Signaldarstellung/Fehlermöglichkeiten bei Anwendung der DFT - Versionsgeschichte

Maintenance script: Add English interlanguage link

2026-03-16T12:28:31Z

Add English interlanguage link

← Nächstältere Version		Version vom 16. März 2026, 14:28 Uhr
Zeile 132:		Zeile 132:

	{{Display}}		{{Display}}
			[[en:Signal_Representation/Possible_Errors_when_using_DFT]]

Maintenance script: Join multi-line formulas for MW 1.43 parser compat

2026-02-24T13:38:04Z

Join multi-line formulas for MW 1.43 parser compat

← Nächstältere Version		Version vom 24. Februar 2026, 15:38 Uhr
Zeile 17:		Zeile 17:
	Ein Gütekriterium, das beide Fehlerarten berücksichtigt, ist der  $\text{mittlere quadratische Fehler}$:		Ein Gütekriterium, das beide Fehlerarten berücksichtigt, ist der  $\text{mittlere quadratische Fehler}$:

	:$${\rm MQF} = \frac{1}{N}\cdot \sum_{\mu = 0 }^{N-1}		:$${\rm MQF} = \frac{1}{N}\cdot \sum_{\mu = 0 }^{N-1}\left\vert X(\mu \cdot f_{\rm A})-\frac{D(\mu)}{f_{\rm A} }\right \vert^2 \hspace{0.05cm}.$$
	\left\vert X(\mu \cdot f_{\rm A})-\frac{D(\mu)}{f_{\rm A} }\right \vert^2 \hspace{0.05cm}.$$

	Es ist stets  ${\rm MQF} \ne 0$, da sich bei endlichem  $N$  nicht gleichzeitig die Degradation durch die Abtastung und durch die Fensterung zu Null machen lassen.}}		Es ist stets  ${\rm MQF} \ne 0$, da sich bei endlichem  $N$  nicht gleichzeitig die Degradation durch die Abtastung und durch die Fensterung zu Null machen lassen.}}

Guenter am 17. Mai 2021 um 13:56 Uhr

2021-05-17T13:56:11Z

← Nächstältere Version		Version vom 17. Mai 2021, 15:56 Uhr
Zeile 65:		Zeile 65:
	*Im Grenzfall  $T_{\rm P} \to \infty$, was bei gegebenem Abstand  $T_{\rm A}$  der Abtastwerte auch eine unendlich große Stützstellenzahl  $N$  bedeuten würde, entartet  $T_{\rm P} \cdot \text{si}(\pi fT_{\rm P})$  zu einer Diracfunktion und das Originalspektrum  $X(f)$  bliebe erhalten.		*Im Grenzfall  $T_{\rm P} \to \infty$, was bei gegebenem Abstand  $T_{\rm A}$  der Abtastwerte auch eine unendlich große Stützstellenzahl  $N$  bedeuten würde, entartet  $T_{\rm P} \cdot \text{si}(\pi fT_{\rm P})$  zu einer Diracfunktion und das Originalspektrum  $X(f)$  bliebe erhalten.
	*Die DFT eines zeitlich unbegrenzten Signals – zum Beispiel eines periodischen Signals – wird immer einen Abbruchfehler hervorrufen, der nur durch besondere Maßnahmen in Grenzen gehalten werden kann.  Hierauf wird im Kapitel  [[Signaldarstellung/Spektralanalyse\|Spektralanalyse]]  näher eingegangen.		*Die DFT eines zeitlich unbegrenzten Signals – zum Beispiel eines periodischen Signals – wird immer einen Abbruchfehler hervorrufen, der nur durch besondere Maßnahmen in Grenzen gehalten werden kann.  Hierauf wird im Kapitel  [[Signaldarstellung/Spektralanalyse\|Spektralanalyse]]  näher eingegangen.
	*Bei zeitlich begrenzten, impulsartigen Signalen lässt sich der Abbruchfehler vermeiden, wenn man  $T_{\rm P}$  hinreichend groß wählt.  Durch weitere Vergrößerung des Fensters in Bereiche mit  $x(t) \~~approx~~ 0$  ergibt sich kein zusätzlicher Informationsgewinn   ⇒   $\text{MQF}$  wird nicht kleiner.		*Bei zeitlich begrenzten, impulsartigen Signalen lässt sich der Abbruchfehler vermeiden, wenn man  $T_{\rm P}$  hinreichend groß wählt.  Durch weitere Vergrößerung des Fensters in Bereiche mit  $x(t) \equiv 0$  ergibt sich kein zusätzlicher Informationsgewinn   ⇒   $\text{MQF}$  wird nicht kleiner.
	*Durch dieses Anfügen von Nullen  $\text{(zero–padding)}$  treten nun die Abtastwerte von  $X(f)$  in kleinerem Abstand  $f_{\rm A} = 1/T_{\rm A}$  auf.  Durch  $T_{\rm P}$–Verdopplung erreicht man eine Interpolation der Frequenzabtastwerte genau in der Mitte zwischen zwei vorherigen Stützstellen.		*Durch dieses Anfügen von Nullen  $\text{(zero–padding)}$  treten nun die Abtastwerte von  $X(f)$  in kleinerem Abstand  $f_{\rm A} = 1/T_{\rm A}$  auf.  Durch  $T_{\rm P}$–Verdopplung erreicht man eine Interpolation der Frequenzabtastwerte genau in der Mitte zwischen zwei vorherigen Stützstellen.

