Aufgaben:Aufgabe 5.5Z: AKF nach Filter 1. Ordnung: Unterschied zwischen den Versionen

Aus LNTwww
Wechseln zu:Navigation, Suche
Zeile 62: Zeile 62:
 
===Musterlösung===
 
===Musterlösung===
 
{{ML-Kopf}}
 
{{ML-Kopf}}
:<b>1.</b>&nbsp;&nbsp; Der AKF-Wert <i>&phi;<sub>y</sub></i>(0) gibt die Varianz (Leistung) <i>&sigma;<sub>x</sub></i><sup>2</sup> an, nicht die Streuung (Effektivwert) <i>&sigma;<sub>x</sub></i>. Da ein nichtrekursives Filter erster Ordnung vorliegt, sind alle AKF-Werte <i>&phi;<sub>y</sub></i>(<i>k</i> &middot; <i>T</i><sub>A</sub>) = 0 für <i>k</i> &#8805; 2. Der AKF-Wert <i>&phi;<sub>y</sub></i>(&ndash;<i>T</i><sub>A</sub>) ist gleich <i>&phi;<sub>y</sub></i>(<i>T</i><sub>A</sub>). Diese beiden AKF-Werte führen zu einer Cosinusfunktion im LDS, zu der sich noch der Gleichanteil <i>&phi;<sub>y</sub></i>(0) hinzuaddiert. Richtig sind also <u>die Lösungsvorschläge 2 und 3</u>.
+
'''(1)'''&nbsp; Richtig sind <u>die Lösungsvorschläge 2 und 3</u>:
 +
*Der AKF-Wert $\varphi_y(0)$ gibt die Varianz (Leistung) $\sigma_y^2$ an und nicht die Streuung (den Effektivwert) $\sigma_y$.  
 +
*Da ein nichtrekursives Filter erster Ordnung vorliegt, sind alle AKF-Werte $\varphi_y(k \cdot T_{\rm A})$ für $k \ge 2$.  
 +
*Der AKF-Wert $\varphi_y(- T_{\rm A})$ ist gleich $\varphi_y(+ T_{\rm A})$.  
 +
*Diese beiden AKF-Werte führen zu einer Cosinusfunktion im LDS, zu der sich noch der Gleichanteil $\varphi_y(0)$ hinzuaddiert.
 +
  
:<b>2.</b>&nbsp;&nbsp; Die allgemeine Gleichung lautet mit <i>M</i> = 1 für <i>k</i> &#8712; {0, 1}:
+
'''(2)'''&nbsp; Die allgemeine Gleichung lautet mit $M = 1$ für $k \in \{0, 1\}$:
 
:$$\varphi _y ( {k  \cdot T_{\rm A} } ) = \sigma _x ^2 \cdot \sum\limits_{\mu  = 0}^{M - k} {a_\mu  \cdot a_{\mu  + k} } .$$
 
:$$\varphi _y ( {k  \cdot T_{\rm A} } ) = \sigma _x ^2 \cdot \sum\limits_{\mu  = 0}^{M - k} {a_\mu  \cdot a_{\mu  + k} } .$$
  
:Daraus erhält man mit <i>&sigma;<sub>x</sub></i> = 1:
+
Daraus erhält man mit $\sigma_x = 1$:
 
:$$\varphi _y( 0 ) = a_0 ^2  + a_1 ^2  = 0.4^2  + 0.3^2 \hspace{0.15cm}\underline { = 0.25},$$
 
:$$\varphi _y( 0 ) = a_0 ^2  + a_1 ^2  = 0.4^2  + 0.3^2 \hspace{0.15cm}\underline { = 0.25},$$
 
:$$\varphi _y ( { T_{\rm A} } ) = a_0  \cdot a_1  = 0.4 \cdot 0.3 \hspace{0.15cm}\underline {= 0.12}.$$
 
:$$\varphi _y ( { T_{\rm A} } ) = a_0  \cdot a_1  = 0.4 \cdot 0.3 \hspace{0.15cm}\underline {= 0.12}.$$
  
:<b>3.</b>&nbsp;&nbsp; Mit den bisherigen Einstellungen ist die Varianz <i>&sigma;<sub>y</sub></i><sup>2</sup> = 0.25 und damit die Streuung <i>&sigma;<sub>y</sub></i> = 0.5. Durch eine Verdoppelung der Koeffizienten erhält man wie gewünscht <i>&sigma;<sub>y</sub></i> = 1:
+
'''(3)'''&nbsp; Mit den bisherigen Einstellungen ist die Varianz $\sigma_y^2 = 0.25$ und damit die Streuung $\sigma_y = 0.5$.  
 +
<br>Durch eine Verdoppelung der Koeffizienten erhält man wie gewünscht $\sigma_y = 1$:
 
