungen. Eine besonders einfache Berechnung von
U (jω) ergibt sich, wenn u(t) abschnittsweise linear ist. Die erste
Ableitung liefert dann abschnittsweise konstante Werte und damit
einen durch Sprungfunktionen darstellbaren Verlauf. Die zweite Ab-
leitung liefert Deltaimpulse. Die Ableitungen werden Derivierte ge-
nannt, da die Ableitung im üblichen Sinne nicht existiert. Insbeson-
dere wird die Beziehung
d
δ(t) = σ(t) ↔ 1 (4.65)
dt
verwendet.

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. ❐
❐ Beispiel: Trapezfunktion (Bild 4.15)
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
(1/T) u´´(t) (1/T)
-T T t
-2T 2T
(-1/T) (-1/T)
Abbildung 4.15: Bestimmung der Fouriertransformierten einer Trapezfunktion
❐ Beispiel: Näherungsweise Transformation (Bild 4.16)

Jedes beliebige Signal u(t) kann mit der Derivierung näherungsweise schnell trans-
formiert werden, indem das Signal durch Geradenabschnitte approximiert wird. ❐
4.7 Zeit- und frequenzperiodische Funktio-

nen
Wir zeigen in diesem Abschnitt die Besonderheiten der Spektren von
Funktionen, die entweder im Zeitbereich oder im Frequenzbereich
periodisch sind. Im ersten Fall führt die Fouriertransformation auf

4.7. Zeit- und frequenzperiodische Funktionen 63
u(t)
u'(t)
etc.
Abbildung 4.16: Angenäherte Bestimmung des Spektrums eines Signals u(t)
die bekannte Fourierreihendarstellung, im zweiten Fall auf das Ab-

tasttheorem.
Die Ähnlichkeit der Ergebnisse folgt aus der Symmetrieeigenschaft
der Fouriertransformation.
4.7.1 Zeitperiodische Funktion

Eine zeitperiodische Funktion up (t) = up (t + T ) kann als Faltung des
Grundbereichs u(t) = up (t) · ⊓T (t) dieser periodischen Funktion mit
einem Deltakamm δT(t) dargestellt werden:
∞
X
up (t) = u(t) ∗ δT(t) = u(t − kT ) (4.69)
k=−∞
up(t)
t
T
u(t)
Abbildung 4.17: Periodische Funktion und ihr Grundbereich
Für das Spektrum ergibt sich aus Gl. (4.69) mit ωp = 2π/T
Up (jω) = U (jω) · ωp · δp (ω)

∞
2π X
= U (jkω) · δ(ω − kωp ) (4.70)
T k=−∞

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
An den Stellen ω = kωp ergeben sich die Stützstellen
ZT /2
U (jkωp ) = u(t) e−jkωp t dt = T · Uk (4.72)
−T /2
Durch Rücktransformation von Gl. (4.70) erhalten wir

∞
1 X
up (t) = U (jkωp ) ejkωp t (4.73)
T k=−∞
Eine zeitperiodische Funktion lässt sich also durch eine Überla-

gerung von Exponentialschwingungen beschreiben; neben einem
Gleichanteil (k = 0) tritt die Grundwelle bei ωp sowie die Harmo-
nische bei m · ωp auf.
Das Ergebnis ist als Fourierreihenentwicklung bekannt, bei der die
Fourierkoeffizienten Uk die komplexen Amplituden der Harmoni-
schen mit den Frequenzen k2π/T beschreiben.
∞
X 1
up (t) = Uk ejkωp t mit Uk = U (jkωp ) (4.74)
k=−∞
T
4.7.2 Frequenzperiodische Funktionen

Ist ein Spektrum periodisch mit der Kreisfrequenz ωp , so lässt es
sich als Faltung der Grundbereichsfunktion U (jω) mit einem Del-
takamm δωp (ω) darstellen:
∞
X
Up (jω) = U (j(ω + kωp ))
k=−∞
= U (jω) ∗ δωp (ω) (4.75)
❐ Aufgabe:
Welche obere Grenzfrequenz ωg darf U (jω) nicht überschreiten, damit Up (jω) eine
periodische Fortsetzung von U (jω) ist? [A: ωg < ωp /2] ❐

4.8. Zeit- und frequenzbegrenzte Funktionen 65
Die Rücktransformierte ist daher mit ωp = 2π/T

1
up (t) = F −1 {Up (jω)} = 2π u(t) · δT (t)
ωp
∞
X
= T u(t) δT (t) = T u(kT ) δ(t − kT ) (4.76)
k=−∞
Die Rücktransformierte besteht also aus einer Folge von gewichte-

ten Deltaimpulsen. Die Gewichte sind identisch mit den Abtastwer-
ten u(kT ) der Grundbereichsfunktion u(t) ↔ U (jω), d. h. aus der
inversen Fouriertransformierten folgt
Z∞
1
u(kT ) = U (jω) · e−jωkT dω (4.77)
2π
−∞
Umgekehrt gilt damit auch, dass eine abgetastete Zeitfunktion ein

periodisches Spektrum besitzen muss. Eine ausführliche Analyse
dieses Ergebnisses werden wir im Kapitel 11 –Abtastung– kennen-
lernen.
4.8 Zeit- und frequenzbegrenzte Funktionen

Wir zeigen, dass eine zeitbegrenzte Funktion ein kontinuierliches
und unendlich ausgedehntes Spektrum hat, aber aus diskreten Spek-
trallinien wiedergewonnen werden kann. Umgekehrt kann eine fre-
quenzbegrenzte Funktion aus diskreten Zeitwerten (Abtastwerten
der Funktion) wiedergewonnen werden.
4.8.1 Zeitbegrenzte Funktionen

Gegeben sei eine zeitbegrenzte Funktion:
u(t) = 0 für |t| > T /2 (4.78)
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:
u(t) = up (t)⊓T (t) = [u(t) ∗ δT (t)] ⊓T (t) (4.79)

Für das Spektrum ergibt sich mit ωT = 2π/T :

1 ωT
U (jω) = U (jω) · ωT · δωT (ω) ∗ T si
2π 2
∞
!
X ωT
= U (jkωT ) δ(ω − kωT ) ∗ si (4.80)
k=−∞
2
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.
4.8.2 Frequenzbegrenzte Funktionen

Werden Zeit- und Frequenzbereich vertauscht, so ergibt sich aus
den obigen Ergebnissen über zeitbegrenzte Funktionen, dass zu je-
der bandbegrenzten Frequenzfunktion eine Zeitfunktion gehört, die
kontinuierlich und unendlich ausgedehnt ist. Ist also U (jω) = 0 für
|ω| > ωg , so ergibt sich weiter, dass diese Zeitfunktion u(t) aus ihren
äquidistanten Funktionswerten u(kT ) rekonstruiert werden kann.
∞ ω
X T 2π
u(t) = u(kT ) si (t − kT ) ωT = (4.82)
k=−∞
2 T
Dieses Ergebnis wird uns im Kapitel Abtastung als Interpolationstheo-

rem wieder begegnen.
4.9 Energie- und Leistungsdichtespektren

4.9.1 Energiedichtespektrum
Ist u(t) ein Energiesignal, so zeigt das Parseval-Theorem die Mög-
lichkeit auf, die Energie im Frequenzbereich zu bestimmen. |U (jω)|2
beschreibt die Verteilung der Energie über der Frequenz. Der Term
|U (jω)|2 dω ist ein Maß für den Energieanteil im Bereich (ω, ω + dω),
|U (jω)|2 wird daher spektrale Energiedichte (auch Energiedichtespek-
trum, EDS) genannt. Im Frequenzbereich (ω1 , ω2 ) liegt daher die
Energie
Zω2
1
Wu (ω1 , ω2 ) = |U (jω)|2 dω ; ω1 , ω2 ≥ 0 (4.83)
π
ω1

4.9. Energie- und Leistungsdichtespektren 67
Die Dimension des Energiedichtespektrums ist Ws2 = Ws/Hz, d. h.

das Energiedichtespektrum gibt die Energie in Ws pro Hz Bandbreite
an 1Ω an.
❐ Beispiel: Energiedichtespektrum eines Rechteckimpulses
u(t)
T/2 t
|U(jω)|²
2π/T ω
Abbildung 4.19: Energiedichtespektrum eines Rechteckimpulses
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. ❐
❐ Beispiel: Energiedichtespektrum eines Exponentialimpulses

Gegeben sei ein Signal u(t) = e−5t σ(t) [V]. Für die Energie dieses Signals ergibt 0 t
sich
Abbildung 4.20: Exponentia-
Z∞ limpuls
Wu (ω1 , ω2 ) = e−10t dt = 0,1 [Ws] (4.85)
0
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
uT (t) = u(t) · ⊓T (t) ↔ UT (jω) (4.89)
Seine Energie bzw. Leistung ist

Z
W uT = uT (t)2 dt bzw.
T
Z
1 1
PuT = uT (t)2 dt = WuT (t) (4.90)
T T
T
Das Parseval-Theorem liefert

Z Z∞
1 1 |UT (jω)|2
PuT = uT (t)2 dt = dω (4.91)
T 2π T
T −∞
bzw.
Z Z
2 1
W uT = uT (t) dt = |UT (jω)|2 dω (4.92)
2π
Wir nennen |UT (jω)|2 das Kurzzeit-EDS. Entsprechend ist

|UT (jω)|2
SuT (ω) = (4.93)
T
das Kurzzeit-LDS (Leistungsdichtespektrum). Das wahre LDS des Leis-
tungssignals ergibt sich durch Grenzwertbildung:
Suu (ω) = lim SuT (ω) (4.94)
T →∞
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

Das LDS kann daher über eine Leistungsmessung am Ausgang ei-

nes Bandpassfilters bestimmt werden, indem dessen Ausgangsleis-
tung in äquidistanten Frequenzabständen ermittelt wird. Damit er-
gibt sich eine Approximation des LDS-Verlaufes durch Rechteck-
funktionen.
Mittels Rechner kann alternativ an einem Ausschnitt uT (t) des Leis-

tungssignals das Kurzzeitspektrum SuT (ω) berechnet werden. Wie
das folgende Beispiel zeigt, beeinflusst dabei die Fensterfunktion
⊓T (t) das Ergebnis.
❐ Beispiel: Schätzung des Spektrums eines Sinussignals
Abbildung 4.22: Schätzung des Spektrums eines Sinussignals:

a) Originalsignal; b) Ausblendung mittels Rechteckfenster;
c) Ausblendung mittels cos2 -Fenster

Abbildung 4.23: Schätzung des Spektrums eines Sinussignals:

oben: Spektrum bei Rechteck- bzw. cos2 -Fenster, lineare Darstellung
unten: Spektrum bei Rechteck- bzw. cos2 -Fenster, Darstellung in dB
❐
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“)

Abbildung 4.26: ”Wasserfalldarstellung“ von ”das Herz“ (Spektrum über Zeit),

60 Betragsspektren, je 128 Stützstellen, DFT mit Hamming-Fensterung
[Quelle: SIGVID, TU Berlin]
4.9.4 Wiener-Khintchine Beziehung

Die Wiener-Khintchine Beziehung besagt, dass die AKF ruu (τ ) eines
Energiesignals u(t) und die spektrale Energiedichte |U (jω)|2 Fourier-
transformierte zueinander sind:
Z∞
ruu (τ ) = u(t) · u(t + τ )dt ↔ |U (jω)|2 (4.96)
−∞
Der Beweis ergibt sich direkt durch Berechnen der Fouriertransfor-

mation F {ruu (τ )}, aber auch –viel einfacher– über die Korrespon-
denz Faltung im Zeitbereich (mit vorheriger Zeitinvertierung des
einen Signals) ↔ Multiplikation im Spektrum.
Für Leistungssignale gilt entsprechend, dass die Fouriertransfor-
mierte der AKF das LDS Suu (ω) ist:
L
ruu (τ ) ↔ Suu (ω) (4.97)
❐ Beispiel: Weißes Rauschen

Weißes Rauschen ist ein idealisiertes Signal, das durch eine AKF
L
ruu (τ ) = σu2 · δ(τ ) (4.98)
gegeben ist, d. h., es bestehen keine Korrelationen für Signalanteile im Abstand

τ 6= 0. Damit ist das LDS:
Suu (ω) = σu2 (4.99)
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). ❐

Kapitel 5
Laplacetransformation
5.1 Einseitige Laplacetransformation

Die Laplacetransformation stellt eine Erweiterung der Fouriertrans-
formation dar und schließt letztere häufig als Sonderfall ein. Wir
hatten gezeigt, dass die Fouriertransformation die Darstellung ei-
nes Zeitsignals als gewichtete Überlagerung unendlich vieler unge-
dämpfter Exponentialschwingungen der Form ejωt erlaubt. Die La-
placetransformation ermöglicht eine entsprechende Darstellung mit
Exponentialfunktionen abnehmender oder zunehmender Amplitu-
den.
Die Laplacetransformation hat eine große Bedeutung für die Ana-
lyse, Übertragungssysteme; sie wird im Rahmen dieser Vorlesung
jedoch nur dazu verwendet, solche Systeme durch ihre Pole und
Nullstellen darzustellen (s. Kapitel 8 –‚Beschreibung linearer Syste-
me durch Pol- und Nullstellen‘). Ihre Grundlagen werden daher im
folgenden nur sehr kurz behandelt, und es werden nur diejenigen Ei-
genschaften angegeben, die für spätere Abschnitte benötigt werden.
5.1.1 Definition und Existenz

Für rechtsseitige (kausale) Signale [u(t) = 0 für t < 0] gilt das Fou-
riertransformationspaar in der Form
Z∞
F {u(t)} = U (jω) = u(t) e−jωt dt ;
0
Z∞
−1 1
u(t) = F {U (jω)} = U (jω) ejωt dω (5.1)
2π
−∞
Die Fouriertransformierte U (jω) = F{u(t)} existiert zumindest für

alle absolut integrierbaren Funktionen u(t). Durch Einführung des
73
74 Kapitel 5. Laplacetransformation
Konvergenzfaktors e−σt kann die Zahl der fouriertransformierbaren

Funktionen erweitert werden, wenn die Konstante σ positiv ist. Mit
der Funktion
uσ (t) = u(t) e−σt (5.2)
ergibt sich
Z∞
F {uσ (t)} = u(t) e−σt e−jωt dt
0
Z∞
= u(t) e−st dt mit s = σ + jω (5.3)
0
Die Konstante σ muss so gewählt werden, dass uσ (t) absolut inte-

grierbar ist:
Z∞ Z∞
|uσ (t)| dt = |u(t)| e−σt dt < ∞ (5.4)
0 0
Die Integraltransformation nach Gl. (5.3) definiert die (einseitige) La-

Analysegleichung der placetransformation der rechtsseitigen Zeitfunktion u(t):
Z∞
LI {u(t)} = UI (s) := u(t) e−st dt (5.5)
0
In der Definitionsgleichung (5.4) der einseitigen Laplacetransforma-

tion wird die untere Integrationsgrenze auch zu 0− oder zu 0+ ge-
setzt, je nachdem, ob Singularitäten im Nullpunkt berücksichtigt
werden sollen oder nicht.
Als Transformationspaar verwenden wir die Notation
u(t) ↔ UI (s) (5.6)
Die komplexe Variable s wird als komplexe Frequenz bezeichnet; sie

ist als Punkt mit rechtwinkligen Koordinaten σ und ω in der s-Ebene
darstellbar. Die Konstante σ muss so gewählt werden, dass u(t)e−σt
absolut integrierbar ist (siehe Gl. (5.5)). Dafür muss
lim u(t) · e−σt = 0 ∀σ > σmin (5.7)
t→∞
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.

5.1. Einseitige Laplacetransformation 75
Im{s} = jω
Konvergenz-
halbebene
0 σmin Re{s} = σ
möglicher Integrations-
pfad c
für inverse Laplacetrans-
formation (Synthese)
Abbildung 5.1: s-Ebene
❐ 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
L{δ(t)} = 1 bzw. δ(t) ↔ 1 (5.9)
5.1.2 Laplace- und Fouriertransformation Die Fouriertransforma-

Die Fouriertransformierte folgt aus der Laplacetransformierten ge- tion ist offensichtlich
mäß Gl. (5.5) für σ = 0: ein Sonderfall der La-
placetransformation.
F{u(t)} = U (jω) = L{u(t)}σ=0 (5.10)
Voraussetzung ist, dass die Fouriertransformierte existiert, dazu

muss die jω-Achse in der Konvergenzhalbebene liegen (σmin < 0).
(Bei σmin = 0 ergeben sich Probleme, wenn Pole auf der Imaginärteil-
Achse liegen. Es entstehen dann zusätzliche Deltafunktionen.)
❐ Beispiel: Sprungfunktion mit exponentiellem Amplitudenabfall
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
Die Laplacetransformierte UI (s) existiert nur für komplexe Frequenzen s = σ + jω

mit σ > σmin = a, denn nur dann kann u(t) = eat e−σt für t → ∞ verschwinden.
Da die jω-Achse in der Konvergenzhalbebene liegt (da für a < 0 auch σmin < 0),
ergibt sich aus UI (s) mit s = jω die Fouriertransformierte:
U (jω) = UI (s) (5.13)

s=jω
mit dem bereits in Gl. (5.11) angegebenen Ergebnis.

Für a = 0 folgt u(t) = σ(t) und damit (wie bereits im ersten Beispiel dieses Ab-
schnittes gezeigt)
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). ❐
5.1.3 Inverse Laplacetransformation

Aus der Fourierrücktransformierten Gl. (5.1) und Uσ (jω) =
F{uσ (t)} = F{u(t) · e−σ t } folgt:
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
−∞
Mit s = σ + jω, ds = jdω, dω = (1/j)ds und Uσ (jω) = UI (σ + jω)

Synthesegleichung der ergibt sich die Laplacerücktransformierte zu
σ+j∞
Z
1
u(t) = UI (s) est ds (5.17)
2πj
σ−j∞
Im Abschnitt 3 haben wir gezeigt, dass sich ein absolut integrierbares

Signal u(t) als eine gewichtete Summe von ungedämpften Exponen-
tialfunktionen ejωt interpretieren lässt. Die Funktion u(t) lässt sich
nun mittels der Laplacerücktransformierten (Gl. (5.17)) als gewichte-
te Überlagerung von Exponentialfunktionen est mit exponentiell an-
bzw. abklingenden Amplituden darstellen (siehe Bild 5.2). Offen-
sichtlich wird auf diese Weise die Zahl der durch Integraltransfor-
mationen darstellbaren Funktionen erheblich vergrößert.

5.2. Zweiseitige Laplacetransformation 77
Im Rahmen der Vorlesung wird die Synthesegleichung nicht ver-

wendet werden. Zu der Integralberechnung sind in einfachen Fällen
Tabellenwerke, sonst aber i. Allg. funktionentheoretische Verfahren
heranzuziehen. Der Integrationspfad muss in der Konvergenzhalbe-
bene liegen. Ein möglicher Integrationspfad ist die Parallele c im Ab-
stand σ zur jω-Achse in der komplexen s-Ebene (s. Bild 5.1). Offen-
sichtlich können unterschiedliche Pfade σ > σmin verwendet werden,
so dass die Funktion u(t) auf unterschiedliche Weisen durch Über-
lagerung von harmonischen Schwingungen est mit exponentiell an-
bzw. abklingenden Amplituden aufgebaut werden kann.
Abbildung 5.2: Zuordnung von Exponentialschwingungen zu Werten s = σ + jω

[Quelle: Herter, Röcker und Lörcher]
5.2 Zweiseitige Laplacetransformation

Für zweiseitig ausgedehnte Zeitfunktionen u(t) gilt:
Z∞
LII {u(t)} = UII (s) := u(t) e−st dt (5.18)
−∞
und
σ+j∞
Z
1
u(t) = UII (s) est ds (5.19)
2πj
σ−j∞
Die Transformation existiert wiederum, wenn u(t) absolut integrier-

bar ist, sie kann als Summe von zwei einseitigen Laplacetransfor-
mierten berechnet werden, indem u(t) = u(t)σ(t) + u(t)σ(−t) ange-
setzt wird. Die Konvergenzhalbebene wird jetzt zu einem Konver-
genzbereich, einem Streifen parallel zur jω-Achse. Für rechtsseitige

Zeitfunktionen ergeben sich wieder die Ergebnisse für die einseitige

Laplacetransformation, d. h. es ist dann UII (s) = UI (s). Es lässt sich
zeigen, dass der Konvergenzbereich für Signale endlicher Dauer im-
mer die gesamte s-Ebene umfasst, so dass die Fouriertransformierten
existieren.
Die Eigenschaften der Laplacetransformation entsprechen weitge-
hend denen der Fouriertransformation, da auch die Laplacetransfor-
mation eine lineare Transformation ist, allerdings muss jeweils der
Konvergenzbereich beachtet werden. Insbesondere werden Differen-
tialgleichungen in algebraische Gleichungen überführt; für die erste
Ableitung eines Zeitsignals u(t) gilt nämlich, dass

d
L u(t) = s · U (s) − u(0) (5.20)
dt
Eine Differentiation im Zeitbereich ist also einer Multiplikation mit s

im s-Bereich äquivalent. Der Beweis folgt aus Gl. (5.17) durch beid-
seitiges Differenzieren. Die obige Eigenschaft ermöglicht es, Diffe-
rentialgleichungen in algebraische Gleichungen überzuführen. Wir
werden diese Eigenschaft insbesondere bei der Beschreibung linea-
rer Übertragungssysteme verwenden.
Umgekehrt gilt für die Integration im Zeitbereich das Ergebnis, dass
im s-Bereich die Laplacetransformierte des Integrals von u(t) sich als
Quotient U (s)/s ergibt:
 t 
Z  1
L {y(t)} = L u(t)dt = U (s) (5.21)
  s
−∞
❐ 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

Kapitel 6
Zeitbereichsdarstellung
kontinuierlicher linearer
Systeme
6.1 Der Systembegriff

Bei der Übertragung und Verarbeitung von Mess-, Nachrichten- oder
Steuersignalen durchlaufen diese Signale Übertragungssysteme, die
diese Eingangssignale in Ausgangssignale überführen. Die oft kom-
plizierte Übertragungsstrecke kann i. Allg. in eine Kettenschaltung
einfacherer Teilsysteme aufgetrennt werden. Solche Systeme kön-
nen Filter, Leitungen, Verstärker, Entzerrer und vieles mehr sein.
Für das Verhalten zwischen Eingang und Ausgang dieser Systeme
können verschiedene Beschreibungsformen gewählt werden; wün-
schenswert sind einfache Beschreibungen durch wenige Parameter.
Übertragungssysteme sind insbesondere dann vergleichsweise ein-
fach darstellbar, wenn sie linear und zeitinvariant sind, sie müssen
weiterhin stabil sein. Diese Begriffe werden später noch präzisiert;
die Eigenschaft der Linearität stellt sicher, dass eine Überlagerung
(Addition) von Eingangssignalen zu einer Überlagerung der zugehö-
rigen Ausgangssignale führt, die Eigenschaft der Zeitinvarianz be-
deutet, dass ein Übertragungssystem zu unterschiedlichen Messzeit-
punkten keine unterschiedlichen Eigenschaften zeigt, und die Stabi-
lität stellt sicher, dass kein (beschränktes) Eingangssignal zu einem
unbeschränkten Ausgangssignal führt. Um die Darstellung der Sys-
temeigenschaften noch weiter zu vereinfachen, nehmen wir zusätz-
liche Idealisierungen vor, die dann zu den unter dem Begriff der Sys-
temtheorie bekannten (und insbesondere von Küpfmüller entwickel-
ten) Darstellungsformen führen (siehe unter Empfohlene Literatur).
Ein Übertragungssystem ist im einfachsten Fall ein elektrisches Netz-
werk mit zwei Eingangs- und zwei Ausgangsklemmen. Ein sol-
ches Zweitor ”antwortet“ beim Anlegen eines Eingangssignals (An-
79
80 Kapitel 6. Zeitbereichsdarstellung kontinuierlicher linearer Systeme
regungssignal) u(t) mit einem Ausgangssignal (Systemantwort) y(t).

Soll ausschließlich die Abhängigkeit der Antwort y(t) auf ein Ein-
gangssignal u(t) dargestellt werden, so werden wir die vereinfachte
Darstellung gemäß Bild 6.1(b) verwenden.
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
Abbildung 6.1: Übertragungssystem: (a) Zweitor- (b) Blockbilddarstellung
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.
Im Rahmen der Vorlesung werden wir uns fast ausschließlich mit

der Beschreibung und Analyse von Übertragungssystemen beschäftigen,
nicht aber mit der Synthese von Systemen bei vorgegebenem Über-
tragungsverhalten.
6.2 Beschreibung durch Differentialglei-

chungen
Sind die Parameter eines Systems bekannt, so kann mittels der
Kirchhoffschen Gesetze die das Systemverhalten beschreibende Dif-
ferentialgleichung aufgestellt werden. Solche Darstellungen sind aus
Grundlagenvorlesungen bekannt. Sie werden im folgenden einfa-
chen Beispiel einer RC-Schaltung noch einmal aufgegriffen, um den
Zusammenhang mit dem später eingeführten systemtheoretischen
Ansatz zu verdeutlichen.

6.2. Beschreibung durch Differentialgleichungen 81
i(t) R
u(t) C y(t)
Abbildung 6.2: Unbelasteter RC-Tiefpass
6.2.1 Beispiel unbelasteter RC-Tiefpass

Bestimmung des Ausgangssignals
Die einfache RC-Schaltung des Bildes 6.2 liefert mit den Beziehungen
zwischen Spannung u(t) und Strom i(t),
dy(t)
u(t) = R i(t) + y(t) und i(t) = C (6.1)
dt
die inhomogene Differentialgleichung
dy(t)
u(t) = R i(t) + y(t) = + y(t)RC (6.2)
dt
die den Zusammenhang zwischen der angelegten Eingangsspan-
nung u(t) und der Ausgangsspannung y(t) liefert. Wir legen fest,
dass u(t) zum Zeitpunkt t = 0 angelegt wird. Die Differentialglei-
chung gilt also für alle t ≥ 0.
Das Ergebnis der inhomogenen Differentialgleichung für y(t) kann
bekannterweise als Überlagerung der homogenen Lösung yh (t) [u(t)
zu Null setzen] und der Partikulärlösung yp (t) gewonnen werden.
Die homogene („flüchtige“) Lösung ist unabhängig vom Quellensi-
gnal, sie ergibt sich zu
yh (t) = y0 · e−t/τ ; τ = RC (6.3)
Die homogene Lösung entsteht, elektrotechnisch gesehen, durch

Kurzschließen des Eingangs. Sie beschreibt in diesem Beispiel den
bekannten Entladevorgang eines Kondensators. Der Wert y0 gibt da-
bei die Anfangsspannung am Kondensator C an.
Aus Gl. (6.2) ergibt sich nach Rechnung die Partikulärlösung
Zt
1 −t/τ
yp (t) = e u(α) · eα/t dα ; τ = RC (6.4)
τ
0
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
wobei y0 so festzulegen ist, dass eine für die Gesamtlösung vorgege-

bene Anfangsbedingung eingehalten wird, z. B. y0 = y(0) = 0.

Ausgangssignale für spezielle Eingangssignale

Delta- und Sprungfunktionen: Aus den Gln. (6.3) - (6.5) ergeben
sich für u(t) = δ(t) und u(t) = σ(t) mit der Anfangsbedingung y(0) =
y0 = 0 sofort die folgenden Ausgangsfunktionen für t ≤ 0:
1 −t/τ
u(t) = δ(t) liefert y(t) = h(t) = e (t ≥ 0) (6.6)
τ
und
u(t) = σ(t) liefert y(t) = hσ (t) = (1 − e−t/τ ) (t ≥ 0) (6.7)
Einsetzen in die Differentialgleichung bestätigt diese Ergebnisse. Die

Ausgangsfunktionen werden als Impulsantwort h(t) bzw. als Sprun-
gantwort hσ (t) bezeichnet. Letztere beschreibt den bekannten Aufla-
devorgang für eine zum Zeitpunkt t = 0 angelegte Gleichspannung
von u(t) = σ(t) = 1V und Innenwiderstand Null.
❐ Aufgabe: Wie lange dauert ‚unendlich‘?

Ein Kondensator der Kapazität C = 1 µF werde über einen Widerstand R = 1 kΩ
an U = 1 V aufgeladen. Theoretisch dauert der Aufladevorgang unendlich lange.
Wann ist die Aufladung in Wirklichkeit beendet? (A.: nach etwa 30 ms. Man er-
hält als exakten Wert 29,46 ms, eine solche Genauigkeit ist jedoch nicht sinnvoll;
Hinweis: Elementarladung = 1,602 · 10−19 As). ❐
❐ 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). ❐
Eingeschaltete Exponentialschwingung: Von besonderer Bedeu-

tung ist das Verhalten des Systems bei Anlegen einer Exponenti-
alschwingung u(t) = U · est · σ(t) mit der komplexen Amplitude
U . Soll die Anfangsspannung des Kondensators zu einem willkürli-
chen Einschaltzeitpunkt t = 0 der Exponentialschwingung Null sein
(y(0) = 0), so ergibt sich aus Gl. (6.5)
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
Eine Exponentialschwingung als Eingangsfunktion liefert also wieder eine

Exponentialschwingung als Ausgangsfunktion. Im Kapitel 9 werden wir
nachweisen, dass diese Aussage für alle linearen und zeitinvarianten
Systeme gilt. Den Term (1 + τ s)−1 werden wir dort als Übertragungs-
funktion kennenlernen. Das Ergebnis gilt natürlich erst, wenn der

6.2. Beschreibung durch Differentialgleichungen 83
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
Der Wert σmin = −1/τ ist die Konvergenzabszisse. Was bedeu-

tet dieses Ergebnis? Es sagt aus, dass eine amplitudenmäßig z. B.
abnehmende Eingangs-Exponentialschwingung e(σ+jω)t eine gleich-
artige, wiederum abnehmende Exponentialschwingung als Aus-
gangsfunktion liefert, wenn nur σ > σmin ist, wenn die Eingangs-
Exponentialschwingung also weniger schnell abklingt als der flüch-
tige Anteil.
In der Nachrichten- und Messtechnik ist der „stationäre“, d. h. nach
Abklingen des flüchtigen Anteils verbleibende Anteil von besonde-
rer Bedeutung. Wir sprechen von einem eingeschwungenen Zustand
des Systems. Für ihn gilt also, dass eine Exponentialschwingung als
Eingangsfunktion eine entsprechende Exponentialschwingung als
Ausgangsfunktion liefert. Wir werden darauf noch ausführlicher im
Kapitel 7 zurückkommen. In anderen Anwendungen, z. B. in der Re-
gelungstechnik, interessiert hingegen auch der flüchtige Anteil.
❐ Frage: Sprungantwort
Welches Ausgangssignal ergibt sich bei einer zum Zeitpunkt t = 0 einsetzenden
Exponentialschwingung mit der Frequenz s = 0? (A.: Sprungantwort). ❐
6.2.2 Beispiel unbelasteter RLC-Tiefpass

Wir ergänzen jetzt unsere Schaltung um eine Induktivität.
i(t) R L
u(t) C y(t)
Abbildung 6.3: Unbelasteter RLC-Tiefpass
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
Es entsteht eine Differentialgleichung zweiter Ordnung [Die Ord-

nung ist allgemein mit der Anzahl der Energiespeicher (hier: L und

C) identisch]. Dieses RLC-Tiefpasssystem wird ausführlicher im Ka-

pitel 8 analysiert werden.
6.2.3 Allgemeiner Ansatz

Allgemein kann ein lineares System durch die Differentialgleichung
N M
X dn y(t) X dm u(t)
an = bm (6.13)
n=0
dtn m=0
dtm
beschrieben werden. Diese Beschreibungsform setzt also die Kennt-

nis der inneren Struktur und der Koeffizienten voraus; sie hat ge-
genüber späteren Formen der Beschreibung den Vorteil, dass sie die
physikalischen Abläufe darstellt. Dabei ist zu beachten, dass hierbei
auch bereits Idealisierungen eingeflossen sind: die Wellenlänge der
betrachteten Signale muss groß sein gegenüber den Abmessungen
der Bauelemente, damit diese als ‚diskret ‘angesehen werden kön-
nen. Auch wird z. B. angenommen, dass sich die Spannung an einem
Kondensator kontinuierlich verändern kann, obwohl doch Ladun-
gen nur Vielfache einer Elementarladung sein können (siehe dazu
die obige Aufgabe).
Die Berechnungen können durch eine Umsetzung der Differential-
gleichung in eine algebraische Form mittels der Laplacetransforma-
tion vereinfacht werden. Wir werden auf die Darstellung linearer
und zeitinvarianter Übertragungssysteme im Frequenzbereich noch
im einzelnen eingehen.
6.3 Beschreibung durch Zweitore

Zweitore sind Schaltungen mit vier Anschlüssen (und werden daher
auch als Vierpole bezeichnet). Jeweils zwei Anschlüsse bilden das
Eingangs- bzw. das Ausgangstor. Typische Zweitore sind Verstärker,
Nachrichtenleitungen, Übertrager, Filterschaltungen.
Im Allgemeinen wird der Zusammenhang zwischen sinusförmigen
Strömen und Spannungen am Ein- und Ausgang des Systems be-
trachtet (Bild 6.4). Der Innenwiderstand der Quelle und der Ab-
schlusswiderstand können auf einfache Weise mit in die Beschrei-
bung einbezogen werden. Der Zusammenhang zwischen Eingang
und Ausgang des Zweitors wird durch die komplexen Amplituden
U1 , I1 , U2 und I2 der ungedämpften Exponential-Eingangssignale
bzw. Ausgangssignale eindeutig beschrieben. Die komplexe Ampli-
tude U beschreibt die Größe û·ejϕ . Dabei ist û der (reelle) Scheitelwert
und ϕ die Anfangsphase der sinusförmigen Spannung. Als Augen-
blickswert ergibt sich dann

u(t) = Re ûejϕ ejωt = û · cos (ωt + ϕ) (6.14)

6.3. Beschreibung durch Zweitore 85
I1 I2
Übertragungs-
Quelle U1 U2 Senke
vierpol
Abbildung 6.4: Lineares Übertragungs-Zweitor, Festlegung der Größen
Die Zweitorgleichungen beschreiben das System, ohne dass die inne-

re Struktur des Zweitors bekannt sein müsste. Sie lauten in der sog.
Widerstandsform:
U1 = Z11 · I1 + Z12 · I2
U2 = Z21 · I1 + Z22 · I2 (6.15)
Hierbei ergeben sich vier Impedanzen Z, die ausschließlich von den

Eigenschaften des Zweitors abhängen und dessen Eigenschaften ein-
deutig festlegen. Die Impedanzen können als Leerlaufgrößen im Vor-
bzw. Rückwärtsbetrieb gemessen werden. So ergibt sich Z11 als Ein-
gangsimpedanz bei sekundärseitigem Leerlauf:
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
Ist I2 = 0, so ergibt sich aus den Zweitorgleichungen
U1 = Z11 · I1 und U2 = Z21 · I1 (6.18)
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
Es gibt auch andere Formen der Zweitorgleichungen, z. B. die Leit-

wertform, die auf Kurzschlussmessungen beruht. In dem obigen Glei-
chungssystem sind dazu die U - und die I-Werte miteinander zu ver-
tauschen und die Impedanzen Z durch Admittanzen Y zu ersetzen.

