Stochastische Signaltheorie/Erzeugung vorgegebener AKF-Eigenschaften: Unterschied zwischen den Versionen
Zeile 7: | Zeile 7: | ||
==AKF am Ausgang eines nichtrekursiven Filters== | ==AKF am Ausgang eines nichtrekursiven Filters== | ||
<br> | <br> | ||
− | Wir betrachten ein | + | Wir betrachten ein nichtrekursives Laufzeitfilter $M$–ter Ordnung gemäß der folgenden Grafik. |
[[Datei:P_ID555__Sto_T_5_3_S1_neu.png |frame| Nichtrekursives Filter $M$-ter Ordnung]] | [[Datei:P_ID555__Sto_T_5_3_S1_neu.png |frame| Nichtrekursives Filter $M$-ter Ordnung]] | ||
− | Die zeitdiskrete Eingangsgröße $〈\hspace{0.05cm}x_ν\hspace{0.05cm}〉$ ist | + | Die zeitdiskrete Eingangsgröße $〈\hspace{0.05cm}x_ν\hspace{0.05cm}〉$ ist |
− | * mittelwertfrei $(m_x = 0)$, | + | * mittelwertfrei $(m_x = 0)$, |
− | *gaußverteilt (mit Streuung $σ_x$ | + | *gaußverteilt (mit Streuung $σ_x)$, und |
− | * ohne Gedächtnis („Weißes Rauschen”) | + | * ohne Gedächtnis („Weißes Rauschen”) ⇒ statistisch unabhängige Abtastwerte. |
Zeile 18: | Zeile 18: | ||
*Die zeitdiskrete Autokorrelationsfunktion (AKF) am Eingang lautet: | *Die zeitdiskrete Autokorrelationsfunktion (AKF) am Eingang lautet: | ||
:$$\varphi _x ( {k \cdot T_{\rm A} } ) = \left\{ {\begin{array}{*{20}c} {\sigma _x ^2 } & {\rm{f\ddot{u}r}\quad {\it k} = 0,} \\ 0 & {\rm{f\ddot{u}r}\quad {\it k} \ne 0.} \\\end{array}} \right.$$ | :$$\varphi _x ( {k \cdot T_{\rm A} } ) = \left\{ {\begin{array}{*{20}c} {\sigma _x ^2 } & {\rm{f\ddot{u}r}\quad {\it k} = 0,} \\ 0 & {\rm{f\ddot{u}r}\quad {\it k} \ne 0.} \\\end{array}} \right.$$ | ||
− | *Die AKF der zeitdiskreten Ausgangsfolge $〈\hspace{0.05cm}y_ν\hspace{0.05cm}〉$ ist wie folgt gegeben: | + | *Die AKF der zeitdiskreten Ausgangsfolge $〈\hspace{0.05cm}y_ν\hspace{0.05cm}〉$ ist wie folgt gegeben: |
:$$\varphi _y ( {k \cdot T_{\rm A} } ) = \sigma _x ^2 \cdot \sum\limits_{\mu = 0}^{M - k} {a_\mu \cdot a_{\mu + k } } \quad {\rm{f\ddot{u}r}}\quad {\it k} = 0, 1,\,\text{...}\,,\,{\it M}.$$ | :$$\varphi _y ( {k \cdot T_{\rm A} } ) = \sigma _x ^2 \cdot \sum\limits_{\mu = 0}^{M - k} {a_\mu \cdot a_{\mu + k } } \quad {\rm{f\ddot{u}r}}\quad {\it k} = 0, 1,\,\text{...}\,,\,{\it M}.$$ | ||
− | *Alle AKF–Werte mit $k > M$ sind Null, und alle AKF–Werte mit $k < M$ sind symmetrisch zu $k = 0$: | + | *Alle AKF–Werte mit $k > M$ sind Null, und alle AKF–Werte mit $k < M$ sind symmetrisch zu $k = 0$: |
:$$\varphi _y ( { - k \cdot T_{\rm A} } ) = \varphi _y ( {k \cdot T_{\rm A} } ).$$ | :$$\varphi _y ( { - k \cdot T_{\rm A} } ) = \varphi _y ( {k \cdot T_{\rm A} } ).$$ | ||
− | |||
{{GraueBox|TEXT= | {{GraueBox|TEXT= | ||