:$$\hspace{0.15cm}\underline {a_0  = 0.8},\quad \hspace{0.15cm}\underline {a_1  = 0.6}.$$
 
:$$\hspace{0.15cm}\underline {a_0  = 0.8},\quad \hspace{0.15cm}\underline {a_1  = 0.6}.$$
  
:<b>4.</b>&nbsp;&nbsp;Die Konstante <i>K</i> hebt die gesamte AKF um <i>K</i><sup>2</sup> an. Mit dem Ergebnis aus (b) folgt:
+
'''(4)'''&nbsp; Die Konstante $K$ hebt die gesamte AKF um $K^2$ an. Mit dem Ergebnis aus (2) folgt:
 
:$$K^2  = 0.5 - 0.25 = 0.25\quad  \Rightarrow \quad \hspace{0.15cm}\underline {K = 0.5}.$$
 
:$$K^2  = 0.5 - 0.25 = 0.25\quad  \Rightarrow \quad \hspace{0.15cm}\underline {K = 0.5}.$$
  
:<b>5.</b>&nbsp;&nbsp;Alle AKF-Werte sind nun um den konstanten Wert <i>K</i><sup>2</sup> = 0.25 größer. Somit ist
+
'''(5)'''&nbsp; Alle AKF-Werte sind nun um den konstanten Wert $K^2 = 0.25$ größer. Somit ist
:$$\varphi _y ( { T_{\rm A} } )  =  0.12 + 0.25 \hspace{0.15cm}\underline {= 0.37},\\
+
:$$\varphi _y ( { T_{\rm A} } )  =  0.12 + 0.25 \hspace{0.15cm}\underline {= 0.37},$$
\varphi _y ( { 2T_{\rm A} } )  =  0 + 0.25 \hspace{0.15cm}\underline {= 0.25}.$$
+
:$$\varphi _y ( { 2T_{\rm A} } )  =  0 + 0.25 \hspace{0.15cm}\underline {= 0.25}.$$
  
:<b>6.</b>&nbsp;&nbsp;Durch die Konstante wird die Streuung nicht verändert, das heißt, es gilt weiterhin <i>&sigma;<sub>y</sub></i> = 0.5. Formal kann diese Größe wie folgt berechnet werden:
+
'''(6)'''&nbsp; Durch die Konstante $K$ wird die Streuung nicht verändert, das heißt, es gilt weiterhin $\sigma_y = 0.5$.  
 +
<br>Formal kann diese Größe wie folgt berechnet werden:
 
:$$\sigma _y ^2  = \varphi _y ( 0 ) - \mathop {\lim }\limits_{k \to \infty } \varphi _y ( {k \cdot T_{\rm A} } ) = 0.5 - 0.25 = 0.25.$$
 
:$$\sigma _y ^2  = \varphi _y ( 0 ) - \mathop {\lim }\limits_{k \to \infty } \varphi _y ( {k \cdot T_{\rm A} } ) = 0.5 - 0.25 = 0.25.$$
 
+
Auch hiermit erhält man wiederum $\sigma_y  \hspace{0.15cm}\underline {= 0.5}$.
:Auch hiermit erhält man wieder <i>&sigma;<sub>y </sub></i> <u>= 0.5</u>.
 
  
 
{{ML-Fuß}}
 
{{ML-Fuß}}

Version vom 20. April 2017, 12:26 Uhr

Nichtrekursives Filter mit Gleichanteil

Wir betrachten hier ein nichtrekursives Filter erster Ordnung ($M = 1$).

  • Die Filterkoeffizienten seien $a_0 = 0.4$ und $a_1 = 0.3$.
  • Am Filterausgang wird eine Konstante $K$ hinzuaddiert, die bis einschließlich Teilaufgabe (3) zu Null gesetzt werden soll.

Die einzelnen Elemente der Eingangsfolge $\left\langle {x_\nu } \right\rangle$

  • sind gaußisch sowie mittelwertfrei, und
  • besitzen jeweils die Streuung $\sigma_x = 1$.


Hinweise:


Fragebogen

1

Welche Aussagen sind bezüglich der Ausgangs-AKF zutreffend, wenn$K = 0$ gilt? Begründen Sie Ihre Ergebnisse.