Guenter am 17. Mai 2021 um 12:32 Uhr

2021-05-17T12:32:35Z

← Nächstältere Version		Version vom 17. Mai 2021, 14:32 Uhr
Zeile 45:		Zeile 45:
	Die untere Grafik zeigt das DFT–Ergebnis		Die untere Grafik zeigt das DFT–Ergebnis
	*für  $N = 16$  und		*für  $N = 16$  und
	*$T_{\rm A}/T = 0.25$   ⇒   $f_{\rm A} \cdot T = 0.25$.		*$T_{\rm A}/T = 0.25$   ⇒   $f_{\rm A} \cdot T = 0.25$   ⇒   $T_{\rm P}/T = 4$.
	<br clear=all>		<br clear=all>
	Zu dieser Darstellung ist Folgendes anzumerken:		Zu dieser Darstellung ist Folgendes anzumerken:
	*Die berücksichtigten Abtastwerte von  $x(t)$  liegen im Bereich  $\vert t/T \vert≤ 2$.  Da  $x(\pm 2T)$  sehr klein ist, führt die Periodifizierung im Zeitbereich mit  $T_{\rm P}/T = N \cdot T_{\rm A}/T = 2$  zu keinen gravierenden Fehlern.		*Die berücksichtigten Abtastwerte von  $x(t)$  liegen im Bereich  $\vert t/T \vert≤ 2$.  Da  $x(\pm 2T)$  sehr klein ist, führt die Periodifizierung im Zeitbereich mit  $T_{\rm P}/T = N \cdot T_{\rm A}/T = 4$  zu keinen gravierenden Fehlern.
	*Mit  $f_{\rm A} \cdot T = 0.25$  sowie  $N = 16$  ergibt sich der (normierte) DFT–Parameter  $f_{\rm P} \cdot T = 4$.		*Mit  $f_{\rm A} \cdot T = 0.25$  sowie  $N = 16$  ergibt sich der (normierte) DFT–Parameter  $f_{\rm P} \cdot T = 4$.
	*Die diskreten Spektrallinien der DFT liegen somit im Bereich  $–2/T ≤ f < +2/T$.		*Die diskreten Spektrallinien der DFT liegen somit im Bereich  $–2/T ≤ f < +2/T$.
Zeile 55:		Zeile 55:
	:*Für  $N = 1024$  erhält man den kleinstmöglichen Wert  $\text{MQF} \approx 8 \cdot 10^{–17}$, wenn  $f_{\rm A} \cdot T = 0.125$  gewählt wird.  Für die weiteren DFT–Parameter gilt dann:		:*Für  $N = 1024$  erhält man den kleinstmöglichen Wert  $\text{MQF} \approx 8 \cdot 10^{–17}$, wenn  $f_{\rm A} \cdot T = 0.125$  gewählt wird.  Für die weiteren DFT–Parameter gilt dann:
	:: $$f_{\rm P} \cdot T = 128, \hspace{0.5cm}T_{\rm A}/T = 1/128, \hspace{0.5cm} T_{\rm P}/T = N \cdot T_{\rm A}/T= 8.$$		:: $$f_{\rm P} \cdot T = 128, \hspace{0.5cm}T_{\rm A}/T = 1/128, \hspace{0.5cm} T_{\rm P}/T = N \cdot T_{\rm A}/T= 8.$$
	:*Bei einem 32–Bit–Prozessor (das bedeutet:  kleinere Quantisierungsfehler des Rechners)  wäre  $\text{MQF}$  noch kleiner, aber niemals Null. }}		:*Die angegebenen  $\text{MQF}$–Werte gelten für einen  16Bit–Prozessor.  Bei einem 32–Bit–Prozessor (das bedeutet:  kleinere Quantisierungsfehler des Rechners)  wäre  $\text{MQF}$  noch kleiner, aber niemals Null. }}

Guenter am 17. Mai 2021 um 09:27 Uhr

2021-05-17T09:27:43Z

Guenter am 10. Oktober 2019 um 14:59 Uhr

2019-10-10T14:59:20Z

Guenter am 10. Oktober 2019 um 14:37 Uhr

2019-10-10T14:37:08Z

Änderungen zeigen

Guenter am 27. Juli 2018 um 14:08 Uhr

2018-07-27T14:08:21Z

← Nächstältere Version		Version vom 27. Juli 2018, 16:08 Uhr
Zeile 97:		Zeile 97:

