Dagens temaer. Definisjon av z-transformasjonen. Tema. Time 5: z-transformasjon og frekvens transformasjon. Fra forrige gang

Like dokumenter
Uke 5: Analyse i z- og frekvensdomenet

Uke 6: Analyse i frekvensdomenet

Dagens temaer. Tema. Time 6: Analyse i frekvensdomenet. z-transformasjonen. Fra forrige gang. Frekvensrespons funksjonen

Uke 6: Analyse i frekvensdomenet

Uke 6: Analyse i frekvensdomenet

Uke 4: z-transformasjonen

Uke 4: z-transformasjonen

Uke 4: z-transformasjonen

Dagens temaer. 3 domener. Tema. Time 4: z-transformasjonen. z-dometet; ett av tre domener. Andreas Austeng@ifi.uio.no, INF3470

Uke 4: z-transformasjonen

Uke 4: z-transformasjonen

UNIVERSITETET I OSLO

Transformanalyse. Jan Egil Kirkebø. Universitetet i Oslo 17./23. september 2019

UNIVERSITETET I OSLO

pdf

Fasit til midtveiseksamen

UNIVERSITETET I OSLO

Repetisjon: LTI-systemer

Repetisjon. Jo Inge Buskenes. INF3470/4470, høst Institutt for informatikk, Universitetet i Oslo

Repetisjon. Jo Inge Buskenes. INF3470/4470, høst Institutt for informatikk, Universitetet i Oslo


Fasit, Eksamen. INF3440/4440 Signalbehandling 9. desember c 0 + c 1z 1 + c 2z 2. G(z) = 1/d 0 + d 1z 1 + d 2z 2

STE6146 Signalbehandling =-WUDQVIRUPHQ

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

Uke 9: Diskret Fourier Transform, I

Generell informasjon om faget er tilgjengelig fra It s learning.

Repetisjon: Eksempel. Repetisjon: Aliasing. Oversikt, 26.februar Gitt. Alle signaler. Ettersom. vil alle kontinuerlig-tid signaler.

Hjelpemidler/hjelpemiddel: D - "Ingen trykte eller håndskrevne hjelpemidler tillatt. Enkel kalkulator tillatt."

UNIVERSITETET I OSLO

LØSNINGSFORSLAG TIL EKSAMEN STE 6219 Digital signalbehandling

EKSAMEN STE 6219 Digital signalbehandling

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

Løsningsforslag til hjemmeeksamen i INF3440 / INF4440

Bruk av tidsvindu. Diskret Fourier-transform. Repetisjon: Fourier-transformene. Forelesning 6. mai 2004

STE 6219 Digital signalbehandling Løsning til kontinuasjonseksamen

Tidsdomene analyse (kap 3 del 2)

Generell informasjon om faget er tilgjengelig fra It s learning.

UNIVERSITETET I OSLO

STE 6146 Digital signalbehandling. Løsningsforslag til eksamen avholdt

UNIVERSITETET I OSLO

LØSNINGSFORSLAG TIL EKSAMEN STE 6219 Digital signalbehandling

NORGES TEKNISK- NATURVITENSKAPELIGE UNIVERSITET Side 1 av 5

Sampling ved Nyquist-raten

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

STE 6219 Digital signalbehandling Løsningsforslag

Bedømmelse: Ved bedømmelse vektlegges oppgavene I, II og III likt.

Tidsdomene analyse (kap 3 del 2)

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

Repetisjon: Spektrum for en sum av sinusoider

LØSNINGSFORSLAG TIL SIGNALBEHANDLING 1 JUNI 2010

LØSNINGSFORSLAG TIL KONTINUASJONSEKSAMEN STE 6219 Digital signalbehandling

HØGSKOLEN - I - STAVANGER. Institutt for elektroteknikk og databehandling

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

UNIVERSITETET I OSLO

Eksempel 1. Frekvensene i DFT. Forelesning 13. mai På samme måte har vi at. I et eksempel fra forrige uke brukte vi sekvensen

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

Dagens temaer. Endelig lengde data. Tema. Time 11: Diskret Fourier Transform, del 2. Spektral glatting pga endelig lengde data.

y(t) t

Tidsdomene analyse (kap 3 del 1)

TTT4110 Informasjons- og signalteori Løsningsforslag eksamen 9. august 2004

Generell informasjon om faget er tilgjengelig fra It s learning. 7.1 Stokastisk prosess Lineær prediktor AR-3 prosess...