− | $\text{Beispiel 1:}$ Liegt am Eingang eines nichtrekursiven Filters erster Ordnung (Filterkoeffizienten $a_0 = 0.6$, $a_1 = 0.8$ | + | $\text{Beispiel 1:}$ Liegt am Eingang eines nichtrekursiven Filters erster Ordnung $($Filterkoeffizienten $a_0 = 0.6$, $a_1 = 0.8)$ zeitdiskretes weißes Rauschen mit der Streuung $σ_x = 2$ an, so lauten die diskreten AKF-Werte des Ausgangssignals (alle anderen AKF-Werte sind Null): |
[[Datei:P_ID597__Sto_T_5_3_S1_b_neu.png |frame| AKF am Ausgang eines Filters erster Ordnung|right]] | [[Datei:P_ID597__Sto_T_5_3_S1_b_neu.png |frame| AKF am Ausgang eines Filters erster Ordnung|right]] | ||
Zeile 32: | Zeile 31: | ||
Die Grafik kann wie folgt interpretiert werden: | Die Grafik kann wie folgt interpretiert werden: | ||
− | *Wegen $a_0^2 + a_1^2 = 1$ besitzt das Ausgangssignal $y(t)$ genau die gleiche Varianz $σ_y^2 = φ_y(0)$ wie das Eingangssignal: $σ_x^2 = φ_x(0) | + | *Wegen $a_0^2 + a_1^2 = 1$ besitzt das Ausgangssignal $y(t)$ genau die gleiche Varianz $σ_y^2 = φ_y(0) = 0.4$ wie das Eingangssignal: $σ_x^2 = φ_x(0)$. |
− | *Im Gegensatz zur Eingangsfolge $〈\hspace{0.05cm}x_ν\hspace{0.05cm}〉$ gibt es bei der Ausgangsfolge $〈\hspace{0.05cm}y_ν\hspace{0.05cm}〉$ statistische Bindungen zwischen benachbarten Abtastwerten. }} | + | *Im Gegensatz zur Eingangsfolge $〈\hspace{0.05cm}x_ν\hspace{0.05cm}〉$ gibt es bei der Ausgangsfolge $〈\hspace{0.05cm}y_ν\hspace{0.05cm}〉$ statistische Bindungen zwischen benachbarten Abtastwerten. }} |
==Zur Koeffizientenbestimmung== | ==Zur Koeffizientenbestimmung== | ||
<br> | <br> | ||
− | Nun soll folgende Frage beantwortet werden: Wie können die Koeffizienten $a_0$, ... , $a_M$ eines nichtrekursiven Filters $M$–ter Ordnung ermittelt werden, | + | Nun soll folgende Frage beantwortet werden: Wie können die Koeffizienten $a_0$, ... , $a_M$ eines nichtrekursiven Filters $M$–ter Ordnung ermittelt werden, |
− | *wenn die gewünschten AKF-Werte $φ_y(0)$, ... , $φ_y(M · T_{\rm A})$ gegeben sind, und | + | *wenn die gewünschten AKF-Werte $φ_y(0)$, ... , $φ_y(M · T_{\rm A})$ gegeben sind, und |
− | * außerhalb des Bereiches von $-M · T_{\rm A}$ bis $+M · T_{\rm A}$ alle AKF-Werte Null sein sollen. | + | * außerhalb des Bereiches von $-M · T_{\rm A}$ bis $+M · T_{\rm A}$ alle AKF-Werte Null sein sollen. |
− | |||
− | |||
− | |||
− | |||
+ | Für $σ_x = 1$ ergibt sich das folgende nichtlineare Gleichungssystem, wobei zur Vereinfachung der Schreibweise $φ_k = φ_y(k · T_{\rm A})$ verwendet wird: | ||
+ | :$$\begin{align*}\varphi _0 & = \sum\limits_{\mu = 0}^M {a_\mu^2 ,}\\ \varphi _1 & = \sum\limits_{\mu = 0}^{M - 1} {a_\mu \cdot a_{\mu + 1} ,} \\ & ... &\\ \varphi _{M - 1} & = a_0 \cdot a_{M - 1} + a_1 \cdot a_M , \\ \varphi _M & = a_0 \cdot a_M .\end{align*}$$ | ||
{{BlaueBox|TEXT= | {{BlaueBox|TEXT= | ||
$\text{Fazit:}$ | $\text{Fazit:}$ | ||