Die weit entwickelte Vierpoltheorie (Zweitoranalyse und Zweitor-

synthese) ermöglicht u. a. die Darstellung von Übertragungssys-
temen durch Ersatzzweitore. Damit wird die Analyse eines Zwei-
tors (z. B. die Bestimmung der Übertragungsfunktion) und auch
die Synthese (z. B. der Entwurf eines Filters bei vorgegebenen Ge-
nauigkeitsanforderungen an die Übertragungsfunktion) erleichtert.
Ebenso werden Berechnungen für Kettenschaltungen solcher Über-
tragungszweitore auf übersichtliche Weise durchführbar, wobei die
Zweitorgleichungen ggf. in Matrizenform dargestellt werden. Wei-
terhin können die Methoden der Vierpoltheorie auch auf Übertra-
gungssysteme mit mehreren Ein- bzw. Ausgängen und auf Vorgänge
der Wellenübertragung angewendet werden.
6.4 Systemtheoretische Beschreibung

Für die Systemtheorie typisch ist die Verwendung idealisierter
Eingangs- und Ausgangssignale bzw. idealisierter Annahmen über
das Verhalten des Übertragungssystems. Durch die vereinfachenden
Annahmen können Berechnungen relativ einfach gehalten werden.
Die Ergebnisse liefern wesentliche Aussagen über das näherungswei-
se Verhalten praktischer Übertragungssysteme, ohne dass die innere
Struktur dieser Übertragungssysteme im einzelnen in Betracht ge-
zogen werden muss. Allerdings können durch die vorgenommenen
Idealisierungen (z. B. durch die Annahme eines ab einer Grenzfre-
quenz ideal sperrenden Tiefpasses) Ergebnisse entstehen, die der
Kausalität widersprechen und damit nicht physikalisch realisierbar
sind.
Das Verhalten eines linearen Systems wird bei der systemtheoreti-
schen Betrachtung im Zeitbereich durch seine Antwort y(t) auf ei-
ne Anregung u(t) beschrieben (Bild 6.5). Von besonderer Bedeutung
sind als Anregungssignale der Deltaimpuls, der als Antwort die Im-
pulsantwort h(t) liefert, und die Sprungfunktion, die als Antwort die
Sprungantwort hσ (t) liefert. Daneben ist das Verhalten beim Anlie-
gen sinusförmiger Eingangssignale von Bedeutung.
u(t) Lineares System y(t)

h(t)
Abbildung 6.5: Zeitfunktionen eines linearen Übertragungssystems
Das Eingangssignal u(t) kann im Prinzip eine Spannung, ein Strom,

aber auch eine akustische oder optische Größe sein. Bei Kenntnis der
Impuls- oder Sprungantwort kann das Ausgangssignal y(t) für jedes
Eingangssignal u(t) berechnet werden. Über das Fourier- bzw. Lapla-
ceintegral sind das Zeit- und das Frequenzverhalten linearer und zei-
tinvarianter Übertragungssysteme miteinander verbunden; wir wer-
den lernen, dass es sinnvoll ist, Systemanalysen je nach Aufgaben-

6.4. Systemtheoretische Beschreibung 87
stellung vorzugsweise im Zeit- oder im Frequenzbereich durchzu-

führen.
6.4.1 Linearität und Zeitinvarianz

Übertragungssysteme werden durch eine eindeutige Zuordnung ei-
nes Ausgangssignals y(t) zu einem beliebigen Eingangssignal u(t)
definiert:
y(t) = A{u(t)} (6.20)
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:
Linearität Ein System ist linear, wenn eine gewichtete Überlage-

rung von Eingangssignalen im Ausgangssignal zu einer gewichteten
Überlagerung der Einzelantworten führt, z. B. bei zwei Signalen zu
A {a1 · u1 (t) + a2 · u2 (t)} = a1 · A {u1 (t)} + a2 A {u2 (t)} (6.21)
Zeitinvarianz Die Signalform der Systemantwort hängt bei zeitin-

varianten Systemen nicht von dem Zeitpunkt des Anlegens eines
Eingangssignals u(t) ab:
A{u(t − τ )} = y(t − τ ) für beliebige u(t) und τ (6.22)
❐ Frage:
Weshalb müssen im Fall der Zeitinvarianz alle Energiespeicher beim Anlegen des
Eingangssignals Null sein? ❐
6.4.2 Impuls- und Sprungantwort

Für die Charakterisierung von LTI-Systemen benutzen wir die fol-
genden Signale:

Impulsantwort Die Antwort des Systems auf den Deltaimpuls δ(t)

ist die Stoß- oder Impulsantwort h(t).
A {δ(t)} := h(t) (6.23)
In der Regelungstechnik wird sie i. Allg. mit g(t) bezeichnet.
Sprungantwort Die Antwort hσ (t) des Systems auf eine Sprung-

funktion σ(t) wird als Sprungantwort bezeichnet:
A {σ(t)} := hσ (t) (6.24)
Da die Deltafunktion δ(t) die Derivierte der Sprungfunktion σ(t) ist,

gilt damit auch:

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)
−∞
(Stillschweigend haben wird hier vorausgesetzt, dass man die beiden

Operatoren A und d/dt vertauschen darf, das ist jedoch keineswegs
selbstverständlich. Auf einen Beweis wollen wir hier jedoch verzich-
ten – zu zeigen wäre, dass der Kommutator dieser beiden Operato-
ren Null ist, es sei lediglich verwiesen auf Lehrbücher der Funktio-
nalanalysis.
Ein möglicher Beweisansatz ist folgender: Der Operator A ist die Fal-
tung mit der Impulsantwort des LTI-Systems, der Operator d/dt ist
die Faltung mit der Derivierten des Dirac-Impulses. Wegen der Asso-
ziativität und Kommutativität der Faltung (siehe Abschnitt 6.5, ‚Die
Faltung ‘) sind die Operatoren dann vertauschbar.)
Damit ist die Impulsantwort die Derivierte der Sprungantwort, und die
Sprungantwort ergibt sich als Integral der Impulsantwort.
Messtechnische Erfassung Messtechnisch kann die Deltafunktion

δ(t) als schmaler Rechteckimpuls der Länge T approximiert werden.
Damit kann dann die Anregung erfolgen, um die Impulsantwort des
Systems zu bestimmen. Interessieren im Ausgangssignal y(t) ≈ h(t)
Frequenzanteile bis B [Hz] , dann sollte T ≥ 1/B sein (siehe Kapi-
tel 7). Wird das System andererseits mit u(t) = σ(t) angeregt, so kann
aus der berechneten oder gemessenen Sprungantwort hσ (t) die Im-
pulsantwort h(t) mit Gl. (6.25) berechnet werden.

6.4. Systemtheoretische Beschreibung 89
Die Impulsantwort kann auch indirekt über eine Mes-

sung/Berechnung im Frequenzbereich gewonnen werden, da
die Impulsantwort die inverse Fouriertransformierte der Übertra-
gungsfunktion ist: h(t) ↔ H(jω) [siehe dazu Kapitel 7].
❐ Beispiel: Unbelasteter RC-Tiefpass

Für einen unbelasteten RC-Tiefpass wurde die Sprungantwort bereits im Ab-
schnitt 6.2 aus der Differentialgleichung berechnet. Mit τ = RC ergab sich
hσ (t) = (1 − e−t/τ ) · σ(t) (6.27)

Durch eine Differentiation folgt die Impulsantwort
1 −t/τ
h(t) = e · σ(t) (6.28)
τ
❐
h(t) hσ(t)
1 1
τ
0 τ t 0 τ t
Abbildung 6.6: Impuls- und Sprungantwort eines unbelasteten RC-Tiefpasses
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.
6.4.3 Kausalität und Stabilität

Kausalität Ein System ist kausal, wenn die Antwort des Übertra-
gungssystems nicht vor der Anregung erfolgt. Dazu muss seine Im-
pulsantwort für negative Zeiten verschwinden, also eine rechtsseiti-
ge Funktion sein:
h(t) ≡ 0 für alle t < 0 (6.29)
Reale Systeme sind immer kausal. Wir werden aber in späteren Ab-
schnitten Systeme mit idealisierten Eigenschaften kennenlernen, bei

Abbildung 6.7: Impulsantwort eines unbelasteten RC-Tiefpasses als Grenzwert

der Antwort auf ein Rechtecksignal der Fläche 1 [Quelle: Lüke]
denen –hervorgerufen durch die unzulässigen Idealisierungen– ein

nichtkausales Verhalten vorliegt.
Wir hatten bereits im Kapitel 4.4 gesehen, dass Real- und Imagi-
närteil (und damit auch Amplituden- und Phasengang) der Fourier-
transformierten einer rechtsseitigen Zeitfunktion zusammenhängen;
gleiches gilt dann natürlich auch für die Fouriertransformierte der
Impulsantwort, daher wird die Impulsantwort bei einer willkürli-
chen Wahl der spektralen Funktionen i. Allg. nicht kausal sein.
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)
−∞
6.5 Die Faltung

6.5.1 Das Faltungsintegral
Die Faltung ist eine mathematische Operation, die bei der Analyse
linearer Systeme im Zeitbereich eine wichtige Rolle spielt, denn mit
dem Faltungsintegral kann y(t) für beliebige Eingangssignale u(t) als
Faltung von u(t) und Impulsantwort h(t) angegeben werden:

6.5. Die Faltung 91
Z∞
y(t) = u(t) ∗ h(t) = u(τ ) h(t − τ ) dτ (6.31)
−∞
Um diese Beziehung nachzuweisen, erinnern wir uns, dass u(t) als

eine unendlich dichte Folge von gewichteten Dirac-Impulsen dar-
stellbar ist. Es gilt daher
Z∞
u(t) = u(τ ) δ(t − τ ) dτ (6.32)
−∞
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)
−∞
wobei wir die Eigenschaften der Linearität und Zeitinvarianz aus-

genutzt (und einen Grenzübergang zu unendlich dichten Dirac-
Impulsen durchgeführt) haben. Diese sogenannte Faltungsoperation
ist kommutativ, d. h. es gilt auch y(t) = h(t) ∗ u(t), denn durch eine
Variablensubstitution t − τ = ε und ε = τ erhalten wir
Z∞
y(t) = A {u(t)} = h(τ ) u(t − τ ) dτ = h(t) ∗ u(t)
−∞
(6.34)
❐ 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<∞
−∞
ein beschränktes Ausgangssignal (bounded output) |y(t)| ≤ a · b < ∞. ❐
6.5.2 Interpretation der Faltung

Jedes Eingangssignal u(t) kann näherungsweise als gewichtete Folge
schmaler Rechteckimpulse ⊓(t − kT ) dargestellt werden:
∞
X
u(t) ≈ u(kT )⊓T (t − kT ) (6.39)
k=−∞
Wenn das Übertragungssystem auf jeden dieser Rechteckimpulse

mit der Antwort A {⊓T (t − kT )} reagiert, so lässt sich aufgrund der
vorausgesetzten Linearität und Zeitinvarianz das Ausgangssignal
y(t) annähern durch
∞
X
y(t) ≈ u(kT )A {⊓T (t − kT )} (6.40)
k=−∞
also durch eine gewichtete Überlagerung von gegeneinander ver-

setzten Systemantworten (siehe Bild6.8). Wir haben in Bild 6.7 bereits
gezeigt, dass die Antwort des Systems auf einen schmalen Recht-
eckimpuls für T → 0 immer weniger von dessen Dauer, als viel-
mehr von den Übertragungseigenschaften des Systems abhängt. Für
T → 0 geht die obige Formel in das Faltungsintegral über, denn

1
lim A ⊓T (t − τ ) = h(t − τ ) (6.41)
T →0 T

6.5. Die Faltung 93
Abbildung 6.8: Faltung bei näherungsweiser Darstellung der Eingangsfunktion

durch eine Folge von Treppenfunktionen [Quelle: Lathi, 1965]
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
Ein kausales Halteglied ist durch die Impulsantwort
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

Abbildung 6.9: Graphische Interpretation der Faltung [Quelle: Lathi; Stremler

S. 104]
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.
Näherungsweise kann das Faltungsintegral bestimmt werden, in-

dem aus äquidistanten Stützstellen des Eingangssignals und der Im-
pulsantwort Stützstellenfolgen gebildet werden. Mittels einer sog.

6.5. Die Faltung 95
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
Abbildung 6.10: Impulsantwort des Haltegliedes und Ausgangsfunktion bei

rechteckförmigem Eingangssignal
Summenfaltung ergibt sich daraus eine Stützstellenfolge des Aus-

gangssignals. Die Summenfaltung wird später ausführlich behandelt.
Durch eine Interpolation zwischen den Stützstellen ergibt sich dann
eine näherungsweise Darstellung des Ausgangssignals; sie wird um-
so genauer, je mehr Stützstellen zur Verfügung stehen. Eine Geraden-
interpolation wird häufig von graphischen Ausgabesystemen auto-
matisch vorgenommen.
❐ Beispiel: Digitalrechnersimulation einer Faltungsoperation

Gegeben sei ein Rechtecksignal u(t) als Eingangssignal eines linearen Systems mit
einer Impulsantwort h(t), die einen sin(x)/x-Verlauf hat (Bild 6.11 links unten;
rechts unten ist zusätzlich die Sprungantwort dargestellt).
Abbildung 6.11: Tiefpassfilterung eines Rechtecksignals
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
u(t) = U ejω1 t mit U = ûejϕu , û reell (6.44)
Damit wird das Ausgangssignal des linearen Systems zu
y(t) = u(t) ∗ h(t)

Z∞
= h(τ ) u(t − τ ) dτ
−∞
Z∞
= h(τ ) U ejω1 t e−jω1 τ dτ
−∞
 
Z∞
=  h(τ ) e−jω1 τ dτ  · U ejω1 t (6.45)
−∞
Der Klammerausdruck ist die Fouriertransformierte H(jω) der Im-

pulsantwort an der Stelle ω = ω1 . Damit ergibt sich für unser Signal
mit der Grenzfrequenz ω1 die Systemantwort
y(t) = H(jω1 ) · U ejω1 t = H(jω1 ) · u(t) (6.46)
Exponentialsignale als Eingangssignal liefern also Exponentialsignale als

Ausgangssignal. Ein äquivalentes Ergebnis würde sich auch erge-
ben haben, wenn wir ein Signal u(t) = U est verwendet und die La-
placetransformation eingesetzt hätten: y(t) = H(s)U est . Wir werden
auf diese wichtige Eigenschaft linearer zeitinvarianter Systeme im
nächsten Kapitel noch ausführlich eingehen.
Die Ausgangs-Exponentialsignale sind gegenüber den Eingangs--
Exponentialsignalen mit dem Übertragungsfaktor H(jω1 ) [bzw. H(s)]
bewertet. Für ungedämpfte Exponentialsignale u(t) = U ejω1 t gilt al-
so, dass
y(t) = Y ejω1 t mit Y = ŷ(ω1 )ejϕy (ω1 ) , ŷ reell (6.47)
und damit
Y ŷ j[ϕy (ω1 )−ϕu (ω1 )]
H(jω1 ) = = e (6.48)
U û
Für den Amplituden- und Phasengang des linearen Systems ergeben

sich damit die Werte

6.5. Die Faltung 97
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).
❐ Beispiel: Unbelasteter RC - Tiefpass

In unserem Beispiel einer einfachen RC-Schaltung ergibt sich aus der elementaren
Wechselstromrechnung für eine Kreisfrequenz ω1 der Übertragungsfaktor zu
1
H(jω1 ) = (6.50)
1 + jω1 τ
Wird ein rechtsseitiges Eingangssignal
u(t) = U · ejω1 t · σ(t) (6.51)
eingesetzt, so ergibt sich aus Gl. (6.8)
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
y(t) = H(jω1 ) · U · ejω1 t (6.53)
6.5.4 Anwendung der Faltung auf Autokorrelations-

funktionen
Die AKF eines Energiesignals u(t) beschreibt die Ähnlichkeiten in
diesem Signal. Von Interesse ist, wie sich diese Ählichkeiten geändert
haben, wenn das Signal ein LTI-System mit der Impulsantwort h(t)
durchlaufen hat. Die AKF ryy (τ ) des Ausgangssignals y(t) = u(t) ∗
h(t) kann zu
ryy (τ ) = ruu (τ ) ∗ h(τ ) ∗ h(−τ ) = ruu (τ ) ∗ rhh (τ ) (6.54)
bestimmt werden. Ein entsprechendes Ergebnis ergibt sich auch für

Leistungssignale.
❐ Aufgabe:
Beweise das obige Ergebnis unter Berücksichtigung von y(t) = u(t) ∗ h(t) und
ruu (τ ) = u(τ ) ∗ u(−τ ) bzw. ryy (τ ) = y(τ ) ∗ y(−τ ) (6.55)


Kapitel 7
Kontinuierliche lineare Systeme
im Frequenzbereich
7.1 Übertragungsfunktionen linearer und

zeitinvarianter Systeme
Wir haben im letzten Kapitel gezeigt, dass Eingangs- und Ausgangs-
signal eines linearen und zeitinvarianten Übertragungssystems über
die Faltung y(t) = u(t) ∗ h(t) miteinander verknüpft sind. Ein Son-
derfall der Faltung ergab sich für zeitlich beidseitig unbegrenzte Ex-
ponentialsignale als Eingangssignal: Sie liefern wieder Exponenti-
alsignale als Ausgangssignal, bewertet mit dem Übertragungsfaktor.
Treten die Exponentialsignale jedoch erst ab einem bestimmten Zeit-
punkt auf (z. B. ab t = 0), so gilt das gewonnene Ergebnis erst, wenn
der Einschwingvorgang abgeklungen ist. Wir werden in diesem Ab-
schnitt nur das Verhalten linearer zeitinvarianter Systeme im einge-
schwungenen Zustand betrachten und auf die Betrachtung in der s-
Ebene erst im Kapitel 8 zurückkommen.
7.1.1 Die Übertragungsfunktion

Wenn Exponentialsignale als Eingangssignal wieder Exponentialsi-
gnale als Ausgangssignal liefern, dann muss es im Frequenzbereich
eine allgemeine Beziehung zwischen Eingangs- und Ausgangssigna-
len eines linearen zeitinvarianten Systems geben, denn wir haben
bereits früher gezeigt, dass jedes beliebige Eingangssignal oder Aus-
gangssignal als unendlich dichte Überlagerung von Exponentialsi-
gnalen dargestellt werden kann.
Ein Eingangssignal u(t) mit Spektrum U (jω) führt auf ein Ausgangs-
99
100 Kapitel 7. Kontinuierliche lineare Systeme im Frequenzbereich
u(t) Lineares System y(t)

U(jω) h(t), H(jω) Y (jω)
Abbildung 7.1: Zeit- und Frequenzfunktionen
signal mit Spektrum Y (jω) (siehe Bild 7.1):

Z∞
Y (jω) := y(t)e−jωt dt
−∞
Z∞
= (u(t) ∗ h(t)) e−jωt dt
−∞
 
Z∞ Z∞
=  u(τ )h(t − τ ) dτ  e−jωt dt (7.1)
−∞ −∞
Nach Vertauschung der Integrationen ergibt sich

 ∞ 
Z∞ Z
Y (jω) = u(τ )  h(t − τ ) e−jωt dt dτ (7.2)
−∞ −∞
Die Impulsantwort h(t) des linearen Systems hat eine Fouriertrans-

formierte
Z∞
H(jω) = h(t)e−jωt dt (7.3)
−∞
Der Klammerausdruck in Gl.(7.2) ist dann aber die Fouriertransfor-

mierte der um τ zeitverschobenen Impulsantwort h(t−τ ). Es gilt das
Transformationspaar h(t − τ ) ↔ H(jω)e−jωτ (Verschiebungssatz; in
h(t − τ ) ist t die eigentliche Variable und τ eine Konstante). Damit
ergibt sich
Z∞
Y (jω) = H(jω) · u(τ )e−jωτ dτ = H(jω) · U (jω) (7.4)
−∞
Für beliebige Exponentialsignale gilt entsprechend
Y (s) = U (s) · H(s) (7.5)
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)

7.1. Übertragungsfunktionen von LTI-Systemen 101
zeigt, dass im Frequenzbereich eine Produktbeziehung zwischen

Eingangssignal und Ausgangssignal besteht, während im Zeitbe-
reich eine Faltungsoperation durchzuführen ist. Darstellungen im
Frequenzbereich sind daher vielfach einfacher zu handhaben und
oft auch anschaulicher zu interpretieren. In dieser Eigenschaft liegt
einer der Gründe für den Nutzen der frequenzmäßigen Darstellung
von Signalen und Systemen.
Aus dem Ergebnis Y (jω) = U (jω) · H(jω) folgt auch, dass sich das
Ausgangs-Zeitsignal zu
Z∞
1
y(t) = U (jω) · H(jω) · ejωt dω (7.6)
2π
−∞
ergibt, also als unendlich dichte Überlagerung von Exponentialsi-

gnalen ejωt mit den Gewichten U (jω) H(jω).
7.1.2 Amplituden- und Phasengang

Mit
H(jω) = Ah (ω) · ejϕh (ω) (7.7)
können der Amplitudengang und der Phasengang angegeben werden:
Ah (ω) = |H(jω)| (7.8)
ϕh (ω) = arg {H(jω)}

Ih (ω) 0 : Rh (ω) > 0
= arctan + (7.9)
Rh (ω) π : Rh (ω) < 0
❐ 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). ❐
Statt des Amplitudenganges wird oft auch die Dämpfung

ah (ω) = −20 lg |H(jω)| (7.10)
verwendet. Betrag und Phase des Ausgangsspektrums Y (jω) erge-
ben sich damit zu
|Y (jω)| = |H(jω)| · |U (jω)| (7.11)
bzw. Ay (ω) = Ah (ω)Au (ω)
ϕy (ω) = ϕh (ω) + ϕu (ω) (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 )
Abbildung 7.2: Graphische Interpretation der Phasenlaufzeit
❐ Beispiel: Spektrum eines Rechteckimpulses nach Filterung mit RC-

Tiefpass
Ein Rechteckimpuls u(t) der Länge T durchlaufe einen unbelasteten RC-Tiefpass
mit der Zeitkonstanten τ . Das folgende Bild zeigt die Entstehung des Zeitverlau-
fes y(t) und des Amplitudenganges AY (ω) = |Y (jω)| des Ausgangssignals. In der
linken Spalte wird eine Faltungsoperation durchgeführt, während in der rechten
Spalte eine Multiplikation von Spektren erfolgt.
|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
Abbildung 7.3: Ausgangssignal eines RC-Tiefpasses bei rechteckförmigem Ein-

gangssignal.
Links: y(t) entsteht durch Faltung. Rechts: Y (jω) entsteht durch Multiplikation.
❐ 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). ❐
7.1.3 Messung von H(jω)-Parametern

Wir hatten bereits im Abschnitt 6.5.3 gesehen, dass ein beidseitig un-
endlich ausgedehntes (komplexes) Exponentialsignal
u(t) = U (ω1 ) ejω1 t (7.14)

mit U (ω1 ) = ûejϕu (ω) (komplexe Amplitude)

7.1. Übertragungsfunktionen von LTI-Systemen 103
als Eingangssignal ein Ausgangssignal
y(t) = H(jω1 ) · U (ω1 ) ejω1 t (7.15)
liefert, das wiederum ein Exponentialsignal ist. Mit
y(t) = Y (ω1 ) ejω1 t (7.16)

und Y (ω1 ) = ŷ(ω1 ) ejϕy (ω1 )
ergibt sich ein Übertragungsfaktor als Quotient der komplexen Am-

plituden Y und U
Y (ω1 ) ŷ(ω1 ) j[ϕy (ω1 )−ϕu (ω1 )]

H(jω1 ) = = e (7.17)
U (ω1 ) û
Für den Amplituden- und Phasengang ergeben sich damit die Werte
ŷ(ω1 )
Ah (ω1 ) = und ϕh (ω1 ) = ϕy (ω1 ) − ϕu (ω1 ) (7.18)
û
H(jω) kann damit durch einen Amplituden- und Phasenvergleich zwi-

schen Eingang und Ausgang des linearen Systems bestimmt werden, indem
ungedämpfte Exponentialsignale als Anregungssignal verwendet werden.
Messtechnisch benötigen wir natürlich reelle Signale. Aus dem Ein-
gangssignal u(t) = û cos [ω1 t + ϕu (ω1 )] entsteht ein Ausgangssignal
y(t) = ŷ cos [ω1 t + ϕy (ω1 )]. Messungen erfolgen entweder für einzel-
ne ω1 -Werte oder für nacheinander erzeugte Frequenzen ω in einem
vorzugebenden Bandbereich durch einen Wobbelmessplatz, getrennt
nach Ah (ω) und ϕh (ω). Bei der punktweisen Messung werden dazu
ein Pegelsender und -empänger und ein Phasenmesser benötigt. Der
Amplitudengang wird direkt als Effektivwert von y(t) gemessen, zur
Phasenmessung werden die positiven Nulldurchgänge von u(t) und
y(t) bestimmt; der Abstand zwischen diesen Nulldurchgängen ist ein
Maß für die Phase. Näherungsweise ist auch eine Phasenmessung
über Lissajous-Figuren möglich, indem u(t) und y(t) die Horizontal-
bzw. Vertikalablenkung eines Oszilloskops steuern.
Ist die Struktur und Dimensionierung eines einfachen linearen Sys-
tems bekannt, so kann H(jω) auch direkt mittels der komplexen
Wechselstromrechnung als Quotient der komplexen Amplituden
von Ausgang und Eingang bestimmt werden (siehe Beispiel unten).
Weiterhin besteht die Möglichkeit einer Messung, indem stochasti-
sche Eingangssignale verwendet werden: Man benutzt als Eingangs-
signal ein Rauschen, in dem (zumindest über den auszumessenden
Frequenzbereich) alle Frequenzanteile gleich stark vertreten sind, ein
sog. weißes Rauschen mit der Varianz σ 2 . Man kann zeigen, dass sich
dann die Impulsantwort h(τ ) aus der Kreuzkorrelierten von u(t) und
y(t + τ ) bestimmen lässt (siehe Vorlesung Statistische Nachrichten-
theorie).


Aus Gl. (7.17) ergibt sich der Übertragungsfaktor
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
Die Übertragungsfunktion H(jω) eines linearen zeitinvarianten Sys-

tems hat also drei Interpretationen:
• Sie ist für beliebige Eingangssignale u(t) das Verhältnis der
Fouriertransformierten von Ausgang zu Eingang:
Y (jω)
H(jω) =
U (jω)
• Sie beschreibt bei hinreichend lang anliegenden Exponential-

signalen das Verhältnis der komplexen Amplituden von Aus-
gang zu Eingang, denn aus
u(t) = ûejϕu (ω1 ) · ejωt = U (ω1 )ejω1 t
folgt y(t) = H(jω1 )U (jω1 )ejω1 t ,

Y (jω1 )
d. h. H(jω1 ) =
U (jω1 )
• sie ist die Fouriertransformierte der Impulsantwort h(t).
h(t) ↔ H(jω)
7.1.4 Energiedichtespektrum und AKF

Wir hatten bereits gezeigt, dass jedem Energiesignal u(t) mit der Fou-
riertransformierten U (jω) ein Energiedichtespektrum
|U (jω)|2 = U (jω)U ∗ (jω) (7.20)
zugeordnet werden kann. Aus Gl.(7.4) ergibt sich durch Quadrieren

sofort das Energiedichtespektrum am Ausgang eines linearen und
zeitinvarianten Systems zu
|Y (jω)|2 = |U (jω)|2 · |H(jω)|2 (7.21)
d. h., das Ausgangs-Energiedichtespektrum ist gleich dem Produkt aus

dem Eingangs-Energiedichtespektrum und dem Betragsquadrat der Über-
tragungsfunktion. Wir hatten gezeigt, dass Autokorrelationsfunkti-
on ruu (τ ) und Energiedichtespektrum |U (jω)|2 , ebenso natürlich

7.2. Einfaches Beispiel: Unbelasteter RC-Tiefpass 105
auch ryy (τ ) und |Y (jω)|2 , Fouriertransformierte zueinander sind. Wir

hatten auch gezeigt (siehe Gl. (6.54)), dass
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. ❐
7.2 Einfaches Beispiel: Unbelasteter RC-

Tiefpass
Die wesentlichen Ergebnisse für den unbelasteten RC-Tiefpass mit
τ = RC werden hier noch einmal zusammengestellt.
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
Real- und Imaginärteil:
1
R(ω) = Re{H(jω)} =
1 + (ωτ )2
−ωτ
I(ω) = Im{H(jω)} = (7.26)
1 + (ωτ )2
Amplitudengang: (s. Bild 7.4)
1
A(ω) = |H(jω)| = p (7.27)
1 + (ωτ )2
Dämpfung: (s. Bild 7.4)

a(ω) = 10 lg 1 + (ωτ )2 (7.28)

A(ω) a(ω) ϕ(ω)

1 π/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
Abbildung 7.4: Wichtige Frequenzverläufe eines RC-Tiefpasses
Phasengang: (s. Bild 7.4)

I(ω)
ϕ(ω) = arg {H(jω)} = arctan = − arctan(ωτ ) (7.29)
R(ω)
(Hier ergibt der Hauptwert des arctan bereits den richtigen Phasen-
wert, d. h. ohne zusätzliche Addition von π , da R(ω) stets positiv
ist.)
❐ Fragen:
• Bei welcher Kreisfrequenz entsteht eine 3dB-Dämpfung? [A.: ω3dB = 1/τ ]

Dieser Wert wird auch 3dB-Bandbreite genannt.
• Auf welchen
Amplitudenwert
√ hat sich dann eine Eingangsamplitude û ver-
ringert? A.: û/ 2
• Um wieviel dB pro Oktave steigt die Dämpfung bei Kreisfrequenzen
ω ≫ ω3dB an? [A.: 6 dB/Okt. bzw. 20 dB/Dek.]
(Dieses Ergebnis führt auf die Darstellung von Amplitudengängen mittels
Bode-Diagrammen.)
7.3 Zusammenschaltung von linearen, zei-

tinvarianten Systemen
Wir betrachten im folgenden nur einfache und rückwirkungsfreie
Zusammenschaltungen linearer zeitinvarianter Systeme.
7.3.1 Reihenschaltung
h1 (t) h2 (t) h(t)

=
b
H1 (jω) H2 (jω) H(jω)
Abbildung 7.5: Reihenschaltung von zwei linearen Systemen
Ein Deltaimpuls liefert am Ausgang des ersten Teilsystems die Im-

pulsantwort h1 (t). Am Ausgang des zweiten Teilsystems entsteht da-
mit die Gesamtimpulsantwort:
h(t) = h1 (t) ∗ h2 (t) (7.30)

7.3. Zusammenschaltung von LTI-Systemen 107
und damit die Gesamt-Übertragungsfunktion
H(jω) = H1 (jω) · H2 (jω) (7.31)
d. h.
Ah (ω) = Ah1 (ω) · Ah2 (ω) (7.32)
bzw.
ah (ω) = ah1 (ω) + ah2 (ω) (7.33)
und
ϕh (ω) = ϕh1 (ω) + ϕh2 (ω) (7.34)
Bei Reihenschaltungen addieren sich also Dämpfungsmaß und Pha-

sengänge.
❐ Beispiel: Hintereinandergeschaltete RC-Tiefpässe
Abbildung 7.6: Impuls- und Sprungantwort für 1, 2 bzw. 3 rückwirkungsfrei,

hintereinandergeschaltete RC-Tiefpässe
❐
7.3.2 Parallelschaltung
h1 (t)
H1 (jω)
h(t)
+ =
b
H(jω)
h2 (t)
H2 (jω)
Abbildung 7.7: Parallelschaltung von zwei linearen Systemen
Die Einzelantworten der Teilsysteme addieren sich bei Parallelschal-

tung zu
y(t) = u(t) ∗ h1 (t) + u(t) ∗ h2 (t) (7.35)

so dass die Beziehungen
h(t) = h1 (t) + h2 (t) (7.36)
und
H(jω) = H1 (jω) + H2 (jω) (7.37)
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
Abbildung 7.8: Mögliche Realisierung eines Haltegliedes
7.3.3 Rückkopplung
h1 (t)
H1 (jω)
h(t)
+ =
b
H(jω)
− h2 (t)
H2 (jω)
Abbildung 7.9: Rückkopplungsschaltung
Eine einfache Beziehung lässt sich nur für die Gesamt-

Übertragungsfunktion, nicht aber für die Gesamt-Impulsantwort
angeben:
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) → ∞! ❐

Kapitel 8
Beschreibung linearer Systeme
durch Pol- und Nullstellen
Wir beschreiben Signale und Systeme im Frequenzbereich vorzugs-

weise mittels der Fourier-Transformation. Die Beschreibung linea-
rer Systeme kann aber manchmal durch die Laplace-Transformation
vereinfacht werden, insbesondere durch die mit ihr erzielbare Pol-
Nullstellen-Darstellung, die eine geometrisch-anschauliche Deutung
wichtiger Parameter und Eigenschaften von LTI-Systemen ermög-
licht. Daneben lassen sich Anfangsbedingungen der linearen Syste-
me einfach berücksichtigen.
8.1 Herleitung der s-Übertragungsfunktion

Ein lineares System mit endlich vielen konzentrierten Elementen (R,
L, C) wird durch eine Differentialgleichung der Form
Q R
X dq y(t) X dr u(t)
aq = br (8.1)
q=0
dtq r=0
dtr
beschrieben. Mit der Eigenschaft der Laplacetransformation
dr u(t)
r
↔ sr U (s)
dt
für Eingangssignale ohne Singularität bei t = 0 geht die Differential-
gleichung in eine algebraische Gleichung über. Dann ergibt sich
Q R
X X
q
aq s Y (s) = br sr U (s) (8.2)
q=0 r=0
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
als die gebrochen rationale Übertragungsfunktion des linearen Sys-

tems, d. h. als Quotient von zwei Polynomen der komplexen Fre-
quenz s. Ihre Koeffizienten sind mit den Koeffizienten der Differen-
tialgleichung identisch.
u(t) h(t) y(t)

U(s) H(s) Y (s)
Abbildung 8.1: Lineares System
8.2 Eigenschaften der s-Übertragungs-

funktion
8.2.1 Pol-Nullstellen-Darstellung
Ein Polynom k−ter Ordnung hat k (i. Allg. komplexe) Nullstel-
len. Zähler- und Nennerpolynom der Übertragungsfunktion Gl. (8.3)
werden in Linearfaktoren zerlegt. Damit gilt:
R
Q
(s − s0r )
r=1
H(s) = H· Q
(8.4)
Q
(s − sxq )
q=1
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).
❐ Beispiel: Unbelasteter RC-Tiefpass (mit τ = RC)

Aus der DGL u(t) = τ · y ′ (t) + y(t) folgt die Übertragungsfunktion in s:
1/τ
H(s) =
s + 1/τ
Der Tiefpass hat also einen Pol sx1 = −1/τ . ❐
Physikalische Bedeutung. Die Nullstellen s0r sind die komplexen

Frequenzen s0 , für die das Übertragungssystem kein Ausgangssignal
liefert, wenn ein Eingangssignal der Form u(t) = es0 t lange genug
anliegt.
Die Pole sxq sind die Eigenfrequenzen des Systems. Eigenschwin-
gungen entstehen, wenn das System geladene Energiespeicher be-
sitzt und der Eingang kurzgeschlossen wird. Mathematisch entsteht,
wenn u(t) zu Null gesetzt wird, die homogene Lösung der linearen
Differentialgleichung; sie hat –mit u(t) = 0 in Gl. (8.1)– eine Lösung
in der Form
yh (t) = k1 esx1 t + k2 esx2 t + · · · + kQ esxQ t (8.5)

8.2. Eigenschaften der s-Übertragungsfunktion 111
mit Konstanten k1 , k2 , . . . kQ und Q Polen (Nullstellen des Nenner-

polynoms). Die Lösung der Differentialgleichung hat also Terme der
Form esx t , daher müssen die Pole in stabilen Systemen negative Re-
alteile haben.
Die Bedeutung der Pole für das Verhalten eines linearen Übertra-
gungssystems geht auch aus ihrem Zusammenhang mit der Impuls-
antwort hervor. Wir betrachten dazu ein System, welches nur Pole
hat (R = 0, d. h. der Zähler in Gl. (8.4) ist konstant 1), und wenden
auf Gl. (8.4) eine Teilbruchzerlegung an, wir erhalten die Übertra-
gungsfunktion in der Form
c1 c2 cQ
H(s) = + + ··· + (8.6)
s − sx1 s − sx2 s − sxQ
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)
Die Impulsantwort lässt sich also als Überlagerung von Exponenti-

alsignalen mit den komplexen Eigenfrequenzen (Polen) sx des Über-
tragungssystems beschreiben; da die Anregung δ(t) für t > 0 Null ist,
entspricht das Ergebnis der homogenen Lösung. Die Impulsantwort
eines stabilen Systems muss absolut integrierbar sein, daher müssen
die Pole in der linken s-Halbebene liegen.
Wir können die Forderung nach ausschließlich in der linken Halb-
ebene liegenden Polen auch wie folgt begründen: Nach Definition
der Konvergenzhalbebene liegen in dieser keine Pole (bei Polen gilt
ja H(s) → ∞, d. h. das Integral der Analysegleichung konvergiert
dort nicht). Die Konvergenzhalbebene muss daher rechts vom am
weitesten rechts liegenden Pol liegen (auf dem Rand der –offenen!–
Konvergenzhalbebene, der selbst nicht zum Konvergenzbereich ge-
hört (s. Abschnitt 5.1.1), d. h. auf der Konvergenzabszisse, dürfen
sich natürlich Pole befinden). Sie muss andererseits die jω-Achse ein-
schließen, da die Fouriertransformierte der Impulsantwort eines sta-
bilen Systems existiert (wegen absoluter Integrierbarkeit). Folglich
müssen die Pole links von der jω-Achse liegen.
8.2.2 Eigenschaften der Pole und Nullstellen

Lage der Pole und Nullstellen. Die Lage von Polen und Nullstel-
len wird in der s-Ebene dargestellt, über die H(s) als Fläche aufge-
spannt ist. Pole und Nullstellen sind reell oder paarweise konjugiert

komplex. Sonst könnten die Filterkoeffizienten nicht reell sein. Wir

haben eben gezeigt, dass die Pole bei stabilen Systemen nur in der
linken Halbebene auftreten können. Nullstellen können hingegen in
der gesamten s-Ebene auftreten. Damit H(s) für s → ∞ nicht un-
endlich groß wird, muss R ≤ Q sein, d. h. die Ordnung des Zäh-
lerpolynoms darf die des Nennerpolynoms nicht überschreiten (es
entstehen also keine Terme sR−Q = sα für α > 0).
Das Übertragungssystem ist von Ordnung Q; sie entspricht der An-
zahl der Pole (die ggf. auch übereinander liegen können (Mehrfach-
pole)).
Reihenschaltung von Teilsystemen. Liegt die Übertragungsfunk-

tion in PN-Darstellung vor, so kann sie auf einfache Weise in Teil-
systeme niedriger Ordnung zerlegt werden, die in Reihe geschal-
tet sind. In jedem Teilsystem müssen die Pole und Nullstellen reell
oder konjugiert-komplex auftreten (Der Vorfaktor H wurde bereits
in Gl. (8.4) eingeführt):
Y
H(s) = H · H1 (s) · H2 (s) · H3 (s) · ... = H Hi (s) (8.9)
i
Umgekehrt kann eine Reihenschaltung einfacher Teilsysteme durch

eine komplizierte Übertragungsfunktion H(s) ersetzt werden, indem
die mit jedem Teilsystem gegebenen Pole und Nullstellen im PN-
Diagramm überlagert werden.
❐ Beispiel: Ideale Entzerrung

Ein ideales Übertragungssystem soll eine Übertragungsfunktion H(s) = 1 besit-
zen. Ist ein vorgegebenes Übertragungssystem H1 (s) nicht ideal, so erfordert eine
ideale Entzerrung durch ein Entzerrungssystem H2 (s) eine Kompensation der P
bzw. N des Übertragungssystems H1 (s) durch die N bzw. P des Entzerrers H2 (s):
H1 (s) · H2 (s) = 1 (8.10)
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. ❐
❐ Beispiel: Aktive Filter

Eine gewünschte Übertragungsfunktion H(s) entsteht bei aktiven Filtern oft durch
ein rückwirkungsfreies Reihenschalten von Teilsystemen erster und zweiter Ord-
nung (s. Kapitel 7).
Die Teil-Übertragungsfunktion zweiter Ordnung lautet:
(s − s0i ) (s − s∗0i )
H(s) = H (8.11)
(s − sxi ) (s − s∗xi )

8.2. Eigenschaften der s-Übertragungsfunktion 113
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. ❐
8.2.3 Amplituden- und Phasengang

Komplexer Frequenzgang. Der (komplexe) Frequenzgang (auch
Übertragungsfunktion genannt) ergibt sich [wegen s = σ + jω] zu
R
Q
|jω − s0r | ejϕ0r (ω)
r=1
H(jω) = H(s) = H Q
(8.13)
s=jω Q
|jω − sxq | ejϕxq (ω)
q=1
soweit er existiert. So beschreibt H(jω) den Schnitt H(s) längs der

jω-Achse (s. Bild 8.2, hier am Beispiel des Amplitudengangs gezeigt).
Abbildung 8.2: Schnitt H(s) längs der jω-Achse [Quelle: Wolf]
Aus der Pol-Nullstellen-Darstellung können auf graphischem Wege

der Amplituden- und Phasengang interpretiert werden.
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).
Phasengang: Bei positivem Vorfaktor H gilt mit ϕ0 = arg{jω − s0 }

und ϕx = arg{jω − sx } (s. Bild 8.3):
 
 QR 
n o


 ejϕ0r (ω) 


r=1
ϕh (ω) = arg H(s) s=jω = arg Q

 Q 

 ejϕxq (ω) 


q=1
= ϕ01 + ϕ02 + ϕ03 + . . . − (ϕx1 + ϕx2 + ϕx3 + . . .)