	Das folgende $\text{Beispiel 3}$ zeigt einen solchen Aliasingfehler aufgrund falsch gewählter DFT–Parameter:		Das folgende $\text{Beispiel 3}$ zeigt einen solchen Aliasingfehler aufgrund falsch gewählter DFT–Parameter:
	*Gegenüber dem &bdquo;Vergleichssystem ” [[Signaldarstellung/Fehlermöglichkeiten_bei_Anwendung_der_DFT#Der_mittlere_quadratische_Fehler_als_Qualit.C3.A4tskriterium\|$\text{Beispiel 1}$]] ist $T_{\rm A}$ zu groß und $f_{\rm A}$ zu klein dimensioniert.		*Gegenüber dem &bdquo;Vergleichssystem” gemäß [[Signaldarstellung/Fehlermöglichkeiten_bei_Anwendung_der_DFT#Der_mittlere_quadratische_Fehler_als_Qualit.C3.A4tskriterium\|$\text{Beispiel 1}$]] ist $T_{\rm A}$ zu groß und $f_{\rm A}$ zu klein dimensioniert.
	*Die Stützstellenanzahl ist in beiden Fällen $N = 16$.		*Die Stützstellenanzahl ist in beiden Fällen $N = 16$.

Guenter am 27. Juli 2018 um 14:07 Uhr

2018-07-27T14:07:03Z

← Nächstältere Version		Version vom 27. Juli 2018, 16:07 Uhr
Zeile 97:		Zeile 97:

	Das folgende $\text{Beispiel 3}$ zeigt einen solchen Aliasingfehler aufgrund falsch gewählter DFT–Parameter:		Das folgende $\text{Beispiel 3}$ zeigt einen solchen Aliasingfehler aufgrund falsch gewählter DFT–Parameter:
	*Gegenüber dem &bdquo;Vergleichssystem ” [[Signaldarstellung/Fehlermöglichkeiten_bei_Anwendung_der_DFT#~~Der_mittlere_quadratische_Fehler_Qualit~~.C3.A4tskriterium\|$\text{Beispiel 1}$]] ist $T_{\rm A}$ zu groß und $f_{\rm A}$ zu klein dimensioniert.		*Gegenüber dem &bdquo;Vergleichssystem ” [[Signaldarstellung/Fehlermöglichkeiten_bei_Anwendung_der_DFT#Der_mittlere_quadratische_Fehler_als_Qualit.C3.A4tskriterium\|$\text{Beispiel 1}$]] ist $T_{\rm A}$ zu groß und $f_{\rm A}$ zu klein dimensioniert.
	*Die Stützstellenanzahl ist in beiden Fällen $N = 16$.		*Die Stützstellenanzahl ist in beiden Fällen $N = 16$.

Guenter am 27. Juli 2018 um 14:03 Uhr

2018-07-27T14:03:57Z

Änderungen zeigen

← Nächstältere Version		Version vom 17. Mai 2021, 11:27 Uhr
Zeile 8:		Zeile 8:
	==Der mittlere quadratische Fehler als Qualitätskriterium==		==Der mittlere quadratische Fehler als Qualitätskriterium==
	<br>		<br>
	Im Folgenden werden einige Fehlermöglichkeiten bei Anwendung der DFT kurz diskutiert, wobei wir uns auf die Transformation vom Zeit– in den Frequenzbereich beschränken. Auch in seinen Abtastwerten wird sich im Allgemeinen das über die DFT ermittelte Spektrum  $D(\mu )/f_{\rm A}$  vom tatsächlichen Spektrum  $X(\mu \cdot f_{\rm A})$  unterscheiden, was auf zwei Prozesse zurückzuführen ist:		Im Folgenden werden einige Fehlermöglichkeiten bei Anwendung der DFT kurz diskutiert, wobei wir uns auf die Transformation vom Zeit– in den Frequenzbereich beschränken.  Auch in seinen Abtastwerten wird sich im Allgemeinen das über die DFT ermittelte Spektrum  $D(\mu )/f_{\rm A}$  vom tatsächlichen Spektrum  $X(\mu \cdot f_{\rm A})$  unterscheiden, was auf zwei Prozesse zurückzuführen ist:
	*die  ~~'''~~Abtastung~~'''~~, also die Reduzierung der Information über  $x(t)$  auf  $N$  Zahlenwerte,		*die  $\text{Abtastung}$, also die Reduzierung der Information über  $x(t)$  auf  $N$  Zahlenwerte,
	*die  ~~'''~~Fensterung~~'''~~, die das Signal  $x(t)$  eventuell fälschlicherweise begrenzt.		*die  $\text{Fensterung}$, die das Signal  $x(t)$  eventuell fälschlicherweise begrenzt.


