Stochastische Signaltheorie/Erzeugung vorgegebener AKF-Eigenschaften: Unterschied zwischen den Versionen
Wael (Diskussion | Beiträge) |
|||
Zeile 11: | Zeile 11: | ||
* ohne Gedächtnis(„Weißes Rauschen”) ⇒ statistisch unabhängige Abtastwerte. | * ohne Gedächtnis(„Weißes Rauschen”) ⇒ statistisch unabhängige Abtastwerte. | ||
− | [[Datei:P_ID555__Sto_T_5_3_S1_neu.png | Nichtrekursives Filter ''M''-ter Ordnung]] | + | [[Datei:P_ID555__Sto_T_5_3_S1_neu.png |frame| Nichtrekursives Filter ''M''-ter Ordnung]] |
Daraus ergeben sich folgende Eigenschaften: | Daraus ergeben sich folgende Eigenschaften: | ||
Zeile 24: | Zeile 24: | ||
{{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 $0$): | {{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]] | + | [[Datei:P_ID597__Sto_T_5_3_S1_b_neu.png |frame| AKF am Ausgang eines Filters erster Ordnung|right]] |
:$$\varphi _y (0) = \sigma _x ^2 \cdot ( {a_0 ^2 + a_1 ^2 }) = 4,$$ | :$$\varphi _y (0) = \sigma _x ^2 \cdot ( {a_0 ^2 + a_1 ^2 }) = 4,$$ | ||
:$$\varphi _y ( { - T_{\rm A} } ) = \varphi _y ( {T_{\rm A} } ) = \sigma _x ^2 \cdot a_0 \cdot a_1 = 1.92.$$ | :$$\varphi _y ( { - T_{\rm A} } ) = \varphi _y ( {T_{\rm A} } ) = \sigma _x ^2 \cdot a_0 \cdot a_1 = 1.92.$$ | ||
Zeile 68: | Zeile 68: | ||
+ 0.21 \cdot \delta(\tau + T_{\rm A}) .$$ | + 0.21 \cdot \delta(\tau + T_{\rm A}) .$$ | ||
− | [[Datei:P_ID557__Sto_T_5_3_S2_b_neu_100.png | Beispiel zur AKF-Berechnung|right]] | + | [[Datei:P_ID557__Sto_T_5_3_S2_b_neu_100.png |frame| Beispiel zur AKF-Berechnung|right]] |
Zur gleichen AKF kommt man auch mit den Koeffizientenpaaren | Zur gleichen AKF kommt man auch mit den Koeffizientenpaaren | ||
*$a_0 = - 0.7,\quad a_1 = -0.3,$ | *$a_0 = - 0.7,\quad a_1 = -0.3,$ |
Version vom 28. Dezember 2017, 19:59 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 von $-M · T_{\rm A}$ bis $+M · T_{\rm A}$ 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.
- 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
- $$a_0 ^2 + \left( { { {0.21} }/{ {a_0 } } } \right)^2 = 0.58\quad \Rightarrow \quad a_0 ^4 - 0.58 \cdot a_0 ^2 + 0.21^2 = 0.$$
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.
- $$\varphi_y(\tau) = 0.58 \cdot \delta(\tau) + 0.21 \cdot \delta(\tau - T_{\rm A}) + 0.21 \cdot \delta(\tau + T_{\rm A}) .$$
Zur gleichen AKF kommt man auch mit den Koeffizientenpaaren
- $a_0 = - 0.7,\quad a_1 = -0.3,$
- $a_0 = +0.3,\quad a_1 = +0.7,$
- $a_0 = - 0.3,\quad a_1 = -0.7.$
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 entsprechenden Impulsantworten, die zur gewünschten AKF führen.
Aufgaben zum Kapitel
Aufgabe 5.5: AKF-äquivalente Filter
Zusatzaufgabe 5.5Z: AKF nach Filter 1. Ordnung
Aufgabe 5.6: Filterdimensionierung
Zusatzaufgabe 5.6Z: Nochmals FIlterdimensionierung