− | *Man erhält somit für die $M + 1$ Koeffizienten auch $M + 1$ unabhängige Gleichungen. | + | *Man erhält somit für die $M + 1$ Koeffizienten auch $M + 1$ unabhängige Gleichungen. |
− | *Durch sukzessives Eliminieren der Koeffizienten $a_1$, ... , $a_M$ bleibt für $a_0$ schließlich eine nichtlineare Gleichung höherer Ordnung übrig.}} | + | *Durch sukzessives Eliminieren der Koeffizienten $a_1$, ... , $a_M$ bleibt für $a_0$ schließlich eine nichtlineare Gleichung höherer Ordnung übrig.}} |
{{GraueBox|TEXT= | {{GraueBox|TEXT= | ||
$\text{Beispiel 2:}$ Wir betrachten die folgende Konstellation: | $\text{Beispiel 2:}$ Wir betrachten die folgende Konstellation: | ||
− | *ein rekursives Filter erster Ordnung ⇒ $M = 1$, | + | *ein rekursives Filter erster Ordnung ⇒ $M = 1$, |
− | *eine zeitdiskrete Eingangsfolge $〈\hspace{0.05cm}x_ν\hspace{0.05cm}〉$ mit Mittelwert $m_x =$ 0 und Streuung $σ_x = 1$, | + | *eine zeitdiskrete Eingangsfolge $〈\hspace{0.05cm}x_ν\hspace{0.05cm}〉$ mit Mittelwert $m_x =$ 0 und Streuung $σ_x = 1$, |
− | *gewünschte AKF-Werte der Folge $〈\hspace{0.05cm}y_ν\hspace{0.05cm}〉$: $ φ_y(0) = φ_0 =0.58$ und $φ_y(±T_{\rm A}) = φ_1 = 0.21$. | + | *gewünschte AKF-Werte der Folge $〈\hspace{0.05cm}y_ν\hspace{0.05cm}〉$: $ φ_y(0) = φ_0 =0.58$ und $φ_y(±T_{\rm A}) = φ_1 = 0.21$. |
Zeile 63: | Zeile 60: | ||
:$$\varphi _0 = a_0 ^2 + a_1 ^2 = 0.58,$$ | :$$\varphi _0 = a_0 ^2 + a_1 ^2 = 0.58,$$ | ||
:$$\varphi _1 = a_0 \cdot a_1 = 0.21.$$ | :$$\varphi _1 = a_0 \cdot a_1 = 0.21.$$ | ||
− | Dies führt zu einer Gleichung vom Grad $4$, nämlich | + | Dies führt zu einer Gleichung vom Grad $4$, nämlich |
:$$a_0 ^2 + \left( { { {0.21} }/{ {a_0 } } } \right)^2 = 0.58\quad \Rightarrow \quad a_0 ^4 - 0.58 \cdot a_0 ^2 + 0.21^2 = 0.$$ | :$$a_0 ^2 + \left( { { {0.21} }/{ {a_0 } } } \right)^2 = 0.58\quad \Rightarrow \quad a_0 ^4 - 0.58 \cdot a_0 ^2 + 0.21^2 = 0.$$ | ||
− | Eine Lösung stellt $a_0 = 0.7$ dar. Durch Einsetzen in die zweite Gleichung findet man $a_1 = 0.3$. }} | + | Eine Lösung stellt $a_0 = 0.7$ dar. Durch Einsetzen in die zweite Gleichung findet man $a_1 = 0.3$. }} |
− | Man erkennt aus diesem Beispiel, dass sich schon im einfachsten Fall ⇒ $M = 1$ für $a_0$ eine nichtlineare Bestimmungsgleichung vom Grad $4$ ergibt. | + | Man erkennt aus diesem Beispiel, dass sich schon im einfachsten Fall ⇒ $M = 1$ für $a_0$ eine nichtlineare Bestimmungsgleichung vom Grad $4$ ergibt. |
==Mehrdeutigkeiten bei der Koeffizientenbestimmung== | ==Mehrdeutigkeiten bei der Koeffizientenbestimmung== | ||
<br> | <br> | ||
