Skript
Skript Skript
ebenfalls mit den entsprechenden Verlaufen aus Abb. 9 b) und d) uberein. Die quasikontinuierlichen, durchgezogenen Kurvenverlaufe resultieren, wenn die jeweiligen Signal-Datensatze, die zunacht 64Werte umfassen auf 1024 Werte mit Nullen angefullt werden. Hierdurch wird eine Verringerung der Diskretisierungsschrittweite f um den Faktor 16 erreicht. Wie Abb. 11 zu entnehmen ist, erlaubt dies eine deutlich bessere Frequenzschatzung sowie eine exaktere Phasenschatzung. Bei verrauschten Signalen ist es daruber hinaus hilfreich, da die Signalanalyse auf Werten basiert, die in der Nahe des Maximums des Leistungsdichtespektrums liegen und somit den grotmoglichen Abstand zum Rauschlevel aufweisen. 1 40 0.5 30 s n 0 | S k | 20 −0.5 10 −1 a) 0 20 40 60 n b) 0 0 10 20 30 k 1 0.5 40 30 s n 0 | S k | 20 −0.5 10 −1 c) 0 20 40 60 n d) 0 0 10 20 30 k Abb. 11: a) Cosinussignal mit 5 Perioden im Abtastfenster (N=64), b) Sternchen: zugehoriges Betragsspektrum berechnet mit einem FFT-Algorithmus mit N =64,durchgezogene Linie: zugehoriges Betragsspektrum berechnet mit einem FFT-Algorithmus mit N = 1024 unter Vorgabe von s n =0fur 64 n 1023 c) Cosinussignal mit 4,5 Perioden im Abtastfenster (N=64), d) Sternchen: zugehoriges Betragsspektrum berechnet mit einem FFT- Algorithmus mit N =64,durchgezogene Linie: zugehoriges Betragsspektrum berechnet mit einem FFT-Algorithmus mit N = 1024 unter Vorgabe von s n =0fur 64 n 1023. Durch Interpolation der Frequenzwerte in der Umgebung des spektralen Peaks kann die Auosung bei der Frequenzschatzung mittels DFT unabhangig vom Zero-Padding verbessert werden 1 . Bei den meisten Verfahren zur Frequenzinterpolation werden die Werte der 1 Der Begri " Auosung\ bezieht sich hier nicht auf den minimalen Abstand zwischen zwei getrennt wahr- 31
Fouriertransformierten S k bzw. des Betragsquadrates P k fur die drei Spektrallinien k = n 0 , k = n 0 ; 1undk = n 0 +1verwendet. Die Wahl des geeigneten Interpolationsalgorithmus hangt wesentlich von der verwendeten Fensterfunktion ab: Aufgrund des Faltungstheorems wirkt sich die Multiplikation mit der Fensterfunktion im Zeitbereich alsFaltung im Frequenzbereich aus. Die Fouriertransformierte der im vorigen Abschnitt als Fensterfunktion eingefuhrten Gauschen Exponentialfunktion hat ebenfalls die Form einer Gauschen Exponentialfunktion, so da man im Frequenzbereich eine um die Signalfrequenz n s f zentrierte Gaufunktion erhalt, deren Verlauf bei drei bekannten Funktionswerten approximiert werden kann. Abbildung 12 veranschaulicht das Prinzip der Verbesserung der Frequenzauosung durch spektrale Interpolation. S k | | 2 P n 0 P n 0 -1 P n 0 +1 n s n 0 0 n 0+1 f/ ∆f n -1 Abb. 12: Spektrale Interpolation zur Verbesserung der Auosung bei der FFT-basierten Frequenzschatzung. Die Beziehung zur Bestimmung der Position des Maximums, die der gesuchten Frequenz n s f entspricht, lautet: n s = n 0 + = n 0 + 1 2 Zur Herleitung dieser Beziehung wird der Ansatz ln(P n0 ;1) ; ln(P n0 +1) ln(P n0 ;1) ; 2ln(P n0 )+ln(P n0 +1) : (51) P k =e c e ;(k;ns)2 = 2 k zunachst logarithmiert, so da die drei Gleichungen: ln(P n0 ) = c ; (n 0 ; n s ) 2 = 2 k ln(P n0 ;1) = c ; (n 0 ; 1 ; n s ) 2 = 2 k ln(P n0 +1) = c ; (n 0 +1; n s ) 2 = 2 k (52) genommenen Maxima des Leistungsdichtespektrums sondern auf die Genauigkeit, mit der eine Signalfrequenz anhand der zur Verfugung stehenden Werte des diskreten Leistungsdichtespektrums ermittelt werden kann. 32
- Seite 1 und 2: Fachbereich 4 Produktionstechnik Fa
- Seite 3 und 4: 6.4.1 2D-Fouriertransformation : :
- Seite 5 und 6: Das Diagramm c n uber n! ist das Am
- Seite 7 und 8: 1.5 1.5 1 1 0.5 0.5 0 0 −0.5 −1
- Seite 9 und 10: ! ! jc 1 j = 8f 0 2 3! ! jc 3 j =
- Seite 11 und 12: mit ! =0 ! 2! ! f(t) = ! = ! 2 +1
- Seite 13 und 14: 0.8 1 f(t) 0.6 0.4 0.2 F(ω) 0.8 0.