R Q
X X
= ϕ0r (ω) − ϕxq (ω) (8.15)
r=1 q=1
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
Abbildung 8.3: Geometrische Interpretation von Amplituden- und Phasengang
❐ Aufgabe:
Begründe das Ergebnis für den Phasengang. ❐
❐ Beispiel: Unbelasteter RC-Tiefpass (mit τ = RC)(Fortsetzung)

Der Amplitudengang ist
1/τ 1/τ
A(ω) = =
|jω − sx1 | dx1
(Welchen Wert hat A(0)? Wie groß ist die 3dB-Bandbreite?)

Der Phasengang ist
X X
ϕ(ω) = ϕ0r − ϕxq = −ϕx1

8.3. Beispiel: Unbelasteter RLC-Tiefpass 115
Bei zwei rückwirkungsfrei hintereinandergeschalteten Tiefpässen liegt ein doppel-

ter Pol bei −1/τ vor. Es ist dann
A2 (ω) = A2 (ω) = d2x1 und ϕ2 (ω) = −2ϕx1
❐
8.3 Beispiel: Unbelasteter RLC-Tiefpass

Die Differentialgleichung eines unbelasteten RLC-Tiefpasses wurde
bereits in Gl. (6.16) angegeben. Gemäß den Gln. (8.1) und (8.3) ist R =
0, b0 = 1, Q = 2, a0 = 1, a1 = RC und a2 = LC (Achtung: R wird hier
sowohl für die Zählerordnung der Übertragungsfunktion als auch
für den ohmschen Widerstand verwendet). Damit ergibt sich
1 1
H(s) = = (8.16)
1 + RCs + LCs2 LC(s − sx1 )(s − sx2 )
mit den Polstellen (Nullstellen des Nennerpolynoms):
s
2
R R 1
sx1,2 = − ± − (8.17)
2L 2L LC
Folgende Lagen der Pole sind möglich: (a) konjugiert-komplexes

Polstellenpaar (bei imaginärem Wurzelterm) (b) zwei identische, ne-
gative und reelle Pole (Wurzelterm verschwindet), oder (c) zwei
negativ-reelle Pole (Wurzelterm ist positiv und reell).
jω jω
jω
0
s jω
0
s
X
σ σ
X
(2)
X
-j ω -jω
0 0
jω
jω
0
s
σ
X X
-jω
0
Abbildung 8.4: Pollagen beim RLC-Tiefpass
❐ 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)

hat, falls sx1 6= sx2 ist.

Sind die Pole konjugiert komplex, so entstehen oszillatorische Schwingungen, bei
zwei reellen Polen ist die Impulsantwort die Differenz zwischen zwei abnehmen-
den Exponentialsignalen. Geben Sie dazu Beispiele an. ❐

Kapitel 9
Typische lineare Systeme
Ein lineares Übertragungssystem wird, wie gezeigt wurde, durch die

Übertragungsfunktion (komplexer Frequenzgang) H(jω) = A(ω)ejϕ(ω)
beschrieben. Damit können auch der Amplitudengang und der Pha-
sengang angegeben werden. Diese Aufteilung ist nicht nur von
messtechnischer Bedeutung [A(ω) und ϕ(ω) werden i. Allg. getrennt
gemessen], sondern sie spielt auch eine Rolle bei der subjektiven Be-
urteilung von Verzerrungen; so können bei einer Sprachübertragung
größere Phasenverzerrungen zugelassen werden, während bei einer
Bildübertragung lineare Phasengänge der Übertragungssysteme ge-
fordert werden müssen. Im folgenden werden wichtige Systeme dar-
gestellt.
9.1 Verzerrungsfreie Systeme

Verzerrungsfreie Systeme (VS) sind durch Systemantworten
yVS (t) = κ · u(t − t0 ) (9.1)
definiert (κ ist eine Konstante). Die Form des Signals bleibt erhalten,
es entsteht eine Amplitudenänderung um κ und eine Laufzeit t0 .
Damit folgt
YVS (jω) = κ · U (jω) · e−jωt0 und HVS (jω) = κ · e−jωt0 (9.2)
mit dem Amplitudengang und der Phasenlaufzeit
AVS (ω) = κ (9.3)
ϕV S (ω)
tVS = − = t0 (9.4)
ω
Ein verzerrungsfreies System hat also einen konstanten Amplituden-
gang κ und eine konstante Phasenlaufzeit t0 , während bei einem rea-
len System (RS) beide Größen frequenzabhängig sind:
HRS (jω) = ARS (ω) · e−jωtRS (ω) (9.5)
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
9.2 Linearphasige Systeme

Soll sich eine Signalform beim Durchlauf durch ein lineares zeitin-
variantes System nicht verändern, so muss, wie soeben gezeigt wur-
de, der Amplitudengang konstant und die Phase (im Durchlassbe-
reich) linear sein, d. h. die Laufzeit muss für alle Sinussignale gleich
sein. Verlustfreie Leitungen erfüllen diese Bedingung. Es gibt Aufga-
benstellungen, bei denen ein bestimmter Amplitudengang des Über-
tragungssystems vorliegen soll, wobei aber gleichzeitig die Forde-
rung nach einem linearen Phasengang bestehen bleibt. Solche Forde-
rungen entstehen insbesondere bei der Übertragung und Verarbei-
tung von Bildsignalen. Man kann zeigen, dass bei linearer Phase die
Antwort auf ein symmetrisches Eingangssignal wieder ein symme-
trisches Ausgangssignal ist, unabhängig davon, wie der Amplitu-
dengang A(ω) gewählt wurde. Bei nichtlinearer Phase gilt das nicht.
Der Beweis ist einfach zu führen:
Ein linearphasiges Übertragungssystem H(jω) = A(ω)e−jωt0 hat eine
(reelle!) Impulsantwort
Z∞
1
h(t) = A(ω) e−jωt0 ejωt dω
2π
−∞
Z∞
1
= A(ω) cos (ω(t − t0 )) dω (9.6)
2π
−∞
so dass sich
h(t0 + t) = h(t0 − t) (9.7)
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.

9.3. Kausale Systeme 119
ungerade Symmetrie gerade Symmetrie

u(t) u(t)
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).

Wir hatten bereits gezeigt (siehe Abschnitt 7.2), dass Amplitudengang und Pha-
sengang durch
1
A(ω) = |H(jω)| = p (9.8)
1 + (ωτ )2
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. ❐
9.3 Kausale Systeme

Die Impulsantwort eines kausalen Systems gehorcht der Bedingung
h(t) = 0 für t < 0. Solche rechtsseitigen Funktionen heißen auch
kausale Funktionen.

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
Wir haben bereits im Kapitel 4 gesehen, dass Real- und Imagi-

närteil der Übertragungsfunktion H(jω) bei kausalen Impulsant-
worten nicht unabhängig voneinander gewählt werden können, sie
sind wechselseitig Hilbert-Transformierte zueinander. Die Hilbert-
Transformation gibt Beziehungen zwischen Realteil R(ω) und Ima-
ginärteil I(ω) an, damit sind auch A(ω) und ϕ(ω) nicht mehr unab-
hängig voneinander wählbar.
Ein vorgegebener Amplitudengang A(ω) kann der Amplitudengang

eines kausalen Systems sein, wenn die Bedingung
Z∞
ln A(ω)
dω < ∞ (9.10)
1 + (ω/ωB )2
−∞
erfüllt ist, wobei ωB eine beliebige Bezugsfrequenz ist. Dann kann zu

einem vorgegebenen A(ω) ein Phasengang derart gefunden werden,
dass die sich ergebende Übertragungsfunktion kausal ist. Aus der
obigen Paley-Wiener-Beziehung, deren Beweis vertiefte funktionen-
theoretische Kenntnisse erfordert, folgt u. a., dass A(ω) höchstens
punktweise (exakt: auf einer Nullmenge), nicht auf einem gan-
zen Intervall Null sein darf. Daher können ideale Tiefpässe, Hoch-
pässe, Bandpässe (Sperrfilter) nicht kausal sein. Die Paley-Wiener-
Beziehung erlaubt also eine (prinzipiell) einfache Kausalitätsprüfung
im Frequenzbereich.
❐ 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 121
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)
Allpasssysteme werden im Abschnitt 9.5 eingeführt.
❐ Beispiel: Vorgegebener Tiefpass-Amplitudengang

Gegeben sei der im folgenden Bild dargestellte Amplitudengang. A(ω) ist physi-
kalisch realisierbar gemäß Paley-Wiener-Beziehung, solange ε > 0 ist. Wir geben
hier das Ergebnis für den minimalen Phasengang ohne Beweis an:

ln(ε) ωg + ω
ϕmin (ω) = · ln (9.13)
π ωg − ω
Beachten Sie, dass bei der Annäherung an die Grenzfrequenz die Phase sehr große
Werte annimmt, so dass entsprechend große Signallaufzeiten entstehen.
A(ω)
1
ε
-ω g ωg
ω
ϕ (ω)
ω
-ω g ωg
Abbildung 9.4: Vorgegebener Amplitudengang eines Tiefpasses und dazugehöri-

ger minimaler Phasengang
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.

❐ Beispiel: Vergleich von zwei Systemen mit gleichem Amplitudengang

Die beiden Systeme mit den PN-Diagrammen im Bild 9.5 haben den gleichen
Amplitudengang, da die Strecken zwischen Polen bzw. Nullstellen zu jedem ω-
Aufpunkt offensichtlich gleich sind. Geht man auch bei der Phasenbestimmung
mit der graphischen Interpretation vor, so zeigt sich schnell, dass sich beim Sys-
tem 1 die Winkel, die von Polen und Nullstellen herrühren, teilweise kompen-
sieren, da sie beide mit zunehmender Frequenz größer werden, während sich im
System 2 die von den Polen herrührenden Winkelanteile vergrößern, die von den
Nullstellen herrührenden Winkelanteile aber verringern. Das System1 hat daher
eine kleinere resultierende Phase ϕmin (ω).
System 1 System 2
jω jω
X X
O σ O σ
O O
X X
Abbildung 9.5: Minimalphasiges und allpasshaltiges System
9.5 Allpass-Systeme
Allpass-Systeme lassen alle Frequenzanteile ohne Amplitudenände-
rung, jedoch mit unterschiedlicher Laufzeit durch:
AAP (ω) = const. und ϕAP (ω) 6= −ωt0 (9.14)
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
Abbildung 9.6: Allpasssystem (PN-Diagramm)

9.5. Allpass-Systeme 123
❐ Beispiel: Allpass erster Ordnung

Die folgende Schaltung ergibt mit RC = τ eine Übertragungsfunktion
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
Abbildung 9.8: Allpass erster Ordnung: PN-Diagramm und Phasengang

❐
9.5.1 Abspaltung von Allpassanteilen

Wir hatten bereits erläutert, dass Pole und Nullstellen bei Systemen
minimaler Phase in der linken Halbebene liegen, sie sind daher all-
passfrei (s. System 1 in Bild 9.10). Systeme H(s) mit Allpassanteil
können in ein Minimalphasensystem Hmin (s) und ein Allpasssys-
tem HAP (s) zerlegt werden:
H(s) = Hmin (s) · HAP (s) (9.17)

H(s) = Hmin(s) HAP(s)
Abbildung 9.9: System H(s) mit Allpassanteil und seine Zerlegung in

Minimalphasen- und Allpasssystem
Das folgende Beispiel verdeutlicht die Aufspaltung der Systeme: die

in der rechten Halbebene liegenden Nullstellen werden durch sym-
metrisch in der linken Halbebene liegende Pole zu einem Allpass er-
gänzt, die ergänzenden Pole werden durch überdeckende Nullstel-
len kompensiert.
❐ Beispiel: Abspaltung eines Allpassanteils

Die Systeme 1 und 2 im folgenden PN-Diagramm haben gleichen Amplituden-
gang [weshalb?]. Das System 2 kann zerlegt werden in eine Reihenschaltung von
System 1 und Allpass. ❐
System 1 System 2
jω jω
X X
O σ O σ
O O
X X
System 2 Allpaß System 1

jω jω jω
X X
O σ X O σ O σ
O
= X O O
X X
Abbildung 9.10: Zerlegung eines allpasshaltigen Systems in Minimalphasensys-

tem und Allpass

Kapitel 10
Frequenzselektive Filter
Mit frequenzselektiven Filtern werden ungewünschte Signalanteile

von einer Übertragung ausgeschlossen. Dazu gehören Aufgaben der
Bandbegrenzung, Kanaltrennung und Störunterdrückung. Bei dem
Entwurf selektiver Filter steht oft der Amplitudengang im Vorder-
grund. Der Phasengang im Durchlassbereich kann ggf. durch Nach-
schalten eines Allpasses angenähert linearisiert werden.
10.1 Filterklassen, idealisierte und realisier-

bare Filter
Man unterscheidet gemäß Bild 10.1 Tief-, Hoch- und Bandpässe so-
wie Bandsperren.
|H(j ω )|=AH ( ω )
TP
ω
HP
ω
BP
ω
BS
ω
Symbolische Darstellung Amplitudengang (ideal)
Abbildung 10.1: Filterklassen
Übergangsbereiche Ideales Sperrverhalten ist nicht erreichbar. Der

Amplitudengang realer Filter wird daher in Durchlass-, Sperr- und
Übergangsbereiche aufgeteilt. Bild 10.2 zeigt die entsprechenden Be-
griffe am Beispiel eines Bandpasses.
125
126 Kapitel 10. Frequenzselektive Filter
A( ω )
Sperr- Über- Durch- ω

bereich gangs- laß-
bereich bereich
SB ÜB DB ÜB SB
Abbildung 10.2: Bereiche eines BP-Filters
Bandbreite - Definition Es gibt eine große Zahl unterschiedlicher

Definitionen für die Grenzfrequenz von Tief- und Hochpässen und
die Bandbreite von Bandpässen. Da ein ideales Sperrverhalten nicht
erreichbar ist, muss eine Grenzfrequenz zwischen Durchlass- und
Sperrbereich festgelegt werden. Bei der 3dB-Bandbreite wird√ die Fre-
quenz angegeben, bei der der Amplitudengang auf 1/ 2, die Leis-
tung also auf 50 % abgefallen ist (Bild 10.3). Die äquivalente Bandbreite
ergibt sich durch Vergleich mit einem flächengleichen idealen Filter
(Bild 10.4).
A(ω)
A(0)
A(0)
2
−ω3dB ω3dB ω
Abbildung 10.3: 3 dB-Bandbreite
A(ω )
ω ω
äq
Abbildung 10.4: Äquivalente Bandbreite
Idealisierte Filter Zur Verdeutlichung vieler Filteroperationen

werden idealisierte Filter verwendet, die eine vereinfachte Analyse
der Wirkung der Filterung zulassen, ohne Rücksicht auf die Rea-
lisierbarkeit der Filterfunktion zu nehmen. Es werden also z. B.
Übertragungsfunktionen mit im Durchlassbereich konstantem Am-
plitudengang und linearem Phasengang vorgegeben. Ein typisches
Beispiel ist ein idealer Tiefpass, der bis zu einer Grenzfrequenz ein
anliegendes Signal unverändert durchlässt und Signalanteile ober-
halb dieser Grenzfrequenz vollkommen sperrt. Solche Idealisierun-
gen führen fast immer auf ein nichtkausales Verhalten des Filters,

10.1. Filterklassen, idealisierte und realisierbare Filter 127
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.
Realisierbare Filter Den idealisierten Filtern stehen realisierbare Fil-

ter gegenüber, deren Übertragungsfunktion als gebrochen rationale
Übertragungsfunktion H(s) angegeben werden kann. Solche Filter
können als passive Filter (RLC-Komponenten und ideale Übertrager)
oder als aktive Filter (RC-Komponenten und Operationsverstärker)
realisiert werden (auf digitale Filter gehen wir erst im zweiten Teil
der Vorlesung ein).
Vorgegeben ist i. Allg. ein Toleranzschema, das von dem Filter einge-
halten werden soll. Gefordert wird z. B.
• ein bestimmtes Zeitverhalten (Impulsantwort)
• ein bestimmter Amplitudengang ohne Berücksichtigung der
Phase
• ein bestimmter Amplitudengang mit Berücksichtigung der
Phase.
Dabei können verschiedene Filtertypen verwendet werden, die sich
u. a. durch die Art der Welligkeit im Durchlass- bzw. Sperrbereich
unterscheiden. Bild 10.5 zeigt die möglichen Filtertypen für realisier-
bare Tiefpass-Amplitudengänge. Das Potenzfilter (Butterworth-Filter)
ist gekennzeichnet durch einen monoton abnehmenden Amplitu-
dengang, während die anderen Filtertypen Tschebyscheff-Verhalten
zeigen, d. h. der Amplitudengang im Durchlass- und/oder Sperr-
bereich ist innerhalb vorgegebener Toleranzgrenzen wellig.
A(ω) A(ω) A(ω) A(ω)
1 1 1 1
ω ω ω ω
nur Polstellen nur Polstellen Pol- und Nullstellen Pol- und Nullstellen
Butterworth Tschebyscheff Typ I Inv. Tschebyscheff Cauerfilter

(Potenzfilter) Typ II (Ellipt. Filter)
Abbildung 10.5: Filtertypen

Die Approximationsaufgabe besteht darin, eine realisierbare Übertra-

gungsfunktion H(s) zu suchen, die das Toleranzschema einhält. Die
Ordnung von H(s) bestimmt den Aufwand an Bauelementen.
Bei nullstellenfreien Filtern (Potenzfilter und Tschebyscheff-Filter
Typ I) können wir eine Aussage über den Verlauf der Sperrdämp-
fung bei hohen Frequenzen machen. Aus der graphischen Interpre-
tation im PN-Diagramm folgt, dass der Amplitudengang mit wach-
sender Frequenz gegen Null geht (die Abstände von den Polstellen
zu dem ω-Aufpunkt erhöhen sich monoton). Die Übertragungsfunk-
tion ist
Y (s) b0
H(s) = = (10.1)
U (s) PN
aq s q
q=0
Mit s = jω erhalten wir für den Amplitudengang bei hohen Frequen-

zen die Näherung
b0 1
A(ω) = |H(jω)| ≈ · N (10.2)
aN ω
Der Amplitudengang im Sperrbereich nullstellenfreier Filter folgt

damit A(ω) ≈ ω −N bei genügend hohen Frequenzen. Damit erhöht
sich die Dämpfung für diese Filter um 6 · N dB pro Oktave (=Ver-
dopplung der Frequenz) bzw. um 20 · N dB pro Dekade (Verzehn-
fachung der Frequenz). Beim invertierten Tschebyscheff-Filter und
beim Cauerfilter, deren Übertragungsfunktionen Nullstellen enthal-
ten, erhöht sich die Sperrdämpfung nicht monoton, sondern verläuft
in vorgegebenen Grenzen (Welligkeit im Sperrbereich). Cauerfilter
benötigen den geringsten Bauelemente-Aufwand zur Einhaltung ei-
nes Toleranzschemas.
❐ 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. ❐
10.2 Idealisierte Tiefpasssysteme

10.2.1 Rechteck-Tiefpassfilter
Übertragungsfunktion Die Übertragungsfunktion HTP (jω) des
idealen Tiefpasses mit Grenzfrequenz ωg und Laufzeit t0 ist definiert
durch
ATP (ω) = ⊓2ωg (ω) (10.3)
ϕTP (ω) = −ωt0 (10.4)

10.2. Idealisierte Tiefpasssysteme 129
|A(ω)|
1
AD
AS
Ω=1 ΩS Ω=ω/ωD
Abbildung 10.6: Toleranzschema für einen Tiefpass
AT P (ω)
ϕT P (ω)
−ωg ωg ω
Abbildung 10.7: Idealer Tiefpass
Ein solches System mit einem Amplitudengang ATP (ω) = 0 für alle
ω > ωg ist, wie die Wiener-Paley-Bedingung gezeigt hat, nicht kau-
sal.
Impuls- und Sprungantwort. Bei Berücksichtigung der Laufzeit t0

ergibt sich die Impulsantwort
ωg
hTP (t) = · si ωg (t − t0 ) (10.5)
π
hTP(t) hσTP(t)
9% Überschwinger
ωg/π 1
t0 t0
t t
∆t ∆t/2
Abbildung 10.8: Impulsantwort und Sprungantwort des idealen Tiefpasses
Die Impulsantwort ist erwartungsgemäß nicht kausal. [Man kann sehr

einfach zeigen, dass der Tiefpass auch nicht stabil ist, da die Impuls-
antwort nicht absolut integrierbar ist]. Das Amplitudenverhältnis

von erstem Neben- zum Hauptmaximum wird als Überschwingen ü

der Impulsantwort bezeichnet. Es ist beim idealen Tiefpass unabhän-
gig von der Grenzfrequenz und ergibt sich aus den Eigenschaften der
Spaltfunktion zu ü = 21,7 %.
Als (praktische) Impulsdauer ∆ t wird z. B. die Zeit zwischen den
ersten Nulldurchgängen definiert. Sie ergibt sich zu
1
∆t = (10.6)
fg
Die Beziehung ∆t · fg = 1 wird auch als Zeitgesetz (oder Unschärfere-

lation) der Nachrichtentechnik bezeichnet. Es tritt in der Form ∆t · fg =
const. in vielen Ergebnissen auf (vgl. mit Gl. (4.84)).
Die Sprungantwort hσ (t) eines Systems ergibt sich aus dem laufenden
Integral der Impulsantwort h(t). Damit wird
Zt
1 1
hσTP = hTP (τ ) dτ = + Si ωg (t − t0 ) (10.7)
2 π
−∞
Das Integral
Zx
si(α) dα = Si(x) (10.8)
0
wird als Integralsinus bezeichnet und hat die Eigenschaften:

π
Si(−x) = − Si(x) und Si(∞) = (10.9)
2
Der Verlauf der Sprungantwort wurde bereits in Bild 10.8 gezeigt.

Das Überschwingen beträgt 9,0 % . Die Einschwingzeit ∆tσ ist be-
stimmt durch die Tangente an die Sprungantwort im Punkte t0 (die
Sprungantwort hat dort einen Anstieg von ωg /π):
π 1 ∆t
∆tσ = = = (10.10)
ωg 2fg 2
Die Einschwingzeit ist also mit der Anstiegszeit der Impulsantwort

vom letzten Nulldurchgang bis zum Maximum der Impulsantwort
identisch.
❐ Beispiel: Approximierter Delta-Spannungsstoß

Ein Spannungsstoß von U = 10 V und der Dauer T = 1 ms wird auf einen idealen
Tiefpass mit der Grenzfrequenz fg = 50 Hz und dem Amplitudengang ATP (ω) = 1
gegeben. Da die Impulsdauer ∆t des Tiefpasses mit 20 ms groß gegen die Länge
des Spannungsstoßes ist, kann letzterer als Delta-Impuls angesehen werden. Die

10.2. Idealisierte Tiefpasssysteme 131
maximale Amplitude max{y(t)} der Systemantwort y(t) soll berechnet werden.

Die Impulsanregung hat den dimensionsbehafteten Faktor α = U · T = 0,01 Vs.
Damit gilt
u(t) ≈ α δ(t) (10.11)

y(t) = u(t) ∗ hTP (t) = α · hTP (t) (10.12)
und es ergibt sich

2π · 50 Hz
max {y(t)} = y(t0 ) = α hTP (t0 ) = 0,01 Vs · = 1 V (10.13)
π
Der Spannungsstoß wird durch den Tiefpass in seiner Amplitude um den Fak-
tor 10 reduziert (und in der Zeitdauer um den Faktor 20 verlängert). ❐
❐ Beispiel: Einschwingvorgang eines Rechteckimpulses

Es soll die Systemantwort eines idealen Tiefpasses mit der Phasenlaufzeit t0 auf
einen Rechteckimpuls der Länge T berechnet werden. Der Impuls lässt sich als
Differenz zweier verschobener Sprungfunktionen darstellen. Mit
T T
u(t) = ⊓T (t) = σ(t + ) − σ(t − ) (10.14)
2 2
folgt für das Ausgangssignal:

1 T T
y(t) = Si ωg (t + − t0 ) − Si ωg (t − − t0 ) (10.15)
π 2 2
Bild 10.9 zeigt qualitativ die Verformung des Rechteckimpulses durch den idealen
Tiefpass.
y(t)
fg · T ≈ 1 fg · T ≈ 5
t−t0

⊓T T
0
t0−T/2 t0 t0+T/2 t
Abbildung 10.9: Verformung eines Rechtecksignals durch einen idealen Tiefpass
Die Länge des Rechteckimpulses sollte also etwa das Zehnfache der Einschwing-
zeit des Tiefpasses sein, wenn die Rechteckform erhalten bleiben soll. ❐
❐ Beispiel: Erzwungene Kausalität

Die Impulsantwort hTP (t) des idealen Tiefpasses (Gl. (10.3) und Gl. (10.4)) kann
kausal gemacht werden, indem ihr Anteil für negative Zeiten zu Null gesetzt wird:
hTP(kausal) (t) = hTP (t) σ(t) (10.16)
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
Abbildung 10.10: Amplitudengang von Tiefpässen bei erzwungener Kausalität

der Impulsantwort. [Quelle: Schüßler]
10.2.2 Tiefpass mit cos2 -förmigem Amplitudengang

Das Überschwingen der Impulsantwort des idealen Tiefpasses mit
ü = 21,7% ist beträchtlich. Besonders in der Datenübertragungs-
technik wirkt ein lang andauerndes Überschwingen (Nachschwin-
gen) störend, da es bei einer Folge von Impulsanregungen zu uner-
wünschten Überlagerungen der Impulsantworten kommt (Impuls-
nebensprechen). In diesem Sinne sind solche Übertragungsfunktio-
nen günstiger, deren Impulsantwort bei gegebener Bandbreite ein
geringes Überschwingen bei kurzer Signaldauer zeigt. Als Beispiel
betrachten wir einen Tiefpass, dessen Amplitudengang die Form ei-
ner cos2 -Funktion besitzt.

2 π ω
H(jω) = cos ⊓2ωg (ω) e−jωt0 (10.17)
2 ωg
Die Impulsantwort ergibt sich nach der Fourierrücktransformation

zu
ωg

h(t) = 2π 2 · si ωg (t − t0 ) (10.18)
t − t0
1 − ωg
π
Bild 10.11 zeigt den Verlauf von Amplitudengang und Impulsant-

wort. Das Überschwingen der Impulsantwort ist mit ü = 2% wesent-
lich geringer als beim idealen Tiefpass; dafür haben sich die Impuls-
dauer ∆ t und die Einschwingzeit ∆ tσ verdoppelt (ohne Beweis):
2 1
∆t = ; ∆tσ = (10.19)
fg fg
10.3 Realisierbare Tiefpasssysteme

Wir hatten bereits gesehen, dass das Verhalten von Filtern im PN-
Diagramm besonders übersichtlich dargestellt werden kann. Tief-

10.3. Realisierbare Tiefpasssysteme 133
A(jω) h(t)
- ωg ωg ω t0 t
∆t = 2/fg
Abbildung 10.11: Amplitudengang und Impulsantwort des cos2 -Tiefpasses
passcharakter kann nur entstehen, wenn bei ω = 0 keine Nullstel-

le auftritt. Durch reelle oder konjugiert-komplexe Polstellen in der
Umgebung von ω = 0 entsteht ein Tiefpasscharakter. Als einfachste
Beispiele hatten wir bereits den unbelasteten RC-Tiefpass (ein reeller
Pol) und den unbelasteten RLC-Tiefpass (ein konjugiert-komplexes
Polpaar bei geeigneter Wahl der Parameter) kennengelernt (siehe
auch das folgende Bild 10.12). Der unbelastete RLC-Tiefpass hat eine
Übertragungsfunktion
1
H(s) = (10.20)
1 + RCs + LCs2
Mit RLC-Schaltungen (sog. passiven Filtern) können alle in Bild 10.5

aufgeführten Filtertypen realisiert werden. Tiefpass-Filterkataloge
erleichtern den Entwurf solcher Filter.
Auch mit aktiven Filtern können konjugiert-komplexe Polpaare ent-
stehen. Aktive Filter bestehen aus R- und C-Bauteilen sowie mög-
lichst idealen Spannungsverstärkern. Vorteile aktiver Filter bestehen
darin, dass sie keine Spulen verwenden, kleine Abmessungen besit-
zen und einfach abzugleichen sind. Nachteile ergeben sich durch die
erforderliche Stromversorgung, es treten auch zusätzliche Verzer-
rungen, Rauschen und Überspannungsempfindlichkeit auf. Es gibt
eine große Zahl unterschiedlichster Strukturen für aktive Filter, auch
mit mehreren Verstärkern je Teilstufe. Bild 10.12 zeigt eine entspre-
chende Schaltung.
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

10.4 Filtertyp Potenzfilter

Die Übertragungsfunktion der Potenzfilter (auch Butterworth-Filter
genannt) ist definiert durch
N
ωD
H(s) = N
(10.21)
Q
(s − sxm )
m=1
ωD ist die 3dB-Grenzfrequenz (siehe unten). Die Pole sind gleichmä-

ßig auf einem Halbkreis mit Radius ωD verteilt, ihr Winkelabstand
ist π/N (siehe Bild 10.13).
1 2m − 1
sxm = ωD exp jπ + ; m = 1, 2, . . . , N (10.22)
2 2N
jω ωD jω
s s
σ σ
N=5 (ungerade) N=6 (gerade)
Abbildung 10.13: Lage der Pole beim Potenzfilter
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
|H(jω)|2 = H(s) H(−s) (10.24)

s=jω
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 .

10.4. Filtertyp Potenzfilter 135
20lgA(ω)
0,1 ω D ωD 10 ω D
Abbildung 10.14: Amplitudengang von Potenzfiltern[Quelle: Oppenheim, Wills-

ky, Young]
Bei hohen Frequenzen (Sperrbereich) folgt ein Anstieg der Sperr-

dämpfung mit 6N dB pro Oktave. Zur Berechnung der Ordnung
eines Filters sind die Parameter AS , AD , ωD und ωS gegeben (siehe
Bild 10.15), woraus die notwendige Ordnung ermittelt werden kann:
1
A(ωD ) = |H(jωD )| = √ = AD (10.26)
2

1 lg A−2
S −1
N ≥ (10.27)
2 lg (ωS /ωD )
❐ Aufgabe:
Leite dieses Ergebnis her. ❐
|H(j ω)|
1
AD
AS
ω ω ω
D S
Abbildung 10.15: Toleranzschema für Potenzfilter
❐ Beispiel: Tiefpass elfter Ordnung

Ein Potenzfilter soll eine 3-dB-Frequenz von 500Hz haben; die Mindestdämpfung
bei 1000 Hz soll 66 dB sein. Damit ist 20 lg A(ω) = −66 dB (As = 0,0005012) und
ωS /ωD = 2. Die erforderliche Ordnung des Filters ist N = 11. Die elf Pole liegen
in der linken Halbebene im Winkelabstand π/11, der erste Pol liegt bei π/2 + π/22
(s. Bild 10.16).

jω S-Ebene
Abbildung 10.16: Pollagen, Amplitudengang, Phasengang und Gruppenlaufzeit

eines Potenzfilters 11.Ordnung [Quelle: Rabiner und Gold, 1975]
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) = 1 − ATP (ω) = 1 − ⊓2ωg (ω) (10.28)

ϕHP (ω) = −ωt0 für |ω| > ωg (10.29)
AHP(ω)
ω
−ωg ωg
Abbildung 10.17: Ideales Hochpasssystem
Ein solches System mit einem Amplitudengang AHP (ω) = 0 für alle
ω < ωg ist, wie die Wiener-Paley-Bedingung gezeigt hat, nicht kau-
sal.
Impulsantwort. Bei Berücksichtigung der Laufzeit t0 ergibt sich

die Impulsantwort aus

HHP (jω) = 1 − ⊓2ωg (ω) e−jωt0

10.6. Bandpasssysteme 137
zu
ωg
hHP (t) = δ(t − t0 ) − si ωg (t − t0 ) (10.30)
π
Das einfachste realisierbare Hochpassfilter ist ein unbelasteter CR-

Hochpass (Kapazität im Längszweig, Widerstand im Querzweig, sie-
he Bild), der einen Pol bei s = −1/τ = 1/CR und eine Nullstelle im
Ursprung (s = 0) hat; die Übertragungsfunktion ist
τs
H(s) = ; τ = RC (10.31)
1 + τs
u(t) y(t)
R
Abbildung 10.18: CR-Hochpass
❐ Aufgabe:
Skizziere den Amplitudengang für dieses Filter. ❐
Wie beim Tiefpass sind Filter höheren Grades erforderlich, um ein

ausreichendes Sperrverhalten zu erzielen. Beispielsweise hat ein
Hochpass dritten Grades einen reellen Pol, ein konjugiert-komplexes
Polstellenpaar und eine dreifache Nullstelle bei s = 0.
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
Abbildung 10.20: Äquivalentes Tiefpasssystem
Die Impulsantwort hTP (t) des äquivalenten Tiefpass-Systems ist reell

wegen der vorausgesetzten Symmetrie des Bandpasses um die Mit-
tenfrequenz. Ergebnisse für weitgehend beliebige Bandpässe findet
man bei [Lüke], [Schüssler] und [Unbehauen].
Impulsantwort. Aus der Übertragungsfunktion ergibt sich durch

Rücktransformation für die Impulsantwort
hBP (t) = 2hTP (t) cos(ωm t) (10.34)
Die Einhüllende der Impulsantwort des Bandpasssystems ist (bis auf

einen Faktor 2) der Impulsantwort des zugehörigen äquivalenten
Tiefpasses gleich (s. Bild 10.21).
hTP(t)
δ(t) HTP(jω) hTP(t)
t
hBP(t)
δ(t) HBP(jω) hBP(t)
Abbildung 10.21: Impulsantwort von Bandpass und äquivalentem Tiefpass
❐ Beispiel: Idealer Bandpass

Es soll die Impulsantwort eines idealen Bandpasssystems der Bandbreite ∆ω, der

Laufzeit t0 und der Mittenfrequenz ωm berechnet werden. Die Übertragungsfunk-

tion eines solchen idealen Bandpasses ist gegeben als

HBP (jω) = ⊓∆ω (ω − ωm ) + ⊓∆ω (ω + ωm ) ejωt0 (10.35)
Für den äquivalenten Tiefpass gilt

∆ω ∆ω
HTP (jω) = ⊓∆ω (ω) ejωt0 ; hTP (t) = si (t − t0 ) (10.36)
2π 2
Damit ergibt sich die Impulsantwort des idealen Bandpasssystems zu

∆ω ∆ω
hBP (t) = si (t − t0 ) cos ωm (t − t0 ) (10.37)
π 2
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
Abbildung 10.22: Impulsantwort des idealen Bandpass-Systems

❐
❐ Frage:
Wie ändert sich h(t) bei Verringerung des Durchlassbereiches ∆ω des Bandpasses?
❐
Antwort eines Bandpasses auf ein moduliertes Eingangssignal

Das Eingangssignal um (t) eines Bandpasses mit Mittenfrequenz ωm
sei ein mit cos(ωm (t) moduliertes niederfrequentes Signal u(t):
um (t) = u(t) cos(ωm t) (10.39)
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

nach Gl. (10.32) ergibt sich für das Ausgangs-Fourierspektrum:
Y (jω) = Um (jω)HBP (jω)

1
= HTP j(ω − ωm ) U j(ω − ωm ) +
2
1
HTP j(ω + ωm ) U j(ω + ωm ) (10.41)
2
Die Rücktransformation ergibt damit:

y(t) = u(t) ∗ hTP (t) cos(ωm t) (10.42)
Der Faltungsterm ist aber die Systemantwort des äquivalenten Tief-

passes
yTP (t) = u(t) ∗ hTP (t) (10.43)
Diese Systemantwort bildet also die Einhüllende der Bandpass--

Systemantwort:
y(t) = yTP (t) · cos(ωm t) (10.44)
❐ Frage:
Weshalb hat Gl. (10.41) nicht vier Terme? ❐
❐ Beispiel: Einschaltvorgang eines cos-Signals am idealen Bandpass

Das Eingangssignal ist
fm (t) = σ(t) cos(ωm t) (10.45)
Da u(t) = σ(t) ist, wird der Faltungsterm in Gl. (10.42) zu
u(t) ∗ hTP (t) = σ(t) ∗ hTP (t) = hσTP (t) (10.46)
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
Das Ergebnis zeigt das folgende Bild (10.23).