− | Wie das letzte Beispiel gezeigt hat, ist mit $M = 1$ die Bestimmungsgleichung für $a_0$ vom Grad $4$. Dies bedeutet gleichzeitig, dass es auch vier Koeffizientensätze gibt, die alle zur gleichen AKF führen. Dies ist aus folgenden Gründen einsichtig: | + | Wie das letzte Beispiel gezeigt hat, ist mit $M = 1$ die Bestimmungsgleichung für $a_0$ vom Grad $4$. Dies bedeutet gleichzeitig, dass es auch vier Koeffizientensätze gibt, die alle zur gleichen AKF führen. |
− | *Die Koeffizienten $a_0$ und $a_1$ können gleichzeitig ihr Vorzeichen ändern, ohne dass dadurch das Gleichungssystem verändert wird. | + | |
− | *Ersetzt man $a_0$ durch $a_1$ und umgekehrt, so ergibt sich die selbe Bestimmungsgleichung. | + | Dies ist aus folgenden Gründen einsichtig: |
+ | *Die Koeffizienten $a_0$ und $a_1$ können gleichzeitig ihr Vorzeichen ändern, ohne dass dadurch das Gleichungssystem verändert wird. | ||
+ | *Ersetzt man $a_0$ durch $a_1$ und umgekehrt, so ergibt sich die selbe Bestimmungsgleichung. | ||
*Diese Operation entspricht einer Spiegelung und Verschiebung der Impulsantwort. | *Diese Operation entspricht einer Spiegelung und Verschiebung der Impulsantwort. | ||
{{GraueBox|TEXT= | {{GraueBox|TEXT= | ||
− | $\text{Beispiel 3:}$ Wie im [[Stochastische_Signaltheorie/Erzeugung_vorgegebener_AKF-Eigenschaften#Zur_Koeffizientenbestimmung|letzten Abschnitt]] gezeigt wurde, ist der Parametersatz $a_0 = 0.7$, $a_1 = 0.3$ geeignet, die AKF-Werte $φ_0 = 0.58$ und $φ_1 = 0.21$ zu generieren. Die gewünschte AKF der Ausgangsfolge lautet dann in ausführlicher Schreibweise: | + | $\text{Beispiel 3:}$ Wie im [[Stochastische_Signaltheorie/Erzeugung_vorgegebener_AKF-Eigenschaften#Zur_Koeffizientenbestimmung|letzten Abschnitt]] gezeigt wurde, ist der Parametersatz $a_0 = 0.7$, $a_1 = 0.3$ geeignet, die AKF-Werte $φ_0 = 0.58$ und $φ_1 = 0.21$ zu generieren. Die gewünschte AKF der Ausgangsfolge lautet dann in ausführlicher Schreibweise: |
[[Datei:P_ID557__Sto_T_5_3_S2_b_neu_100.png |frame| Beispiel zur AKF-Berechnung|right]] | [[Datei:P_ID557__Sto_T_5_3_S2_b_neu_100.png |frame| Beispiel zur AKF-Berechnung|right]] | ||
:$$\varphi_y(\tau) = 0.58 \cdot \delta(\tau) + 0.21 \cdot \delta(\tau - T_{\rm A}) | :$$\varphi_y(\tau) = 0.58 \cdot \delta(\tau) + 0.21 \cdot \delta(\tau - T_{\rm A}) | ||
Zeile 92: | Zeile 91: | ||
Diese Konfigurationen ergeben sich durch | Diese Konfigurationen ergeben sich durch | ||
− | *gleichzeitiges Multiplizieren aller Koeffizienten mit $-1$, sowie | + | *gleichzeitiges Multiplizieren aller Koeffizienten mit $-1$, sowie |
− | *Vertauschen der Zahlenwerte von $a_0$ und $a_1$. | + | *Vertauschen der Zahlenwerte von $a_0$ und $a_1$. |
Version vom 9. Dezember 2019, 11:04 Uhr
Inhaltsverzeichnis
AKF am Ausgang eines nichtrekursiven Filters
Wir betrachten ein nichtrekursives Laufzeitfilter $M$–ter Ordnung gemäß der folgenden Grafik.