- Seite 15 und 16: Da fur die Fouriertransformierte F(
- Seite 17 und 18: 2.4 Faltung und Korrelation mit Del
- Seite 19 und 20: verwendet wird, bei dem eine belieb
- Seite 21 und 22: 4. Dirac-Kamm Unter einem Dirac-Kam
- Seite 23 und 24: 4 Abtastung und diskrete Fouriertra
- Seite 25 und 26: h(t) |H(f)| 2 t -f 0 f 0 f a) konti
- Seite 27 und 28: Wertebereich beispielsweise in 2 8
- Seite 29 und 30: n s f zusammen. Im Fall nicht-ganzz
- Seite 31 und 32: 1 −1 0 20 40 60 a) n 1 b) 10 0 10
- Seite 33: 1 −1 0 20 40 60 a) n 1 b) 10 0 10
- Seite 37 und 38: 1 0.25 s 1 (t), s 2 (t) 0.5 0 −0.
- Seite 39 und 40: 1 1 0.5 0.5 s(t) 0 s(t) 0 −0.5
- Seite 41 und 42: idealerweise durch die Amplituden-U
- Seite 43 und 44: die um das Maximum der Impulsantwor
- Seite 45 und 46: l= 1 l= 2 l=L M∆t M∆t M∆t N
- Seite 47 und 48: Amplitude Spektrale Leistungsdichte
- Seite 49 und 50: Da ein hoher spektraler Peak einen
- Seite 51 und 52: 5 h n 0 a) −5 0 20 40 60 80 100 1
- Seite 53 und 54: 1. durch die Mittelung einer Anzahl
- Seite 55 und 56: eines reellen Signals, die positive
- Seite 57 und 58: 2 1 a(t) 0 −1 a) −2 0 50 100 15
- Seite 59 und 60: aus, bei dem die zeitabhangige Ampl
- Seite 61 und 62: 150 100 φ(t) (Grad) 50 0 −50 −
- Seite 63 und 64: Abb. 28: Resultat der auf der Kurzz
- Seite 65 und 66: 3 2 Signalamplitude 1 0 −1 −2
- Seite 67 und 68: Abb. 32: CCD-Aufnahme 2 (512 256 P
- Seite 69 und 70: dem Faltungs- bzw. Korrelationstheo
- Seite 71 und 72: Computer / Arbeitsspeicher Lichtque
- Seite 73 und 74: 100 FT{rect(2x/∆x, 2y/∆y)} (µm
- Seite 75 und 76: Funktionswerte der diskreten Kreuzk
- Seite 77 und 78: Analog konnen vertikale Kanten mit
- Seite 79 und 80: 1 |sin(ξ)*sin(η)/(ξ η)| 0.8 0.6
- Seite 81 und 82: 250 200 150 100 50 0 Abb. 44: Multi
- Seite 83: 60 50 50 x´ + 159 (Pixel) 100 150
Fouriertransformierten S k bzw. des Betragsquadrates P k fur die drei Spektrallinien k = n 0 ,<br />
k = n 0 ; 1undk = n 0 +1verwendet. Die Wahl des geeigneten Interpolationsalgorithmus<br />
hangt wesentlich von der verwendeten Fensterfunktion ab: Aufgrund des Faltungstheorems<br />
wirkt sich die Multiplikation mit der Fensterfunktion im Zeitbereich alsFaltung im Frequenzbereich<br />
aus. Die Fouriertransformierte der im vorigen Abschnitt als Fensterfunktion<br />
eingefuhrten Gauschen Exponentialfunktion hat ebenfalls die Form einer Gauschen Exponentialfunktion,<br />
so da man im Frequenzbereich eine um die Signalfrequenz n s f zentrierte<br />
Gaufunktion erhalt, deren Verlauf bei drei bekannten Funktionswerten approximiert werden<br />
kann. Abbildung 12 veranschaulicht das Prinzip der Verbesserung der Frequenzauosung<br />
durch spektrale Interpolation.<br />
S k<br />
| | 2<br />
P n<br />
0<br />
P n<br />
0 -1<br />
P n 0 +1<br />
n s<br />
n<br />
0 0 n 0+1<br />
f/ ∆f<br />
n -1<br />
Abb. 12: Spektrale Interpolation zur Verbesserung der Auosung bei der FFT-basierten<br />
Frequenzschatzung.<br />
Die Beziehung zur Bestimmung der Position des Maximums, die der gesuchten Frequenz<br />
n s f entspricht, lautet:<br />
n s = n 0 + = n 0 + 1 2<br />
Zur Herleitung dieser Beziehung wird der Ansatz<br />
ln(P n0 ;1) ; ln(P n0 +1)<br />
ln(P n0 ;1) ; 2ln(P n0 )+ln(P n0 +1) : (51)<br />
P k =e c e ;(k;ns)2 = 2 k<br />
zunachst logarithmiert, so da die drei Gleichungen:<br />
ln(P n0 ) = c ; (n 0 ; n s ) 2 = 2 k <br />
ln(P n0 ;1) = c ; (n 0 ; 1 ; n s ) 2 = 2 k <br />
ln(P n0 +1) = c ; (n 0 +1; n s ) 2 = 2 k (52)<br />
genommenen Maxima des Leistungsdichtespektrums sondern auf die Genauigkeit, mit der eine Signalfrequenz<br />
anhand der zur Verfugung stehenden Werte des diskreten Leistungsdichtespektrums ermittelt werden kann.<br />
32