	{{BlaueBox\|TEXT=		{{BlaueBox\|TEXT=
	$\text{Definition:}$		$\text{Definition:}$
	Ein Gütekriterium, das beide Fehlerarten berücksichtigt, ist der  ~~'''~~mittlere quadratische Fehler~~'''~~:		Ein Gütekriterium, das beide Fehlerarten berücksichtigt, ist der  $\text{mittlere quadratische Fehler}$:

	:$${\rm MQF} = \frac{1}{N}\cdot \sum_{\mu = 0 }^{N-1}		:$${\rm MQF} = \frac{1}{N}\cdot \sum_{\mu = 0 }^{N-1}
Zeile 53:		Zeile 53:
	*Der mittlere quadratrische Fehler ist relativ klein  $\text{(MQF} \approx 10^{–12})$, was auf die günstige Wahl von  $f_{\rm A} \cdot T = 0.25$  $($bei gegebenem  $N = 16)$  zurückzuführen ist.		*Der mittlere quadratrische Fehler ist relativ klein  $\text{(MQF} \approx 10^{–12})$, was auf die günstige Wahl von  $f_{\rm A} \cdot T = 0.25$  $($bei gegebenem  $N = 16)$  zurückzuführen ist.
	*Die DFT–Genauigkeit kann durch Vergrößerung von  $N$  verbessert werden:		*Die DFT–Genauigkeit kann durch Vergrößerung von  $N$  verbessert werden:
	:*Für  $N = 1024$  erhält man den kleinstmöglichen Wert  $\text{MQF} \approx 8 \cdot 10^{–17}$, wenn  $f_{\rm A} \cdot T = 0.125$  gewählt wird. Für die weiteren DFT–Parameter gilt dann:		:*Für  $N = 1024$  erhält man den kleinstmöglichen Wert  $\text{MQF} \approx 8 \cdot 10^{–17}$, wenn  $f_{\rm A} \cdot T = 0.125$  gewählt wird.  Für die weiteren DFT–Parameter gilt dann:
	:: $$f_{\rm P} \cdot T = 128, \hspace{0.5cm}T_{\rm A}/T = 1/128, \hspace{0.5cm} T_{\rm P}/T = N \cdot T_{\rm A}/T= 8.$$		:: $$f_{\rm P} \cdot T = 128, \hspace{0.5cm}T_{\rm A}/T = 1/128, \hspace{0.5cm} T_{\rm P}/T = N \cdot T_{\rm A}/T= 8.$$
	:*Bei einem 32–Bit–Prozessor (das bedeutet:  kleinere Quantisierungsfehler des Rechners)  wäre  $\text{MQF}$  noch kleiner, aber niemals Null. }}		:*Bei einem 32–Bit–Prozessor (das bedeutet:  kleinere Quantisierungsfehler des Rechners)  wäre  $\text{MQF}$  noch kleiner, aber niemals Null. }}
Zeile 60:		Zeile 60:
	==DFT-Verfälschung durch Fensterung – Abbruchfehler==		==DFT-Verfälschung durch Fensterung – Abbruchfehler==
	<br>		<br>
	Ein typischer Fehler bei Anwendung der DFT ist auf die  ~~'''~~Fensterung~~'''~~  zurückzuführen. Diese als  ''Abbruchfehler''  bekannte Verfälschung lässt sich folgendermaßen erklären:		Ein typischer Fehler bei Anwendung der DFT ist auf die  $\text{Fensterung}$  zurückzuführen.  Diese als  &bdquo;Abbruchfehler”  bekannte Verfälschung lässt sich folgendermaßen erklären:
	*Die im DFT–Algorithmus implizit enthaltene Fensterung entspricht der Multiplikation des Signals  $x(t)$ mit  ~~einer Rechteckfunktion~~ der Höhe  $1$  und der Dauer  $T_{\rm P} = N \cdot T_{\rm A}$.		*Die im DFT–Algorithmus implizit enthaltene Fensterung entspricht der Multiplikation des Signals  $x(t)$ mit  einem Rechteck der Höhe  $1$  und der Dauer  $T_{\rm P} = N \cdot T_{\rm A}$.
	*Ist das Zeitsignal  $x(t)$  nicht auf den Bereich  $T_{\rm P}$  begrenzt, so stimmt das DFT–Ergebnis nicht mit dem tatsächlichen Spektrum  $X(f)$  überein, sondern ergibt sich aus diesem durch Faltung mit der Spektralfunktion  $T_{\rm P} \cdot \text{si}(\pi fT_{\rm P})$.		*Ist das Zeitsignal  $x(t)$  nicht auf den Bereich  $T_{\rm P}$  begrenzt, so stimmt das DFT–Ergebnis nicht mit dem tatsächlichen Spektrum  $X(f)$  überein, sondern ergibt sich aus diesem durch Faltung mit der Spektralfunktion  $T_{\rm P} \cdot \text{si}(\pi fT_{\rm P})$,  wobei  $\text{si}(x) = \sin(x)/x=\text{sinc}(x/\pi)$ .
	*Im Grenzfall  $T_{\rm P} \to \infty$, was bei gegebenem Abstand  $T_{\rm A}$  der Abtastwerte auch eine unendlich große Stützstellenzahl  $N$  bedeuten würde, entartet  $T_{\rm P} \cdot \text{si}(\pi fT_{\rm P})$  zu einer Diracfunktion und das Originalspektrum  $X(f)$  bliebe erhalten.		*Im Grenzfall  $T_{\rm P} \to \infty$, was bei gegebenem Abstand  $T_{\rm A}$  der Abtastwerte auch eine unendlich große Stützstellenzahl  $N$  bedeuten würde, entartet  $T_{\rm P} \cdot \text{si}(\pi fT_{\rm P})$  zu einer Diracfunktion und das Originalspektrum  $X(f)$  bliebe erhalten.
	*Die DFT eines zeitlich unbegrenzten Signals – zum Beispiel eines periodischen Signals – wird immer einen Abbruchfehler hervorrufen, der nur durch besondere Maßnahmen in Grenzen gehalten werden kann. Hierauf wird im Kapitel  [[Signaldarstellung/Spektralanalyse\|Spektralanalyse]]  näher eingegangen.		*Die DFT eines zeitlich unbegrenzten Signals – zum Beispiel eines periodischen Signals – wird immer einen Abbruchfehler hervorrufen, der nur durch besondere Maßnahmen in Grenzen gehalten werden kann.  Hierauf wird im Kapitel  [[Signaldarstellung/Spektralanalyse\|Spektralanalyse]]  näher eingegangen.
	*Bei zeitlich begrenzten, impulsartigen Signalen lässt sich der Abbruchfehler vermeiden, wenn man  $T_{\rm P}$  hinreichend groß wählt. Durch weitere Vergrößerung des Fensters in Bereiche mit  $x(t) \approx 0$  ergibt sich kein zusätzlicher Informationsgewinn   ⇒   $\text{MQF}$  wird nicht kleiner.		*Bei zeitlich begrenzten, impulsartigen Signalen lässt sich der Abbruchfehler vermeiden, wenn man  $T_{\rm P}$  hinreichend groß wählt.  Durch weitere Vergrößerung des Fensters in Bereiche mit  $x(t) \approx 0$  ergibt sich kein zusätzlicher Informationsgewinn   ⇒   $\text{MQF}$  wird nicht kleiner.
	*Durch dieses Anfügen von Nullen  ~~'''~~(zero–padding)~~'''~~  treten nun die Abtastwerte von  $X(f)$  in kleinerem Abstand  $f_{\rm A} = 1/T_{\rm A}$  auf. Durch  $T_{\rm P}$–Verdopplung erreicht man eine Interpolation der Frequenzabtastwerte genau in der Mitte zwischen zwei vorherigen Stützstellen.		*Durch dieses Anfügen von Nullen  $\text{(zero–padding)}$  treten nun die Abtastwerte von  $X(f)$  in kleinerem Abstand  $f_{\rm A} = 1/T_{\rm A}$  auf.  Durch  $T_{\rm P}$–Verdopplung erreicht man eine Interpolation der Frequenzabtastwerte genau in der Mitte zwischen zwei vorherigen Stützstellen.