Die zeitdiskrete Eingangsgröße $〈\hspace{0.05cm}x_ν\hspace{0.05cm}〉$ ist
- mittelwertfrei $(m_x = 0)$,
- gaußverteilt (mit Streuung $σ_x)$, und
- ohne Gedächtnis („Weißes Rauschen”) ⇒ statistisch unabhängige Abtastwerte.
Daraus ergeben sich folgende Eigenschaften:
- Die zeitdiskrete Autokorrelationsfunktion (AKF) am Eingang lautet:
- $$\varphi _x ( {k \cdot T_{\rm A} } ) = \left\{ {\begin{array}{*{20}c} {\sigma _x ^2 } & {\rm{f\ddot{u}r}\quad {\it k} = 0,} \\ 0 & {\rm{f\ddot{u}r}\quad {\it k} \ne 0.} \\\end{array}} \right.$$
- Die AKF der zeitdiskreten Ausgangsfolge $〈\hspace{0.05cm}y_ν\hspace{0.05cm}〉$ ist wie folgt gegeben:
- $$\varphi _y ( {k \cdot T_{\rm A} } ) = \sigma _x ^2 \cdot \sum\limits_{\mu = 0}^{M - k} {a_\mu \cdot a_{\mu + k } } \quad {\rm{f\ddot{u}r}}\quad {\it k} = 0, 1,\,\text{...}\,,\,{\it M}.$$
- Alle AKF–Werte mit $k > M$ sind Null, und alle AKF–Werte mit $k < M$ sind symmetrisch zu $k = 0$:
- $$\varphi _y ( { - k \cdot T_{\rm A} } ) = \varphi _y ( {k \cdot T_{\rm A} } ).$$
$\text{Beispiel 1:}$ Liegt am Eingang eines nichtrekursiven Filters erster Ordnung $($Filterkoeffizienten $a_0 = 0.6$, $a_1 = 0.8)$ zeitdiskretes weißes Rauschen mit der Streuung $σ_x = 2$ an, so lauten die diskreten AKF-Werte des Ausgangssignals (alle anderen AKF-Werte sind Null):
- $$\varphi _y (0) = \sigma _x ^2 \cdot ( {a_0 ^2 + a_1 ^2 }) = 4,$$
- $$\varphi _y ( { - T_{\rm A} } ) = \varphi _y ( {T_{\rm A} } ) = \sigma _x ^2 \cdot a_0 \cdot a_1 = 1.92.$$
Die Grafik kann wie folgt interpretiert werden:
- Wegen $a_0^2 + a_1^2 = 1$ besitzt das Ausgangssignal $y(t)$ genau die gleiche Varianz $σ_y^2 = φ_y(0) = 0.4$ wie das Eingangssignal: $σ_x^2 = φ_x(0)$.
- Im Gegensatz zur Eingangsfolge $〈\hspace{0.05cm}x_ν\hspace{0.05cm}〉$ gibt es bei der Ausgangsfolge $〈\hspace{0.05cm}y_ν\hspace{0.05cm}〉$ statistische Bindungen zwischen benachbarten Abtastwerten.
Zur Koeffizientenbestimmung
Nun soll folgende Frage beantwortet werden: Wie können die Koeffizienten $a_0$, ... , $a_M$ eines nichtrekursiven Filters $M$–ter Ordnung ermittelt werden,
- wenn die gewünschten AKF-Werte $φ_y(0)$, ... , $φ_y(M · T_{\rm A})$ gegeben sind, und
- außerhalb des Bereiches von $-M · T_{\rm A}$ bis $+M · T_{\rm A}$ alle AKF-Werte Null sein sollen.
Für $σ_x = 1$ ergibt sich das folgende nichtlineare Gleichungssystem, wobei zur Vereinfachung der Schreibweise $φ_k = φ_y(k · T_{\rm A})$ verwendet wird:
- $$\begin{align*}\varphi _0 & = \sum\limits_{\mu = 0}^M {a_\mu^2 ,}\\ \varphi _1 & = \sum\limits_{\mu = 0}^{M - 1} {a_\mu \cdot a_{\mu + 1} ,} \\ & ... &\\ \varphi _{M - 1} & = a_0 \cdot a_{M - 1} + a_1 \cdot a_M , \\ \varphi _M & = a_0 \cdot a_M .\end{align*}$$
$\text{Fazit:}$
- Man erhält somit für die $M + 1$ Koeffizienten auch $M + 1$ unabhängige Gleichungen.
