Stochastische Signaltheorie/Erzeugung vorgegebener AKF-Eigenschaften: Unterschied zwischen den Versionen
Zeile 6: | Zeile 6: | ||
}} | }} | ||
==AKF am Ausgang eines nichtrekursiven Filters== | ==AKF am Ausgang eines nichtrekursiven Filters== | ||
− | Wir betrachten ein ''nichtrekursives Laufzeitfilter M-ter Ordnung'' gemäß der folgenden Grafik. Die zeitdiskrete Eingangsgröße $〈x_ν〉$ ist mittelwertfrei $ | + | Wir betrachten ein ''nichtrekursives Laufzeitfilter M-ter Ordnung'' gemäß der folgenden Grafik. Die zeitdiskrete Eingangsgröße $〈x_ν〉$ ist |
+ | * mittelwertfrei ($m_x = 0$), | ||
+ | *gaußverteilt (mit Streuung $σ_x$), und | ||
+ | * ohne Gedächtnis(„Weißes Rauschen”) ⇒ statistisch unabhängige Abtastwerte. | ||
+ | [[Datei:P_ID555__Sto_T_5_3_S1_neu.png | Nichtrekursives Filter ''M''-ter Ordnung]] | ||
− | + | 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 $〈y_ν〉$ ist wie folgt gegeben: | ||
+ | :$$\varphi _y ( {k \cdot T_{\rm A} } ) = \sigma _x ^2 \cdot \sum\limits_{\mu = 0}^{M - k} {a_\mu \cdot a_{\mu + k } } \quad {\rm{f\ddot{u}r}}\quad {\it k} = 0, 1,\,...\,,\,{\it M}.$$ | ||
+ | *Alle AKF–Werte mit $k > M$ sind $0$, und alle AKF–Werte mit $k < M$ sind symmetrisch um $0$: | ||
+ | :$$\varphi _y ( { - k \cdot T_{\rm A} } ) = \varphi _y ( {k \cdot T_{\rm A} } ).$$ | ||
− | + | {{Beispiel}}''':''' 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 $0$): | |
− | |||
− | |||
− | |||
− | |||
− | |||
+ | [[Datei:P_ID597__Sto_T_5_3_S1_b_neu.png | AKF am Ausgang eines Filters erster Ordnung|right]] | ||
+ | :$$\varphi _y (0) = \sigma _x ^2 \cdot ( {a_0 ^2 + a_1 ^2 }) = 4,$$ | ||
+ | :$$\varphi _y ( { - T_{\rm A} } ) = \varphi _y ( {T_{\rm A} } ) = \sigma _x ^2 \cdot a_0 \cdot a_1 = 1.92.$$ | ||
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
Die Grafik kann wie folgt interpretiert werden: | 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 $σ_y^2 = φ_y(0)$ wie das Eingangssignal: $σ_x^2 = φ_x(0) = 4$. |
− | *Im Gegensatz zur Eingangsfolge $〈x_ν〉$ gibt es bei der | + | *Im Gegensatz zur Eingangsfolge $〈x_ν〉$ gibt es bei der Ausgangsfolge $〈y_ν〉$ statistische Bindungen zwischen benachbarten Abtastwerten. {{end}} |
− | |||
− | |||
− | ==Koeffizientenbestimmung | + | ==Zur Koeffizientenbestimmung== |
Nun soll die Frage geklärt werden, wie die Koeffizienten $a_0, ... , a_M$ eines nichtrekursiven Filters $M$-ter Ordnung ermittelt werden können, wenn die gewünschten AKF-Werte $φ_y(0), ... , φ_y(M · T_{\rm A})$ gegeben sind. Außerhalb des Bereiches $–M · T_{\rm A} ... M · T_{\rm A}$ sollen alle AKF-Werte gleich 0 sein. | Nun soll die Frage geklärt werden, wie die Koeffizienten $a_0, ... , a_M$ eines nichtrekursiven Filters $M$-ter Ordnung ermittelt werden können, wenn die gewünschten AKF-Werte $φ_y(0), ... , φ_y(M · T_{\rm A})$ gegeben sind. Außerhalb des Bereiches $–M · T_{\rm A} ... M · T_{\rm A}$ sollen alle AKF-Werte gleich 0 sein. | ||
Zeile 63: | Zeile 61: | ||
Man erkennt aus diesem Beispiel, dass sich schon im einfachsten Fall ⇒ $M =$ 1 eine nichtlineare Bestimmungsgleichung für $a_0$ vom Grad 4 ergibt. | Man erkennt aus diesem Beispiel, dass sich schon im einfachsten Fall ⇒ $M =$ 1 eine nichtlineare Bestimmungsgleichung für $a_0$ vom Grad 4 ergibt. | ||
− | ==Koeffizientenbestimmung | + | ==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: | 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. | *Die Koeffizienten $a_0$ und $a_1$ können gleichzeitig ihr Vorzeichen ändern, ohne dass dadurch das Gleichungssystem verändert wird. | ||
Zeile 83: | Zeile 81: | ||
Diese Konfigurationen ergeben sich durch gleichzeitiges Multiplizieren aller Koeffizienten mit –1 sowie durch Vertauschen der Zahlenwerte von $a_0$ und $a_1$. | Diese Konfigurationen ergeben sich durch gleichzeitiges Multiplizieren aller Koeffizienten mit –1 sowie durch Vertauschen der Zahlenwerte von $a_0$ und $a_1$. | ||