Zeile 75:		Zeile 75:
	$\text{Beispiel 2:}$		$\text{Beispiel 2:}$
	Die Grafik zeigt das Ergebnis der DFT für gleiches  $x(t)$  und  $X(f)$  sowie gleiches  $N = 16$  wie im  [[Signaldarstellung/Fehlermöglichkeiten_bei_Anwendung_der_DFT#Der_mittlere_quadratische_Fehler_als_Qualit.C3.A4tskriterium\|$\text{Beispiel 1}$]], aber nun mit demgegenüber um den Faktor  $2$  feinerer Abtastung im Zeitbereich:		Die Grafik zeigt das Ergebnis der DFT für gleiches  $x(t)$  und  $X(f)$  sowie gleiches  $N = 16$  wie im  [[Signaldarstellung/Fehlermöglichkeiten_bei_Anwendung_der_DFT#Der_mittlere_quadratische_Fehler_als_Qualit.C3.A4tskriterium\|$\text{Beispiel 1}$]], aber nun mit demgegenüber um den Faktor  $2$  feinerer Abtastung im Zeitbereich:
	:$$T_{\rm A}/T = 0.125 ~~    ⇒    ~~ f_{\rm A} \cdot T = 0.5.$$		:$$T_{\rm A}/T = 0.125 \ \Rightarrow \ f_{\rm A} \cdot T = 0.5.$$

	Der Vergleich mit  [[Signaldarstellung/Fehlermöglichkeiten_bei_Anwendung_der_DFT#Der_mittlere_quadratische_Fehler_als_Qualit.C3.A4tskriterium\|Beispiel 1]]  $(T_{\rm A}/T = 0.25 \ \Rightarrow \ f_{\rm A} \cdot T = 0.25)$  zeigt:		Der Vergleich mit  [[Signaldarstellung/Fehlermöglichkeiten_bei_Anwendung_der_DFT#Der_mittlere_quadratische_Fehler_als_Qualit.C3.A4tskriterium\|Beispiel 1]]  $(T_{\rm A}/T = 0.25 \ \Rightarrow \ f_{\rm A} \cdot T = 0.25)$  zeigt:
Zeile 83:		Zeile 83:


	~~'''~~Zusammengefasst:~~'''~~ <br>Mit diesen DFT–Parametern entsteht ein  ~~'''~~Abbruchfehler''', durch den der mittlere quadratische Fehler  $\rm (MQF)$  signifikant von  $10^{-12}$ auf $4 \cdot 10^{-5}$  vergrößert wird.		$\text{Zusammengefasst:}$ <br>Mit diesen DFT–Parametern entsteht ein  $\text{Abbruchfehler}$', durch den der mittlere quadratische Fehler  $\rm (MQF)$  signifikant von  $10^{-12}$ auf $4 \cdot 10^{-5}$  vergrößert wird.