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]
❐
10.6.2 Realisierbare Bandpassfilter
Idealisierte Bandpassfilter waren durch eine Frequenzverschiebung

(um die Mittenfrequenz ωm ) aus Tiefpassfilterfunktionen gewonnen
worden. Gleichermaßen kann prinzipiell das PN-Diagramm eines
Tiefpasses entlang der jω-Achse um ωm bzw. um −ωm verschoben
werden, um eine Bandpasscharakteristik zu erhalten. Eine zusätzli-
che Nullstelle bei s = 0 sichert ein Sperrverhalten bei niedrigen Fre-
quenzen. Die Abstände von den positiv verschobenen Polen (und
ggf. auch Nullstellen) zu einem ω-Aufpunkt ω1 + ωm sind identisch
mit den Abständen von den Tiefpasspolen zu einem Aufpunkt ω1 .
Bei hohen Frequenzen tragen die Pole um −ωm und auch die Null-
stelle im Ursprung der s-Ebene nicht sehr zum Amplituden- und
Phasengang bei.
❐ Beispiel: Einfacher RCL-Bandpass

Der in Bild 10.24 gezeigte Bandpass kann durch die oben beschriebene Transfor-
mation aus einem unbelasteten RC-Tiefpass erzeugt worden sein. Seine Übertra-
gungsfunktion ist
s
H(s) = ; τ = RC; α = R/L (10.48)
α + s + τ s2

A(ω)
Abbildung 10.24: Einfacher Bandpass [Quelle: Mildenberger]

❐
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
Das Nullstellenpaar liegt bei ±jωm , Zähler- und Nennergrad sind

gleich (R = Q), damit kann erreicht werden, dass der Amplituden-
gang bei hohen Frequenzen konstant ist.
A(ω)
Abbildung 10.25: Einfache Bandsperre [Quelle: Mildenberger]

Kapitel 11
Abtastung
In diesem Kapitel beschreiben wir die Grundlagen der Abtastung,

insbesondere die Bedingungen für eine fehlerfreie Rekonstrukion ei-
nes abgetasteten Signals aus seinen Abtastwerten. Weiterhin werden
mögliche Rekonstruktionsfehler analysiert.
11.1 Ideale Abtastung und Interpolation

kontinuierlicher Signale
Wir definieren eine ideale Abtastung und zeigen, dass unter be-
stimmten Voraussetzungen ein idealer Tiefpass das analoge Signal
fehlerfrei aus dem abgetasteten Signal rekonstruieren kann.
11.1.1 Zeitdiskrete Signale

Analoge, d. h. zeit- und amplitudenkontinuierliche Signale u(t) wer-
den in zunehmendem Maße in zeit- und wertdiskreter Form ab-
gespeichert, verarbeitet oder übertragen. Durch eine Signalabtas-
tung werden dem Signal u(t) sogenannte Abtastwerte u(kT ), k =
. . . , −1, 0, 1, . . . im Abtastabstand T entnommen und
• entweder in Impulsform (Pulsamplitudenmodulation = PAM)
• oder in digitaler Form (Pulscodemodulation=PCM)
dargestellt. Um die Abtastwerte in digitaler Form zu übertragen, ist
eine zusätzliche Quantisierung erforderlich, die im Kapitel 12 behan-
delt wird.
Durch die Abtastung ist ein zeitdiskretes Signal entstanden, das ver-
schieden beschrieben werden kann:
• als Signal u∗ (t), das aus gewichteten Deltaimpulsen im Ab-
stand T besteht, d. h. zu allen Zeiten definiert ist, aber außer-
halb der Abtastzeitpunkte kT Null ist
143
144 Kapitel 11. Abtastung
• als Signal u∗∗ (t), das aus gewichteten Rechteckimpulsen der

Breite T besteht, d. h. zu allen Zeiten definiert ist, seinen Wert
aber nur zu den Abtastzeitpunkten kT ändert,
• oder als Zahlenfolge u(kT ) bzw. u(k), die nur zu den diskreten
Zeitpunkten kT bzw. k existiert.
Bild 11.1 zeigt die entsprechenden Signalformen.
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
Abbildung 11.1: Abgetastete Signale

(a) Analoges Signal,
(b) Zahlenfolge u(kT ) bzw. u(k),
(c) ideal abgetastetes Signal u∗ (t),
(d) ideale Rechteckimpulsfolge u∗∗ (t)
11.1.2 Ideale Abtastung

Bei der idealen Abtastung wird das Signal u(t) mit einem Delta-
kamm δT (t) multipliziert (s. Bild 11.2). Dann steht nur noch das ideal
abgetastete Signal
∞
X
u∗ (t) = u(t) · δT (t) = u(kT ) δ(t − kT ) (11.1)
k=−∞
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.

11.1. Ideale Abtastung und Interpolation kontinuierlicher Signale 145
× idealer Kanal T ΠωT (ω)

u(t) u∗ (t) u∗ (t) u(t)
δT (t)
ideale Abtastung ideale Rekonstruktion
Abbildung 11.2: Ideale Abtastung und Rekonstruktion
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)
-ωu ωu -ωΤ -ωu ωu ωΤ
-ωΤ/2 ωΤ/2
Abbildung 11.3: Bandbegrenztes Spektrum und periodische Fortsetzung

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
δT(t) ωΤδω (ω)

Τ
−ωΤ ωΤ
u*(t)
2π∗U∗(jω)
−ωΤ -ωu ωu ωΤ
Abbildung 11.4: Darstellung der Abtastung im Zeit- und im Frequenzbereich
Die Abtastfrequenz fT muss also mindestens doppelt so groß sein

wie die obere Grenzfrequenz Bu des Signals u(t). Die Abtastfre-
quenz fT wird auch als Übertragungsrate R bezeichnet. Ist R =
min{fT } = 2Bu , so wird der Begriff Nyquistrate verwendet; die obe-
re Grenzfrequenz Bu (nicht 2Bu !) wird auch Nyquistfrequenz genannt.
Die Abtastfrequenz muss also wenigstens gleich der Nyquistrate
und damit gleich dem Doppelten der Nyquistfrequenz sein.
11.1.3 Ideale Interpolation

Ein ideales Interpolationsverfahren rekonstruiert aus dem abgetaste-
ten Signal u∗ (t) für alle Zeitpunkte t wieder das Originalsignal u(t).
Wir zeigen jetzt, dass ein idealer Tiefpass die gewünschte Interpola-
tion durchführt.
Durchläuft das abgetastete Signal u∗ (t) einen idealen Tiefpass mit der
Übertragungsfunktion
H(jω) = T · ⊓ωT (ω) (11.5)
so ergibt sich bei ausreichender Abtastfrequenz (siehe Gl. (11.4)) ein
Ausgangsspektrum
Y (jω) = U ∗ (jω) · T · ⊓ωT (ω) = U (jω) (11.6)

11.1. Ideale Abtastung und Interpolation kontinuierlicher Signale 147
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:
y(t) = u(t) (11.7)
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
Damit ergibt sich für das Ausgangssignal des Tiefpasses

∗ t
y(t) = u (t) ∗ si ωT
2
∞ h i
X t
= u(kT ) · δ(t − kT ) ∗ si ωT (11.9)
k=−∞
2
∞ h
X ω i
T
= u(kT ) · si (t − kT ) = u(t)
k=−∞
2
(11.10)
Dieses Interpolationstheorem beschreibt die Systemantwort des idea-

len Tiefpasses auf ein abgetastetes Signal u∗ (t). Wir nennen die Spalt-
funktion im Zusammenhang mit Abtastvorgängen auch eine Interpo-
lationsfunktion. Bild 11.5 verdeutlicht die Zusammenhänge im Zeit-
und Frequenzbereich.
Das Interpolationstheorem
∞
X ω
T
u(t) = u(kT ) · si (t − kT ) (11.11)
k=−∞
2
ist eine mathematische Vorschrift zur Berechnung von interpolierten

Werten. Ein bandbegrenztes Signal u(t) lässt sich danach aus seinen
Abtastwerten u(kT ) durch eine Überlagerung von zeitverschobenen
Spaltfunktionen rekonstruieren, deren Maxima durch u(kT ) festge-
legt sind (siehe graphische Darstellung im Bild 11.6).
Das ist das Interpolationstheorem (Abtasttheorem) für deterministische
Funktionen. (Whittacker 1915; Kotelnikov 1933; Raabe 1939; Shannon
1948).

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
Abbildung 11.5: Interpolation mittels idealem Tiefpass
Abbildung 11.6: Interpolation eines abgetasteten Signals
❐ 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.“
❐
11.1.4 Überabtastung und Interpolation

Bei einer Abtastung mit der Nyquistrate R = min{fT } = 2Bu berüh-
ren sich die Wiederholungen der Spektren. Bei einer Überabtastung
fT > 2fu (11.12)

11.2. Nichtideale Abtastung 149
Analogsignal Bu fT
Telefonsignal 3,4 kHz 8,0 kHz

Audiosignal 20,0 kHz 48,0 kHz
S/W-Bildsignal 5,0 MHz 13,5 MHz
Tabelle 11.1: Typische Abtastfrequenzen in der Nachrichtentechnik
entfernen sich die Wiederholungen des Basisspektrums voneinan-

der. Der Vorteil besteht darin, dass nun zur Rekonstruktion ein Tief-
pass mit endlicher Flankensteilheit gewählt werden kann. Das ideale
Durchlassverhalten wird nur bis zur Bandgrenze Bu gefordert, das
ideale Sperrverhalten erst beim Auftreten der ersten Wiederholung
des Spektrums. Damit besteht die Möglichkeit, durch das beliebig
verlaufende Übergangsverhalten eine vereinfachte Realisierung des
Demodulationsfilters zu erreichen. Bild 11.7 zeigt dazu ein Beispiel.
|U∗(jω)|
ω
-ωT -ωT/2 -ωu ωu ωT/2 ωT
|H(jω)|
ω
-ωT -ωu ωu ωT
H(jω)=const. H(jω) beliebig
Abbildung 11.7: Übergangsband bei Überabtastung
❐ Frage:
Ab welcher Frequenz muss ein Tiefpass, der in der Fernsprechtechnik verwendet
wird, vollkommen sperren (B = 3400 Hz, fT = 8000 Hz)? (A.: 4600 Hz). ❐
Die Forderung nach idealer Tiefpassfilterung stellt eine hinreichen-

de Eigenschaft für eine fehlerfreie Demodulation dar, bei Überabtas-
tung sind oft stark vereinfachte Forderungen an die Demodulations-
filter möglich. Die folgende Tabelle 11.1 zeigt in der Nachrichtentech-
nik verwendete Abtastfrequenzen.
11.2 Nichtideale Abtastung

Eine Abtastung ist nur ideal, wenn mit Deltaimpulsen abgetastet
wird. Wir untersuchen, ob u(t) aus einer Funktion ua (t) 6= u∗ (t) re-

konstruiert werden kann. Wir betrachten dazu zwei Möglichkeiten

der nichtidealen Abtastung.
11.2.1 Abtastung durch Signalausblendung

Das folgende Prinzipschaltbild zeigt die nichtideale Abtastung
durch Signalausblendung (shape-top sampling, natural sampling).
Die Abtastfunktion ist ein Rechteckpuls
∞
X
p(t) = ⊓αT (t) ∗ δT (t) = ⊓αT (t − kT ) (11.13)
k=−∞
so dass sich das abgetastete Signal

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 abgetastete Signal ua (t) entsteht in der Praxis durch kurzzeitiges,

periodisches Schließen eines Schalters.

Aus Gl. (11.14) berechnet sich das Spektrum zu

1 ωαT
Ua (jω) = U (jω) ∗ α T si ωT δωT (ω)
2π 2
X ∞
!
ωαT
= α U (jω) ∗ si δ(ω − kωT )
2 k=−∞
∞ h
X i
= α U (jω) ∗ si(kπα) δ(ω − kωT )
k=−∞
∞ h
X i
= α si(kπα) U j(ω − kωT ) (11.16)
k=−∞
Für das Basisband (k = 0) ergibt sich damit
Ua (jω) = αU (jω) (11.17)
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
Abbildung 11.9: Frequenzgang eines abgetasteten Signals mit Signalausblendung
11.2.2 Abtastung mit Signalverbreiterung

Das folgende Prinzipschaltbild zeigt, dass bei einer Abtastung mit
Signalverbreiterung (flat-top sampling) zuerst ideal abgetastet wird
und dass dann die ideal abgetasteten Signalwerte um eine Zeit αT
gehalten werden. Die Impulsantwort eines kausalen Haltegliedes ist
h(t) = ⊓αT (t − αT /2). Zur Vereinfachung der Schreibweise wird im
folgenden ein nichtkausales Halteglied ⊓αT (t) verwendet.
Die im ersten Schritt vorgenommene ideale Abtastung u∗ (t) = u(t) ·
δT (t) führt durch Filtern von u∗ (t) mit einem Halteglied zu einer Ab-

u(t) × ⊓αT (t) ua (t)
P
∞
δT (t) = δ(t − k · T )
k=−∞
u(t) ua (t)
t t
0 T 2T
αT
Abbildung 11.10: Prinzip der Signalverbreiterung
tastung mit Verbreiterung. Damit folgt

ua (t) = u∗ (t) ∗ ⊓αT (t) = u(t) · δT (t) ∗ ⊓αT (t)
(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=−∞
Wegen des frequenzabhängigen Vorfaktors si(ωαT /2) werden also

alle Frequenzbänder verzerrt (siehe Bild 11.11). Das ursprüngliche
Spektrum kann mit einer idealen Tiefpassilterung nicht wiederge-
wonnen werden.
U(jω)
1
ω
Ua (jω)
1
α= 2
−ωT ωT ω
Abbildung 11.11: Frequenzgang eines abgetasteten Signals mit Signalverbreite-

rung

für k = 0 (Basisband) gilt

ωαT
Ua (jω) = α si · U (jω) (11.20)
2
❐ Beispiel: Halteglied nullter Ordnung

für α = 1 ergibt sich eine Treppenfunktion ua (t), da die Breite der Impulse dann
gleich der Abtastdauer ist. Treppenfunktionen entstehen bei der Speicherung der
Abtastwerte in Kondensatoren, zum Beispiel im Ausgang von D/A-Wandlern, im
Eingang von A/D-Wandlern und bei Abtast-Digitalfiltern.
u**(t)
Abbildung 11.12: Abgetastetes Signal ua (t) = u∗∗ (t) bei Signalverbreiterung
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
Abbildung 11.13: Höhenkorrektur und 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. ❐

11.3 Fehler durch Bandbegrenzung und Un-

terabtastung
Es wurde bereits gezeigt, dass eine fehlerfreie Rekonstruktion eine
Bandbegrenzung |ω| ≤ ωT /2 des abzutastenden Signals voraussetzt.
Falls im ursprünglichen Signal Frequenzen oberhalb von ωT /2 auf-
treten, so können zwei Möglichkeiten vorgesehen werden.
• Die Frequenzanteile oberhalb von ωT /2 werden mit einem sen-
deseitigen idealen Tiefpass herausgefiltert (Abtastung mit Vor-
filterung)
oder
• Die Frequenzanteile oberhalb von ωT /2 werden nicht beachtet
(Abtastung ohne Vorfilterung). In diesem Fall liegt eine Unter-
abtastung vor.
Beide Fälle werden jetzt diskutiert.
11.3.1 Erzwungene Bandbegrenzung durch Vorfilte-

rung
Bei einer Tiefpassbegrenzung eines Signals u(t) mit Fourierspek-
trum U (jω) auf den Bereich |ω| ≤ ωT /2 entsteht durch Wegfall der
hohen Frequenzen eine Fehlerenergie
Z∞
1
Wfilt = |U (jω)|2 dω (11.21)
π
ωT /2
Der Bereich |ω| ≤ ωT /2 kann fehlerfrei rekonstruiert werden.
|U(jω)|2
π Wfilt
ω
ωT/2
Abbildung 11.14: Energiedichtespektrum des Signals u(t)
❐ Fragen:
• Wie kann die Fehlerenergie verringert werden?

• Weshalb ist der Vorfaktor in Gl. (11.21) nicht 1/2π, sondern 1/π?

11.3. Fehler durch Bandbegrenzung und Unterabtastung 155
11.3.2 Abtastung ohne ausreichende Vorfilterung

Durch die Abtastung eines Signals mit zu kleiner Abtastfrequenz, al-
so bei einer Unterabtastung mit fT < 2Bu , entstehen Überlappungen
im periodisch fortgesetzten Spektrum; Anteile benachbarter Spek-
tren ”spiegeln“ in den Grundbereich hinein (Spiegelungs- oder Rück-
faltungsfehler; aliasing errors).
Das rekonstruierte Spektrum
G(jω) = U ∗ (jω) · ⊓ωT (ω) (11.22)
stimmt nicht mehr mit U (jω) überein (siehe folgendes Bild).
|U*(jω)|
2π Bu
Demodulations-
tiefpass ω
Spektrum des
Fehlers ω
rekonstruiertes
Spektrum
ω
-ωT ωT
-ωT/2 ωT/2
Abbildung 11.15: Einfluss von Spiegelungsfehlern auf das rekonstruierte Spek-

trum
Die graphische Interpretation zeigt, dass die eingespiegelte Fehler-

energie den Wert
Wsp = Wfilt (11.23)
hat. Da der Bereich oberhalb ωT /2 nach der Demodulation verloren
gegangen ist, ist die Gesamtfehlerenergie
Wges = Wsp + Wfilt = 2 · Wfilt (11.24)
Trotz numerischer Gleichheit haben die beiden Fehleranteile unter-

schiedliche subjektive Wirkungen (der Spiegelungsfehler erscheint
in Frequenz-Kehrlage im oberen Bereich des Grundspektrums!).
❐ 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] ❐
❐ Beispiel: Unterabtastung eines Sprachsignals

Bild 11.16 (i) zeigt den Signalverlauf x(t) eines stimmlosen Sprachlautes, der mit
Bu = 3,2 kHz bandbegrenzt wurde. Dieses Signal wurde dann mit fT = 4 kHz
unterabgetastet und mit einem idealen Tiefpass der Grenzfrequenz 2 kHz de-
moduliert. Bild 11.16 (ii) zeigt, dass jetzt die hochfrequenten Anteile fehlen. Die
verbliebenen Anteile sind aber zum größten Teil Spiegelungsanteile, wie aus
dem Vergleich mit dem ursprünglichen, aber auf 2 kHz bandbegrenzten Signal
(Bild 11.16 (iii)) deutlich wird.
Abbildung 11.16: Spiegelungsfehler bei einem Sprachsignal

[Quelle: Jayant und Noll, 1984; S. 104]
❐ Beispiel: Spiegelungsfehler bei einer Bildvorlage

Festbilder werden durch ihre 2D-Helligkeitsfunktion B(x, y) beschrieben.
Bild 11.17 (a) zeigt einen Bildausschnitt von Kreisringen mit nach rechts hin zu-
nehmender Dichte, die zu erhöhten Frequenzanteilen führt. Die Bilder (b) bis (d)
zeigen rekonstruierte Versionen der Bildvorlage bei zunehmender Unterabtastung
durch Verkleinerung der Vorlage und dadurch Verschiebung des Spektrums zu
höheren ‚Frequenzen‘ hin (zu schnelleren, d. h. dichter werdenden Hell-Dunkel-
Wechseln). Es kommt zu Spiegelungsfehlern.
❐
❐ Beispiel: Kino- und TV - Technik

Schwarz-Weiß-Videosignale werden durch ihre 3D-Helligkeitsfunktion B(x, y, t)
beschrieben. Durch die Aufnahme von 24 bzw. 25 Bildern pro Sekunde können
sich bei sich bewegenden Objekten Unterabtastungen ergeben. Bei der Fernseh-
technik entstehen zusätzlich durch die Zeilenstruktur Abtastungen in einem Bild
und damit können feinstrukturierte Objekte zu örtlich-vertikalen Spiegelungsfeh-
lern führen. ❐

11.4. Abtastung von Bandpasssignalen 157
Abbildung 11.17: Unterabtastung bei einer Bildvorlage[Quelle: Wahl, 1984; S. 18]
❐ 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). ❐
11.4 Abtastung von Bandpasssignalen

Wir betrachten Bandpasssignale u(t) der Bandbreite ∆Bu = fmax −
fmin (siehe Bild 11.18); werden ihnen mit der Abtastfrequenz fT Ab-
tastwerte u(kT ) entnommen, so entsteht eine periodische Fortset-
zung des Spektrums mit fT .
Die minimal notwendige Abtastfrequenz min{fT } zur Vermeidung
von Überlappungen liegt zwischen dem Zwei- und Vierfachen der
Bandbreite des Signals,
2∆Bu ≤ min{fT } ≤ 4∆Bu (11.25)
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. ❐
❐ Beispiel: Periodische Fortsetzung eines Bandpass-Spektrums

Wir betrachten ein Spektrum U (j2πf ) mit der Bandbreite ∆Bu mit fmin = 3∆Bu
und fmax = 4∆Bu . Eine Abtastung mit fT = 2∆Bu bewirkt eine periodische
Fortsetzung des (negativen und positiven!) Spektrums mit 2∆Bu . Offensichtlich
(Bild 11.19) ergeben sich keine Überlappungen. Das ursprüngliche Spektrum kann
aus der periodischen Fortsetzung UP (j2πf ) durch Bandpassfilterung zurückge-
wonnen werden. ❐
❐ Aufgabe:
Skizziere das Spektrum bei Abtastungen mit 3∆Bu und 7∆Bu . Welche Abtastung
liefert Überlappungen? [A.: 7∆Bu ]. ❐
❐ Beispiel: Filterbänke mit Integer Band Sampling

In der digitalen Signalverarbeitung muss ein Signal oft frequenzmäßig analysiert
und verarbeitet werden. Dazu wird das Signal mit dem Frequenzbereich Bu über
eine Bandpass-Filterbank in M sog. Teilband-Signale aufgeteilt. Die Bandbreite der
Bandpässe ist jeweils ∆Bu = Bu /M , die Teilbandsignale der Bandpässe können
daher jeweils mit fT = 2∆Bu = 2Bu /M abgetastet werden. Die Gesamtzahl der

11.4. Abtastung von Bandpasssignalen 159
|U(j2πf)|
f
∆Bu
0
fmin=3∆Bu fmax=4∆Bu
|Up(j2πf)|
0
Abbildung 11.19: Spektrum eines abgetasteten Bandpasssignals
Abtastwerte je Sekunde, also die Übertragungsrate, ist dann weiterhin R = 2Bu ,

wie bei einer Abtastung des vollen Frequenzbandes mit der Nyquistrate.
Praktisch ist das Eingangssignal meist bereits digitalisiert (abgetastet und quanti-
siert), die Bandpässe sind dann digitale Filter. Die reduzierten Ausgangsabtastra-
ten 2Bu /M entstehen einfach dadurch, dass nur jeder M -te Ausgangswert einer
jeden Teilbandsignalfolge weiterverarbeitet wird. Dieser Vorgang der Abtastra-
tenkompression wird Dezimierung genannt. Empfangsseitig werden die ursprüng-
lichen Abtastraten durch Interpolation wiederhergestellt (Abtastratenexpansion).
Nach dem Auffüllen der Teilbandsignalfolgen mit Nullen durchlaufen diese dazu
wiederum gleiche Bandpässe, deren Ausgangssignale dann aufaddiert werden. ❐
u1..4(kT) f1..4(kT) f1..4(4kT) v1..4(4kT) v1..4(kT) y1..4(kT)

BP1 4 DNV 4 BP1
BP2 4 DNV 4 BP2

u(kT) y(kT)
BP3 4 DNV 4 BP3
BP4 4 DNV 4 BP4
4 : Abtastratenkompression um Faktor 4
4 : Abtastratenexpansion um Faktor 4
DNV: Digitale Nachrichtenverarbeitung, z.B. Quantisierung
Abbildung 11.20: Integer-Band-Sampling mit M = 4
❐ Beispiel: Digitaler Hörfunk (DAB)

Bei der Datenkompression von Audiosignalen durch den MPEG-Algorithmus
wird u(t) mit fT = 48 kHz abgetastet. Es erfolgt eine Unterteilung des Frequenzbe-
reichs Bu = 24 kHz des Audiosignals in 32 Teilbänder, welche jeweils 750 Hz breit
sind. Die Abtastraten der Teilbänder ergeben sich damit zu 1,5 kHz. Die Teilbänder
1, 2, . . . , 28 überdecken den interessanten Audio-Frequenzbereich bis 21 kHz. Die-
se Teilbänder werden getrennt quantisiert, d. h. jedem Teilband wird eine solche
Quantisiererstufenzahl zugeordnet, dass der gesamte hörbare Fehler minimiert
wird. ❐


Kapitel 12
Quantisierung und PCM
Um abgetastete Signale in digitaler Form abspeichern, übertragen

oder verarbeiten zu können, ist eine Amplitudenquantisierung er-
forderlich. Wir zeigen die erreichbaren Genauigkeiten der Signaldar-
stellung, erläutern die Probleme einer optimalen Quantisiereraus-
steuerung und beschreiben drei Prinzipien zur Digitalisierung ana-
loger Signale.
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.
Viele Gründe sprechen für eine digitale Signaldarstellung:
• Wirtschaftlichkeit durch Nutzbarkeit der von der Mikroelek-

tronik zur Verfügung gestellten Technologien
• Genauigkeit der Signaldarstellung ist unter Kontrolle
• Vereinfachte digitale Signalverarbeitungsverfahren
161
162 Kapitel 12. Quantisierung und PCM
• Gleichzeitige Übertragung mehrerer Signale wird durch Zeit-

vielfachübertragung vereinfacht (Multiplexbildung = TDM, ti-
me division multiplex)
• Möglichkeit der Fehlerkorrektur; praktisch störungsfreie Spei-
cherung bzw. Übertragung erreichbar
• Möglichkeit der Verschlüsselung zur Datensicherung.
Als Nachteile sind der zusätzliche Aufwand bei der Analog-Digital-
Wandlung und der erhöhte Bandbreitebedarf bei der Übertragung
zu nennen. Die Mikroelektronik stellt heute wirtschaftliche Lösun-
gen zur A/D-Wandlung zur Verfügung, die Probleme eines erhöhten
Bandbreitebedarfs haben -nicht zuletzt durch die Lichtwellenleiter-
technik und durch Verfahren der Datenkompression- an Bedeutung
verloren.
Bild 12.1 zeigt den Einsatz von einem A/D-Wandler (bzw. hier Quan-
tisierer) und einem Tiefpass (TP) bei einer PCM-Übertragung analo-
ger Signale (siehe auch Abschnitt 12.5).
Der
Wert v(kT ) ist der quan-
tisierte Wert von u(kT ): v(kT ) = Q u(kT ) (s. Abschnitt 12.2).
u(t) v(kT ) Digitaler Kanal, y(kT ) y(t)

Quelle A/D TP Senke
Speicher
Abbildung 12.1: A/D- bzw. D/A-Wandlung bei einer PCM-Übertragung
In zunehmendem Maße werden auch in analogen Systemen der Si-

gnalerfassung, -verarbeitung und -übertragung Teilaufgaben von di-
gitalen Rechenwerken wahrgenommen, insbesondere von digitalen
Signalprozessoren, die Aufgaben der Filterung, Störsignalbefreiung,
Mustererkennung, Signalauswertung etc. übernehmen (siehe Bild
12.2).
u(t) v(kT ) Digitaler Kanal, y(kT ) y(t)

Quelle A/D TP Senke
Signalprozessor
Abbildung 12.2: Digitale Signalverarbeitung in analogen Systemen
12.2 Der Quantisierungsvorgang

Bei der Analog-Digital-Wandlung wird das analoge (d. h. zeit- und
wertkontinuierliche) Signal u(t) mit der oberen Grenzfrequenz Bu
zuerst mit der Abtastfrequenz fT ≥ 2Bu abgetastet [Das Gleichheits-
zeichen gilt nicht, wenn bei Bu eine Spektrallinie liegt]. Am Aus-
gang eines Abtast-Haltegliedes entstehen Abtastwerte u(kT ) im Ab-
stand T = 1/fT , denen mittels eines Quantisierers jeweils eine von
M (i. Allg. ist M eine Potenz von 2, d. h. M = 2m ) möglichen wert-
diskreten Amplituden v(kT ) = yj , j = 1, 2, . . . , M , zugeordnet wird

12.2. Der Quantisierungsvorgang 163
(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
m = ld(M ) [bit/Abtastwert] (12.1)
Dem Quantisierer ist also eine Codewortzuordnung nachgeordnet.

Diese Zuordnung ist in den Bildern 12.1 und 12.2 nicht explizit ge-
zeigt. Bei einer binären Übertragung entsteht damit eine Bitrate
R = fT · m [bit/s] (12.2)
Tief- u(t) Halte- Quanti- Codewort-

Quelle
pass glied sierer zuordnung
u(kT) v(kT) vbinär(kT)

δT(t)
Analog-Digital-Wandlung
Abbildung 12.3: Digitalisierung eines analogen Signals
❐ Beispiel: Digitale Sprachübertragung

In der sog. ISDN-Telekommunikationstechnik ist fT = 8000 Hz und m = 8. Damit
wird R = 64 kbit/s. ❐
Die Abbildung zwischen wertkontinuierlichen Abtastwerten u(kT )

und wertdiskreten Abtastwerten v(kT ) wird durch die Quantisie-
rungskennlinie

Q u(kT ) = v(kT ) (12.3)
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:
v(kT ) = yj , wenn u(kT ) ∈ (xj , xj+1 ) (12.4)
Im Allgemeinen wird yj als Mittelwert des Entscheidungsintervalls

(xj , xj+1 ) gewählt:
xj + xj+1
yj = , j = 1...M (12.5)
2
Der einem Abtastwert zugeordnete Index j wird dann in binärer

Form mit m = ld(M ) bit dargestellt und in dieser Form abgespei-
chert, verarbeitet oder übertragen.

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
Die Rekonstruktion des zeitkontinuierlichen Signals wird durch die

D/A-Wandlung vorgenommen. Die Codewörter werden dazu in
wertdiskrete Abtastwerte y(kT ) umgewandelt, aus denen dann mit
einem Rekonstruktionstiefpass das analoge Signal y(t) entsteht (sie-
he Bild 12.5).
vom Kanal D/A Tiefpass Senke

vbinär(kT) y(kT) y(t)
Abbildung 12.5: Rekonstruktion eines analogen Signals aus digitalisierten Werten
12.3 Gleichförmige Quantisierung

Die durch eine gleichförmige Quantisierung entstehenden Fehler
werden analysiert und erreichbare Signal-Rausch-Abstände angege-
ben.
12.3.1 Leistung des Quantisierungsrauschens

Die Quantisierungsfehler
q(kT ) = u(kT ) − v(kT ) (12.6)
bestimmen die Eigenschaften eines jeden Systems, das Amplituden-

werte diskretisiert. Ihr Leistungsbeitrag Pq bestimmt den erreichba-
ren Signal-Rausch-Abstand. Eine entsprechende Analyse wird im
folgenden Abschnitt vorgenommen. Die Quantisierungsfehler kön-
nen durch Vergrößerung der Stufenzahl M , durch optimale Wahl der
xj - und yj -Werte, also durch die Quantisiererkennlinie, sowie durch
Einhaltung der Quantisiereraussteuerung klein gehalten werden.

12.3. Gleichförmige Quantisierung 165
Bei einer fehlerfreien Übertragung oder Speicherung der digitalisier-

ten Werte ist der empfangene Abtastwert y(kT ) mit dem quantisier-
ten Wert identisch, d. h. es ist
q(kT ) = u(kT ) − y(kT ) (12.7)
Eine Eingangsfolge u(kT ) führt zu einer Folge von Quantisierungs-

fehlern q(kT ). Bei einer gleichförmigen Quantisierungskennlinie („li-
neare Quantisierung“) mit Stufenhöhe ∆, wie sie in Bild 12.4 ge-
zeigt wurde, liegen die Quantisierungsfehler im Bereich ±∆/2, wenn
die Rekonstruktionswerte in der Mitte eines jeden Entscheidungsin-
tervalls (xj , xj+1 ) liegen und keine Übersteuerung auftritt: |u(kT )| ≤
xmax . Es ist die Annahme gerechtfertigt, dass die Amplituden des
Fehlers im Intervall (−∆/2, +∆/2) gleichverteilt sind, wenn die Stu-
fenzahl M ausreichend groß ist. Die Verteilung wird durch die Am-
plitudendichteverteilung (ADV)
1
pq (q) = ⊓∆ (q) (12.8)
∆
beschrieben.
pq(q)
1/∆
-∆ ∆ q
0
2 2
Abbildung 12.6: Amplitudendichteverteilung des Quantisierungsrauschens
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
Die Leistung (Varianz) des Quantisierungsfehlers ist definiert als
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

der Wahrscheinlichkeit ihres Auftretens im Intervall (q, q + dq). Aus

Gl. (12.10) folgt sofort
∆2
Pq = (12.11)
12
❐ 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.
Sinussignale. Ein Sinussignal u(t) der Amplitude A werde mit

xmax = A quantisiert, wobei xmax der Aussteuergrenzwert des Quan-
tisieres sei (s. Bild 12.4). Damit wird Pu = A2 /2, A = xmax = ∆ · M/2
und schließlich
3 2m
SRV = 2 bzw.
2
SNR = 6,02 m + 1,76 (dB) (12.13)
❐ 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]. ❐
Bildsignale. Helligkeitswerte u(kT ) von zeilenweise gelesenen

Bildsignalen sind näherungsweise gleichverteilt. Der Gleichanteil
wird vor der Quantisierung entfernt, so dass die transformierten
Helligkeitswerte in einem Bereich (−A, A) liegen. Die ADV der Hel-
ligkeitswerte u(kT ) hat die Form der Gl. (12.8). Damit gilt mit xmax =
A für die Wechselleistung des Signals
ZA
x2max
Pu = u2 pu du = (12.14)
3
−A
und damit
SNR = 6,02 m (dB) (12.15)

Sprach-undAudiosignale. Die Amplitudenwerte von akustischen

Signalen sind mittelwertfrei, ansonsten im Prinzip unbegrenzt, klei-
ne Amplituden sind aber sehr viel häufiger als große. Quantisierer
werden so ausgesteuert, dass durch Abtastwerte > xmax nur eine ge-
ringfügige Überlastung eintritt. Oft wird eine sog. 4σ-Belastung ver-
wendet,
p
xmax = 4 · σu = 4 · Pu (12.16)
um eine akzeptable Aussteuerung festzulegen.
Abbildung 12.7: Festlegung der Aussteuerung eines Quantisierers
Damit ergibt sich nach kurzer Rechnung:
SNR = 6,02 m − 7,27 (dB) (12.17)
Dieses Ergebnis gilt auch für andere Signale (z. B. Messsignale),

wenn eine 4σ-Belastung gewählt wird, und wenn die dadurch her-
vorgerufene Überlastungswahrscheinlichkeit dieses Signals klein ist.
Verallgemeinerung. Das Signal-Rausch-Verhältnis hat in allen Fäl-

len eine gleiche Abhängigkeit der Form
Pu
SRV = = α · M2 = α · 22m (12.18)
Pq
bzw.
SNR = 6,02 m + 10 lg α (dB) (12.19)

Der Faktor α liegt bei praktischen Verfahren zwischen α = 0,1 (loga-

rithmische Quantisierung, hier nicht behandelt) und α = 1,5 (Sinus-
signale, s. o.). In allen Fällen ergibt sich eine Vergrößerung des SNR um
6,02 dB mit jedem zusätzlichen Bit (d. h. mit jeder Verdoppelung der Zahl
der Stufen).
12.3.3 Abhängigkeit des SNR von der Aussteuerung

des Quantisierers
Die oben angegebenen SNR-Werte gelten nur bei optimaler Aus-
steuerungdes linearen Quantisierers. Ist die maximale Signalampli-
tude max |u(kT )| = A < xmax , so liegt eine Untersteuerung vor; ist
andererseits A > xmax , so nimmt der SNR wegen der dadurch eintre-
tenden Überlastung des Quantisierers sehr schnell ab. Bild 12.8 de-
monstriert die Abhängigkeit des Gesamt-SNR von der Aussteuerung
des Quantisierers. Bei Untersteuerung nimmt das SNR linear mit
der abnehmenden Eingangsleistung Pu ab, denn SRV = Pu /Pq , die
Quantisierungsfehlerleistung Pq ist aber konstant, der SNR nimmt
mit 6,02 dB pro Bereichshalbierung ab. Ist also Pu um einen Faktor 4
kleiner (6,02 dB), so ist auch der SNR um diesen Faktor kleiner.
SNR
Pu
optimales
xmax
Abbildung 12.8: Abhängigkeit des SNR = Pu /Pq von der Eingangsleistung Pu
Wir unterscheiden (siehe Bild 12.9)

• granulares Rauschen der Varianz Pq, gr ,
• Überlastungsrauschen der Varianz Pq, üb .
Wegen der statistischen Unabhängigkeit der Terme können diese ein-
fach addiert werden; die Quantisierungsfehlerleistung ist also
Pq = Pq, gr + Pq, üb (12.20)
Bild 12.10 zeigt die Abhängigkeit der Rauschanteile von der Aus-
steuerungsgrenze xmax des Quantisierers.