'HQ GLVNUHWH )RXULHU-WUDQVIRUPHQ (')7)

UNIVERSITETET I OSLO

LØSNINGSFORSLAG for KONTINUASJONSEKSAMEN I FAG SIE2010 Informasjons- og signalteori, 29. juli y(n) = ay(n 1) + x(n k),

Uke 10: Diskret Fourier Transform, II

Uke 12: FIR-filter design

Løsningsforslag øving 6

Utregning av en konvolusjonssum

EKSAMEN I FAG TTT4110 Informasjons- og signalteori. Norsk tekst på oddetalls-sider. ( English text on even numbered pages.)

Fourier-analyse. Hittil har vi begrenset oss til å se på bølger som kan beskrives ved sinus- eller cosinusfunksjoner

Fourier-Transformasjoner II

01 Laplace og Z-transformasjon av en forsinket firkant puls.


303d Signalmodellering: Gated sinus a) Finn tidsfunksjonen y(t) b) Utfør en Laplace transformasjon og finn Y(s)

UNIVERSITETET I OSLO

Forelesning, 23.februar INF2400 Sampling II. Øyvind Ryan. Februar 2006

Filterkonsepter kapittel 6 Sverre Holm

Uke 12: FIR-filter design

Forelesning, 17.februar INF2400 Sampling II. Øyvind Ryan. Februar 2005

Løsningsforslag til prøveeksamen i fag SIG50 Signalbehandling

UNIVERSITETET I OSLO

IIR filterdesign Sverre Holm

Forelesning nr.13 INF 1410

Oppgave 1 OPPGAVER OG LØSNINGSFORSLAG KONTINUASJONSEKSAMEN I FAG SMN 6147 OG SMN 6195 KOMPLEKS ANALYSE STED: HØGSKOLEN I NARVIK. KLASSE:4EL,4RTog5ID

Forelesening INF / Spektre - Fourier analyse

KONTINUASONSEKSAMEN I FAG SIE2010 Informasjons- og signalteori

INF3470 Digital signalbehandling Tidsdomene analyse (kap 3 del 1) Sverre Holm

5.5 Komplekse egenverdier

Fourier-Transformasjoner IV

EKSAMEN I FAG TTT4110 Informasjons- og signalteori. Norsk tekst på oddetalls-sider. ( English text on even numbered pages.)

EKSAMEN I FAG SIE2010 Informasjons- og signalteori

IIR filterdesign Sverre Holm

UNIVERSITETET I OSLO

f(t) F( ) f(t) F( ) f(t) F( )

Ghost amplitude spectrum. d=6 m V=1500 m/s c= 1

UNIVERSITETET I OSLO

Transkript:

Dagens temaer Time 5: z-transformasjon og frekvens transformasjon Andreas Austeng@ifi.uio.no, NF3470 fi/uio September 2009 Fra forrige gang Kausalitet, stabilitet og inverse systemer Z 1 { }: nvers z-transformasjon En-sidig z-transformasjon Frekvens respons 2 Fra forrige gang Definisjon, z-transformasjonen Quiz Definisjon av z-transformasjonen X(z) Z{x[n]} = n= x[n]z n, hvor z = Re j2πf = Re jω er en kompleks variabel. En uendelig potensrekke; eksisterer kun for de verdiene av z hvor rekken konvergerer Region Of Convergence (ROC); den mengen av argumenter hvor X(z) antar en endelig verdi. Notasjon: x[n] z X(z) x[n] ZT X(z) 3 4

Quiz 1. La x[n] = ( 2) n u[n]. ROC til X(z) er da (a) z > 2, (b) z < 2, (c) z > 1/2, (d) z < 2, (e) z > 0. 2. Hvilket type system beskriver H[z] = z2 +2z+1 z? (a) Kausalt, (b) HP, (c) FR, (d) Rekursivt, (e) Lineær fase. 3. Et kausalt filter har poler z = 0.3, 0.5, 0.7. Hva er ROC og er systemet stabilt? (a) z > 0.7 og stb, (b) z > 0.7 og ustb, (c) z > 0.3 og stb, (d) z > 0.3 og ustb. 4. Hva er impulsresponsen h[n] til systemet H(z) = z 1 z+1, z > 1? 5. La y[n] + 0.5y[n 1] = 2x[n 1]. Finn transferfunksjonen H (z) til det inverse systemet. Kausalitet, stabilitet og inverse systemer Kausalitet og stabilitet nverse systemer 5 6 z-transf. og kausalitet og stabilitet Kausalitet: ROC bestemmer dette! Høyresidig sustem; ROC på utsiden av en sirkel med radius r, dvs. z > r. Stabilitet: Enhetssirkelen inneholdt i ROC. Venter til DTFT / Fourieranalyse for å etablere dette. Kausalt og stabilt system Alle poler innenfor enhetssirkelen. nverse systemer h [n] invers til h[n] hvis h[n] h [n] = δ[n]. z-transf. av likning over: H(z) H (z) = 1. H (z) = H 1 (z) = 1/H(z). Konsekvenser for poler og nullpunkter: nvers til FR system er R. Generelt: Poler til H(z) blir nullpkt i H (z) og nullpkt i H(z) blir poler i H (z). nverse systemer og ROC ROC til invers system bestemt fra krav om at H(z) og H (z) har overlappende ROC. H(z) kan være ustabil eller ikke-implementerbar (ikke-kausal). 7 8