Zeile 92:		Zeile 92:
	==DFT-Verfälschung durch Abtastung – Aliasingfehler==		==DFT-Verfälschung durch Abtastung – Aliasingfehler==
	<br>		<br>
	Auch eine ungeeignete Abtastung der Zeitfunktion  $x(t)$  kann das DFT–Ergebnis signifikant verfälschen. Dieser so genannte  ~~'''~~Aliasingfehler~~'''~~  lässt sich wie folgt erklären:		Auch eine ungeeignete Abtastung der Zeitfunktion  $x(t)$  kann das DFT–Ergebnis signifikant verfälschen.  Dieser so genannte  $\text{Aliasingfehler}$  lässt sich wie folgt erklären:
	*Die Abtastung von  $x(t)$  im Abstand  $T_{\rm A}$  bewirkt eine periodische Fortsetzung des Spektrums bei Vielfachen der Periodisierungsfrequenz  $f_{\rm P} = 1/T_{\rm A}$.		*Die Abtastung von  $x(t)$  im Abstand  $T_{\rm A}$  bewirkt eine periodische Fortsetzung des Spektrums bei Vielfachen der Periodisierungsfrequenz  $f_{\rm P} = 1/T_{\rm A}$.
	*Besitzt das Spektrum  $X(f)$  auch Spektralanteile bei  $\|f\| > f_{\rm P}/2$, so ist das Abtasttheorem nicht erfüllt und es kommt zu Überlappungen der zu addierenden, verschobenen Frequenzanteile.		*Besitzt das Spektrum  $X(f)$  auch Spektralanteile bei  $\|f\| > f_{\rm P}/2$, so ist das Abtasttheorem nicht erfüllt und es kommt zu Überlappungen der zu addierenden, verschobenen Frequenzanteile.
	*Nur bei bandbegrenztem Signal kann der Aliasingfehler durch geeignete DFT–Parameter vermieden werden. Dagegen ist bei zeitlich begrenzten, impulsartigen Signalen dieser Fehler unvermeidbar, da zeitbegrenzte Signale nicht gleichzeitig bandbegrenzt sein können.		*Nur bei bandbegrenztem Signal kann der Aliasingfehler durch geeignete DFT–Parameter vermieden werden.  Dagegen ist bei zeitlich begrenzten, impulsartigen Signalen dieser Fehler unvermeidbar, da zeitbegrenzte Signale nicht gleichzeitig bandbegrenzt sein können.
	*Der Aliasingfehler wird durch eine feinere Abtastung  $($also:   kleineres  $T_{\rm A} = 1/f_{\rm P})$  kleiner. Dies erreicht man bei gleichbleibendem  $T_{\rm A}$  – um den Abbruchfehler nicht anwachsen zu lassen – allerdings nur durch ein größeres  $N$  und damit einen größeren Rechenaufwand.		*Der Aliasingfehler wird durch eine feinere Abtastung  $($also:   kleineres  $T_{\rm A} = 1/f_{\rm P})$  kleiner.  Dies erreicht man bei gleichbleibendem  $T_{\rm A}$  – um den Abbruchfehler nicht anwachsen zu lassen – allerdings nur durch ein größeres  $N$  und damit einen größeren Rechenaufwand.


Zeile 107:		Zeile 107:
	{{GraueBox\|TEXT=		{{GraueBox\|TEXT=
	$\text{Beispiel 3:}$		$\text{Beispiel 3:}$
	Die DFT–Parameter seien  $N = 16$  und  $f_{\rm A} \cdot T= 0.125$. Somit ergibt sich für die drei anderen DFT–Parameter:		Die DFT–Parameter seien  $N = 16$  und  $f_{\rm A} \cdot T= 0.125$.  Somit ergibt sich für die drei anderen DFT–Parameter:
	* $T_{\rm P}/T = 8.0 \hspace{0.~~5cm~~} \text{(Beispiel 1:} \ \ T_{\rm P}/T = 4)$,		* $T_{\rm P}/T = 8 \hspace{0.8cm} \text{(Beispiel 1:} \ \ T_{\rm P}/T = 4)$,
	* $f_{\rm P} \cdot T = 2.0 \hspace{0.~~45cm~~} \text{(Beispiel 1:} \ \ f_{\rm P} \cdot T = 4)$,		* $f_{\rm P} \cdot T = 2 \hspace{0.75cm} \text{(Beispiel 1:} \ \ f_{\rm P} \cdot T = 4)$,
	* $T_{\rm A}/T = 0.5\hspace{0.45cm} \text{(Beispiel 1:} \ \ T_{\rm A}/T = 0.25)$.		* $T_{\rm A}/T = 0.5\hspace{0.45cm} \text{(Beispiel 1:} \ \ T_{\rm A}/T = 0.25)$.