Abbildung 12.9: Darstellung der Rauschanteile (bei zeitkontinuierlichem Signal)
Rauschleistungen
gesamter RauschanteilqP
granulares Rauschen q,P gr
Überlastungsrauschen q,
P üb
optimales xmax
xmax
Abbildung 12.10: Beiträge zur Gesamtrauschleistung des Quantisierers
❐ Beispiel: Quantisierung eines Sprachsignals mit 2 bit/Abtastwert

Bild 12.11 zeigt die erreichbare Rekonstruktionsgüte für eine Quantisierung ei-
nes Sprachlautes mit gleichförmigem 2 bit-Quantisierer. Große Amplitudenwerte
werden wegen Übersteuerung verzerrt, und kleine Amplitudenwerte werden mit
zu großer Amplitude wiedergegeben. Dieser Effekt ist auch bei größeren Quan-
tisiererstufenzahlen wirksam, er kann vermieden werden, wenn ungleichförmige
Quantisiererkennlinien verwendet werden, bei denen bei kleinen Amplitudenwer-
ten entsprechend kleine Stufenhöhen zur Verfügung stehen.
❐ Beispiel: Quantisierung eines Bildsignals mit 2 bit/Abtastwert

Bei der Quantisierung von Bildvorlagen mit wenigen Stufen kommt es zu Kon-
turbildungen (siehe Bild 12.12), da für stetige Grauübergänge keine Quantisierer-
stufen zur Verfügung stehen. Bei der Bildcodierung sind i. Allg. wenigstens 256
Helligkeitsstufen zur Rekonstruktion erforderlich (8-bit-Quantisierung). Röntge-
närzte verlangen zur Beurteilung von digitalisierten Röntgenbildern sogar 1024
Graustufen.

Abbildung 12.11: Gleichförmige Quantisierung eines Ausschnittes aus einem

Sprachsignal mit 2 bit/Abtastwert.
v. o. n. u.: Original, abgetastet, zusätzlich quantisiert, Quantisierungsfehler.
Abbildung 12.12: Gleichförmige Quantisierung einer Bildvorlage mit

2 bit/Abtastwert
(links: Original, rechts: quantisiert)
12.4 Prinzipien der Digitalisierung

Bei der m-Bit-A/D-Wandlung muss jeder Abtastwert u(kT ), wenn
er als Spannungswert gegeben ist, mit Spannungsnormalen vergli-
chen werden, um festzustellen, in welchem Entscheidungsintervall
(xj , xj+1 ) er liegt. Es stehen dafür drei Prinzipien zur A/D-Wandlung
zur Verfügung (siehe Bild 12.13):

12.4. Prinzipien der Digitalisierung 171
• Zählmethode (ein Normal)

• Iterationsmethode (m Normale)
• Direkte Methode (M Normale).
Praktische Verfahren verwenden häufig auch Kombinationen aus
den genannten Prinzipien.
❐ Frage:
Wieviel Schritte sind bei den drei Prinzipien zur A/D-Wandlung eines Abtastwer-
tes höchstens erforderlich ? [A.: 2m ; m; 1) ❐
Abbildung 12.13: Prinzipien der A/D-Wandlung [Quelle: Hölzler-Holzwarth I

S. 330]
❐ Beispiel: Iterationsmethode
Bild 12.14 zeigt das Prinzip eines nach der Iterationsmethode arbeitenden A/D- und
das eines D/A-Wandlers.
❐
A/D: Der A/D-Wandler benutzt einen D/A-Wandler. In jedem Ite-

rationszyklus wird jeweils ein Bit bestimmt, zuerst das MSB, dann
die Bits mit immer kleiner werdender Wertigkeit, zuletzt das LSB.

Abbildung 12.14: Iterationsmethode (A/D-Wandlung) und Bewertungsdecodie-

rer für natürliche Binärcodes (7 Bit) [Quelle: Hölzler-Holzwarth I S. 334/338]
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

12.5. Pulscodemodulation 173
6/8 u(kT)
v(kT)
4/8
2/8
0
Abfrage 1.bit 2.bit 3.bit t
Ergebnis 1 0 1
Abbildung 12.15: Iterationsmethode (m = 3)
Bu fT m α SNR R = fT · m
Telefonsignal 3,4 kHz 8,0 kHz 8 0,1 38 dB 64 kbit/s

Audiosignal 20,0 kHz 48,0 kHz 16 1,0 96 dB 768 kbit/s
TV-Signal (S/W) 5,0 MHz 13,5 MHz 8 1,0 48 dB 108 Mbit/s
TV-Farbinformation 2,5 MHz 6,75 MHz 8+8 1,0 108 Mbit/s
Tabelle 12.1: PCM-Parameter in der Nachrichtentechnik
von M = 2m möglichen wertdiskreten Amplituden v(kT ) zugeord-

net wird (siehe Bild 12.4) und dass die Indizes dieser M -wertigen
Amplituden v(kT ) dann in Binärsignale, bestehend aus
m = ld(M ) [bit/Abtastwert] (12.21)
umgewandelt werden. Bei einer binären Übertragung entsteht damit
eine Bitrate
R = fT m [bit/s] (12.22)
In der Nachrichtentechnik wird die A/D-Wandlung und digita-

le Übertragung als Pulscodemodulation (PCM) bezeichnet (siehe
Bild 12.1). Die folgende Tabelle zeigt typische Parameter für in der
digitalen Nachrichtentechnik wichtige Signale.
Zur Übertragung dieser Bitraten sind große Bandbreiten erforder-
lich, dies ist der Preis für eine nahezu störungsfreie Übertragung.
Praktisch jedoch kann die Bitrate durch effiziente Verfahren der Da-
tenkompression oft so stark reduziert werden, dass der Bandbreite-
bedarf gegenüber einer analogen Signalübertragung sinkt!
❐ Beispiel: Digitales Fernsehen

Durch Datenkompression kann die Bitrate eines Farbfernsehsignals von
216 Mbit/s auf etwa 2 Mbit/s reduziert werden. Über einen herkömmlichen Fern-
sehkanal mit 8 MHz Bandbreite können dann bis zu acht digitalisierte Videosignale
übertragen werden. ❐


Kapitel 13
Diskrete Signale im Zeitbereich
Dieses Kapitel folgt im Wesentlichen dem Kapitel 2, wir konzentrie-

ren uns aber auf die Unterschiede in der Beschreibung diskreter Si-
gnale gegenüber kontinuierlichen Signalen. Dementsprechend wur-
de auch kein Wert auf eine spiegelbildliche Aufteilung der Abschnit-
te gelegt. So verzichten wir beispielsweise auf die erneute Darstel-
lung von Leistungssignalen und ihren Parametern.
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
erfüllt. Die notwendige Abtastfrequenz ist damit
1
fT = ≥ 2 · Bu (13.2)
T
Fragen der Abtastung und Rekonstruktion wurden in den Kapi-

teln 11 und 12 ausführlich behandelt. Bei der eigentlichen digitalen
Übertragung werden die Abtastwerte u(kT ) zusätzlich in ihrer am-
plitudenmäßigen Auflösung begrenzt (Quantisierung der möglichen
Amplitudenwerte; siehe Kapitel 12).
❐ 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
13.2 Mittelwerte, Energien und Leistungen

Arithmetischer Mittelwert, Energie, Leistung und Varianz einer Zah-
lenfolge u(n) im Zeitintervall (n1 , n2 ) werden in Analogie zu zeitkon-
tinuierlichen Signalen definiert:
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)
Es gilt zudem σu2 (n1 , n2 ) = Pu (n1 , n2 ) − m2u (n1 , n2 ) (Wechselspan-

nungsleistung = Gesamtleistung - Gleichspannungsleistung). Durch
Grenzübergänge erhält man die Werte mu , Wu , Pu und σu2 und da-
mit die Unterscheidung nach Energiesignalen (Wu endlich) und Leis-
tungssignalen (Pu endlich).
Wird durch ein Intervall (n1 , n2 ) nicht das ganze Signal erfasst, so
können die obigen Werte als Schätzwerte der wahren Werte interpre-
tiert werden. Insbesondere bei stochastischen Signalen spielen Fra-
gen der Schätzung eine große Rolle.
Kreuz- und Autokorrelationsfolgen (KKF, AKF) für Energiesignale
sind nun auch durch Summenausdrücke festgelegt:
nX
2 −k
KKF: ruv (k; n1 , n2 ) := u(n) · v(n + k) (13.7)

n=n1
nX
2 −k
AKF: ruu (k; n1 , n2 ) := u(n) · u(n + k) (13.8)

n=n1
Äquivalent zu zeitkontinuierlichen Signalen gilt

Wu (n1 , n2 ) = ruu (0; n1 , n2 ).
Ist eine Signalfolge u(n) periodisch mit der Periodizität np ,

u(n) = u(n + np ) (13.9)
so muss das Intervall (n1 , n2 ) die Länge np haben (d. h. n2 − n1 + 1 =
np ), um die wahren Werte zu bestimmen.

13.3. Diskrete Elementarsignale 177
13.3 Diskrete Elementarsignale

13.3.1 Exponentialsignalfolgen
Aus
u(n) = c · αn (13.10)
ergeben sich je nach Wahl von α unterschiedliche Verläufe (siehe fol-

gendes Bild (13.1)).
❐ 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 ]
❐
Abbildung 13.1: Exponentialsignalfolgen [Quelle: Oppenheim und Willsky, S. 35]

Reelle Exponentialsignalfolgen. Bei reellem α ergibt sich eine re-

elle Exponentialsignalfolge, z. B. zweiseitig mit abnehmenden Am-
plitudenwerten, wenn α < 1 ist:
u(n) = cα|n| (13.11)
Cosinus- und Sinussignalfolgen. Mit komplexen Exponential-

funktionen können Sinus- und Cosinussignale dargestellt werden,
z. B. ergibt sich mit c = 1 und α = ejΩ0 die komplexe Signalfolge
u(n) = ejΩ0 n = cos (nΩ0 ) + j sin (nΩ0 ) . (13.12)
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:
u(nT ) = ejnω0 T = ejn2πf0 /fT (13.14)
Da wir in der digitalen Signalverarbeitung mit normierten Zeiten rechnen, d. h.

1
T = = 1 (13.15)
fT
verwenden wir, um die Normierung zu verdeutlichen, eine auf die Abtastfre-
quenz fT normierte Kreisfrequenz:
f0
Ω0 = 2π (13.16)
fT
Wegen der zeitlichen Normierung auf T = 1 ist die Abtastfrequenz fT = 1 und

die Abtastkreisfrequenz ΩT = 2π. Die normierte Kreisfrequenz ist dimensionslos,
sie wird in Bogengrad angegeben: ist z. B. eine Signalfrequenz f0 = fT /4, so ist
Ω0 = 2π/4 = π/2. ❐
❐ Aufgabe:
Berechnen Sie u(n) = ejπn/4 für n = 0, 1, 2, . . . , 8 und skizzieren Sie Real- und
Imaginärteil. ❐
Frequenzperiodizität komplexer Exponentialsignalfolgen. Jede

komplexe Exponentialsignalfolge u(n) ist frequenzperiodisch, d. h. sie
ergibt sich nicht nur für Ω0 , sondern auch für andere Frequenzen
Ω0 ± k · 2π , denn
u(n) = ej(Ω0 +k2π)n = ejΩ0 n (13.17)
Dieses Ergebnis sagt aus, dass ein um k · 2π höherfrequentes komple-

xes Exponentialsignal die gleichen Abtastwerte hat wie seine tieffre-
quente Version.

❐ Beispiel: Identität der Abtastwerte von zwei Cosinussignalen

Bild 13.2 zeigt zwei Cosinussignale u1 (n) = cos(0,1πn) und u2 (n) = cos(2,1πn).
Beide Signale haben die gleichen Abtastwerte.
Abbildung 13.2: Vergleich der Abtastwertefolge zweier Cosinussignale bei glei-

cher Abtastfrequenz [Quelle: Kuc, S. 24]
Wegen dieser Eigenschaft brauchen sinusförmige Vorgänge daher

nur im Intervall (−π, +π) oder (0, 2π) betrachtet zu werden. Bild 13.3
zeigt dazu ein weiteres Beispiel: Cosinussignale mit zunehmender
Frequenz können nach Abtastung zu identischen Abtastwertfolgen
(diskreten Cosinussignalen) führen. Hier liegt ein wesentlicher Unter-
schied zu zeitkontinuierlichen komplexen Exponentialfunktionen, bei de-
nen die Zahl der Schwankungen pro Sekunde mit wachsender Fre-
quenz einsinnig zunimmt.
Abbildung 13.3: Frequenzperiodizität eines abgetasteten Cosinussi-

gnals bei fester Abtastfrequenz und zunehmender Signalkreisfrequenz
Ω0 = 0, π/8, π/4, π/2, π, 3π/2, 7π/4, 15π/8, 2π [Quelle: Oppenheim und Willsky, S.
40]

Zeitperiodizität komplexer Exponentialsignalfolgen. Komplexe

Exponentialsignalfolgen sind frequenzperiodisch, aber nicht immer zeit-
periodisch! Hier liegt ein weiterer Unterschied zu zeitkontinuierlichen
Exponentialsignalen.
Als Bedingung für die Zeitperiodizität einer abgetasteten Exponen-
tialsignalfolge nach N Abtastwerten ergibt sich nämlich die Forde-
rung
ejΩ0 (n+N ) = ejΩ0 n (13.18)
Damit muss gelten:
ejΩ0 N = 1 oder Ω0 · N = k · 2π (13.19)
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.
❐ Beispiel: Abgetastete Sinussignale

Von den beiden in Bild 13.4 dargestellten abgetasteten Sinussignalen u1 (n) =
sin(nπ/4) und u2 (n) = sin(n) ist nur u1 (n) zeitperiodisch.
Abbildung 13.4: Zeitperiodizität von diskreten Sinussignalen [Quelle: v.d.Enden

und Verhoeckx, S. 57]
13.3.2 Diskrete si-Folge

Die diskrete si-Folge ist durch
sin(Ωn)
si(Ωn) := (13.20)
Ωn
gegeben. Das folgende Bild zeigt den Verlauf dieser Folge.

Abbildung 13.5: Diskrete si(Ω0 n)-Folge mit Ω0 = 0,8(n = −20 . . . 20)

13.3.3 Diskrete Elementarsignale mit Diskontinuitä-

ten
Diskrete Sprungfolge. Sie ist definiert durch

0 : n<0
σ(n) = (13.21)
1 : n≥0
σ(n)
n
-3 -2 -1 0 1 2 3 4 5 6
Abbildung 13.6: Diskrete Sprungfolge
Mit der diskreten Sprungfolge gilt auch:
δ(n) = σ(n) − σ(n − 1) (13.22)

X∞
σ(n) = δ(n − k) (13.23)
k=0
Diese beiden Gleichungen stellen die zeitdiskreten Äquivalente der

Aussagen im zeitkontinuierlichen Fall dar, dass nämlich der Del-
taimpuls als Derivierung (Ableitung) der Sprungfunktion gedeutet
werden kann, und dass die Sprungfunktion das laufende Integral
des Deltaimpulses ist.

Diskreter Rechteckimpuls. Bei dem diskreten Rechteckimpuls

1 : |n| ≤ (M − 1)/2
⊓M (n) = (13.24)
0 : sonst
wählt man i. Allg. M ungerade, um einen um n = 0 symmetrischen

Verlauf erhalten zu können (obige Definition gilt auch nur für unge-
rades M ).
u(n) = Π5(n)
n
− ( M − 1) ( M − 1)
2
0 2
Abbildung 13.7: Symmetrischer diskreter Rechteckimpuls u(n) = ⊓M (n) mit M =

5
❐ Aufgabe:
Skizzieren Sie u(n) = cos(πn) · ⊓5 (n − 7). ❐
Diskreter Deltaimpuls. Der diskrete Deltaimpuls (auch Einheitsim-

puls oder Kronecker-Delta genannt) ist als Zahlenfolge

0 : n 6= k
δ(n − k) = δ(k − n) = δkn = (13.25)
1 : n=k
definiert: Im Unterschied zur Darstellung des Deltaimpulses für zeit-

kontinuierliche Signale (dort musste er als Distribution eingeführt
werden) gibt es im zeitdiskreten Fall keine Probleme mit der Dar-
stellung und Benutzung des (diskreten) Deltaimpulses.
δ(n) δ(n-k)
1 1
n n
0 0 k-1 k k+1
Abbildung 13.8: Diskreter Deltaimpuls
❐ 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=−∞
Aus der Zahlenfolge u(k) wird durch die Ausblendeigenschaft des

Deltaimpulses δ(n − k) der Wert u(n) ausgeblendet.
Eine andere Interpretation der Gleichung ist folgende: Jedes einzelne
Summenglied u(k)δ(n − k) ist nicht nur eine Zahl (für festes n), son-
dern eine Funktion uk (n), die bei einem bestimmten n (nämlich für
n = k) ungleich 0, sonst überall gleich 0 ist. Das folgende Bild zeigt
dazu ein Beispiel für eine Zahlenfolge u(n).
u(n)
n
-1 0 1 2 3 4 5 6 7 8 9
ist gleich der Summe aus

u(-1) δ(n+1)
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.
Abbildung 13.9: Überlagerung von gewichteten Deltaimpulsen (dargestellt sind

die Summenglieder für k = −1, k = 0, d. h. die Funktionen u−1 (n), u0 (n))
Diskreter Deltakamm. Er wird definiert als

∞
X
δN (n) = δ(n − kN ) (13.27)
k=−∞

13.4 Verknüpfungen und Ähnlichkeiten von

Signalen
Additive und multiplikative Verknüpfungen gleichen denen für zeit-
kontinuierliche Signale. Für die Faltungsoperation ergibt sich jedoch
jetzt ein Ausdruck, der Summenfaltung genannt wird:
∞
X
w(n) = u(k) · v(n − k) = u(n) ∗ v(n) (13.28)
k=−∞
Bild 13.10 zeigt dazu zwei anschauliche Deutungen der Faltung. Im

ersten Fall werden durch Multiplikationen von u(n) und v(n) Matrix-
elemente gewonnen, die bei diagonalem Aufaddieren die Werte von
w(n) ergeben. Im zweiten Fall werden Elemente der zeitinvertierten
Folge v(−k) um n Werte verschoben und mit darüber liegenden Ele-
menten der Folge u(k) multipliziert.
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
Abbildung 13.10: Beispiel einer Faltungsoperation
❐ 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)] ❐

Kapitel 14
Diskrete Signale im
Frequenzbereich
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.
14.1 Fouriertransformationen für zeitdiskre-

te Signale
Fouriertransformationen für zeitdiskrete Signale (Discrete-time Fou-
rier Transforms) definieren die Spektren für ideal abgetastete Signale
u∗ (t) und für Zahlenfolgen u(n). Die Spektren sind periodisch und
frequenzkontinuierlich.
14.1.1 Abgetastete Signale

Ein im Abtastabstand T abgetastetes Signal u(t) lässt sich als
∞
X
∗
u (t) = u(t) δT (t) = u(kT ) δ(t − kT ) (14.1)
k=−∞
darstellen. In der Nachrichtentechnik wird diese Abtastung als Pul-

samplitudenmodulation (PAM) bezeichnet.
Damit ergibt sich die Fouriertransformation (Analysegleichung) als
Fouriertransformierte des rechten Terms von Gl. (14.1) :
∞
X
∗ ∗
U (jω) = F {u (t)} = u(kT ) e−jkωT (14.2)
k=−∞
185
186 Kapitel 14. Diskrete Signale im Frequenzbereich
Wir hatten bereits im Abschnitt 11.1.2 gezeigt, dass U ∗ (jω) frequenz-

periodisch ist und auch in der Form
∞
∗ 1 X
U (jω) = U (j(ω − kωT )) (14.3)
T k=−∞
dargestellt werden kann.

Das Spektrum U ∗ (jω) eines abgetasteten Signals u∗ (t) ist da-
mit eine skalierte periodische Fortsetzung des Grundbereichspek-
trums U (jω) der Funktion u(t). Das Periodizitätsintervall ist ωT =
2π/T [s−1 ], das Spektrum wiederholt sich damit im Frequenzabstand
fT = 1/T [Hz], also im Abstand der Abtastfrequenz.
Konnten wir das Ergebnis der Frequenz-Periodizität der Fourier-
transformierten abgetasteter Signale erwarten? Bild 14.1 zeigt ein
bandbegrenztes Signal u(t) ↔ U (jω). Wir erinnern uns, dass ei-
ne zeitperiodische Funktion uP (t) = uP (t + mT ) ein Linienspek-
trum besitzt, bei dem die Linien durch Delta-”Impulse“ beschrie-
ben sind, deren Gewichte die Fourierkoeffizienten der Fourierreihen-
entwicklung der Funktion up (t) sind [Bild 14.1 (d)]. Die Symmetrie-
Eigenschaften der Fouriertransformation führen dazu, dass umge-
kehrt eine gewichtete Folge von Deltaimpulsen im Zeitbereich zu ei-
nem periodischen Spektrum führt. Die Abtastwerte u(kT ) sind damit
die Fourierkoeffizienten der Fourierreihenentwicklung des periodi-
schen Spektrums [14.1 (b)].
Schließlich fügen wir noch an, dass eine zeitperiodische und abgetaste-
te Funktion u∗p (t) = u∗p (t + mT ) wie up (t) ein Linienspektrum besitzt,
das sich aber zusätzlich noch periodisch fortsetzt [14.1 (c)]. Wir wer-
den auf dieses Ergebnis noch im Zusammenhang mit der Diskreten
Fouriertransformation zurückkommen.
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=−∞
Die Fouriertransformierte U (jΩ) := F{u(n)} ist eine i. Allg. komple-

xe Funktion, die für jedes Ω definiert ist (im Unterschied zur DFT;
siehe nächster Abschnitt).
Wegen der zeitlichen Normierung auf T = 1 ist die Abtastfrequenz
fT = 1 [und die Abtastkreisfrequenz ωT = 2π]. Die normierte Kreis-

14.1. Fouriertransformationen für zeitdiskrete Signale 187
Abbildung 14.1: Zeit- und Frequenzbereich bei abgetasteten Funktionen (FTC:

kontinuierliche Fouriertransformation) [Quelle: v.d. Enden / Verhoeckx S. 171]
frequenz
ω f
Ω = 2π = 2π (14.5)
ωT fT
ist dimensionslos, d. h. das Periodizitätsintervall des frequenzperi-

odischen Spektrums ist jetzt 2π, entspricht also der Abtastkreisfre-
quenz.
❐ 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. ❐
Die Fouriertransformierte U (jΩ) existiert, wie Gl. (14.4) zeigt, zumin-

dest für jede absolut summierbare Zahlenfolge u(n):
∞
X
|u(k)| < ∞ (14.6)
k=−∞
Ein diskreter Deltakamm (Deltapuls), also eine unendliche Folge von

δ(n)-Werten, genügt dieser Forderung nicht!
Als Umkehrung ergibt sich die Synthesegleichung:
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). ❐
Der in Bild 14.1 gezeigte Zusammenhang von Zeit- und Frequenz-

bereich bei abgetasteten Funktionen gilt auch für Zahlenfolgen und
ihre Spektren (siehe folgendes Bild).
Abbildung 14.2: Zeit- und Frequenzbereich bei Zahlenfolgen (FTC: kontinuierl.FT,

FTD:FT für zeitdiskrete Signale; DFT: diskrete FT; FR: Fourierreihe) [Quelle: v.d.
Enden und Verhoeckx S. 163]
❐ Aufgabe: Spektrum einer Impulsfolge {1, 2, 1}
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 ]
❐
❐ Aufgabe: Impulsfolge {1, 2, 1} (Fortsetzung)
Aus der Fouriertransformierten der Impulsfolge {1, 2, 1} kann letztere wiederge-

wonnen werden.

u(n) U(jΩ)
4
n
-1 0 1 -2π -π 0 π 2π
Abbildung 14.3: Impulsfolge {1, 2, 1} und ihre Fouriertransformierte
• Berechnen Sie die Impulsfolge unter Verwendung der Synthesegleichung.

• Berechnen Sie die Impulsfolge durch Koeffizientenvergleich des berechne-
ten Spektrums U (jΩ) mit der Definitionsgleichung von U (jΩ).
14.1.3 Eigenschaften der Fouriertransformierten von

Zahlenfolgen
Die Eigenschaften entsprechen formal weitgehend denen der
Fouriertransformation für zeitkontinuierliche Funktionen (Sym-
metriebedingungen für Amplituden- und Phasengang, Linearität,
Maßstabsänderung, Zeit- und Frequenzverschiebung, Symmetrie-
Eigenschaften). Die Besonderheit der Periodizität der Spektren hat-
ten wir bereits gezeigt.
Summenfaltung: Für Zahlenfolgen geht die gewöhnliche Faltung

in eine Summenfaltung über (siehe Abschnitt 13.4), für sie gilt im Fre-
quenzbereich:
∞
P
w(n) = u(n) ∗ v(n) = u(k) v(n − k)
k=−∞ (14.8)
↔ W (jΩ) = U (jΩ) · V (jΩ)
Die Summenfaltung entspricht im Frequenzbereich einer Multiplika-

tion der Spektren.
❐ 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. ❐
Auch für Kreuz- und Autokorrelationsfolgen (KKF, AKF) gelten ent-

sprechende Ausdrücke, die direkt aus Gl. (14.8) abgeleitet werden

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=−∞
Das Energiedichtespektrum |U (jΩ)|2 ist also die Fouriertransfor-

mierte der AKF. Das Parseval-Theorem für Zahlenfolgen liefert die
Energie Wu in der Form
∞ 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
Damit ergibt sich für k = 0 sofort das Parseval-Theorem. ❐
14.1.4 Beispiele (Elementarsignale)

Diskreter Deltaimpuls. Der diskrete Deltaimpuls u(n) = δ(n) hat
eine Fouriertransformierte
U (jΩ) = F{δ(n)} = 1 (14.12)
δ(n) U(jΩ)
(1) 1
n Ω
Abbildung 14.4: Diskreter Deltaimpuls und seine Fouriertransformierte
Ist u(n) = δ(n − a), so wird U (jΩ) = e−jΩa , d. h. Au (Ω) = 1 und

ϕu (Ω) = −aΩ. Die Phasenlaufzeit ist dann t0 (Ω) = a. Die Ergebnis-
se ergeben sich entweder durch direkte Berechnung oder über den
Verschiebungssatz.

Diskreter Rechteckimpuls. Ein diskreter M -Werte-Rechteck-

impuls (mit ungeradem M ),

1 : |n| ≤ (M − 1)/2
⊓M (n) = (14.13)
0 : sonst
liefert (nach Rechnung)

sin Ω2 M
F {⊓M (n)} = (14.14)
sin Ω2
Dies ist kein sin(x)/x - Verlauf!.
Abbildung 14.5: Diskreter 5-Werte-Rechteckimpuls und seine Fouriertransfor-

mierte
[Quelle: Oppenheim/Willsky, S. 296]
❐ Beispiel:
Für M = 3 ergibt sich eine Fouriertransformierte
U (jΩ) = F{⊓3 (n)} = 1 + 2 cos(Ω) (14.15)
Der Phasenwinkel ist

0 : U (jΩ) > 0
ϕu (Ω) = arg[U (jΩ)] = (14.16)
±π : U (jΩ) < 0
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.
Cosinus- und Sinusfolgen. Eine um 0 symmetrische Zahlenfol-

ge {. . . 0, 0, 1, 0, 1, 0, 0, . . . } liefert, wie leicht nachzurechnen ist, ein
Spektrum mit cosinusförmigem Verlauf (siehe dazu das obige Bei-
spiel einer Impulsfolge {. . . 0, 0, 1, 2, 1, 0, 0, . . . }. Aus Symmetriegrün-
den gilt umgekehrt, dass ein zeitkontinuierliches Cosinussignal ei-
nem Deltapaar im Frequenzbereich entspricht, ein abgetasteter Cosi-
nus wird dann aus einer 2π-periodischen Fortsetzung von δ-Paaren

Abbildung 14.6: Spektrum eines symmetrischen bzw. rechtsseitigen Drei-Werte-

Rechteckimpulses [Quelle: Kuc S. 126/124]
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)
Diskreter Deltakamm. Es handelt sich um ein periodisches (!) Si-

gnal u(n) = 1, für das eine Fouriertransformierte nicht direkt berech-
net werden kann, da u(n) nicht absolut summierbar ist (s. Gl. (14.6)).
Aus den Überlegungen, die zu den Bildern 14.1 und 14.2 geführt ha-
ben, vermuten wir ein Spektrum
∞
X
U (jΩ) = F{1} = 2π δ(Ω − 2πk) (14.19)
k=−∞
Die Richtigkeit ergibt sich sofort durch Einsetzen in die Syntheseglei-

chung: Da das Signal periodisch ist, ergibt sich ein Linienspektrum.
Linienspektren ergeben sich für alle periodischen Zahlenfolgen, sie-
he Bild 14.2 (d).

14.2. Diskrete Fouriertransformation 193
14.2 Diskrete Fouriertransformation

Die Diskrete Fouriertransformation (DFT) definiert ein diskretes
Spektrum einer Signalfolge u(n): Das Spektrum ist nicht länger fre-
quenzkontinuierlich, sondern nur durch Stützstellen gegeben. Damit
sind Digitalrechnerbestimmungen möglich. Da aber nur noch Stütz-
stellen des Spektrums zur Verfügung stehen, ergeben sich wichtige
Unterschiede zu der zeitdiskreten Fouriertransformation.
14.2.1 Definition, Existenz und Eigenschaften

Bei einer Digitalrechner-Bestimmung der Fouriertransformierten
entsteht das Problem, dass nur eine endliche Zahl N von u(n)-Werten
berücksichtigt werden kann. Daneben können aber auch nur endlich
viele Stützstellen des Spektrums U(jΩ) berechnet werden. Werden
genau N Stützstellen äquidistant im Abstand
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]. ❐
Die Analysegleichung (DFT) lautet:
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,
UDFT (n) = UDFT (n + N ) (14.23)

aber für reelle Signalfolgen u(k) auch die Eigenschaft

∗
UDFT (−n) = UDFT (n), (14.24)
so dass sich mit UDFT (−n) = UDFT (−n + N ) auch

∗
UDFT (N − n) = UDFT (n) (14.25)
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. ❐
Umgekehrt ergibt sich die Synthesegleichung (IDFT):
NP
−1
IDFT: u(k) = 1
N
UDFT (n) · ejkn∆Ω ; k = 0, 1, 2, . . . , N − 1
n=0
(14.26)
Für das Transformationspaar benutzen wir die Schreibweise u(n) ↔

UDFT (n).
❐ 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. ❐
Eigenschaften der DFT. Die Eigenschaften (Symmetriebedingun-

gen für Amplituden- und Phasengang, Linearität, Maßstabsände-
rung, Symmetrie-Eigenschaften) entsprechen weitgehend denen der
Fouriertransformation für zeitkontinuierliche Signale und für abge-
tastete Signale. Eine gewisse Vorsicht erfordern Sätze über zeitliche
und frequenzmäßige Verschiebungen und die Anwendung von Fal-
tungsoperationen, die zyklisch verlaufen. Faltungsoperationen wer-
den im Abschnitt 14.2.6 näher erläutert.
Für das Parseval-Theorem gilt
N −1 N −1
X 1 X
2
Wu = |u(k)| = |UDFT (k)|2 (14.27)
k=0
N k=0
❐ Beispiel: DFT eines diskreten Deltaimpulses für N = 4

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
Abbildung 14.7: Folge {1, 0, 0, 0} und ihre DFT
14.2.2 Beweis und Interpretation der Syntheseglei-

chung
Die Synthesegleichung lautete
N −1
1 X
IDFT: u(k) = U (n)·ejkn∆Ω ; k = 0, 1, 2, . . . , N −1 (14.28)
N n=0 DFT
Beweis der Synthesegleichung. Wir setzen in die Syntheseglei-

chung die DFT UDFT (n) ein:
N −1
" N −1 ! #
1X X
u(n) = u(l) e−jkl∆Ω ejkn∆Ω
N k=0 l=0
N −1
" N −1
#
1 X X
= u(l) e−jk2π(n−l)/N (14.29)
N l=0 k=0
Die Eigenschaft der Summenorthogonalität für harmonische Funk-

tionen lautet
N −1
X
jk2π(n−l)/N N : wenn (n − l)/N ganzzahlig
e = (14.30)
0 : sonst
k=0

Der Term (n − l)/N kann aber - da n, l = 0, 1, 2, . . . , N − 1 ist - nur für

n = l ganzzahlig sein; daher folgt aus Gl. (14.29):
1
u(n) = N
(u(0) · 0 + u(1) · 0 + · · · + u(n − 1) · 0 + u(n) · N + u(n + 1) · 0 + . . .)
1
= N
u(n) · N = u(n)
Veranschaulichung der Synthesegleichung. Die Syntheseglei-

chung (14.28) zeigt, dass eine N -Werte-Zahlenfolge u(n) als eine
Überlagerung von N gewichteten Exponential-Basisfolgen ejkn ∆Ω
mit Kreisfrequenzen n∆Ω , n = 0, 1, 2, . . . , N −1 , d. h. Harmonischen
der Grundkreisfrequenz ∆Ω, beschrieben werden kann (s. Bild 14.8).
Abbildung 14.8: Basisfolgen für N = 8 [Quelle: Kuc, S. 143]
Diese Veranschaulichung der Synthesegleichung weist wiederum

auf die Ähnlichkeit der DFT mit einer Fourierreihenentwicklung von
periodischen Signalen hin. Bei der DFT ergeben sich für N Zeit-
werte N Frequenzwerte, sie sind (durch ”Frequenzabtastung“ des
Spektrums entstandene) Stützstellen der frequenzkontinuierlichen
Fouriertransformierten U (jΩ) : UDFT (n) = U (jn∆Ω) im Abstand
∆Ω = 2π/N . [Ist der Abstand nicht zu T = 1 normiert, so ha-
ben die berechneten Spektrallinien einen Abstand 2π/N T [s−1 ] oder
∆f = 1/N T [Hz].] Da die DFT UDFT (n) eine Zahlenfolge im spektra-
len Bereich ist, muss das Zeitsignal u(n) periodisch sein; die Werte

u(n) der Zahlenfolge sind gleichzeitig die Fourierkoeffizienten des

periodischen Spektrums U (jΩ) = U [j(Ω + m2π)], m ∈ Z.
Berechnung der Synthesegleichung. Die inverse DFT wird i. Allg.

mittels der DFT durchgeführt, indem die DFT auf UDFT
∗
(k) (also auf
das konjugiert-komplexe Spektrum) angewendet wird:
N −1
!∗
1 X
∗
u(n) = UDFT (k) ejkn∆Ω (14.31)
N k=0
14.2.3 Hinweise zur DFT

DFT von endlichen, nichtperiodischen Zahlenfolgen. Die DFT
beschreibt eine Transformation zwischen periodischen Funktionen.
Es können aber auch endliche, nichtperiodische Zahlenfolgen u(n)
DFT-transformiert werden, sie liefern das gleiche Ergebnis für die
DFT. Es muss aber dann bei allen Berechnungen (insbesondere bei
der Ausführung der IDFT) berücksichtigt werden, dass diese Folgen
von der DFT behandelt werden, als seien sie periodisch fortgesetzt.
Für endliche Zahlenfolgen u(n) der Länge N kann der gesamte Fre-
quenzgang U (jΩ) aus den N Stützstellen UDFT (k) zurückgewonnen
werden:
1. Schritt: u(n) mittels IDFT aus UDFT (k) bestimmen
2. Schritt: U (jΩ) aus u(n) berechnen.
U (jΩ) enthält redundante Information, da U (jΩ) bereits durch die
Stützstellen vollkommen festliegt. Diesen Sachverhalt hatten wir be-
reits im Abschnitt 4.8.1 angegeben: Zeitbegrenzte Funktionen kön-
nen aus diskreten Spektrallinien fehlerfrei wiedergewonnen werden.
Wahl der Blocklänge N . Die Blocklänge N ist bei periodischen

Zeitfolgen möglichst so zu wählen, dass sie ein ganzzahliges Viel-
faches der Zahl der Abtastwerte in einem Periodizitätsintervall ist
(in obigem Beispiel also mN, m = 1, 2, 3, . . . ). Sonst würden sich
im Zeitbereich bei der periodischen Fortsetzung des Grundbereiches
Stoßstellen ergeben, die sich im Frequenzbereich als Verfälschungen
niederschlagen. Zu beachten ist aber, dass diese Forderung nicht im-
mer erfüllbar ist. So haben wir ja bereits gezeigt, dass ein diskretes
(abgetastetes) Cosinussignal durchaus nicht periodisch sein muss!
Außerdem gibt es oft die Forderung nach einem Wert N = 2m ; m =
1, 2, 3, . . . , um eine FFT (Fast Fourier Transformation) einsetzen zu kön-
nen (siehe unten). Durch Einführung von Fensterfunktionen w(n)
und der Berechnung der DFT der Folge u(n)·w(n) können die Verfäl-
schungen verringert werden, wenn w(n) so gewählt wurde, dass die
Stoßstellen bei der periodischen Fortsetzung geschwächt auftreten
(siehe Abschnitt 14.2.5).

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.
14.2.4 Beispiel: Diskrete Drei-Werte-Rechteckfolge

Ein diskreter Drei-Werte-Rechteckimpuls u(n) = ⊓3 (n) ergibt mit
der Fouriertransformation ein kontinuierliches periodisches Spek-
trum U (jΩ) = F{⊓3 (n)} = 1 + 2 cos(Ω). Dem DFT-Spektrum
UDFT (k) entspricht dann eine periodische Fortsetzung des Drei-
Werte-Rechteckimpulses (siehe Bild 14.9). In den folgenden beiden
Bildern verwenden wir dafür die Bezeichnung uDFT (n).
Abbildung 14.9: Drei-Werte-Rechteckimpuls mit ZDFT-Spektrum und DFT- Spek-

trum für N = 8 [Quelle: Kuc, S. 119]
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.
14.2.5 Beispiel Hanning-Fenster

Gegeben sei eine Zahlenfolge, die das Hanning-Fenster (auch raised-
cosine- oder cos2 -Fenster genannt; nicht zu verwechseln mit dem
Hamming-Fenster!) beschreibt:
(
0.5 · 1 − cos 2πn
N
: 0≤n≤N −1
w(n) = (14.32)
0 : sonst

Abbildung 14.10: Spektren eines diskreten Drei-Werte-Rechteckimpulses (links:

ZDFT; rechts DFT für N = 4 und N = 8) [Quelle: Kuc].
Wir wollen die Spektren von zeitdiskreter Fouriertransformation

(ZDFT) und DFT vergleichen. Die folgenden Bilder zeigen die Zeit-
signalfolge w(n) und die Amplitudengänge A(Ω) (zeitdiskrete Fou-
riertranformation) und ADFT (n)(DFT).
Die Fouriertransformierte W (jΩ) ergibt sich nach Rechnung. Die
DFT ergibt für N = 16:

 8 : n=0

WDFT (n) = 4 : n = 1, n = 15 (14.33)


0 : sonst
Der Unterschied zwischen W (jΩ) und WDFT (n) entsteht, weil bei der
DFT von einer periodischen Signalfolge wDFT (n) ausgegangen wird;

diese stellt aber einfach eine verschobene Cosinusfolge dar, so dass

im Spektrum nur Werte für n = 0 (Gleichanteil) und n = 1 (Cosinus-
signal) entstehen (siehe folgendes Bild).
Abbildung 14.11: Spektren eines Hanningfensters
❐ Hinweis:
Das Hanningfenster ist eine viel verwendete Zahlenfolge, mit der Signale u(n) mo-
difiziert werden,
v(n) = u(n) · w(n) (14.34)
um bei Fouriertransformierten von Ausschnitten u(n) eines Signals Randeffekte

abzuschwächen. ❐
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 )

und v(n) = v(n + N ) entspricht, also auch eine zyklische Faltung.