nvers z-transformasjon Z 1 { }: nvers z-transformasjon nvers z-transformasjon Tre mulige tilnærmelser Konturintegral: x[n] Z 1 {X(z)} = 1 j2π Γ X(z)zn 1 dz. Krever kunnskap i kompleks analyse. kke benyttet i vårt kurs. Fra potensrekken; den opplagte måten! Siden X(z) = n= x[n]z n, hvor x[n] = + x 2 δ[n+2] + x 1 δ[n+1] + x 0 δ[n] + x 1 δ[n 1] + kan x[n] leser rett fra X(z). Virker for endelige rekker. De første leddene i uendelige høyre- eller venstre-sidige rekker kan finnes ved lang divisjon eller fra differense likning. Delbrøksoppspalting. 9 10 z-transformasjon fra lang divisjon nvers transf. vha delbrøksoppspalting Søker invers z-transf. til X(z). M<N, dvs proper. Går veien om z-transf til Y (z) = X(z) z Prosedyre: 1. Faktoriser nevner til polynomet til Y (z) og uttrykk poler på formen (z P k ) for k= 1, 2,...,N. 2. Uttrykk Y (z) som en sum av ledd på formen K k z p k, hvor K k = Y (z)(z p k ) z=pk. Y (z) = k=1 3. Finn X(z) = zy (z). 4. Skriv ned svaret; x[n] = N k=1 K k(p k ) n u[n]. 11 12

nvers transf. vha delbrøksoppspalting... En-sidig z-transformasjon En-sidig z-transformasjon Egenskaper til en-sidig z-transf. Boka dekker også Kvadratiske former = komplekse røtter. Multiple faktorer (z + r )M. 14 13 fi/uio AA, NF3470 Time 5 fi/uio Sept. 2009 AA, NF3470 Time 5 Sept. 2009 En-sidig z-transf., shift egenskap En-sidig z-transf., definisjon X (z) = P k Høyre shift av y [n] flytter sampler med n < 0 inn i området n 0: Nyttig for analyse av kausale LT systemer. Brukes primært til å løse lineære konstant koeffisient differens likninger med initialbetingelser. De fleste egenskapene til to-sidig z-transform gjelder også for en-sidig z-transform. k =0 x[n]z y [n 1] ZT z 1 Y (z) + y [ 1] y [n 2] ZT z 2 Y (z) + z 1 y [ 1] + y [ 2] Untak: Shifting i tid. En-sidig z-transf. av en sekvens y [n] og dens kausale utgave, y [n]u[n] er identiske. 15 fi/uio AA, NF3470 Time 5 Sept. 2009 16 fi/uio AA, NF3470 Time 5 Sept. 2009

En-sidig z-transf., shift egenskap... Venstre shift av y[n] flytter sampler fra området n 0 inn i området n < 0: y[n + 1] ZT zy (z) zy[0] y[n + 2] ZT z 2 Y (z) z 2 y[0] zy[1] nitial Value og Final Value teoremet nitial Value teoremet: x[0] = lim z X(z) Hvis x[n] er lik null for n < 0, så kan initiell verdi, x[0] finnes fra (to-sidig) X(z) ved x[0] = lim z X(z). Final Value for proper X(z) kan finnes ved å evaluere (z 1)X(z) i z = 1. Gir meningsfyllt resultat kun når polene til (z 1)X(z) har magnitude mindre enn en. 17 18 Frekvens respons Egenfunksjoner og egenverdier Frekvens transformasjon Fra z-transf. til DTFT Egenfunksjoner og egenverdier En sekvens sies å være en egenfunksjon til et system hvis responsen til en input-sekvens x[n] er output-sekvensen y[n] = λx[n] hvor λ, egenverdien, generelt avhenger av input-signalet x[n]. Det vil si: Egenfunksjoner er sekvenser som passerer rett igjennom et system med kun en mulig (kompleks) amplitudeforandring. x[n] h[n] y[n] = λx[n] 19 20