Der AKF-Wert $\varphi_y(0)$ gibt die Streuung $\sigma_y$ an.
Alle AKF-Werte $\varphi_y(k \cdot T_{\rm A})$ mit $k \ge 2$ sind $0$.
Das LDS ${\it \Phi}_y(f)$ verläuft cosinusförmig.

2

Berechnen Sie die AKF-Werte $\varphi_y(k \cdot T_{\rm A})$ für $k = 0$ und $k = 1$.

$\varphi_y(0) \ = $

$\varphi_y(T_{\rm A}) \ = $

3

Welche Werte muss man für $a_0$ und $a_1$ einstellen, wenn bei gleicher AKF-Form die Streuung $\sigma_y = 1$ betragen soll? Es sei $a_0 > a_1$.

$a_0 \ = $

$a_1 \ = $

4

Es gelte wieder $a_0 = 0.4$ und $a_1 = 0.3$. Wie groß ist die Konstante $K$ zu wählen, damit sich $\varphi_y(0)= 0.5$ ergibt?

$K \ = $

5

Berechnen Sie mit diesem $K$–Wert die AKF-Werte für $k = 1$ und $k = 2$.

$\varphi_y(T_{\rm A}) \ = $

$\varphi_y(2 \cdot T_{\rm A}) \ = $

6

Welcher Wert ergibt sich nun für die Streuung $\sigma_y$?

$\sigma_y \ = $


Musterlösung

(1)  Richtig sind die Lösungsvorschläge 2 und 3:

  • Der AKF-Wert $\varphi_y(0)$ gibt die Varianz (Leistung) $\sigma_y^2$ an und nicht die Streuung (den Effektivwert) $\sigma_y$.
  • Da ein nichtrekursives Filter erster Ordnung vorliegt, sind alle AKF-Werte $\varphi_y(k \cdot T_{\rm A})$ für $k \ge 2$.
  • Der AKF-Wert $\varphi_y(- T_{\rm A})$ ist gleich $\varphi_y(+ T_{\rm A})$.
  • Diese beiden AKF-Werte führen zu einer Cosinusfunktion im LDS, zu der sich noch der Gleichanteil $\varphi_y(0)$ hinzuaddiert.


(2)  Die allgemeine Gleichung lautet mit $M = 1$ für $k \in \{0, 1\}$:

$$\varphi _y ( {k \cdot T_{\rm A} } ) = \sigma _x ^2 \cdot \sum\limits_{\mu = 0}^{M - k} {a_\mu \cdot a_{\mu + k} } .$$

Daraus erhält man mit $\sigma_x = 1$:

$$\varphi _y( 0 ) = a_0 ^2 + a_1 ^2 = 0.4^2 + 0.3^2 \hspace{0.15cm}\underline { = 0.25},$$
$$\varphi _y ( { T_{\rm A} } ) = a_0 \cdot a_1 = 0.4 \cdot 0.3 \hspace{0.15cm}\underline {= 0.12}.$$

(3)  Mit den bisherigen Einstellungen ist die Varianz $\sigma_y^2 = 0.25$ und damit die Streuung $\sigma_y = 0.5$.
Durch eine Verdoppelung der Koeffizienten erhält man wie gewünscht $\sigma_y = 1$:

$$\hspace{0.15cm}\underline {a_0 = 0.8},\quad \hspace{0.15cm}\underline {a_1 = 0.6}.$$

(4)  Die Konstante $K$ hebt die gesamte AKF um $K^2$ an. Mit dem Ergebnis aus (2) folgt:

$$K^2 = 0.5 - 0.25 = 0.25\quad \Rightarrow \quad \hspace{0.15cm}\underline {K = 0.5}.$$

(5)  Alle AKF-Werte sind nun um den konstanten Wert $K^2 = 0.25$ größer. Somit ist

$$\varphi _y ( { T_{\rm A} } ) = 0.12 + 0.25 \hspace{0.15cm}\underline {= 0.37},$$
$$\varphi _y ( { 2T_{\rm A} } ) = 0 + 0.25 \hspace{0.15cm}\underline {= 0.25}.$$

(6)  Durch die Konstante $K$ wird die Streuung nicht verändert, das heißt, es gilt weiterhin $\sigma_y = 0.5$.
Formal kann diese Größe wie folgt berechnet werden:

$$\sigma _y ^2 = \varphi _y ( 0 ) - \mathop {\lim }\limits_{k \to \infty } \varphi _y ( {k \cdot T_{\rm A} } ) = 0.5 - 0.25 = 0.25.$$

Auch hiermit erhält man wiederum $\sigma_y \hspace{0.15cm}\underline {= 0.5}$.