Durch ein geeignetes Anfügen von Nullen kann aber auch bei einer
Berechnung über die DFTen die gewünschte lineare Faltung gewon-
nen werden.
❐ Beispiel: Lineare und zyklische Faltung

Wir untersuchen die Faltung der Folgen u(n) = {2, 5} und v(n) = {1, 3, −4} mit
der Papierstreifenmethode (bei der zwei Streifen mit den Folgen u(k) und v(−k)
um n Werte gegeneinander verschoben und die Zahlen vertikal multipliziert wer-
den). Eine lineare Faltung ergibt sich, wenn die Folgen nicht periodisch sind. Bei
periodischen Folgen (wie sie bei der DFT vorausgesetzt werden müssen) ergibt
sich eine zyklische Faltung. Durch Anfügen von Nullen kann wieder das Ergebnis
der linearen Faltung erreicht werden.
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
. . .
. . .
. . .
Abbildung 14.12: Beispiele zur Faltung
14.2.7 Schnelle Fourier-Transformation (FFT)

Die schnelle Fourier-Transformation (FFT = Fast Fourier Trans-
form) ist ein für Digitalrechner optimierter Algorithmus zur Be-
rechnung der DFT. Die DFT liefert für einen Vektor uT =
{u(0), u(1), . . . , u(N − 1)} aus N Zeitwerten einen Vektor UDFT T =
{UDFT (0), UDFT (1), . . . , UDFT (N − 1)} aus N Spektrallinien (uT und
UDFT T : transponiert). Die Transformation kann als Matrizenglei-
chung geschrieben werden. Mit
wN = ej∆Ω = ej2π/N (14.36)

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)
Um eine Spektrallinie direkt (also ohne FFT) bestimmen zu können,

sind N komplexe Multiplikationen und N − 1 komplexe Additionen
durchzuführen. Zur Berechnung der N Spektrallinien sind also etwa
N · N = N 2 komplexe Multiplikationen und Additionen notwendig!
Wenn die Rechenzeit in erster Näherung zur Anzahl der Multiplika-
tionen/Additionen proportional ist, benötigt die direkte Berechnung
Tdirekt = γ · N 2 (14.38)
(γ = Rechnerkonstante, Ausführungszeit einer komplexen Multipli-

kation und Addition).
Bei der FFT werden in starkem Maße die Symmetrien in der DFT
ausgenutzt, um die Zahl der Grundoperationen zu verringern. So
gilt z. B.
wkn = wk(n+N ) = w(k+N )n
∗ ∗ ∗ (14.39)
= w−kn = w−k(n+N ) = w−(k+N )n
Besonders günstig ist es, wenn N eine Zweierpotenz ist (N = 2m ;

m > 1, ganzzahlig). Dann ist die Rechenzeit (ohne Beweis):
TFFT (2) = γ · N · ld(N ) (14.40)
Die Rechenzeit verringert sich bei der FFT gegenüber dem direkten
Verfahren (DFT) um den Gewinn
Tdirekt N
G= = (14.41)
TFFT (2) ld(N )
Für N = 16 würde sich ein Gewinn an Rechenzeit von 4 ergeben, bei

N = 1024 wäre der Gewinn bereits 102, 4. Der Gewinn an Rechen-
zeit durch den FFT-Algorithmus gegenüber dem direkten Verfahren
ist also besonders bei großen N erheblich. Die FFT wird vorwiegend
zu Signalanalysen, z. B. für die Bestimmung von Leistungsdichte-
spektren, neuerdings aber auch zur direkten Filterung im Frequenz-
bereich und zur Codierung von Sprach-, Audio- und Bildsignalen
eingesetzt.

❐ Beispiel: FFT-Berechnung eines Bildes

Gegeben sei ein digitalisiertes Bild mit 1024 · 1024 Bildpunkten (N = 220 ). Der
Gewinn durch FFT ist 10242 /20 ≈ 52429. Bei einer Rechnerkonstante γ = 100 ns
würde sich ohne FFT eine Rechenzeit Tdirekt von 30 Stunden und mit FFT eine
Rechenzeit TFFT von 2 Sekunden ergeben. ❐


Kapitel 15
Diskrete Laplace- und
z-Transformation
Die z-Transformation hat für Zahlenfolgen die gleiche Bedeutung

wie die Laplacetransformation für zeitkontinuierliche Signale; sie
wird hier definiert, und wichtige Eigenschaften werden erläutert.
Wir entwickeln sie dazu aus der Laplacetransformation für ideal
abgetastete Signale. Der Wert der z-Transformation liegt in der Be-
schreibungsmöglichkeit diskreter linearer Filter durch Nullstellen
und Pole, daher werden wir ihren Anwendungen im Kapitel 16 be-
gegnen.
15.1 Darstellung von Abtastsignalen in der

s-Ebene
Abgetastete Funktionen haben, wie bereits im Kapitel 11 gezeigt
wurde, ein periodisches Fourierspektrum, d. h.
∞
X
∗
u (t) = u(kT ) δ(t − kT ) (15.1)
k=−∞
hat eine Fouriertransformierte

∞
X
∗
∗
U (jω) = F u (t) = u(kT ) e−jωkT (15.2)
k=−∞
[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
wird auch als diskrete Laplace-Transformation bezeichnet, da sie auf

die diskreten Werte u(kT ) angewendet wird. U ∗ (s) ist eine in ω peri-
odische Funktion mit der Periode ωT = 2π T
, denn für ein beliebiges,
aber ganzzahliges m gilt
∞
X
U ∗ (s + jmωT ) = u(kT ) e−(s+jmωT )kT
k=−∞
X∞
= u(kT ) e−skT e−jmωT kT
k=−∞
X∞
= u(kT ) e−skT e−jmk2π
k=−∞
X∞
= u(kT ) e−skT = U ∗ (s)
k=−∞
(15.4)
15.2 z-Transformation
Mit der neuen Variablen
z = eT s (15.5)
ergibt sich aus Gl.(15.3) die zweiseitige z-Transformation

∞
X

U (z) = Z II u(kT ) = u(kT ) z −k (15.6)
k=−∞
Geometrische Deutung der Variablensubstitution z = eT s Pole

und Nullstellen in der s-Ebene wiederholen sich gemäß Gl. (15.4)
nach oben und unten mit der Kreisfrequenz ωT . Der Ausschnitt für
|ω| ≤ ωT /2 wird als Primärstreifen bezeichnet, die Wiederholungen
sind die Komplementärstreifen (siehe Bild 15.1).
Der linke Teil des Primärstreifens der s-Ebene wird durch die Varia-
blensubstitution z = eT s in das Innere des Einheitskreises |z| ≤ 1
abgebildet. Der linke Teil aller Komplementärstreifen wird ebenfalls
in das Innere des Einheitskreises abgebildet (Riemannsche Blätter).
Die jω-Achse wird zum Einheitskreis ejωT in der z-Ebene.
Definition. Gl. (15.6) zeigt, dass einer Zahlenfolge u(k) eine z-

Transformierte U (z) zugeordnet werden kann. Setzen wir noch T = 1
an, so lautet die Analysegleichung
∞
X

ZT: U (z) ≡ Z II u(k) ≡ u(k) z −k (15.7)
k=−∞

15.3. Bestimmung der Zeitfolge aus der Systemfunktion 207
Abbildung 15.1: s- und z-Ebene
U (z) ist ein Polynom in z, die Größe z ist eine komplexe Variable:
z = Re{z} + j Im{z} (15.8)
❐ 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. ❐
Inverse z-Transformation. Die inverse z-Transformation (Synthe-

segleichung) ergibt sich (ohne Beweis) aus der Analysegleichung zu
I
1
IZT: u(n) = U (z) · z n−1 dz (15.9)
2πj
C
Der Integrationspfad c muss singuläre Punkte von U (z) einschlie-

ßen. Wir werden diese Synthesegleichung, deren Anwendung funk-
tionentheoretische Kenntnisse voraussetzt, im Rahmen dieser Vor-
lesung nicht benutzen. Inverse z-Transformationen können aber
auch ohne die Synthesegleichung durchgeführt werden, wenn die
z-Transformierte in Polynomform vorliegt; dann kann nämlich ein
Koeffizientenvergleich mit der z-Transformation vorgenommen wer-
den. Ist die z-Transformierte als Quotient von zwei Polynomen vor-
gegeben, so kann zuerst eine Polynomdivision und dann der Koeffi-
zientenvergleich vorgenommen werden.
15.3 Bestimmung der Zeitfolge aus der Sys-

temfunktion

Liegt eine Systemfunktion U (z) = Z u(n) vor, so kann die Zeitfol-
ge u(n) z. B. mittels Durchführung der inversen z-Transformation ge-
wonnen werden. Einfacher ist oft eine Teilbruchzerlegung von U (z).
Die Rücktransformierte der Teilbrüche kann dann aus Tabellen der
z-Transformation entnommen werden.

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)
Ein Koeffizientenvergleich mit

∞
X
U (z) = u(k) z −k (15.11)
k=0

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.
❐ Beispiel: Diskreter 3-Werte-Rechteckimpuls

Der diskrete Rechteckimpuls

1 |n| ≤ 1
⊓3 (n) = (15.12)
0 sonst

also die Folge 1, 1, 1 , hat eine z-Transformierte

Z II ⊓3 (n) = z + 1 + z −1 (15.13)
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 . ❐
Bezug zur Fouriertransformation. Die z-Transformation stellt eine

Erweiterung der Fouriertransformation von Zahlenfolgen dar, so wie
die Laplace-Transformation als Erweiterung der Fouriertransforma-
tion für zeitkontinuierliche Signale interpretiert werden kann. Benut-
zen wir Polarkoordinaten, wird also eine z-Transformierte U (z) für
z = rejΩ bestimmt, so ergibt sich
∞
X
jΩ
U (r e ) = U (z) = u(k) r−k e−jkΩ
z=r ejΩ
k=−∞
−k
= F u(k) r (15.14)
Damit ist U (z) für z = r ejΩ identisch mit der Fouriertransformierten

der Folge u(k) r−k . Die z-Transformation stellt also eine Erweiterung
der zeitdiskreten Fouriertransformation
dar. Sie beschreibt die Fou-
riertransformierte F u(k) · r −k
für alle Folgen u(k) mit exponenti-
eller Gewichtung r−k .

15.3. Bestimmung der Zeitfolge aus der Systemfunktion 209
Für r = 1 (Einheitskreis) ist die z-Transformation mit der Fourier-

transformation identisch,

U (z) = U (ejΩ ) = F u(k) (15.15)
z=ejΩ
wenn die z-Transformierte für z = ejΩ , also auf dem Einheitskreis,

existiert.
❐ Beispiel: Diskreter 3-Werte-Rechteckimpuls (Fortsetzung)

Der diskrete Rechteckimpuls hat eine z-Transformierte

Z II ⊓3 (n) = z + 1 + z −1 (15.16)
und damit eine Fouriertransformierte

F ⊓3 (n) = U (jΩ) = ejΩ + 1 + e−jΩ = 1 + 2 cos(Ω) (15.17)
Existenz und Konvergenzbereich. Die z-Transformierte U (z) exis-

tiert, wenn u(k) · z −k absolut summierbar, also eine stabile Folge ist;
mit z = r · ejΩ folgt:
∞
X
|u(k) · r−k | < ∞ (15.18)
k=−∞
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).
❐ Beispiel: Rechtsseitige Exponentialfolge

Es sei
u(n) = an σ(n) (15.19)
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 , . . . ❐

❐ Beispiel: Diskrete Sprungfolge

Aus

0 : n<0
σ(n) = (15.21)
1 : n≥0
folgt mit dem Beispiel der rechtsseitigen Exponentialfolge für a = 1 die z-

Transformierte
z
Z II σ(n) = für |z −1 | < 1 (15.22)
z−1
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.
a · u1 (n) + b · u2 (n) ↔ a · U1 (z) + b · U2 (z) (15.23)
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
Die z-Transformierte ist
R(z) = z −1 + 2z −2 + 3z −3 (15.26)
Für r− (n) = r(−n) ergibt sich die z-Transformierte
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.
u(n − q) ↔ z −q · U (z) (15.28)
Eine Verzögerung um einen Takt entspricht einer Multiplikation der

z-Transformierten mit z −1 ; wir werden diesem Faktor z −1 bei der
Charakterisierung der Einheitsverzögerung in digitalen Filtern wie-
derbegegnen.
❐ Beweis der Verschiebungseigenschaft
∞
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=−∞
Es ergibt sich also das Transformationspaar
δ(k − q) ↔ z −q (15.32)
und damit auch
δ(k) ↔ 1 (15.33)
Faltung im Zeitbereich.
u(n) ∗ v(n) ↔ U (z) · V (z) (15.34)
Neben der Linearität und der Eigenschaft der Verschiebung wird die
Faltung die größte Rolle spielen.
Frequenzgang. Aus der Analysegleichung (15.7) folgt, dass der

Frequenzgang U (jΩ) sich aus U (z) für z = ejΩ bestimmen lässt:

U (jΩ) = F u(k) = U (ejΩ ) = U (z) (15.35)
z=ejΩ

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.
Abbildung 15.2: Amplitudengang in komplexer z-Ebene

Kapitel 16
Zeitdiskrete Lineare Systeme
Zeitdiskrete lineare Systeme werden im Zeit- und Frequenzbereich

dargestellt und mittels der z-Transformation durch ihre Pole und
Nullstellen charakterisiert. Eine große Zahl einfacher Beispiele ver-
deutlicht die Möglichkeiten digitaler Signalverarbeitung und Filte-
rung. Da Filter hoher Ordnung sehr häufig als Hintereinanderschal-
tung einfacher Teilsysteme realisiert werden, stellt die Bevorzugung
einfacher Beispiele keine Einschränkung der Darstellung zeitdiskre-
ter Systeme dar; sie hat zudem den Vorteil, dass die Beispiele leicht
nachvollziehbar und durch einfache Digitalrechnersimulationen ve-
rifizierbar sind; dazu soll ausdrücklich ermutigt werden.
16.1 Differenzengleichung und Impulsant-

wort
16.1.1 Systembeschreibungen durch Differenzenglei-
chungen
Ein zeitdiskretes System antwortet auf eine Eingangsfolge u(n) mit
einer Ausgangsfolge y(n). Einfache Beschreibungen sind, wie bei
analogen Systemen, möglich, wenn das System linear, zeitinvariant
und kausal ist (siehe unten). Die Verknüpfung zwischen Eingangs-
folge u(n) und Ausgangsfolge y(n) liegt dann durch eine einfache
Differenzengleichung fest.
u(n) y(n)
zeitdiskretes Eingangssignal, zeitdiskretes Ausgangssignal,
beschrieben durch beschrieben durch
Eingangsfolge u(n) Ausgangsfolge y(n)
Abbildung 16.1: Zeitdiskretes lineares System
Die Differentialgleichung für analoge Systeme wird zu einer Diffe-

renzengleichung, die die Ausgangsfolge y(n) als gewichtete Summe
213
214 Kapitel 16. Zeitdiskrete Lineare Systeme
von aktuellem Eingangswert u(n), vorhergehenden Eingangswer-

ten u(n − q), q = 1, 2, . . . , Q, und vorhergehenden Ausgangswerten
y(n − r), r = 1, 2, . . . , R, festlegt:
Q R
X X
y(n) = bq u(n − q) + ar y(n − r) (16.1)
q=0 r=1
Die Werte bq und ar werden Filterkoeffizienten genannt. Die Ope-

rationen der Addition und Multiplikation treten auch bei analogen
Systemen auf, der Differentiation entspricht hier die zeitliche Verzö-
gerung, für die jeweils eine Speicherzelle vorhanden sein muss. Jede
Verzögerung um einen Einheitstakt stellen wir durch ein z −1 -Glied
dar. Bild 16.2 zeigt eine mögliche Realisierungsstruktur, die sog. di-
rekte Struktur.
u(n) z-1 z-1 z-1
b0 b1 ..... bQ
y(n)
+ + +
z-1 z-1 z-1
aR ..... a1
+ + +
Abbildung 16.2: Direkte Struktur eines zeitdiskreten linearen Filters
Zwei Sonderfälle sind zu unterscheiden, die in der Praxis digitaler

Filter eine große Rolle spielen:
Nichtrekursive Filter. Nichtrekursive Filter verknüpfen nur Ein-

gangswerte:
Q
X
y(n) = bq u(n − q) (16.2)
q=0
Reinrekursive Filter. Die rein rekursiven Filter verknüpfen den ak-

tuellen Eingangswert u(n) nur mit vergangenen Ausgangswerten
y(n − r); r = 1, 2, . . . , R:
R
X
y(n) = u(n) + ar y(n − r) (16.3)
r=1
❐ Beispiel: Rein rekursives Filter erster Ordnung

Die DGL für das System nach Bild 16.3 lautet
y(n) = u(n) + ay(n − 1) (16.4)
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

16.1. Differenzengleichung und Impulsantwort 215
u(n) + y(n)
× z −1
a0
Abbildung 16.3: Rein rekursives Filter erster Ordnung
und war der Speicherinhalt y(n − 1) Null gewesen, so entsteht am Ausgang eine
Folge y(n) = (1, a, a2 , a3 , a4 , . . . ).
❐
Jede Analyse aufgrund dieser Differenzengleichungen (16.1) bis

(16.3) erfordert also eine Kenntnis der Filterkoeffizienten. Wie bei
analogen linearen Systemen kann das Verhalten diskreter Systeme
aber auch aus ihrer Impulsantwort gewonnen werden.
16.1.2 System-, Impuls- und Sprungantwort

Zeitdiskrete Übertragungssysteme werden durch eine eindeutige
Transformationsvorschrift T {.} gekennzeichnet, die eine beliebige
Eingangsfolge u(n) in eine Ausgangsfolge y(n) transformiert:
y(n) = T {u(n)} (16.5)
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.
Impulsantwort. Die Antwort eines Systems auf den diskreten Del-

taimpuls δ(n) ist die Stoß- oder Impulsantwort h(n).
h(n) := T {δ(n)} (16.6)
In der Regelungstechnik wird sie i. Allg. mit g(n) bezeichnet:
g(n) := T {δ(n)} (16.7)
Bei einem kausalen System ist sie für negative Argumente Null.
Sprungantwort. Die Antwort hσ (n) des Systems auf eine diskrete

Sprungfolge σ(n) wird als Sprungantwort bezeichnet:
hσ (n) := T {σ(n)} (16.8)
Da die Sprungfunktion σ(n) durch

n
X
σ(n) = δ(n − k) (16.9)
k=0

beschrieben werden kann, gilt auch (wegen Linearität und Zeitinva-

rianz):
n
X
hσ (n) = T {σ(n)} = h(n − k) (16.10)
k=0
Wegen δ(n) = σ(n) − σ(n − 1) gilt auch
h(n) = T {σ(n) − σ(n − 1)} = hσ (n) − hσ (n − 1) (16.11)
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
T {a1 u1 (t) + a2 u2 (t)} = a1 T {u1 (t)} + a2 T {u2 (t)} (16.12)
Zeitinvarianz. Die Signalform der Systemantwort hängt bei zeitin-

varianten Systemen nicht von dem Zeitpunkt des Anlegens einer
Eingangsfolge u(n) ab:
T {u(n − q)} = y(n − q) für beliebige u(n) und q (16.13)
Kausalität. Ein diskretes System ist kausal, wenn
h(n) = 0 ∀n<0 (16.14)
ist. Alle Überlegungen in Abschnitt 6.4.3 gelten auch für diskrete Sys-
teme.
Stabilität. Ein diskretes System ist stabil, wenn die Impulsantwort

absolut summierbar ist:
∞
X
|h(k)| < ∞ , (16.15)
k=−∞
denn dann ergibt sich bei beschränkter Eingangsfolge eine be-

schränkte Ausgangsfolge (siehe auch Abschnitt 6.4.3 in Verbindung
mit Abschnitt 6.5.1).

16.2. Diskrete Faltung 217
16.2 Diskrete Faltung

16.2.1 Die Summenfaltung
Wie bereits im Kapitel 14 gezeigt, lässt sich eine Zahlenfolge u(n) als
Summe verschobener Deltaimpulse darstellen:
∞
X
u(n) = u(k)δ(n − k) = u(n) ∗ δ(n) (16.16)
k=−∞
Jeder Deltaimpuls mit dem Gewicht u(k) zum Zeitpunkt n = k er-

zeugt eine Teilimpulsantwort h(n − k). In einem linearen System
überlagern sich alle Teil-Impulsantworten zu
∞
X
y(n) = T {u(n)} = T{ u(k)δ(n − k)}
k=−∞
∞
X
= u(k)T {δ(n − k)}
k=−∞
X∞
= u(k)h(n − k) = u(n) ∗ h(n) (16.17)
k=−∞
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=−∞
❐ Beispiel: Diskretes kausales Halteglied (Mittelwertfilter)

Ein diskretes kausales Halteglied (von uns auch Mittelwertfilter genannt) hat eine
Impulsantwort
1 M −1
h(n) = ⊓M (n − ) (16.19)
M 2
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)
Jeder Ausgangswert ist also der Mittelwert der letzten M Eingangswerte. ❐
❐ Beispiel: Diskretes kausales Halteglied (Numerisches Beispiel)

Es sei
1
u(n) = ⊓13 (n − 6) und h(n) = ⊓5 (n − 2) (16.21)
5
Bild 16.4 zeigt das Ergebnis der Filterung. ❐

Abbildung 16.4: Filterung einer diskreten Rechteckfolge mit einem diskreten Hal-
teglied
16.2.2 Exponentialsignalfolge als Eingangssignal

Ist u(n) eine Exponentialsignalfolge,
u(n) = ejnΩ1 , (16.22)
so ergibt sich für das Ausgangssignal eines linearen zeitdiskreten

Systems
∞
X ∞
X
y(n) = h(k)u(n − k) = h(k)ej(n−k)Ω1
k=−∞ k=−∞
= ejnΩ1 H(jΩ1 ) = u(n)H(jΩ1 ) , (16.23)

es entsteht also wieder ein Exponentialsignal, das gegenüber dem
Eingangssignal um den Übertragungsfaktor
∞
X
H(jΩ1 ) = h(k) · e−jkΩ1 (16.24)
k=−∞
verändert ist. H(jΩ1 ) ist die zeitdiskrete Fouriertransformierte der

Impulsantwort des Systems an der Stelle Ω = Ω1 . Sie wird für ein
bestimmtes Ω = Ω1 als Übertragungsfaktor bezeichnet.
16.3 Frequenzbereich
Zur Impulsantwort h(n) gehört die Fouriertransformierte
∞
X
H(jΩ) := F{h(n)} = h(k) e−jkΩ (16.25)
k=−∞

16.3. Frequenzbereich 219
Sie wird wie im analogen Fall als Übertragungsfunktion bezeich-

net. Umgekehrt kann durch eine inverse Fouriertransformation aus
H(jΩ) die Impulsantwort bestimmt werden:
Zπ
−1 1
h(n) = F {H(jΩ)} = H(jΩ) ejnΩ dΩ (16.26)
2π
−π
Für eine beliebige Eingangssignalfolge u(n) gilt:

∞
X
y(n) = u(k) h(n − k) (16.27)
k=−∞
Die Fouriertransformierte lautet

∞
P P∞ ∞
P
Y (jΩ) = y(l) · e−jlΩ = u(k) · h(l − k) · e−jlΩ
l=−∞ l=−∞ k=−∞
∞
∞

P P −jkΩ −j(l−k)Ω

= u(k) h(l − k) · e ·e | m := l − k
k=−∞ l=−∞
∞
∞

P P
= u(k) · e−jkΩ h(m) · e−jmΩ
k=−∞ m=−∞
P∞ ∞
P
−jkΩ
= u(k) · e h(m) · e−jmΩ
k=−∞ m=−∞
= U (jΩ) · H(jΩ)
(16.28)
Das Ausgangsspektrum ergibt sich also als Produkt von Eingangs-

spektrum und Übertragungsfunktion.
❐ 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
U (jΩ) = 2 + 5e−jΩ (16.29)

H(jΩ) = 1 + 3e−jΩ − 4e−j2Ω (16.30)
Damit wird
Y (jΩ) = U (jΩ)H(jΩ) = (2 + 5e−jΩ )(1 + 3e−jΩ − 4e−j2Ω )
2 + 11e−jΩ + 7e−j2Ω − 20e−j3Ω (16.31)
Ein Koeffizentenvergleich mit

∞
X
Y (jΩ) = y(k)e−jkΩ (16.32)
k=−∞
liefert die gesuchte Ausgangsfolge y(n) = {2, 11, 7, −20}. ❐

❐ Beispiel: Idealer Tiefpass als Beispiel einer Übertragungsfunktion

Gegeben sei die Übertragungsfunktion
(
1 : |Ω| ≤ Ωc
H(jΩ) = ⊓2Ωc (jΩ) = (16.33)
0 : Ωc < |Ω| ≤ π
[Aufgrund des periodischen Verlaufs wird nur der Bereich von −π bis +π betrach-
tet].
H(jΩ)
Ω
-2π -Ωc Ωc 2π
Abbildung 16.5: Übertragungsfunktion eines idealen Tiefpasses
Aus der Synthesegleichung ergibt sich die Impulsantwort
ΩC sin(nΩC ) ΩC
h(n) = = si(nΩC ) (16.34)
π nΩC π
und damit auch die Sprungantwort
hσ (n) = σ(n) ∗ h(n) (16.35)
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.)
Abbildung 16.6: (Nahezu) idealer Tiefpass: Impulsantwort h(n) und Sprungant-

wort hσ (n)

16.4. Systemfunktion und Pol-Nullstellendarstellung 221
16.4 Systemfunktion und Pol-

Nullstellendarstellung
Ein diskretes lineares System kann auch durch seine z-
Transformierte, die Systemfunktion
∞
X
H(z) = Z{h(n)} = h(k)z −k , (16.36)
k=−∞
beschrieben werden. Die Übertragungsfunktion in Ω ist dann - so-

weit sie existiert -
H(jΩ) = H(z) z=ejΩ

(16.37)
Es gilt auch
Y (z) = U (z) · H(z) (16.38)
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.
Pol-Nullstellen-Darstellung. Die Differenzengleichung des in Bild

16.2 dargestellten digitalen Filters in der direkten Form ist, wie bereits
angegeben,
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

sich sofort die Systemfunktion

Q
P PQ
bq Q−q
bq z −q z −Q b0 b0
z
Y (z) q=0 q=0
H(z) = = =
U (z) R
P PR
1− ar z −r z −R R
z − ar z R−r
r=1 r=1
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.
❐ Beispiel: Diskretes Summenfilter

Ein Filter mit einem Rechteckimpuls als Impulsantwort sei für M = 3 gegeben;
h(n) = ⊓3 (n) = {1, 1, 1} (16.43)
Das Filter hat die z-Transformierte

1 2 1
H(z) = z + 1 + z −1 = (z + z 1 + 1) = (z − z01 )(z − z02 ) (16.44)
z z
Der erste Term liefert eine Polstelle im Ursprung (z = 0), die Klammerterme liefern
ein Nullstellenpaar
z01, 02 = = e±j(2π)/3 (16.45)
Allgemein gilt, dass Pole und Nullstellen entweder reell oder

konjugiert-komplex sind (sonst würde sich aus H(z) nach Rücktrans-
formation eine komplexe Impulsantwort ergeben), und dass für kau-
sale Filter Q ≤ R sein muss (sonst würde eine Polynomdivision in Gl.
(16.41) und Koeffizientenvergleich mit Gl. 16.36 nichtkausale Kom-
ponenten in h(n) ergeben - wie im letzten Beispiel).

16.4. Systemfunktion und Pol-Nullstellendarstellung 223
Frequenzgang. Der Frequenzgang H(jΩ) ergibt sich aus der Sys-

temfunktion H(z) mit z = ejΩ , soweit letztere dort existiert. In der
z-Ebene definiert also der Einheitskreis |z| = |ejΩ | = 1 den Frequenz-
gang.
Im{z}
z = ejΩ
Ω=π Ω Ω=0
Re{z}
Abbildung 16.7: Einheitskreis
Der Frequenzgang ist ein Quotient von trigonometrischen Polyno-

men und muss daher selbst eine periodische Funktion sein.
Aus der Pol-Nullstellen-Darstellung der Systemfunktion gemäß Gl.
(16.41) ergibt sich mit z = ejΩ
Q
Q
ejΩ − z0q
Y (jΩ) q=1
H(jΩ) = = b0 ej(R−Q)Ω (16.46)
U (jΩ) R
Q
(ejΩ − zxr )
r=1
Aus dieser Darstellung ergibt sich eine einfache graphische Interpre-

tation des Amplituden- und Phasenganges des linearen Systems.
Amplitudengang. Der Amplitudengang bei der Frequenz Ω ergibt

sich als Quotient der Produkte der Abstände doq von den Nullstellen
zu dem betreffenden Ω-Aufpunkt und der Produkte der Abstände
dxr von den Polen zu dem Ω -Aufpunkt:
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)
Phasengang. Der Phasenwinkel der Übertragungsfunktion

Q
Q
ejΩ − z0q ejϕ0q
q=1
H(jΩ) = A(Ω) ejϕ(Ω) = b0 ej(R−Q)Ω R
Q
|ejΩ − zxr | ejϕxr
r=1

(16.48)
ergibt sich mit
ϕ0q = arg{ejΩ − z0q } und ϕxr = arg{ejΩ − zxr } (16.49)
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
Abbildung 16.8: Bestimmung des Amplituden- und Phasenganges aus Abstands-

werten und Winkeln

16.5. Kausalität digitaler Filter 225
16.5 Kausalität digitaler Filter

Wie bereits in Abschnitt 16.1.3 gezeigt wurde, ist die Kausalität eines
zeitdiskreten Signals h(n) im Zeitbereich gegeben, falls die folgende
Gleichung gilt.
h(n) = 0, ∀n < 0 (16.52)
Die z-Transformierte H(z) eines kausalen zeitdiskreten Signals hat

dementsprechend nur nicht-positive Exponenten:
∞
X
H(z) = h(k)z −k = h(0)z 0 + h(1)z −1 + h(2)z −2 + ... (16.53)
k=−∞
Bei einer Gesamtlänge von N Deltaimpulsen des Signals h(n) ergibt

sich die folgende Pol-Nullstellendarstellung:
N −1 PN −1
X (z − z0k )
H(z) = h(k)z −k = h0 k=0
(16.54)
k=0
z N −1
Solange der Zählergrad dieses Bruchs kleiner oder gleich dem

Nennergrad ist, bleiben die Exponenten der z-Transformierten nicht-
positiv und es liegt weiterhin ein kausales Filter vor. Folglich ist ein
zeitdiskretes System genau dann kausal, wenn es mehr Pol- als Null-
stellen oder genauso viele Pol- wie Nullstellen hat. Andernfalls ergä-
be sich nach einer Polynomdivision ein Term z n , n > 0, was einem
Deltaimpuls der Impulsantwort zum Zeitpunkt −n < 0 also vor An-
regung des Filters entspräche.
16.6 Nichtrekursive digitale Filter

Nichtrekursive digitale Filter sind durch die Differenzengleichung
Q
X
y(n) = bq u(n − q) (16.55)
q=0
definiert. Es werden also keine bereits berechneten Ausgangswerte

y(n−k), k > 0, zurückgekoppelt und damit rekursiv zur Berechnung
weiterer Ausgangswerte herangezogen. Jeder Ausgangswert ist eine
Linearkombination aus dem gerade anliegenden Eingangswert und
Q vorhergehenden Eingangswerten.
Die Impulsantwort der nichtrekursiven Filter ist endlich,
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)
Abbildung 16.9: Nichtrekursives Filter der Ordnung Q.
Nichtrekursive Filter werden daher oft FIR-Filter genannt (FIR = fi-

nite impulse response). Es ist leicht zu sehen, dass y(n) = u(n) ∗ h(n)
mit diesem h(n) die Gl. (16.55) ergibt (Weshalb eigentlich?).
Nichtrekursive Filter (FIR-Filter) weisen folgende Eigenschaften auf:
• FIR-Filter sind immer stabil
• Es können Filter mit linearer Phase realisiert werden (siehe
nächster Abschnitt)
• Rundungsrauschen kann gering gehalten werden (siehe Ab-
schnitt 16.13.3.)
• Es treten keine Grenzzyklen auf (siehe Abschnitt 16.13.3.)
• Steilflankige Sperrfilter erfordern einen hohen Aufwand (An-
zahl Q)
• Adaptive Strukturen (zeitvariable Filterkoeffizienten) lassen
sich am einfachsten mit FIR-Filtern realisieren.
Die Systemfunktion und der (komplexe) Frequenzgang ergeben sich
aus der Impulsantwort zu
Q Q
X X
−q
H(z) = h(q)z = bq z −q (16.57)
q=0 q=0
und
Q Q
X X
−jqΩ
H(jΩ) = H(z)|z=ejΩ = h(q) e = bq e−jqΩ
q=0 q=0
(16.58)
Der Frequenzgang über Ω ist damit periodisch (wieso eigentlich?).
❐ 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. ❐

16.6. Nichtrekursive digitale Filter 227
❐ Beispiel: Nichtrekursives Filter erster Ordnung (Q = 1)

Ein Eingangssignal u(n) = δ(n) liefert eine Impulsantwort
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
und damit eine z-Transformierte

1
X
H(z) = bq z −q (16.60)
q=0
Das nichtrekursive Filter hat also eine reelle Nullstelle z0 = −b1 /b0 . Aus dem Fre-
quenzgang
H(jΩ) = b0 + b1 e−jΩ = b0 + b1 cos(Ω) − jb1 sin(Ω) (16.61)
ergibt sich der Amplitudengang

p q
A(Ω) = R2 (Ω) + I 2 (Ω) = b20 + 2b0 b1 cos(Ω) + b21 (16.62)
❐ 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)
Die z-Transformierte ist

z+1
H(z) = 1 + z −1 = (16.64)
z
so dass z01 = −1 und zx1 = 0 ist.
Das Summenfilter hat also einen Tiefpasscharakter. Er ergibt sich, weil benach-
barte Eingangswerte aufaddiert werden. Sind diese Eingangswerte nicht sehr un-
terschiedlich (tieffrequentes Verhalten), so sind die Ausgangswerte vergleichswei-
se groß, d. h. tieffrequente Komponenten des Eingangssignals werden bevorzugt
durchgelassen.
Amplituden- und Phasengang können auch graphisch bestimmt werden. So ergibt
sich der Phasenwinkel zu

ϕ0 ϕx
Abbildung 16.11: h(n), hσ (n), A(Ω), ϕ(Ω) und z-Ebene für das Summenfilter
ϕ(Ω) = ϕ0 (Ω) − ϕx (Ω) (16.65)
❐ 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]. ❐
❐ Beispiel: Nichtrekursives Filter zweiter Ordnung

Die Impulsantwort bzw. die Übertragungsfunktion sind
u(n)
z-1 z-1
b0 b1 b2
y(n)
Abbildung 16.12: Nichtrekursives Filter 2. Ordnung
h(n) = b0 δ(n) + b1 δ(n − 1) + b2 δ(n − 2) (16.66)

−1 −2
H(z) = b0 + b1 z + b2 z (16.67)
Damit ergibt sich ein konjugiert-komplexes Nullstellenpaar

q
1
z01,2 = (−b1 ± b21 − 4b0 b2 ) (16.68)
2b0
❐
❐ Aufgabe: Bestimmung eines Amplitudenganges

Gegeben sei ein Filter mit der Impulsantwort h(n) = {1; −1,2; 0,72}. Berechnen Sie
die Nullstellen und skizzieren Sie A(Ω).
[A.: z01,2 = 0,6 ± j0,6; Bild 16.13 zeigt A(Ω)]. ❐

16.6. Nichtrekursive digitale Filter 229
Abbildung 16.13: Amplitudengang eines Filters mit der Impulsantwort h(n) =

{1; −1,2; 0,72}.
❐ Beispiel: Amplitudengang bei Variation einer komplexen Nullstelle
Gegeben sei ein komplexes Nullstellenpaar z01,02 = α ± jβ und b0 = 1. Für die

Übertragungsfunktion folgt
H(z) = z −2 (z − z01 )(z − z02 ) = 1 − 2αz −1 + (α2 + β 2 )z −2 (16.69)
Ein Koeffizientenvergleich ergibt die Impulsantwort
h(n) = δ(n) − 2α δ(n − 1) + (α2 + β 2 ) δ(n − 2) (16.70)
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 16.14: Wirkung eines konjugiert-komplexen Nullstellenpaares bei r =

0,3; 0,6 und 0,9 auf den Amplitudengang (beachte: ungleiche Maßstäbe der y-
Achse)
❐ Beispiel: Nichtkausales diskretes Halteglied höherer Ordnung