Egenfunksjoner til et LT system La Da er x[n] = e jnω, < n <, Ω [ π, π]. y[n] = h[n] x[n] = k= h[k]x[n k] = k= h[k]ejω(n k) = e jnω k= h[k]e jkω = H(Ω)e jnω = H(Ω)x[n]. dvs at egenfunksjonen til et LT system er x[n] = e jnω, < n <, Ω [ π, π]. og egenverdien, benevnt H(Ω), er H(Ω) = k= h[k]e jkω. 21 Frekvens transformen Hvis inngangssignalet, x[n], til et LT-system er en kompleks eksponensial, så vil utgangssignalet, y[n] være likt inngangssignalet bortsett fra en kompleks skalering av amplituden. Amplitudeskaleringen er gitt som H(Ω) = k= h[k]e jkω. H(Ω) er generelt, kompleks, dvs. H(Ω) = H R (Ω) + jh (Ω), or H(Ω) = H(Ω) e jφ h(ω), where H(Ω) 2 = H(Ω)H (Ω) = HR 2 (Ω) + H2 (Ω) and Φ h (Ω) = tan 1 H (Ω) H R (Ω). H(Ω) avhenger av frekvensen Ω. 22 Frekvens transformasjonen... H(Ω) kalles frekvensresponsen. Den viser hvordan en kompleks eksponensial forandres i (kompleks) amplitude når den filtreres av systemet. Særdeles nyttig om inngangssignalet, x[n], kan dekomponeres inn i en sum av komplekse eksponensialer. Responsen til x[n] = N α he jnω k k=1 vil være y[n] = N k=1 H(Ω k)α h e jnω k Gruppeforsinkelsen, τ h (Ω), forsinkelsen til hele signalet x[n] = N k=1 α he jnω k : τ h (Ω) = dφ h(ω) dω. 23 Fra tid til frekvens Frekvensresponsen til et LT-system beskriver hvordan en kompleks eksponensial forandres i (kompleks) amplitude når denne anvendes på systemet. Hvis inngangssignalet ikke er en kompleks eksponensial, eksisterer det da en måte å transformere signalet inn i en sum av komplekse eksponensialer? Hvis alle (praktiske) signaler kan skrives som en (uendelig) sum av sinuser og cosinuser, hvordan finner vi da denne summen gitt en sekvens x[n]? 24

Fourierrepresentasjon av et signal... Spiller en veldig viktig rolle i både kontinuerlig tid og diskret tid signalbehandling. Beskriver en metode for å transformere et signal fra et domene til et annet slik at vi kan manupulere signalet her. Konvolusjon blir multiplikasjon (sånn nesten...). Gir en annen måte/arena å interpretere signaler og systemer. Analogi: Fourier transformasjonen til diskrete ikke-periodisk signaler. X(Ω) = n= x[n]e jωn. X(Ω) representerer frekvensinnholdet i signalet x[n], dvs. X(Ω) er en dekomposisjon av x[n] inn i sine frekvenskomponenter. Unik over frekvensintervallet ( π, π), eller ekvivalent (0, 2π). X(Ω) er periodisk med periode 2π. x[n] = 1 π 2π π X(Ω)ejΩn dω. 25 26 Fourier transformasjonen til diskrete ikke-periodisk signaler... Konvergerer: X N (Ω) = N n= N x[n]e jωn konvergerer uniformt til X(Ω), dvs. lim N {sup Ω X(Ω) X N (Ω) } = 0. Garantert hvis x[n] er absolutt summerbar. Mulig med kvadratisk summerbare sekvenser hvis mean-square konvergenskriterium er oppfylt. Energitetthetsspekter E x = n= x[n] 2 = 1 π 2π π X(Ω) 2 dω. Discrete-time Fourier transform; DTFT Notasjon: Analysis : X(Ω) F{x[n]} = n= x[n]e jωn. Alternativt: X(F) = n= x[n]e j2πfn. Syntese : x[n] F 1 {X(Ω)} = 1 2π 2π X(Ω)ejΩn dω. Alternativt: x[n] = 1/2 1/2 X(F)ej2πnF df. x[n] F X(Ω). 27 28

Fra z-transf. til DTFT Finner X(Ω) ved å evaluere z-transformasjonen langs enhetssirkelen. X(z) Z{x[n]} = n= x[n]z n z = Re j2πf. Lar R = 1 og får: X(z) z=e j2πf = n= x[n]z n z=e j2πf = n= x[n]ej2πf = X(Ω). 29