← Nächstältere Version		Version vom 10. Oktober 2019, 16:59 Uhr
Zeile 92:		Zeile 92:
	==DFT-Verfälschung durch Abtastung – Aliasingfehler==		==DFT-Verfälschung durch Abtastung – Aliasingfehler==
	<br>		<br>
	Auch eine ungeeignete Abtastung der Zeitfunktion $x(t)$ kann das DFT–Ergebnis signifikant verfälschen. Dieser so genannte '''Aliasingfehler''' lässt sich wie folgt erklären:		Auch eine ungeeignete Abtastung der Zeitfunktion  $x(t)$  kann das DFT–Ergebnis signifikant verfälschen. Dieser so genannte  '''Aliasingfehler'''  lässt sich wie folgt erklären:
	*Die Abtastung von $x(t)$ im Abstand $T_{\rm A}$ bewirkt eine periodische Fortsetzung des Spektrums bei Vielfachen der Periodisierungsfrequenz $f_{\rm P} = 1/T_{\rm A}$.		*Die Abtastung von  $x(t)$  im Abstand  $T_{\rm A}$  bewirkt eine periodische Fortsetzung des Spektrums bei Vielfachen der Periodisierungsfrequenz  $f_{\rm P} = 1/T_{\rm A}$.
	*Besitzt das Spektrum $X(f)$ auch Spektralanteile bei $\|f\| > f_{\rm P}/2$, so ist das Abtasttheorem nicht erfüllt und es kommt zu Überlappungen der zu addierenden, verschobenen Frequenzanteile.		*Besitzt das Spektrum  $X(f)$  auch Spektralanteile bei  $\|f\| > f_{\rm P}/2$, so ist das Abtasttheorem nicht erfüllt und es kommt zu Überlappungen der zu addierenden, verschobenen Frequenzanteile.
	*Nur bei bandbegrenztem Signal kann der Aliasingfehler durch geeignete DFT–Parameter vermieden werden. Dagegen ist bei zeitlich begrenzten, impulsartigen Signalen dieser Fehler unvermeidbar, da zeitbegrenzte Signale nicht gleichzeitig bandbegrenzt sein können.		*Nur bei bandbegrenztem Signal kann der Aliasingfehler durch geeignete DFT–Parameter vermieden werden. Dagegen ist bei zeitlich begrenzten, impulsartigen Signalen dieser Fehler unvermeidbar, da zeitbegrenzte Signale nicht gleichzeitig bandbegrenzt sein können.
	*Der Aliasingfehler wird durch eine feinere Abtastung (also:   kleineres $T_{\rm A} = 1/f_{\rm P}$) kleiner. Dies erreicht man bei gleichbleibendem $T_{\rm A}$ – um den Abbruchfehler nicht anwachsen zu lassen – allerdings nur durch ein größeres $N$ und damit einen größeren Rechenaufwand.		*Der Aliasingfehler wird durch eine feinere Abtastung  $($also:   kleineres  $T_{\rm A} = 1/f_{\rm P})$  kleiner. Dies erreicht man bei gleichbleibendem  $T_{\rm A}$  – um den Abbruchfehler nicht anwachsen zu lassen – allerdings nur durch ein größeres  $N$  und damit einen größeren Rechenaufwand.


	Das folgende $\text{Beispiel 3}$ zeigt einen solchen Aliasingfehler aufgrund falsch gewählter DFT–Parameter:		Das folgende  $\text{Beispiel 3}$  zeigt einen solchen Aliasingfehler aufgrund falsch gewählter DFT–Parameter:
	*Gegenüber dem &bdquo;Vergleichssystem” gemäß [[Signaldarstellung/Fehlermöglichkeiten_bei_Anwendung_der_DFT#Der_mittlere_quadratische_Fehler_als_Qualit.C3.A4tskriterium\|$\text{Beispiel 1}$]] ist $T_{\rm A}$ zu groß und $f_{\rm A}$ zu klein dimensioniert.		*Gegenüber dem &bdquo;Vergleichssystem” gemäß  [[Signaldarstellung/Fehlermöglichkeiten_bei_Anwendung_der_DFT#Der_mittlere_quadratische_Fehler_als_Qualit.C3.A4tskriterium\|$\text{Beispiel 1}$]]  ist  $T_{\rm A}$  zu groß und  $f_{\rm A}$  zu klein dimensioniert.
	*Die Stützstellenanzahl ist in beiden Fällen $N = 16$.		*Die Stützstellenanzahl ist in beiden Fällen  $N = 16$.