Ein Halteglied mit der Impulsantwort

M
1 X
h(n) = ⊓2M +1 (n) = δ(n + k) (16.71)
2M + 1
k=−M
führt eine Mittelwertbildung über 2M + 1 Eingangswerte durch, denn

M
1 X
y(n) = u(n + k) (16.72)
2M + 1
k=−M
Die Übertragungsfunktion wird zu

M
1 X
H(jΩ) = cos(kΩ) (16.73)
2M + 1
k=−M
[weshalb eigentlich?]. Der Amplitudengang wurde bereits im Abschnitt 14.1.4 an-

gegeben, er ist

sin 2M2+1 Ω
F{⊓2M +1 (n)} = (16.74)
sin Ω2
Die Amplitudengänge und Nullstellen für M = 2 und M = 10 zeigt das folgende

Bild.
Abbildung 16.15: Amplitudengang und Lage der Nullstellen für ein nichtkausales
diskretes Halteglied (M = 2 und M = 10) [Quelle: Lynn/Fuerst, S. 136]
16.7 Filter linearer Phase

Nichtrekursive Filter können so entworfen werden, dass ihre Phase
linear von der Frequenz abhängt. Beim Filter linearer Phase ist da-
her die Gruppenlaufzeit konstant. Alle Frequenzanteile erscheinen
gleichzeitig am Ausgang. Das Eingangssignal, insbesondere wenn es

16.7. Filter linearer Phase 231
impulsartiger Natur ist, „zerfließt“ nicht. Linearphasige Filterungen

werden aus diesem Grund u. a. bei Bildsignalen gefordert.
Wir fordern also, dass
H(jΩ) = A(Ω) ejϕ(Ω) = A(Ω) e−jtph Ω (16.75)
dass also die Phasen- und Gruppenlaufzeiten konstant sind:

ϕ (Ω)
tph = tgr = − = const. (16.76)
Ω
Wir zeigen jetzt, dass sich eine lineare Phase ergibt, wenn die Impuls-
antwort symmetrisch oder antisymmetrisch (um einen bestimmten,
auch von 0 verschiedenen [Kausalität!] Zeitpunkt Q/2) ist:
h(n) = h(Q − n) oder h(n) = −h(Q − n) (16.77)
Die Bedingungen gelten sowohl bei geradzahligem als auch bei un-
geradzahligem Q.
❐ Aufgabe: Zulässige Impulsantworten

Skizziere die zulässigen Typen von Impulsantworten für Q = 4 bzw. Q = 5, wenn
b0 = 2, b1 = 3 und b2 = 1,5 ist. ❐
Der Beweis ist einfach zu führen: Bei einer symmetrischen Impuls-

antwort genügen die Filterkoeffizienten der Bedingung
bq = bQ−q ; q = 0, 1, 2, . . . , Q/2 (16.78)
u(n)
z-1 z-1 z-1
..... b1 b0
b0 b1
+ + + +
y(n)
Abbildung 16.16: Filter linearer Phase
Damit wird (bei ungeradzahligem Q)
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)
Der Klammerausdruck ist reell, er beschreibt den Amplitudengang

A(Ω). Der Vergleich mit Gl. (16.75) zeigt, dass
Q
ϕ(Ω) = − Ω (±π) (16.80)
2
(±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.
❐ Aufgabe: Lage der Nullstellen

Zeigen Sie, dass zu jeder Nullstelle z0 = 1/r · ejϕ eine zum Einheitskreis spiegel-
bildliche Nullstelle z0′ = r · ejϕ gehören muss, dass also
1
z0′ = (16.82)
z0∗
sein muss. ❐
Zu jeder reellen Nullstelle gehört also eine weitere, zu jedem

konjugiert-komplexen Nullstellenpaar gehört ein weiteres Paar. Zu
jedem Nullstellenpaar bzw. Nullstellenquadrupel gehört eine sym-
metrische Impulsantwort. Bei vielen Nullstellen ergeben sich Mul-
tiplikationen der Teil-Systemfunktionen und damit Faltungen der
Teil-Impulsantworten. Durch Faltungen symmetrischer Funktionen
entsteht aber eine wiederum symmetrische Gesamt-Impulsantwort.
❐ Beispiel: Filter zweiter Ordnung
Mit den vorgegebenen Filterkoeffizienten b0 = b2 = 1 und a1 = −2,5 wird die

Differenzengleichung y(n) = u(n) − 2,5u(n − 1) + u(n − 2), die zTransformierte
H(z) = 1 − 2,5z −1 + z −2 , die Übertragungsfunktion H(jΩ) = e−jΩ (2 cos Ω − 2,5),
der Phasengang ϕ(Ω) = −Ω und die Phasen- bzw. Gruppenlaufzeit tph = tgr = 1.
Die Nullstellen sind reell und liegen bei z01 = 0,5 und z02 = 2.
❐

16.7. Filter linearer Phase 233
u(n) z −1 z −1
× b0 × b1 × b2
+ + y(n)
Abbildung 16.17: Filter zweiter Ordnung
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. ❐
❐ Beispiel: Bandpass 127.Ordnung

Das folgende Bild zeigt das Ergebnis einer Analyse eines Bandpassfilters 127. Ord-
nung mit linearer Phase, das mit einem Digitalrechnerentwurfsverfahren festge-
legt wurde.
Abbildung 16.19: Analyse eines Bandpasses 127. Ordnung: h(n), hσ (n), A(Ω),
ϕ(Ω) und z - Ebene

❐ Aufgabe: Obiges Beispiel

Begründen Sie den Phasengang und die Lage der Nullstellen. Welche Nullstellen
gehören jeweils zusammen? ❐
❐ Aufgabe: Kammfilter
Gegeben sei die Differenzengleichung

y(n) = u(n) − u(n − 4) (16.83)
Skizzieren Sie das Filter, geben Sie die Nullstellen an, und begründen Sie den in
Bild 16.20 gezeigten Amplituden- und Phasengang.
Abbildung 16.20: Amplituden- und Phasengang des Kammfilters
16.8 Rekursive Filter

16.8.1 Eigenschaften
Rekursive Filter sind durch die Differenzengleichung
Q R
X X
y(n) = bq · u(n − q) + ar · y(n − r) (16.84)
q=0 r=1
beschrieben; sie haben i. Allg. eine unendlich ausgedehnte Impuls-

antwort (Infinite Impulse Response = IIR) und werden daher auch
als IIR-Filter bezeichnet. Diese Filter lassen sich durch Nullstellen
und Pole beschreiben (siehe Gl. 16.41), wobei nicht alle Pole im Ur-
sprung der z-Ebene liegen. Ein Sonderfall sind die rein rekursiven IIR-
Filter, bei denen alle Nullstellen im Ursprung liegen, sie werden im
nächsten Abschnitt näher betrachtet.
IIR-Filter weisen die folgenden Eigenschaften auf:

16.8. Rekursive Filter 235
• 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.
❐ Aufgabe: Lage von Nullstellen und Polen

Gezeigt werden vier Amplitudengänge. Zu welchem Amplitudengang gehört ein
System mit
• einfacher reeller Nullstelle [z0 = 0,8]

• doppelter reeller Nullstelle [z01 = 0,8 ; z02 = −0,975]
• einem konjugiert-komplexen Polpaar [zx1,x2 = −0,8 ± j0,5]
• einem konjugiert-komplexen Nullstellenpaar [z01,02 = 0,86 ± j0,5] ?
Abbildung 16.21: Amplitudengänge

16.8.2 Rein rekursive Filter

Bei rein rekursiven Filtern liegen alle Nullstellen im Ursprung, das
Filter ist ein Nur-Pole-Filter. Als Differenzengleichung ergibt sich mit
b0 = 1
R
X
y(n) = u(n) + ar y(n − r) (16.85)
r=1
Die Systemfunktion wird
Y (z) 1 zR
H(z) = = = (16.86)
U (z) R
P R
Q
1− ar z −r (z − zxr )
r=1 r=1
dass alle Nullstellen im Ursprung liegen, kann aus dem Zählerterm

sofort abgeleitet werden, denn
R
Y R
Y
R
z = (z − z0r ) = (z − 0). (16.87)
r=1 r=1
u(n) y(n)
z-1 z-1 z-1
aR ..... a1
+ + +
Abbildung 16.22: Rein rekursives Filter
❐ Beispiel: Amplitudengang bei Variation einer komplexen Polstelle
Es sei ein komplexes Polpaar
zx1,x2 = α ± jβ (16.88)
vorgegeben. Die Übertragungsfunktion ist dann
z2 1
H(z) = = (16.89)
(z − zx1 )(z − zx2 ) 1 − 2αz −1 + (α2 + β 2 )z −2
und ein Koeffizientenvergleich mit Gl. (16.86) liefert a1 = 2α und a2 = −(α2 + β 2 ).

Die Änderung des Amplitudenganges mit dem Abstand r = 0,3; 0,6 und 0,9 des
konjugiert-komplexen Polpaares kann aus Bild 16.14 entnommen werden (Kehr-
werte der Amplituden verwenden!). Je mehr sich das Polstellenpaar dem Einheits-
kreis r = 1 nähert, um so größer wird der Maximalwert bei arg{zx } = 45◦ ∼ = π/4.
❐

16.8. Rekursive Filter 237
❐ Aufgabe: Aufstellung der Differenzengleichung

Mit a1 und a2 aus obigem Koeffizientenvergleich kann die Differenzengleichung
sofort angegeben werden. Sie kann aber auch durch Rücktransformation aus
U (z) = Y (z)/H(z) bestimmt werden. Führen Sie die entsprechenden Schritte aus.
❐
❐ Aufgabe: Rein rekursives Filter 2. Ordnung

Gegeben sei die Differenzengleichung
y(n) = u(n) + 0,8y(n − 1) − 0,64y(n − 2). (16.90)
√
Skizzieren Sie das Filter, geben Sie die Lage der Pole an [A.: 0,4± 0,48 ], berechnen
Sie die ersten 5 Werte der Impulsantwort. ❐
❐ Beispiel: Pollagen und Impulsantwort

Rein rekursive Filter erster Ordnung haben einen reellen Pol, rein rekursive Filter
zweiter Ordnung haben entweder zwei reelle Pole oder ein konjugiert-komplexes
Polpaar. Das folgende Bild zeigt für verschiedene Pollagen die dazugehörenden
Impulsantworten.
Abbildung 16.23:

16.9 Einfache Beispiele

IIR-Filter mit Nullstellen und Polen spielen insbesondere bei dem
Entwurf von Sperrfiltern eine sehr große Rolle, da sie mit geringerem
Aufwand (Zahl der Filterkoeffizienten) realisiert werden können als
FIR - Filter. Der Entwurf solcher Filter wird im Rahmen dieser Vor-
lesung nicht behandelt (mit der Ausnahme des Entwurfs nichtrekur-
siver Filter mittels Fourierapproximation in Abschnitt 16.13.1). Die
wesentlichsten Entwurfsverfahren stehen heute auf Digitalrechnern
zur Verfügung. Im folgenden sollen einfache Beispiele die Funkti-
onsweise von IIR-Filtern veranschaulichen.
16.9.1 IIR-Beispiel 50 Hz - Ausblendfilter

Es soll ein Ausblendfilter für die Ausblendfrequenz fs = 50 Hz ent-
worfen werden. Das mit dem Ausblendfilter zu filternde Signal wer-
de mit fT = 400 Hz abgetastet. Die normierte Ausblendfrequenz ist
damit
fs π
Ωs = 2π = (16.91)
fT 4
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
erreicht. Die Systemfunktion ist
(z − z01 ) (z − z02 ) √
H1 (z) = = 1− 2 z −1 + z −2 (16.93)
z2
Da H1 (z) die z-Transformierte der Impulsantwort h1 (n) ist, ergibt

sich letztere zu
√
h1 (n) = {1; − 2; 1} (16.94)
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).

16.9. Einfache Beispiele 239
Abbildung 16.24: Amplituden- und Phasengang [A1 (Ω) und ϕ1 (Ω)] des nichtre-
kursiven Anteils des Ausblendfilters
Das Filter erfüllt zwar seine Ausblendfunktion bei Ωs , liefert aber

starke lineare Verzerrungen für alle anderen Frequenzen.
In einem zweiten Schritt wird ein Polstellenpaar in der Nähe der
Nullstellen vorgesehen. Wir wählen die Pole
zx1,x2 = 0,6 ± j0,6 (16.95)
mit einer Übertragungsfunktion
z2
H2 (z) = (16.96)
(z − zx1 ) (z − zx2 )
Bild 16.25 zeigt die Lage der Nullstellen und Pole.
Abbildung 16.25: Nullstellen und Pole des Ausblendfilters [durchgezogene Lini-

en: d0q ; gestrichelte Linien: dxr ]

Die Gesamt-Übertragungsfunktion ist damit

(z − z01 ) (z − z02 )
H(z) = H1 (z) · H2 (z) = (16.97)
(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
+ z-1 + z-1 + y(n)
-0,72 1,2
Abbildung 16.26: Struktur des resultierenden Ausblendfilters
Abbildung 16.27: Eigenschaften des Ausblendfilters [h(n), hσ (n), A(Ω), ϕ(Ω),

lg A(Ω), τgr (Ω)] bei intuitiv gewähltem Nullstellen- und Polpaar
16.9.2 IIR-Beispiel Digitale Integration

Wir entwickeln jetzt ein digitales Filter, das ein bestimmtes Zeitver-
halten nachbildet. Das Filter soll eine Integration durchführen; im

16.9. Einfache Beispiele 241
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
Liegen nur Stützwerte u(k) = u(kT ) vor, so kann z. B. die Trapezregel

zur näherungsweisen Integration verwendet werden. Sie berechnet
den Zuwachs an Fläche beim Übergang von der Stützstelle u(k − 1)
zu u(k) aus der entsprechenden Trapezfläche (siehe Bild 16.28).
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
Abbildung 16.28: Trapezregel zur Integration
Es ergibt sich dann die Fläche zum Zeitpunkt k:
y(k) = y(k − 1) + u(k − 1) · 1 + 21 [u(k) − u(k − 1) · 1]

(16.101)
= y(k − 1) + 12 [u(k) + u(k − 1)]
Damit kann die Integration aus Stützstellenwerten als digitales Filter

gemäß Bild 16.29 realisiert werden.
u(n) z-1
0,5 0,5
+ y(n)
z-1
Abbildung 16.29: Digitaler Integrierer

❐ Aufgabe: Bestimmung der Systemfunktion des Integrierers
Berechne H(z) aus der Differenzengleichung [A.: 0,5 · (1 + z −1 )/(1 − z −1 )] und

zeige, dass die Systemfunktion durch eine Nullstelle bei z = −1 und eine Polstelle
bei z = 1 charakterisiert ist. Durch eine kleine Verschiebung des Pols (z. B. auf
r = 0,99) kann das Filter stabil gemacht werden. ❐
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
Damit wird die Impulsantwort (nach Rücktransformation bzw. hier

durch einfachen Koeffizientenvergleich)
1
h(n) = { , 1, 1, 1, . . . } (16.103)
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).
❐ Aufgabe: Digitaler Differenzierer

Stellen Sie die Differenzengleichung eines Differenzierers auf und bestimmen Sie
die Nullstellen. ❐
❐ Aufgabe: Digitaler Integrierer nach Rechteckregel

Analysieren Sie den digitalen Integrierer, der die Rechteckregel verwendet (der
Flächenzuwachs ist durch ein Rechteck gegeben). Bestimmen Sie die Lage von Po-
len und Nullstellen. Schalten Sie einen digitalen Differenzierer nach; welche Ge-
samtübertragungsfunktion ergibt sich? ❐

16.10. Allpassfilter 243
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
A(Ω) = const. (16.104)
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∗
wir gehen daher im folgenden davon aus, dass R = Q ist, d. h. dass

es gleichviele Null- und Polstellen gibt.
P z0
zx
α
0
Abbildung 16.31: Lage von Nullstellen und Polen bei Allpässen
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
der Amplitudengang ist

Q ∗ Q
Y z − 1/zxq Y 1
A(Ω) = b0 = b0 . (16.108)
q=1
|z − zxq | r
q=1 xq
(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:
bm = c · aQ−m ; m = 0, 1, . . . , Q − 1; c = const. (16.109)
(Für einen auf A(Ω) = 1 normierten Allpass ist c = 1.)
❐ Beispiel: Allpassfilter 2. Ordnung

16.10. Allpassfilter 245
Ein Allpass 2. Ordnung hat eine Systemfunktion

(z − z01 ) (z − z02 )
H(z) = (16.110)
(z − zx1 ) (z − zx2 )
(Um den Allpass zu normieren, d. h. für A(Ω) = 1, ist

(z − z01 ) (z − z02 )
H(z) = rx2 anzusetzen.)
(z − zx1 ) (z − zx2 )
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
Abbildung 16.32: Allpass 2. Ordnung in der dritten kanonischen Form
Nach einer Polynomdivision und Koeffizientenvergleich erhält man die Impuls-

antwort
h(n) = {1; −1; 0,5; 1; 0,75; 0,25; . . . } (16.112)
Bild 16.33 zeigt dazu die wichtigsten Verläufe.

❐
❐ Beispiel: Allpassfilter als Ausblendfilter
Eine Ausblendeigenschaft für eine Ausblendfrequenz Ωc ist erreichbar, wenn zu

einer Eingangsfolge u(n) die Ausgangsfolge v(n) eines Allpasses zweiter Ordnung
HA (z) addiert wird, der diese Folge u(n) als Eingangsfolge filtert (Bild 16.34):
1
y(n) = [u(n) + v(n)] (16.113)
2
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)

Abbildung 16.33: Impuls- und Sprungantwort, Phasengang und Gruppenlaufzeit

des analysierten Allpasses.
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] ❐
❐ Aufgabe: Allpass als verlustloses System

Zeigen Sie, dass ein Allpass ein verlustloses System ist, dass also die Eingangs-
energie mit der Ausgangsenergie übereinstimmt:
∞
X ∞
X
y 2 (k) = u2 (k) (16.117)
k=−∞ k=−∞
Hinweis: Verwenden Sie das Parseval-Theorem; es gilt auch |Y (jω)|2 = |U (jω)|2 .

16.11. Minimalphasenfilter 247
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).
❐ Beispiel: Minimalphasiges und nichtminimalphasiges System

Bild 16.35 zeigt links die Impulsantwort, den Amplituden- und den Phasengang
für ein Filter mit drei Polen im Nullpunkt und drei Nullstellen innerhalb des Ein-
heitskreises:
z01,02 = 0,6 ± j0,6; z03 = −0,8 (16.118)
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.
Abbildung 16.35: Minimalphasiges (links) und maximalphasiges (rechts) Filter im

Vergleich: Impulsantwort, Amplitudengang und Phasengang

Ist ein Filter nicht minimalphasig, so kann es (in Analogie zu konti-

nuierlichen Systemen) in eine Reihenschaltung von Allpass und mi-
nimalphasigem Filter zerlegt werden. Bild 16.36 zeigt diese Zerle-
gung.
Im{z} Im{z} Im{z}
o o
x x x o
= ·
x Re{z} x Re{z} x o Re{z}
o o
Abbildung 16.36: Zerlegung eines Filters in allpasshaltigen und allpassfreien An-

teil

16.12. Vergleich von zeitkontinuierlichen und zeitdiskreten Systemen 249
16.12 Vergleich von zeitkontinuierlichen

und zeitdiskreten Systemen
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=−∞
Zahlenfolgen haben periodi-

sche Spektren.
Stabilität Pole müssen in der linken Pole müssen im Einheitskreis

Halbebene liegen [bei be- liegen [bei bedingter Stabili-
dingter Stabilität auch auf tät auch auf dem Einheits-
der jΩ-Achse]. kreis].
Nullstellen Sie sind reell oder Sie sind reell oder konjugiert-
und Pole konjugiert-komplex. komplex.
Minimal- Nullstellen und Polstellen Nullstellen und Polstellen

phasen- dürfen nicht in der rechten dürfen nicht außerhalb des
system offenen Halbebene liegen. Einheitskreises liegen.
Allpass- Pole und Nullstellen liegen Pole und Nullstellen liegen

system symmetrisch zur jω Achse. spiegelbildlich zum Einheits-
kreis. Die Koeffizienten des
nichtrekursiven und des re-
kursiven Anteils sind gegen-
läufig identisch.
Filter nicht realisierbar Nullstellen inner- und au-

linearer Pha- ßerhalb des Einheitskreises
se liegen spiegelbildlich zum
Einheitskreis. Die Impulsant-
wort ist symmetrisch.
Kausalität Zeitbereich: Die Systemfunktion besitzt

h(t) = 0 für t < 0 mehr Pol- als Nullstellen
Frequenzbereich: oder genauso viele Pol- wie
H(jw) = 0 nur Punktweise Nullstellen.
(bspw. einzelne Nulldurch-
gänge)

16.13 Filterentwurf und -realisierung

Dieser Abschnitt kann nur ein Ausblick auf Anwendungen digitaler
Filter sein. Wir skizzieren zuerst den einfachen Entwurf nichtrekur-
siver Sperrfilter. Nichtrekursive Filter werden in der Praxis vielfach
verwendet, sie lassen sich auf Signalprozessoren einfach realisieren,
sind stabil und können wie in unseren Beispielen als Filter linearer
Phase entworfen werden.
Anschließend gehen wir auf unterschiedliche Strukturen ein, mit de-
nen die Differenzengleichung realisiert werden kann. Von besonde-
rem praktischen Interesse ist dabei die Kaskadenstruktur, die auch
bei Quantisierungs- und Rundungseffekten, die im letzten Abschnitt
angesprochen werden, Vorteile hat.
16.13.1 Entwurf nichtrekursiver Filter

Fourierapproximation. Wir betrachten im folgenden nur die sog.
Fourierapproximation. Gesucht sind die 2M + 1 Filterkoeffizienten ei-
nes nichtrekursiven Filters, die einen Amplitudengang A(Ω) mög-
lichst gut approximieren; wir beschränken uns auf Filter linearer
Phase und setzen den Phasengang zuerst zu Null an. Die Impulsant-
wort h(n) ist, wie bereits gezeigt wurde, symmetrisch, bei einem Pha-
sengang ϕ(Ω) = 0 ist sie symmetrisch zur Ordinate: h(n) = h(−n).
Der Verschiebungssatz der Fouriertransformation besagt, dass wir
eine lineare Phase ϕ(Ω) = tph Ω dann durch eine zeitliche Verschie-
bung der Impulsantwort h(n) um tph erreichen können.
Bei vorgegebenem
H(jΩ) = A(Ω) e−jtph Ω = A(Ω) (tph = 0) (16.120)
ist die Impulsantwort die Fourier-Rücktransformierte
Zπ
1
h(n) = F −1 {H(jΩ)} = A(Ω)ejnΩ dΩ (16.121)
2π
−π
Die Werte h(n) sind die Fourierkoeffizienten der periodischen Über-

tragungsfunktion H(jΩ). Ihre Anzahl ist i. Allg. nicht beschränkt;
aus ihnen ergibt sich die gewünschte Fouriertransformierte
∞
X
H(jΩ) := F{h(n)} = h(n)e−jnΩ (16.122)
n=−∞
wenn die Filterkoeffizienten zu
an = h(n) ; n ∈ (−∞, ∞) (16.123)

16.13. Filterentwurf und -realisierung 251
gesetzt würden. Bei einer Beschränkung auf 2M + 1 Filterkoeffizien-

ten kann nur eine Approximation von H(jΩ) entstehen:
M
X
H≈ (jΩ) := h(n)e−jnΩ (16.124)
n=−M
Größere Fehler, insbesondere durch das Gibb’sche Phänomen, ent-

stehen bei dem Entwurf frequenzselektiver Filter bei großen Sprün-
gen im Amplitudengang. Sie entstehen, weil bei einer Festlegung der
2M + 1 Filterkoeffizienten auf
an = h(n) ; n ∈ (−M, M ) (16.125)
die Begrenzung auf einen Ausschnitt der gesamten Impulsantwort

h(n) an den Enden der Impulsantwort zu abrupten Übergängen auf
den Wert Null führt.
Fensterfunktionen. Wir können die abrupten Übergänge durch

die Einführung von sog. Fensterfunktionen w(n) verdeutlichen: Die
Begrenzung auf 2M + 1 Filterkoeffizienten bedeutet, dass das appro-
ximierende Filter eine Impulsantwort
h≈ (n) = h(n)⊓2M +1 (n) = h(n) w(n) (16.126)
besitzt. Die Filterkoeffizienten werden modifiziert, an = h≈ (n), in

diesem Fall durch eine Fensterfunktion w(n) = ⊓2M +1 (n), also durch
ein Rechteckfenster. Die abrupten Übergänge, die durch dieses Fens-
ter hervorgerufen werden, können durch Fensterfunktionen mit wei-
cheren Übergängen vermieden werden (siehe unten). Offensichtlich
entspricht die Multiplikation der gewünschten Impulsantwort h(n)
mit der Fensterfunktion w(n) im Frequenzbereich einer Faltung:
1
H≈ (jΩ) = H(jΩ) ∗ W (jΩ) (16.127)
2π
Durch die Begrenzung der Impulsantwort wird also die gewünschte

Übertragungsfunktion H(jΩ) mit der Fouriertransformierten W (jΩ)
der Fensterfunktion w(n) gefaltet, dadurch entstehen in der erreich-
baren Übertragungsfunktion H≈ (jΩ) sin(Ω)/Ω - ähnliche Effekte.
❐ Beispiel: Idealer Tiefpass als Beispiel einer Übertragungsfunktion (Fort-

setzung)
Wir hatten bereits gezeigt, dass der ideale Tiefpass H(jΩ) = ⊓2Ωc (jΩ) (im Bereich
|Ω| ≤ π ) eine Impulsantwort
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.

Abbildung 16.37: Tiefpassapproximation mit Rechteckfenster (M = 16): AH (Ω)

und lg AH (Ω)
Wünschenswert wäre ein Deltaimpuls 2πδ(Ω) als Fouriertransfor-

mierte W (jΩ) der Fensterfunktion w(n), denn dann wäre H≈ (jΩ) =
H(jΩ). Allerdings müsste w(n) = 1 sein, um diesen spektralen Del-
taimpuls 2πδ(Ω) zu erreichen, d. h., die gesamte Funktion h(n) müss-
te berücksichtigt werden! Praktisch sucht man eine Fensterfunkti-
on, die spektral schmal ist, ein Kriterium dafür ist die Breite zwi-
schen den ersten Nullstellen links und rechts von der Mitte des Spek-
trums der Fensterfunktion. Beim obigen Rechteckfenster ist diese
sog. Hauptfensterbreite
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.
Hamming-Fenster. Eine (zumindest visuell) verbesserte Approxi-

mation erreicht man durch die Verwendung einer glättenden Fens-
terfunktion, z. B. durch das häufig verwendete Hamming-Fenster, das
einen amplitudenverschobenen Cosinusverlauf hat:
πn
w(n) = 0,54 + 0,46 cos · ⊓2M +1 (n) (16.130)
M
Die Hauptfensterbreite ist jetzt
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.
❐ Beispiel: Idealer Tiefpass als Beispiel einer Übertragungsfunktion (Fort-

setzung)
Der ideale Tiefpass H(jΩ) = ⊓2Ωc (jΩ) kann mit dem Hammingfenster glatter
approximiert werden, allerdings verbreitern sich die Übergangsverläufe um den
Faktor 2 gegenüber der Rechteckfensterapproximation. Mit den 2M + 1 Filterko-
effizienten an = h(n)w(n) entsteht für M = 16 (Filter 32. Ordnung) ein Amplitu-
dengang gemäß Bild 16.38.
Abbildung 16.38: Tiefpassapproximation mit Hammingfenster (M = 16)
❐ 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. ❐
Bandpass- und Hochpasstransformation. Aus dem obigen Tief-

pass entsteht durch
hBP (n) = hTP (n) cos(nΩm ) (16.132)
ein Bandpass. [Nachrichtentechnikern ist die Operation als zwei-
seitige Amplitudenmodulation eines Signals h(n) bekannt]. Im Fre-

quenzbereich (−π, π) ergibt sich damit nämlich ein Bandpass mit

Mittenfrequenz Ωm :
1
HBP (jΩ) = H(jΩ) ∗ π (δ(Ω + Ωm ) + δ(Ω − Ωm ))
2π
1
= (H(jΩ + jΩm ) + H(jΩ − jΩm )) (16.133)
2
Damit werden die Tiefpass-Übertragungsfunktionen nach ±Ωm ge-

schoben (siehe folgendes Bildbeispiel). Ist insbesondere Ωm = π , so
entsteht eine Hochpasstransformation. Aus Gl. (16.132) folgt dann
aber, dass dazu nur jeder zweite Wert der Impulsantwort h(n) des
Tiefpasses vorzeicheninvertiert werden muss:
hHP (n) = h(n) cos(nπ) (16.134)
Abbildung 16.39: Tiefpass-Bandpass-Transformation.

(a): h(n), cos(nΩm ),
h(n) cos(nΩm ). (b): h(n), hσ (n), A(Ω), lg A(Ω)

Es sollte darauf hingewiesen werden, dass Filter effizienter mit

Filterentwurfsprogrammen berechnet werden. Die letzten Beispiele
sollten einen schnellen Entwurf ermöglichen, und sie sollten grund-
sätzliche Einsichten in die Funktion digitaler Filter liefern.
16.13.2 Strukturen digitaler Filter

Direkte Form. Bild 16.2 und Gl. (16.1) haben bereits eine direkte
Realisierung eines digitalen Filters mit ihrer Differenzengleichung
dargestellt. Die Differenzengleichung kann durch unterschiedlich
strukturierte Filter realisiert werden. Sog. „kanonische“ Filterstruk-
turen benötigen eine minimale Anzahl von Speicherplätzen.
Erste Kanonische Form. Die Anzahl der Verzögerungsglieder ist

bei der ersten kanonischen Form gegenüber der direkten Form hal-
biert.
u(n)
bQ bQ-1 ..... b1 b0
+ z-1 + z-1 + z-1 + y(n)
aR aR-1 ..... a1
Abbildung 16.40: Erste kanonische Form
Zweite Kanonische Form. Die zweite kanonische Form entsteht

aus der ersten durch Umkehrung der Reihenfolge von Verzögerung
und Multiplikation. Alle Zweige ändern ihre Orientierung, Eingang
und Ausgang ändern ihre Plätze.
+ + + y(n)
b0 b1 ...... bQ-1 bQ
u(n) z
-1 -1 -1
+ z z
a1 ...... aR-1 aR
Abbildung 16.41: Zweite kanonische Form
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.
u(n) u2 (n) u3 (n)
b21 b11 b01

+ z-1 + z-1 + y(n)
y1(n) y2(n)
a21 a11
1. Teilsystem 2. Teilsystem weiteres Teilsystem
Abbildung 16.42: Dritte kanonische Form
Für die Gesamtübertragungsfunktion gilt dann

K
Y
H(z) = Hk (z) , (16.137)
k=1
wenn K Teilsysteme hintereinandergeschaltet werden.

Die Kaskadenschaltung hat die folgenden Vorteile:
• Multiplexbetrieb möglich
• Stabilität besser übersehbar
• Rundungseffekte durch Veränderung der Reihenfolge der Teil-
systeme beeinflussbar.
❐ Beispiel:
Heutige Signalprozessoren benötigen zur Ausführung der Rechenoperation eines
Teilsystems etwa 100 ns. ❐
Vierte kanonische Form. Die vierte kanonische Form für Digitale

Filter besteht aus einer Parallelschaltung von K Teilsystemen. Die
Systemfunktion hat dann die Form
K
X
H(z) = Hk (z) (16.138)
k=1
Die Teilsysteme Hk (z) ergeben sich aus einer Partialbruchzerlegung

von H(z).

16.13.3 Fehler bei der Realisierung digitaler Filter

In digitalen Filtern treten Fehler auf, denn nicht nur jeder Abtast-
wert des Eingangssignals, sondern auch jeder Koeffizent muss auf
eine endliche Wortlänge reduziert werden (Quantisierung der Ko-
effizienten). Daneben muss nach jeder Multiplikation der entstan-
dene Wert wieder auf die vorgegebene Wortlänge reduziert werden
(Rundung). Durch diese Operationen entsteht Quantisierungs- bzw.
Rundungsrauschen. Die Wirkung dieser Operationen hängt in erster
Linie davon ab, ob eine Festkomma- oder Gleitkommadarstellung
verwendet wird, daneben spielen weitere Einflussgrößen (z. B. die
Filterstruktur) eine große Rolle.
Folgende Wirkungen können auftreten:
• Instabilitäten
• Einschränkung des Dynamikbereiches des Filters
• Veränderungen im gewünschten Frequenzgang
• Ausgangssignale kleiner Amplituden ohne anliegendes Ein-
gangssignal (Grenzzyklenbildung)
❐ Beispiel: Zulässige Pollagen

Das folgende Bild zeigt die bei einer 6-Bit-Wortlänge möglichen Lagen der Pole in
einem Filter 2.Ordnung.
Abbildung 16.43: Mögliche Pollagen im Filter zweiter Ordnung (6-Bit-Wortlänge)

[Quelle: Kammeyer/Kroschel S. 56]


Kapitel 17
Aufgabensammlung
A Kontinuierliche Signale im Zeitbereich
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
1.2 Skizziere die folgenden Signale:

a) ⋆ g1 (t) = σ(t) − σ(t − 2T ) − ⊓2T (t − 3T ) · [t/T − 4]
b) ⋆ g2 (t) = ⊓2T (t) · e−(|t|/T −1) + ⊓4T (t − 3T )
c) g3 (t) = σ(t + T ) − 2σ(t − T ) + σ(t − 3T ) − ⊓2T (t) + ⊓2T (t − 2T )
|t|
d) g4 (t) = A · T
· ⊓2T (t)
e) g5 (t) = |t + T | · σ(t − T ) − t · σ(t) − σ(t − 2T )
1.3 Gegeben sei das Signal u0 (t) = ⊓T (t − T /2) · [1 − t/T ]

a) ⋆ Skizziere u0 (t).
b) ⋆ Gib u1 (t) in geschlossener Form an. Verwende dazu u0 (t).
u1(t)
T 2T
t
-2T -T
-1
1.4 Gegeben sei folgender Spannungsverlauf
u(t)
2
1 T=5ms
0 1 2 3 t/T
a) Gib u(t) in geschlossener Form unter Verwendung von drei Rechteckfens-

terfunktionen und einer Geradengleichung an.
b) Es sei v(t) = 2 · u(−t + 2T ). Skizziere das Signal v(t).

A. Kontinuierliche Signale im Zeitbereich 261
1.5 Folgende Funtion ist gegeben: r(t) = t · ⊓4T (t − 2T )

a) Skizziere r(t).
A
b) Gegeben sei jetzt das Signal u(t) = T
· [r(t) + r(−2(t − 6T ))]. Skizziere u(t).
c) Stelle u(t) unter Verwendung zweier Rechteckfensterfunktionen und
zweier Geradengleichungen dar.
2 Mittelwert, Energie, Leistung

2.1 Folgendes Signal ist gegeben:
u(t)
2
0 1 2 3 4 5 t/T
a) ⋆ Berechne den Mittelwert der Spannung u(t) im Bereich 0 bis 5 ms.

b) ⋆ Berechne die Energie von u(t).
c) ⋆ Das Signal u(t) werde nun mit einer Frequenz von 100 Hz periodisch wie-
derholt. Skizziere das Signal im Bereich von 0 bis 30 ms.
d) ⋆ Berechne Mittelwert und Leistung des periodischen Signals.
2.2 Folgende Signale sind gegeben:

u(t)
v(t)
2 2
1 1
t/ms t/ms
2,5 7,5 10 -2,5 2,5 7,5
a) Bestimme die Mittelwerte im Bereich t = 0 . . . 10 ms und die Energien der

Signale.
b) Gib v(t) als Funktion von u(t) an.
c) Gegeben sei das folgende periodische Signal:
u(t)
2
t/ms
2,5 7,5 10 12,5
Berechne den Mittelwert und die Leistung.

2.3 Folgendes Signal ist gegeben:

A
u(t) = [σ(t) − σ(t − 6T )] · [− 2T t + A], T = 10 ms, A = 1
a) Skizziere u(t).
b) Berechne den Mittelwert mu (0, 60 ms) der Spannung im u(t) im Bereich
von 0 bis 60 ms.
c) Berechne die Energie Wu von u(t).
3 Korrelationsfunktion
3.1 Folgende Signale liegen vor:
u(t) v(t)
1 1
4 8 t/T
1 2 t/T -1
a) ⋆ Ermittle die Autokorrelationsfunktionen ruu (τ ) und rvv (τ ) der Signale u(t)

und v(t).
b) Bestimme die Kreuzkorrelationsfunktion ruv (τ ) der beiden Signale.

B. Kontinuierliche Signale im Frequenzbereich 263
B Kontinuierliche Signale im Frequenzbereich
1 Fourierreihen (nur für Technische Informatik!)

1.1 Gegeben ist das folgende periodische Signal u(t)
u(t)
A
−T0 /2 T0 /2 t
a) ⋆ Berechne die komplexen Fourierkoeffizienten ck von u(t). Berücksichtige

dabei die Symmetrie des Signals.
b) ⋆ Was gilt für die reellen Fourierkoeffizienten ak und bk ?
c) ⋆ Berechne die ersten fünf Werte des Amplitudenspektrums |ck | und des
Phasenspektrums ϕk und skizziere sie.
d) ⋆ Skizziere das Signal ua (t), das sich aus der Überlagerung der ersten fünf
Harmonischen (k = −5 . . . 5) und dem Gleichanteil ergibt.
1.2 Gegeben ist das folgende periodische Signal u(t)

u(t)
−T0 /2 T0 /2
t
−A
a) ⋆ Berechne die komplexen Fourierkoeffizienten ck von u(t) Berücksichtige

hierbei die (Anti-)Symmetrie des Signals.
b) ⋆ Was gilt für die reellen Fourierkoeffizienten ak und bk ?
c) ⋆ Berechne die ersten fünf Werte des Amplitudenspektrums |ck | und des
Phasenspektrums ϕk und skizziere sie.
d) ⋆ Skizziere das Signal ua (t), das sich aus der Überlagerung der ersten fünf
Harmonischen (k = −5 . . . 5) und dem Gleichanteil ergibt.