- Durch sukzessives Eliminieren der Koeffizienten $a_1$, ... , $a_M$ bleibt für $a_0$ schließlich eine nichtlineare Gleichung höherer Ordnung übrig.
$\text{Beispiel 2:}$ Wir betrachten die folgende Konstellation:
- ein rekursives Filter erster Ordnung ⇒ $M = 1$,
- eine zeitdiskrete Eingangsfolge $〈\hspace{0.05cm}x_ν\hspace{0.05cm}〉$ mit Mittelwert $m_x =$ 0 und Streuung $σ_x = 1$,
- gewünschte AKF-Werte der Folge $〈\hspace{0.05cm}y_ν\hspace{0.05cm}〉$: $ φ_y(0) = φ_0 =0.58$ und $φ_y(±T_{\rm A}) = φ_1 = 0.21$.
Damit lautet das obige Gleichungssystem:
- $$\varphi _0 = a_0 ^2 + a_1 ^2 = 0.58,$$
- $$\varphi _1 = a_0 \cdot a_1 = 0.21.$$
Dies führt zu einer Gleichung vom Grad $4$, nämlich
- $$a_0 ^2 + \left( { { {0.21} }/{ {a_0 } } } \right)^2 = 0.58\quad \Rightarrow \quad a_0 ^4 - 0.58 \cdot a_0 ^2 + 0.21^2 = 0.$$
Eine Lösung stellt $a_0 = 0.7$ dar. Durch Einsetzen in die zweite Gleichung findet man $a_1 = 0.3$.
Man erkennt aus diesem Beispiel, dass sich schon im einfachsten Fall ⇒ $M = 1$ für $a_0$ eine nichtlineare Bestimmungsgleichung vom Grad $4$ ergibt.
Mehrdeutigkeiten bei der Koeffizientenbestimmung
Wie das letzte Beispiel gezeigt hat, ist mit $M = 1$ die Bestimmungsgleichung für $a_0$ vom Grad $4$. Dies bedeutet gleichzeitig, dass es auch vier Koeffizientensätze gibt, die alle zur gleichen AKF führen.
Dies ist aus folgenden Gründen einsichtig:
- Die Koeffizienten $a_0$ und $a_1$ können gleichzeitig ihr Vorzeichen ändern, ohne dass dadurch das Gleichungssystem verändert wird.
- Ersetzt man $a_0$ durch $a_1$ und umgekehrt, so ergibt sich die selbe Bestimmungsgleichung.
- Diese Operation entspricht einer Spiegelung und Verschiebung der Impulsantwort.
$\text{Beispiel 3:}$ Wie im letzten Abschnitt gezeigt wurde, ist der Parametersatz $a_0 = 0.7$, $a_1 = 0.3$ geeignet, die AKF-Werte $φ_0 = 0.58$ und $φ_1 = 0.21$ zu generieren. Die gewünschte AKF der Ausgangsfolge lautet dann in ausführlicher Schreibweise:
- $$\varphi_y(\tau) = 0.58 \cdot \delta(\tau) + 0.21 \cdot \delta(\tau - T_{\rm A}) + 0.21 \cdot \delta(\tau + T_{\rm A}) .$$
Zur gleichen AKF kommt man auch mit den Koeffizienten
- $a_0 = - 0.7,\quad a_1 = -0.3,$
- $a_0 = +0.3,\quad a_1 = +0.7,$
- $a_0 = - 0.3,\quad a_1 = -0.7.$
Diese Konfigurationen ergeben sich durch
- gleichzeitiges Multiplizieren aller Koeffizienten mit $-1$, sowie
- Vertauschen der Zahlenwerte von $a_0$ und $a_1$.
Die Grafik zeigt die jeweiligen Impulsantworten, die zur gewünschten AKF führen.
Aufgaben zum Kapitel
Aufgabe 5.5: AKF-äquivalente Filter
Aufgabe 5.5Z: AKF nach Filter 1. Ordnung
Aufgabe 5.6: Filterdimensionierung
Aufgabe 5.6Z: Nochmals FIlterdimensionierung