	[[Datei:P_ID2733__Sig_T_5_3_S3_neu.png\|right\|frame\|Aliasingfehler bei einer DFT mit $N = 16$]]		[[Datei:P_ID2733__Sig_T_5_3_S3_neu.png\|right\|frame\|Aliasingfehler bei einer DFT mit  $N = 16$]]
	{{GraueBox\|TEXT=		{{GraueBox\|TEXT=
	$\text{Beispiel 3:}$		$\text{Beispiel 3:}$
	~~Es gelten die~~ DFT–Parameter $N = 16$ und $f_{\rm A} \cdot T= 0.125$. Somit ergibt sich für die drei anderen DFT–Parameter:		Die DFT–Parameter seien  $N = 16$  und  $f_{\rm A} \cdot T= 0.125$. Somit ergibt sich für die drei anderen DFT–Parameter:
	* $T_{\rm P}/T = 8$ (Beispiel 1: ~~  $~~T_{\rm P}/T = 4$),		* $T_{\rm P}/T = 8.0 \hspace{0.5cm} \text{(Beispiel 1:} \ \ T_{\rm P}/T = 4)$,
	* $f_{\rm P} \cdot T = 2$ (Beispiel 1: ~~  $~~f_{\rm P} \cdot T = 4$),		* $f_{\rm P} \cdot T = 2.0 \hspace{0.45cm} \text{(Beispiel 1:} \ \ f_{\rm P} \cdot T = 4)$,
	* $T_{\rm A}/T = 0.5$ (Beispiel 1: ~~  $~~T_{\rm A}/T = 0.25$).		* $T_{\rm A}/T = 0.5\hspace{0.45cm} \text{(Beispiel 1:} \ \ T_{\rm A}/T = 0.25)$.


	Daraus ergeben sich folgende Konsequenzen:		Daraus ergeben sich folgende Konsequenzen:
	*Der Abbruchfehler spielt wegen $T_{\rm P} /T = 8$ weiterhin keine Rolle (schon $T_{\rm P} /T = 4$ war ausreichend).		*Der Abbruchfehler spielt wegen  $T_{\rm P} /T = 8$  weiterhin keine Rolle (schon  $T_{\rm P} /T = 4$  war ausreichend).
	*Wegen $f_{\rm P} \cdot T = 2$ entsteht nun allerdings Aliasing, weil die DFT von der Summe vieler Gaußfunktionen im Abstand $f_{\rm P} \cdot T = 2$ ausgeht (dünn gestrichelte Kurven in der Grafik ).		*Wegen  $f_{\rm P} \cdot T = 2$  entsteht nun allerdings Aliasing, weil die DFT von der Summe vieler Gaußfunktionen im Abstand  $f_{\rm P} \cdot T = 2$  ausgeht (dünn gestrichelte Kurven in der Grafik ).
	*Die einzelnen DFT–Koeffizienten werden unterschiedlich verfälscht: Der mittlere DFT–Koeffizient (für die Frequenz $f = 0$) ist nahezu richtig, während die Fehler der DFT–Koeffizienten zu den Rändern hin deutlich zunehmen.		*Die einzelnen DFT–Koeffizienten werden unterschiedlich verfälscht:   Der mittlere DFT–Koeffizient  $($für die Frequenz  $f = 0)$  ist nahezu richtig, während die Fehler der DFT–Koeffizienten zu den Rändern hin deutlich zunehmen.
	*Im betrachteten Beispiel ist der DFT–Koeffizient für $f \cdot T = -1$ doppelt so groß als er sein sollte, da die Gaußfunktion mit dem Zentrum bei $f \cdot T = -2$ den gleichen Beitrag liefert wie die eigentliche Gaußfunktion um $f \cdot T = 0$ (siehe gelbe Hinterlegung).		*Im betrachteten Beispiel ist der DFT–Koeffizient für  $f \cdot T = -1$  doppelt so groß als er sein sollte, da die Gaußfunktion mit dem Zentrum bei  $f \cdot T = -2$  den gleichen Beitrag liefert wie die eigentliche Gaußfunktion um  $f \cdot T = 0$  (siehe gelbe Hinterlegung).


	Somit ergibt sich hier mit $\text{MQF} \approx 2 \cdot 10^{-4}$ ein ~~noch~~ größerer Fehlerwert als durch den Abbruchfehler im [[Signaldarstellung/Fehlermöglichkeiten_bei_Anwendung_der_DFT#DFT-Verf.C3.A4lschung_durch_Fensterung_.E2.80.93_Abbruchfehler\|$\text{Beispiel 2}$]].		Somit ergibt sich hier mit  $\text{MQF} \approx 2 \cdot 10^{-4}$  ein viermal größerer Fehlerwert als durch den Abbruchfehler im  [[Signaldarstellung/Fehlermöglichkeiten_bei_Anwendung_der_DFT#DFT-Verf.C3.A4lschung_durch_Fensterung_.E2.80.93_Abbruchfehler\|$\text{Beispiel 2}$]].

	~~Auch hier~~ verweisen ~~wir~~ auf das Lernvideo [[Fehlermöglichkeiten_bei_Anwendung_der_DFT_(Lernvideo)\|Fehlermöglichkeiten bei Anwendung der DFT]]. }}		Wir verweisen nochmals auf das Lernvideo  [[Fehlermöglichkeiten_bei_Anwendung_der_DFT_(Lernvideo)\|Fehlermöglichkeiten bei Anwendung der DFT]]. }}