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
2.2 Berechne die Fouriertransformierten der folgenden Signale unter Verwendung

bekannter Ergebnisse und der Eigenschaften der Fouriertransformation.
a) ⋆ b)
v(t) v(t)
A B
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
e) ⋆ v(t) = e−t/T · sin(ω0 t) · σ(t)

f) v(t) = cos(πt/T ) · ⊓T (t)
g) v(t) = cos2 (πt/T ) · ⊓T (t)

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
d) ⋆ u(t) = si(π(t/T + 1)) − si(π(t/T − 1))
2.4 Gegeben sind die beiden folgenden Signale:
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.
2.5 Berechne die Zeitfunktionen zu den folgenden Spektren:

a)
U(jω)
2AT
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
−ω0−ωg −ω0 −ω0+ωg ω0−ωg ω0 ω0+ωg ω
Hinweis: Das Spektrum ist reellwertig!

2.7 Berechne die Fouriertransformierte der folgenden Signal unter Verwendung der
Derivierung und bereits bekannter Ergebnisse:
a) ⋆ b) ⋆
w(t) w(t)
A B
−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
e) w(t) = ⊓T (t + 3T /2) · (t + 2T )2 + ⊓2T (t) · (2T 2 − t2 ) + ⊓T (t − 3T /2) · (t − 2T )2

3 Energieberechnung im Zeit- und Frequenzbereich, Parsevaltheorem

3.1 Gegeben sind die Spektren diverser Signale. Berechne die Energien der Signale
im Frequenzbereich.
b) ⋆
a) U(jω)
U(jω) BT
2AT
AT cos-förmig
−ω0−ωg −ω0+ωg ω0−ωg ω0+ωg ω

−ωg ωg ω
c) u(t) = si2 (t/T )
3.2 Gegeben ist der Impuls u(t) = σ(t) · (t/τ ) · e−t/τ

a) Skizziere u(t).
b) Brechne seine Energie Wu im Zeitbereich.
c) Berechne das Spektrum U (jω) des Impulses.
d) Berechne die Impulsenergie Wu im Frequenzbereich.
e) Die Impulsbandbreite sei fg = 1/(2πτ ). Wieviel Prozent der gesamten
Energie Wu liegen innerhalb dieser Bandbreite?

C Kontinuierliche lineare Systeme im Zeitbereich

1 Faltung
1.1 Beweise folgende Gleichungen unter Ausnutzung der Ausblendeigenschaft:
a) f (t) ∗ δ(t) = f (t)
b) f (t) ∗ δ(t − T ) = f (t − T )
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
Berechne und skizziere die Ausgangsfunktion y(t).

1.3 Gegeben ist die folgende Schaltung:
t
u(t) + v(t) y(t)
- 1/T x(t)dt
-¥
T
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:

C. Kontinuierliche lineare Systeme im Zeitbereich 269
u1(t)
A
1 2 t/T
−A
a) ⋆ Skizziere die Impulsantwort h(t).

b) ⋆ Berechne das Ausgangssignal y1 (t) durch Faltung im Zeitbereich. Skizzie-
re y1 (t).
1.6 Die Rampenfunktion r(t) sei folgendermaßen definiert: r(t) = t · σ(t).

a) Skizziere r(t).
A
b) Gegeben sei das Signal u(t) = T
· [r(t − T ) − 3 · r(t − 3T ) + 2 · r(t − 4T )].
Skizziere u(t).
c) Stelle u(t) unter Verwendung zweier Rechteckfensterfunkiontn und zwei-
er Geradengleichungen dar.
d) Das Signal u(t) werde jetzt auf ein lineares, zeitinvariantes System mit der
Impulsantwort h(t) = T1 · σ(t) · e−t/T gegeben. Berechne zuerst mit Hilfe
der Faltung die Antwort hr (t) des Systems auf die Rampenfunktion r(t).
R ax
Hinweis: Es ist x · eax dx = ea2 (ax − 1).
e) Skizziere hr (t).
f) Gib die Antwort y(t) des Systems auf u(t) an.
g) Skizziere das Ausgangssignal y(t), das sich ergibt, wenn die Rampenfunk-
tion r(t) auf ein System mit der Impulsantwort h(t) = δ(t − 3T ) gegeben
wird.

1.7 Gegeben sei ein LTI-System mit der Impulsantwort:
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. Kontinuierliche Systeme im Frequenzbereich 271
D Kontinuierliche Systeme im Frequenzbereich

1 (einseitige) Laplacetransformation
1.1 Beweise die Gültigkeit der Gleichung

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
c) u(t) = e−5t · σ(t)

d) u(t) = e2t · sin(3t) · σ(t)

2 Übertragungsfunktion und Pol-Nullstellen-Darstellung

2.1 ⋆ Das dargestellte RLC-Filter soll analysiert werden.
R L
u(t) y(t)
C
a) Bestimme die s-Übertragungsfunktion des unbelasteten RLC-Tiefpasses.

b) Es sei R = 300Ω, L = 5mH und C = 20nF. Bestimme die Pole sx1 und sx2
der Übertragungsfunktion H(s).
c) Führe eine Partialbruchzerlegung durch und berechne so die Impulsant-
wort h(t) des Tiefpasses.
d) Skizziere die Pollagen in der s-Ebene und die Impulsantwort des Systems.
e) Wie muss der Widerstand√verändert werden, damit der Tiefpass bei der
Grenzfrequenz fg = 1/2π LC gerade eine Dämpfung von 3dB besitzt?
2.2 Ermittle qualitativ aus den folgenden PN-Diagrammen den Amplitudengang

A(ω) auf grafischem Wege. Welche Wirkung hat eine Null- bzw. Polstelle, die in
der Nähe der jω-Achse liegt, auf den Amplitudengang? Um welche Filtertypen
handelt es sich?
a) ⋆
w/s-1
b)
w/s -1
1000 doppelte Polstelle
s 500
s
-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

2.3 Gegeben ist das System mit der Übertragungsfunktion:
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
d) ⋆ h(t) = δ(t) − 2σ(t) T1 e−t/T

e) h(t) = ⊓4T (t − T )
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
fg = 3, 4 kHz, fs = 4 kHz, Ag = −3 dB, As = −26,02 dB

a) Gib die benötigte Filterordnung N des Tiefpass-Potenzfilters an.
b) Skizziere den Amplitudengang (in dB). Berechne dazu Stützstellen bei
f = 0, fg /2, fg , fs , 2fg , 3fg .
c) Bei welcher Frequenz wird eine Dämpfung von 20 dB bzw. 80 dB erreicht?
d) Gib die Lage der Pole an und skizziere sie in der s-Ebene. Um wieviel
Grad liegen sie zueinander?

E. Abtastung und zeitdiskrete Signale 275
E Abtastung und zeitdiskrete Signale

1 Abtastung
1.1 Bei Plattenspielern findet man häufig eine Drehzahlkontrolle in Form einer
Glimmlampe, die ein Strichmuster auf dem Plattentellerrand im Rhytmus der
Netzfrequenz beleuchtet. Da die Glimmlampe sowohl bei der positiver als auch
bei der negativen Halbwelle zündet, ergibt sich in den USA eine Abtastfrequenz
von fT = 120 Hz.
a) Berechne die für ein stehendes Bild des Strichmusters notwendigen Stri-
chabstände bei einem Plattentellerdurchmesser von 31 cm für 33 13 U/min
und 45 U/min.
b) Warum ist es mit einer Abtastfrequenz von 100 Hz nicht möglich, eine
Drehzahl von 45 U/min zu kontrollieren?
1.2 ⋆ Das Signal u(t) habe das skizzierte Spektrum U (jω):

U(jw)
p
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).
1.3 Gegeben ist ein Bandpasssignal mit dem folgenden Spektrum:

U(j2pf)
f/DBQ
-3 -2 -1 1 2 3
a) Gib die Mindestabtastrate an.

b) Skizziere die Spektren des abgetasteten Bandpasssignals bei folgenden
Abtastraten: fT = k · ∆BQ ; k = 2, 3, 4, 5, 6.
c) Wann ist eine Rekonstruktion mit einem Tief- bzw. Bandpass möglich?

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
a) Skizziere u(t) und U (jω).

b) Das Signal u(t) werde jetzt abgetastet, indem es mit einem Deltakamm
dT /12 (t) multipliziert wird. Gib das abgetastete Signal ud (t) und seine Fou-
riertransformierte Ud (jω) an.
c) Skizziere ud (t) und Ud (jω).
d) Ist das Abtasttheorem erfüllt (Begründung!)?
2 Zeitdiskrete Fouriertransformation (ZDFT)

2.1 Berechne die Fouriertransformierte zu folgenden Zahlenfolgen:
a) u(n) = δ(n)
b) u(n) = ⊓3 (n)
c) u(n) = an · σ(n) , |a| < 1
d) u(n) = a|n| , |a| < 1
3 Diskrete Fouriertransformation (DFT)

3.1 Berechne die diskrete Fouriertransformierte zu folgender Zahlenfolge:
(
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
und nachfolgender Abtastung durch einen Deltakamm gemäß folgender Schal-

tung:
u(t) yd (t)
h(t) x
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.
4.4 Gegeben sei das Signal:
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
4.6 Gegeben sei das Signal:
u(n) = (−1)n σ(n) + αn σ(−n − n0 )
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?
1 < |z| < 2
4.7 Berechne mit Hilfe der Partialbruchzerlegung und des Transformationspaares
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 )
4.8 Gegeben sei die folgende z-Transformierte des Signals u(n):
1 + z −1
U (z) = (17.3)
1 + 13 z −1
Angenommen, der Konvergenzbereich sei

a) |z| > 1/3, berechne u(0), u(1), u(2),
b) |z| < 1/3, berechne u(0), u(−1), u(−2),
mit Hilfe der Polynomdivision.

F. Zeitdiskrete Systeme 279
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
a) Berechne die Polynomdarstellung in H(z).

b) Gib die Impulsantwort des Filters an.
c) Bestimme die Differenzengleichung aus der Übertragungfunktion und
skizziere die Direktstruktur des Systems.
d) Berechne dem Amplituden- und Phasengang und skizziere diese. Welche
besonderen Eigenschaften besitzt dieses System?
1.2 Gegeben sei folgender PN-Plan:

Im{z}
r=0.5
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!)

1.3 ⋆ Gegeben sei folgende z-Übertragungsfunktion:
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.
2 Entwurf digitaler Filter

2.1 ⋆ Es soll ein linearphasiger Bandpass als Transversalfilter mit den normierten
Echfrequenzen Ωu = π/4 und Ωo = 3π/4 entworfen werden.
H(jW)
W
-3p/4 -p/4 p/4 3p/4
a) Der 2π-periodische Frequenzgang lässt sich in eine Fourierreihe
∞ Zπ
X
jkΩ 1
H(jΩ) = ck e mit ck = H(jΩ)e−jkΩ dΩ
k=−∞
2π
−π
entwickeln. Bestimme die Fourierkoeffizienten ck .

b) Zeige mit Hilfe der obigen Fourierdarstellung des Frequenzganges, dass
sich die Impulsantwort h(n) aus den Fourierkoeffizienten ck durch
∞
X
h(n) = c−k δ(n − k)
k=−∞
berechnen lässt. Skizziere die Impulsantwort.

c) Da ein Transversalfilter eine endliche Impulsantwort hT (n) besitzt, wird
durch eine Fensterfunktion
(
1 : |n| ≤ N
w(n) = (N = 3)
0 : sonst

ein endlicher Ausschnitt aus der Impulsantwort h(n) ausgeschnitten und

zusätzlich verschoben, um ein kausales Filter zu erhalten: hT (n) = w(n −
N ) · h(n − N ).
hT (n) stellt somit eine Approximation der Impulsantwort h(n) dar, und
das Transversalfilter bildet eine Approximation des idealen Bandpass--
Frequenzganges.
Berechne die ersten sieben Werte der Impulsantwort des Transversalfilters
und skizziere sie. (Wieso darf man eigentlich die gefensterte Impulsant-
wort verschieben, ohne dass sich der Amplitudengang des Filters verän-
der?)
d) Berechne und skizziere den Amplitudengang des Transversalfilters.
e) Gib die z-Übertragungsfunktion und die Differenzengleichung des Filters
an.
2.2 Ein analoger Tiefpass zweiter Ordnung sei durch seine s-Übertragungsfunktion
vorgegeben:
100
Ha (s) =
s2 + 10s + 125
a) Berechne durch Partialbruchzerlegung die Impulsantwort ha (t) des ana-

logen Filters.
b) Durch Abtastung der Impulsantwort mit der Abtastfrequenz fT = 1/T
entsteht ein Signal
+∞
X
h∗a (t) = ha (t) · δT (t) = ha (nT ) · δ(t − nT ).
n=−∞
Berechne und skizziere das Amplitudenspektrum |Ha∗ (jω)| = |F{h∗a (t)}|

der abgetasteten Impulsantwort für T = π/40.
c) Das zu entwerfende digitale Filter werde nun so bestimmt, dass für seine
(zeitdiskrete) Impulsantwort h(n) gilt: h(n) = ha (nT ). Gib die zeitdiskrete
Impulsantwort an und skizziere sie.
d) Zeige, dass sich der Frequenzgang H(jΩ) des digitalen Filters aus dem
Frequenzgang Ha∗ (jω) des analogen Filters wie folgt berechnen lässt:
H(jΩ) = Ha∗ (jω)|Ω =ωT
(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=−∞
e) Berechne die z-Transformierte der zeitdiskreten Impulsantwort und da-

mit die z-Übertragunsfunktion des digitalen Filters.
f) Gib die Differenzengleichung des Filters an.

2.3 Es soll ein digitales FIR-Hochpassfilter entworfen werden. Folgende Anforde-

rungen werden an das Filter gestellt:
Durchlassbereich : 2 . . . 4 kHz
Abtastfrequenz : fT = 8 kHz
Dämpfung im Durchlassbereich : 0 dB
Sperrdämpfung : ∞
a) Skizziere den Amplitudengang für das vorgegebene Filter. Gib die zu rea-
lisierende Filterstruktur an.
b) Der Hochpass soll durch ein FIR-Filter 6. Ordnung (Q = 6) approximiert
werden. Ermittle dazu die Lage der Pol- und Nullstellen. Skizziere den
Pol-Nullstellen-Plan.
(Hinweis: Die Nullstellen sind gleichmäßig im Sperrbereich des Filters zu
verteilen, wobei gelten soll: A(f = 0 kHz) = 0 und A(f = 2 kHz) = 0)
c) Die z-Übertragungsfunktion hat die Form:
Q
Y
−Q
H(z) = z (z − z0q ).
q=1
Gib H(z) in Polynomform an.

d) Berechne und skizziere den Amplitudengang.
e) Gib die Impulsantwort h(n) an und skizziere die Struktur des Filters. Wel-
chen besonderen Vorteil hat diese Filter gegenüber einem analog aufge-
bauten?
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
c) ⋆ h(n) = 2−n · sin( π8 n) · σ(n)

d) h(n) = δ(n − 1) + δ(n + 1)
z 2 −1
e) H(z) = z 2 +1
z 3 +1,5z 2 +2
f) ⋆ H(z) = z 2 −z+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|→∞
d) H(z) hat zwei Nullstellen.

e) Eine der Polstellen von H(z) ist nichtreell und liegt auf dem Kreis |z| =
3/4.
Fragen:
a) Ist S kausal?
b) Ist S stabil?
3.3 Gegeben sei die folgende Differenzengleichung eines diskreten Filters:
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?
3.5 Gegeben sei das kausale LTI-System mit folgender Systemfunktion:
1
H1 (z) = 1 −2
(17.5)
1 + 2z −1 + 3
z 1 − z −1 − 12 z −2
Zeichne die direkte Struktur des Systems.

3.6 Gegeben sei das kausale LTI-System mit folgender Differenzengleichung:
y(n) = 4y(n − 2) + u(n − 1) (17.6)
a) Gib die Systemfunktion H(z) = Y (z)/U (z) an, skizziere das

Polnullstellen-Diagramm und markiere darin den Konvergenzbereich für
rechtsseitige Signalfolgen.
b) Gib die Impulsantwort des Systems an.
c) Die gefundene Impulsantwort sollte instabil sein. Finde eine stabile (nicht-
kausale) Impulsantwort, die der Differenzen-Gleichung genügt.

Kapitel 18
Lösungen zur Aufgabensammlung
A Kontinuierliche Signale im Zeitbereich
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
b) u1 (t) = u0 (t + 2T ) + u0 (−t) − u0 (t) − u0 (2T − 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

A. Kontinuierliche Signale im Zeitbereich 287
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 )]
2 Mittelwert, Energie, Leistung

2.1 a) mu = 1,1
b) Wu = 7 · 10−3
c)
up(t)/V
2
t/ms
5 10 15 20 25 30
d) mu = 0,55 , Pu = 0,7
2.2 a) mu = 1,125 mv = 0,625 Wu = Wv = 15,8 · 10−3

b) v(t) = u(7,5 ms − t)
c) mu = 0,9 Pu = 1,266
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 Kontinuierliche Signale im Frequenzbereich

1 Fourierreihen (nur für Technische Informatik!)
 A
 : k=0
 2

1.1 a) ck = 0 : k gerade, k 6= 0


 − 2A : k ungerade
(nπ)2
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
d) ua (t) = A · [0,5 − 0,405 cos(ωo t) − 0,045 cos(3ωo t) − 0,016 cos(5ω0 t)]
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

ua (t) = A · [0,637 sin(ω0 t) − 0,318 sin(2ωo t) + 0,212 sin(3ω0 t)

d)
−0,159 sin(4ω0 t) + 0,127 sin(5ω0 t)]
ua(t)
1
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 ]

2.3 a) |Ua (jω)| = AT · | si(ωT /2)|, ϕa (jω) = −ωT /2 ± π

ja (w)
|Ua (jw)|=|Ub(jw)|
AT p
w
-2p/T
w
-2p/T 2p/T
b) |Ub (jω)| = AT · | si(ωT /2)| = |Ua (jω)|,

ϕb (jω) = ωT /2 ± π = −ϕa (jω)
jb (w)
|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
c) u(t) = (t/τ )2 · e−t/τ · σ(t)
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 Energieberechnung im Zeit- und Frequenzbereich, Parsevaltheorem

8A2 T 2 ωg
3.1 a) Wu = π
3B 2 T 2 ωg
b) Wu = 8π
2A2 T π
c) Wu = 3
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%

C Kontinuierliche lineare Systeme im Zeitbereich

1 Faltung
1.1 a)
Z∞ Z∞
f (t) ∗ δ(t) = f (τ ) · δ(t − τ ) dτ = f (t) · δ(t − τ ) dτ
−∞ −∞
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
e) y(t) = y1 (t) + 2y1 (t − 5T )

f)
y(t)
1/T
t
T

D Kontinuierliche Systeme im Frequenzbereich

1 (einseitige) Laplacetransformation
1.1
Z∞
d d
LI u(t) = u(t) · e−st dt
dt dt
0
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)
1.2 a) y(t) = σ(t) · e−2t [cos(5t) + 1]

b) y(t) = σ(t)[2e−3t + 4et ]

c) y(t) = σ(t) 1 − e−3t cos(2t) − 32 sin(2t)
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
Fouriertransformierte sind angebbar für b) und c).

2 Übertragungsfunktion und Pol-Nullstellen-Darstellung

2.1
1
a) H(s) = 1+RCs+LCs2
b) sx1,x2 = (−30 · 103 ± j95,4 · 103 )s−1

c) h(t) = 104,8 · 103 s−1 · e−t/33,3 µs · sin(2π · 15,18 Hz) · σ(t)
d)
w/s-1
3
90×10 s h(t)/104,8×103 s-1
1
-1
s/s
3
-30×10 t
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
2.3 a) Nullstellen: s0 = 5, Polstellen: sx1,x2 = −3 ± 2j.

jw
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)
(
6ω
2) : ω 2 ≤ 13
d) arg{H(jω)} =
6ω
2) − π : ω 2 > 13
j (w)
p/2
wlog
13 5
-p /2
-p
- 3p/2
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
c) a = 20 dB ⇒ f = 3,84 kHz a = 80 dB ⇒ f = 5,52 kHz

d) sxm = 21,36 · 103 s−1 ejπ(1/2−1/38+m/19) , m = 1 . . . 19
9,47° w/s-1
3
21,36×10
s
3 -1
-21,36×10 s/s
3
-21,36×10

E Abtastung und zeitdiskrete Signale

1 Abtastung
1.1 a) d1 = 33 31 U/min s1 = 0,45 cm
d2 = 45 U/min s2 = 0,6075 cm
b) Der Winkelabstand der einzelnen Stücke müsste 2π · 34 · 100 1 3
= 2π · 400
sein, damit lassen sich aber nicht ganzzahlig viele äquidistante Striche auf
dem Plattentellerrand unterbringen (alternativ könnten 400 Striche mit ei-
π
nem Winkelabstand von 200 angebracht werden, damit verkleinert sich
natürlich der „Fangbereich“). Das Problem wird übrigens bei echten Plat-
tenspielern dadurch gelöst, dass der konische Plattenteller verschiedene
Durchmesser „anbietet“.
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

1.3 a) fT,min = 2 · ∆BQ

b)
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
U (j2pf)
··· ···
f/DBQ
-6 -4 -2 2 4 6
c) Für k = 2, 3, 4 ist eine Rekonstruktion mit einem Bandpass möglich.

Für k = 5 ist nur ausnahmsweise eine Rekonstruktion mit einem Tiefpass
oder einem Bandpass möglich, da das Spektrum symmetrisch ist.
Für k = 6 ist eine Rekonstruktion mit einem Tiefpass oder einem Band-
pass möglich.
1.4
a)
T /4 |U(jω)|
2
u(t)
−T/2 T/2 t −4π/T 0 4π/T ω
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
d) Das Abtasttheorem ist nicht erfüllt, denn es kommt in Ud (jω) zu spek-

tralen Überlappungen (Aliasing-Störungen) aufgrund der unendlichen
Bandbreite des Eingangssignals u(t).
2 Zeitdiskrete Fouriertransformation (ZDFT)

2.1 a) U (jΩ) = 1
b) U (jΩ) = 1 + 2 cos(Ω)
1
c) U (jΩ) = 1−ae−jΩ
1−a2
d) U (jΩ) = 1−2a cos(Ω)+a2
3 Diskrete Fouriertransformation (DFT)

−jn∆Ω8
3.1 U (jn∆Ω) = 1 − e −jn∆Ω = {8; 0; 0; 0; 0; 0; 0; 0}
1−e
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|)
4.4 Geometrische Reihe:
∞
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:
U (z) = Z [(−1)n σ(n)] + Z [αn σ(−n − n0 )]

| {z } | {z }
=: U1 (z) =: U2 (z)
U (z) konvergiert also dort, wo U1 und U2 konvergieren.

∞
X
U1 (z) = (−1)n σ(n) z −n (18.14)
n=−∞
∞ n
X 1
= − (18.15)
n=0
z
Diese Summe konvergiert für (vgl. Formel (18.1) - Geometrische Reihe):

1
− < 1 (18.16)
z
| − z| > 1 (18.17)
|z| > 1 (18.18)

Für den zweiten Therm gilt:

∞
X
U2 (z) = αn σ(−n − n0 ) z −n (18.19)
n=−∞
−n0
X α n
= (18.20)
n=−∞
z
∞
X z n
= (18.21)
n=n
α
0
Diese Summe konvergiert für (vgl. Formel (18.1) - Geometrische Reihe):

z
< 1 (18.22)
α
|z| < |α| (18.23)
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)
a) rechtsseitiges Signal, da |z| > 1/3. Polynomdivision:
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
b) linksseitiges Signal, da |z| < 1/3. Polynomdivision:
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
b) h(n) = {1; −3/2; 3; 15/8; 3/16; −3/8; . . .}

c)
A(W)
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

1.3 a) z01 = 2 z02 = −4 zx1 = 0,5 zx2 = −0,25

Im{z}
Re{z}
1
-4 2
b) Allpass!
A(W)
8
W
-p p
c) h(n) = {1; 2,25; −7,3125; 1,5496; . . .}

d) y(n) = u(n) + 2u(n − 1) − 8u(n − 2) + 0,25y(n − 1) + 0,125y(n − 2)
u(n)
z-1 z-1
1 2 -8
y(n)
z-1 z-1
0.125 0.25
2 Entwurf digitaler Filter

2.1 a) c0 = 12 , ck = 41 si( kπ
4
)(1 + (−1)k ) für k 6= 0
b)
h(n)
0.5
-0.5
c) hT (n) = {0; −0,318; 0; 0,5; 0; −0,318; 0; . . .}

h(n)
0.5
-0.5
(nur lineare Phasenänderung durch zeitliche Verschiebung!)

d) A(Ω) = |0,5 − 0,636 cos(2Ω)|

A(W)
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)
2.2 a) ha (t) = 10 · σ(t) · e−5t · sin(10t)

b) |Ha∗ (jω)| = T1 (|Ha (jω)| ∗ δ 2π (ω)) mit |Ha (jω)| = √ 100
T (125−ω 2 )2 +(10ω)2
0.8/T H*a (jw)
w
-80 -10 10 80
c) h(n) = 10 · σ(n) · (0,675)n · sin( π4 n)

h(n)
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
f) y(n) = (A · λ · sin(ω0 )) · u(n − 1) + (2 · λ · cos(ω0 )) · y(n − 1) − λ2 y(n − 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
1 -3.41 5.82 -6.82 5.82 -3.41 1

y(n)
Linearer Phasengang!

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
3.2 a) S ist kausal.

– Der Grad des Zählers von H(z) ist gleich dem Grad des Nenners (aus
(c))
b) S ist stabil. Begründung:
– h(n) reell ⇒ Es gibt eine konjugiert-komlexe Nullstelle zu der aus (e).
– H(z) hat nur zwei Polstellen, beide innerhalb des Einheitskreises
– Aus (b) folgt, dass der Einheitskreis im Konvergenzbereich liegt.
3.3 z-Transformation:
1 1
Y (z) − z −1 Y (z) = U (z) + z −1 U (z) (18.33)
2 3
Umstellen nach der Systemfunktion:

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 .

Für H1 (z) gilt:

Y1 (z) 1
H1 (z) = = (18.35)
U1 (z) 1 − 12 z −1
1
Y1 (z) − z −1 Y1 (z) = U1 (z) (18.36)
2
1
y1 (n) = u1 (n) + y1 (n − 1) (18.37)
2
u(n) + y(n)
z−1
1/2
x
Für H2 (z) gilt:

Y2 (z) 1
H2 (z) = = 1 + z −1 (18.38)
U2 (z) 3
1
Y2 (z) = U2 (z) + z −1 U2 (z) (18.39)
3
1
y2 (n) = u2 (n) + u2 (n − 1) (18.40)
3
u(n) + y(n)
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
b) Das System ist stabil. Begründung:
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)
zu b) Die Impulsantwort lässt sich z. B. mit der direkten Struktur ermitteln.
h(n) = {0, 1, 0, 4, 0, 16, 0, 64, 0, 256, 0, 1024, . . . } (18.49)
zu c) Durch Polynomdivision lässt sich die Systemfunktion umschreiben:

1 1 1 1 7
H(z) = z −1 : −4z −2 + 1 = − z + z3 − z5 + z ... (18.50)
4 16 64 256
Die Rücktransformation dieses Polynoms liefert:
h(0) = 0
h(−1) = −1/4
h(−2) = 0
h(−3) = 1/16
h(−4) = 0
h(−5) = −1/64
h(−6) = 0
h(−7) = 1/256
..
.
Da für linksseitige Signale der Einheitskreis im Konvergenzbereich liegt (hier:
innerhalb der Pole), ist diese Impulsantwort stabil.


Anhang A
Ist die si-Funktion absolut integrabel?
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
(Abb.: si-Funktion und 1/x-Einhüllende)
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
(Abb.: Gleichgerichteter Sinus und „eingefügte“ Rechtecke)
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
und damit auch:
1 1
≥ 5π . (A.5)
|x| 6
+ nπ
Somit gilt für jedes einzelne Intervall n:
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:

319
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!

Index
Abtastratenexpansion, 159 3dB-Bandbreite, 106, 126

Abtastung, 9 3dB-Grenzfrequenz, 134
Abtastwerte, 143
aktive Filter, 127, 133 Effektivwert, 16, 19
aliasing errors, 155 Einheitsimpuls, 182
allpassfrei, 121 Einheitskreis, 223
Amplitudendichteverteilung, ADV, 165 Energiedichtespektrum, 53, 66
Amplitudendiskretisierung, 161 Entscheidungsintervall, 163, 165
Amplitudengang, 101 Exponentialschwingung, 82
Amplitudenspektrum, 37, 47 Faltung, 26, 90
Analysegleichung, 36, 45, 186 fast fourier transformation, 197
Analysegleichung (DFT), 193 FFT, 201
Analysegleichung (ZT), 206 finite impulse response, 226
Anregungssignal, 80 FIR-Filter, 226
äquivalente Bandbreite, 126 Fourierapproximation, 250
äquivalentes Tiefpass-System, 137 Fourierkoeffizienten, 36
Assoziativgesetz, 91 Fourierkoeffizientenspektrum, 37
Ausblendeigenschaft, Deltaimpuls, 23 Fourierreihenentwicklung, 35
Frequenzgang, 100
Bitrate, 163
frequenzperiodisch, 178
Butterworth-Filter, 127, 134
Frequenzverkämmung, 43
cos2 -Fenster, 198
Grundbereich, 36
deconvolution, 247 Grundfrequenz, 17
Derivierte, 25, 61 Hamming-Fenster, 198, 252
deterministisch, 13 Hanning-Fenster, 198
Dezimierung, 159 Hilberttransformierte, 57
digitale Filter, 127
Digitaler Hörfunk, 159 ideale Abtastung, 144
Digitales Fernsehen, 173 idealisierte Filter, 126
digitalisiertes Signal, 10 IIR-Filter, 234
direkte Form, 221 Impulsantwort, 82, 129, 215
direkte Methode (A/D-Wandler), 171 Impulsdauer, 130
direkte Struktur, 214 Infinite Impulse Response, 234
Diskrete Fouriertransformation, DFT, 193 integer band sampling, 158
diskrete Laplace-Transformation, 206 Integralsinus, 130
diskretes Spektrum, 193 Interpolation, 159
Distributivgesetz, 91 Interpolationsfunktion, 147
320
INDEX 321
Interpolationsregeln, 9 Pole, 110, 222

Interpolationstheorem, 147 Potenzfilter, 127
inverse Übertragungsfunktion, 112 Primärstreifen, 206
Iterationsmethode, 171
Quantisierung, 10, 143
kausale Funktion, 56 Quantisierungsfehler, 164
kausale Funktionen, 119 Quantisierungskennlinie, 163
kausales System, 120
Kausalitätsprüfung im Frequenzbereich, Rückfaltungsfehler, 155
120 raised-cosine-Fenster, 198
Komplementärstreifen, 206 rationale Funktion, 222
komplexe Amplitude, 19 reale Systeme, 117
komplexe Frequenz, 19, 74 realisierbare Filter, 127
komplexer Übertragungsfaktor, 85 rechtsseitige Funktion, 56
komplexer Effektivwert, 19 Riemannsche Blätter, 206
komplexer Frequenzgang, 117 Schätzwerte, 176
kontinuierliches Signal, 8 si-Korrektur, 153
kontinuierliches System, 8 si-Funktion, 20
Konturbildungen, 169 Signal-Rausch-Abstand, 28
Konvergenzabzisse, 74 Signal-Rausch-Verhältnis, 28
Konvergenzhalbebene, 74 Spaltfunktion, 20
Kreisfrequenz, 18 spektrale Energiedichte, 53, 66
Kronecker-Delta, 182 Spektrallinie, 59
Kurzzeit-EDS, 68 Spiegelungsfehler, 155
Kurzzeit-LDS, 68 Sprungantwort, 82, 215
stochastisch, 13
Leitwertform, 85
Stoßantwort, 215
linear, 79
Summenfaltung, 95, 184, 189
linearer Phasengang, 118
Synthesegleichung, 36, 46
Linienspektrum, 43, 64
Synthesegleichung (IDFT), 194
LTI-Systeme, linear time invariant, 87
Synthesegleichung (ZT), 207
minimaler Phasengang, 121 Systemanalyse, 80
minimalphasig, 121 Systemantwort, 80, 215
Systemsynthese, 80
negative Frequenzen, 18 Systemtheorie, 79
Null-Bandbreite, 37
Nullphasenwinkel, 18 TDM, time division multiplex, 162
Nullstellen, 110, 222 Tschebyscheff-Filter, 127
Nur-Pole-Filter, 236 Übertragungsfaktor, 96, 99, 100, 218
Nyquistfrequenz, 146 Übertragungsfunktion, 100, 219
Nyquistrate, 146 Übertragungsrate, 146
Paley-Wiener-Beziehung, 120 Unschärferelation, 47, 67, 130
Parseval-Theorem, 68, 190 Unterabtastung, 154, 155
passive Filter, 127, 133 verzerrungsfreie Systeme, 117
Periodizitätsintervall, 17 4σ-Belastung, 167
Phasengang, 101
Phasenspektrum, 37, 47 Widerstandsform, 85
Pol-Nullstellen-Darstellung, 109 Wiener-Khintchine Beziehung, 72

322 INDEX
Wobbelmessplatz, 103
Zählmethode (A/D-Wandler), 171

Zeitdiskretisierung, 161
Zeitgesetz, 130
Zeitgesetz der Nachrichtentechnik, 47
zeitinvariant, 79
zeitperiodische Funktion, 186
zero padding, 198
Zweitor, 79
zyklische Faltung, 201

SuS Skript

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

SuS Skript

Hochgeladen von

Copyright:

Verfügbare Formate

Peter Noll

c Prof. Dr.-Ing. Peter Noll • Technische Universität Berlin

Copyright c Prof. Dr.-Ing. Peter Noll

Leitung: Prof. Dr.-Ing. Thomas Sikora

Aktuelle Informationen des Fachgebietes befinden sich im Internet

3 Fourierreihendarstellung periodischer Signale 35

4.5 Fouriertransformation und Distributionen . . . . . . . . 57

6 Zeitbereichsdarstellung kontinuierlicher linearer Systeme 79

7 Kontinuierliche lineare Systeme im Frequenzbereich 99

c Peter Noll Signale und Systeme

7.3.2 Parallelschaltung . . . . . . . . . . . . . . . . . . 107

8 Beschreibung linearer Systeme durch Pol- und Nullstellen 109

9 Typische lineare Systeme 117

10 Frequenzselektive Filter 125

c Peter Noll Signale und Systeme

12 Quantisierung und PCM 161

13 Diskrete Signale im Zeitbereich 175

14 Diskrete Signale im Frequenzbereich 185

15 Diskrete Laplace- und z-Transformation 205

16 Zeitdiskrete Lineare Systeme 213

c Peter Noll Signale und Systeme

16.2 Diskrete Faltung . . . . . . . . . . . . . . . . . . . . . . . 217

18 Lösungen zur Aufgabensammlung 285

A Ist die si-Funktion absolut integrabel? 317

c Peter Noll Signale und Systeme

c Peter Noll Signale und Systeme

1.1 Signale und Systeme

Abbildung 1.1: Eingangs- und Ausgangssignal eines Systems

Abbildung 1.2: Modellbildung aus physikalischen Vorgängen

Signale und Systeme zu. Zeitkontinuierliche Signale existieren zu al-

Abbildung 1.3: Bildsignalentstehung durch zeilenweise Abtastung

Bei zeitdiskreten Signalen sind Amplitudenwerte nur zu diskreten

c Peter Noll Signale und Systeme

Zeiten nT definiert, Signale u(nT ) sind dann Zahlenfolgen. Normie-

Abbildung 1.4: Vergleich von Signalarten, v.o.n.u.:

c Peter Noll Signale und Systeme

Abbildung 1.5: Darstellung der Signale aus Bild 1.4

1.3 Empfohlene Literatur

c Peter Noll Signale und Systeme

Abbildung 1.6: 256 bzw. vier Helligkeitsstufen

Jahren i. Allg. sowohl kontinuierliche als auch diskrete Signal- und

Signale und Systeme

[1] B. Girod, R. Rabenstein, and A. Stenger. Einführung in die Sys-

[2] H. W. Schüßler. Netzwerke, Signale und Systeme I und II. Springer,

[3] R. Unbehauen. Systemtheorie. Oldenbourg, 1990.

[4] N. Fliege. Systemtheorie,. Teubner, 1991.

[5] K. Küpfmüller. Die Systemtheorie der Elektrischen Nachrichten-

[6] S. Haykin. Signale und Systeme. Wiley, 2003.

[7] A. V. Oppenheim and A. S. Willsky. Signale und Systeme. Wiley-

[8] H. Lüke. Signalübertragung. Springer, 1995.

[9] A. Fettweis. Elemente nachrichtentechnischer Systeme. Teubner,

c Peter Noll Signale und Systeme

Kontinuierliche Signal- und Systembeschreibung

Diskrete Signal- und Systembeschreibung

c Peter Noll Signale und Systeme

Wir werden nur amplitudenkontinuierliche Signale behandeln und

Wir werden zu Beginn die Begriffe arithmetischer Mittelwert, Ener-

Abbildung 2.1: Determinierte Signale (Impuls und periodisches Signal)

Abbildung 2.2: Stochastische Signale (Sprach-, Sensor-, Rauschsignal)

schale Ausssagen über Signale getroffen werden können.

2.1.1 Arithmetischer Mittelwert

c Peter Noll Signale und Systeme

Im Gesamtbereich des Signals ist der arithmetische Mittelwert mit