{{end}} | {{end}} | ||
+ | |||
+ | ==Aufgaben zum Kapitel== | ||
+ | |||
+ | [[Aufgaben:5.3 Digitales Filter 1. Ordnung|Aufgabe 5.3: Digitales Filter 1. Ordnung]] | ||
+ | |||
+ | [[Aufgaben:5.3Z Nichtrekursives Filter|Aufgabe 5.3Z: Nichtrekursives Filter]] | ||
+ | |||
+ | [[Aufgaben:5.4 Sinusgenerator|Aufgabe 5.4: Sinusgenerator]] | ||
{{Display}} | {{Display}} |
Version vom 19. April 2017, 14:17 Uhr
Inhaltsverzeichnis
AKF am Ausgang eines nichtrekursiven Filters
Wir betrachten ein nichtrekursives Laufzeitfilter M-ter Ordnung gemäß der folgenden Grafik. Die zeitdiskrete Eingangsgröße $〈x_ν〉$ 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 $〈y_ν〉$ ist wie folgt gegeben:
- $$\varphi _y ( {k \cdot T_{\rm A} } ) = \sigma _x ^2 \cdot \sum\limits_{\mu = 0}^{M - k} {a_\mu \cdot a_{\mu + k } } \quad {\rm{f\ddot{u}r}}\quad {\it k} = 0, 1,\,...\,,\,{\it M}.$$
- Alle AKF–Werte mit $k > M$ sind $0$, und alle AKF–Werte mit $k < M$ sind symmetrisch um $0$:
- $$\varphi _y ( { - k \cdot T_{\rm A} } ) = \varphi _y ( {k \cdot T_{\rm A} } ).$$
- $$\varphi _y (0) = \sigma _x ^2 \cdot ( {a_0 ^2 + a_1 ^2 }) = 4,$$
- $$\varphi _y ( { - T_{\rm A} } ) = \varphi _y ( {T_{\rm A} } ) = \sigma _x ^2 \cdot a_0 \cdot a_1 = 1.92.$$
Die Grafik kann wie folgt interpretiert werden:
- Wegen $a_0^2 + a_1^2 =$ 1 besitzt das Ausgangssignal $y(t)$ genau die gleiche Varianz $σ_y^2 = φ_y(0)$ wie das Eingangssignal: $σ_x^2 = φ_x(0) = 4$.
- Im Gegensatz zur Eingangsfolge $〈x_ν〉$ gibt es bei der Ausgangsfolge $〈y_ν〉$ statistische Bindungen zwischen benachbarten Abtastwerten.
Zur Koeffizientenbestimmung
Nun soll die Frage geklärt werden, wie die Koeffizienten $a_0, ... , a_M$ eines nichtrekursiven Filters $M$-ter Ordnung ermittelt werden können, wenn die gewünschten AKF-Werte $φ_y(0), ... , φ_y(M · T_{\rm A})$ gegeben sind. Außerhalb des Bereiches $–M · T_{\rm A} ... M · T_{\rm A}$ sollen alle AKF-Werte gleich 0 sein.
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: $$\begin{align*}\varphi _0 & = \sum\limits_{\mu = 0}^M {a_\mu^2 ,}\\ \varphi _1 & = \sum\limits_{\mu = 0}^{M - 1} {a_\mu \cdot a_{\mu + 1} ,} \\ & . & \\ & . &\\ & . &\\ \varphi _{M - 1} & = a_0 \cdot a_{M - 1} + a_1 \cdot a_M , \\ \varphi _M & = a_0 \cdot a_M .\end{align*}$$ Man erhält somit für die $M +$ 1 Koeffizienten auch $M +$ 1 unabhängige Gleichungen. Durch sukzessives Eliminieren der Koeffizienten $a_1, ... , a_M$ bleibt für $a_0$ eine nichtlineare Gleichung höherer Ordnung übrig.
Wir betrachten folgende Konstellation:
- ein rekursives Filter erster Ordnung ⇒ $M =$ 1,
- eine zeitdiskrete Eingangsfolge $〈x_ν〉$ mit Mittelwert $m_x =$ 0 und Streuung $σ_x =$ 1,
- gewünschte AKF-Werte der Folge $〈y_ν〉: φ_y(0) = φ_0 =$ 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 eine nichtlineare Bestimmungsgleichung für $a_0$ 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 gleiche Bestimmungsgleichung. Diese Operation entspricht einer Spiegelung und Verschiebung der Impulsantwort.
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. Zur gleichen AKF kommt man auch mit den Koeffizientenpaaren $$a_0 = - 0.7,\quad a_1 = -0.3,\\a_0 = \;\;\,0.3,\quad a_1 = \hspace{0.33cm}0.7,\\a_0 = - 0.3,\quad a_1 = -0.7.$$ Das folgende Bild zeigt die entsprechenden Impulsantworten, die zur gewünschten AKF führen: $$\varphi_y(\tau) = 0.58 \cdot \delta(\tau) + 0.21 \cdot \delta(\tau - T_{\rm A}) + 0.21 \cdot \delta(\tau + T_{\rm A}) .$$
Diese Konfigurationen ergeben sich durch gleichzeitiges Multiplizieren aller Koeffizienten mit –1 sowie durch Vertauschen der Zahlenwerte von $a_0$ und $a_1$.
Aufgaben zum Kapitel
Aufgabe 5.3: Digitales Filter 1. Ordnung
Aufgabe 5.3Z: Nichtrekursives Filter