12.05.11 1 Diskrete Signalverarbeitung und diskrete Systeme Computerbasierte Verarbeitung von Signalen und Realisierung von Systemverhalten erfordern diskrete Signale und diskrete Systembeschreibungen. Wegen der ausgerei?en Theorie für analoge Signale und Systeme finden Systementwicklungen dennoch vorwiegend im Analogen staE. Auch gibt es für die meisten grundlegenden analogen Zusammenhänge genau entsprechende diskrete Zusammenhänge. Allerdings gibt es auch zahlreiche diskrete Verfahren zur Signalverarbeitung, die heurisJsch, ohne fundierte Theorie, angewendet werden. Beispiel : GläEungsoperator mit Gewichten 3 2 2 2 2 1 1 1 1 ! " #$ = % & ' ! & ' " ' " ' ") ! Diskrete Faltung KonJnuierliche Signalübertragung: Alle Signale mit Abtastwerten beschrieben: g(t) = h(t) ! s(t) !"#$%!"& " #$% #="# # $ % & ' ( ) * + '(#)" ,& $ % = *"#$%!"& " #$% #="# # $ % & ' ( ) * + '(#)" ,& $ % + '"#$%!"& " #$% #="# # $ % & ' ( ) * + '(#)" ,& $ % Daraus folgt für die Abtastwerte (nach einigen SchriEen) für T=1 und unter der Voraussetzung bandbegrenzter Signale : !"#$ = %"# ! &$'"&$ &=!" " # "Diskrete Faltung" Schreibweise dafür auch: g(n) = h(n) ∗ s(n) Für kausale Systeme ist die Impulsantwort = 0 für t < 0. Dann gilt: !"#$ = %"# ! &$'"&$ &=!" # # Die diskrete Faltung ist die Grundlage für die computerbasierte Berechnung von Systemverhalten! 2
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
12.05.11
1
Diskrete Signalverarbeitung und diskrete Systeme
Computer-‐basierte Verarbeitung von Signalen und Realisierung von Systemverhalten erfordern diskrete Signale und diskrete Systembeschreibungen. Wegen der ausgerei?en Theorie für analoge Signale und Systeme finden Systementwicklungen dennoch vorwiegend im Analogen staE. Auch gibt es für die meisten grundlegenden analogen Zusammenhänge genau entsprechende diskrete Zusammenhänge. Allerdings gibt es auch zahlreiche diskrete Verfahren zur Signalverarbeitung, die heurisJsch, ohne fundierte Theorie, angewendet werden. Beispiel: GläEungsoperator mit Gewichten 3!
2!
2!2!2!
1! 1!
1! 1!
!"#$ =%&'!
( &'"'"'"()!
Diskrete Faltung
KonJnuierliche Signalübertragung: Alle Signale mit Abtastwerten beschrieben:
g(t) = h(t) ! s(t)
!"#$%!"& "#$%#="#
#
$%
&'
(
)* +'(#)"
,&$% = *"#$%!"& "#$%
#="#
#
$%
&'
(
)* +'(#)"
,&$%+ '"#$%!"& "#$%
#="#
#
$%
&'
(
)* +'(#)"
,&$%
Daraus folgt für die Abtastwerte (nach einigen SchriEen) für T=1 und unter der Voraussetzung bandbegrenzter Signale :
!"#$ = %"#!&$'"&$&=!"
"
# "Diskrete Faltung"
Schreibweise dafür auch: g(n) = h(n) ∗ s(n) Für kausale Systeme ist die Impulsantwort = 0 für t < 0. Dann gilt:
!"#$ = %"#!&$'"&$&=!"
#
#
Die diskrete Faltung ist die Grundlage für die computerbasierte Berechnung von Systemverhalten!
2
12.05.11
2
3
Lokale 0peratoren
Bildverarbeitung realisiert Faltung häufig mit "lokalen Operatoren".
Erzeuge ein neues Bild , indem ein linearer, lokaler Operator f auf alle Pixel eines Bildes angewandt wird:
ij
Dij
mn
Die Pixelindizes i, j können in von 1 abweichenden SchriEen inkremenJert werden.
=> Periodische Fortsetzung kann Randeffekte bewirken
für u = 0 ... M-‐1, v = 0 ... N-‐1 für m = 0 ... M-‐1, n = 0 ... N-‐1
NotaJon:
Guv = F{ gmn }
gmn = F-‐1{ Guv }
Anwendung auf Bilder
12.05.11
5
Beispiel eines Amplitudenspektrums
9
10
Schnelle Fourier-‐TransformaJon Normale DFT braucht ~(MN)2 OperaJonen für ein M x N Bild. Beispiel: M = N = 1024, 10-‐12 sek/OperaJon => 1,1 sek
FFT (Fast Fourier Transform) basiert auf einer rekursiven DekomposiJon von gmn in Subsequenzen => parJelle Resultate können mehrfach gebraucht werden => ~MN log2(MN) OperaJonen. Dasselbe Beispiel braucht nur 0.000021 sek.
DekomposiJonsprinzip für die 1D-‐Fourier-‐TransformaJon:
!" =#$
%&&='
$!#" (!)#*"&
${ gn
(1) } = { g2n }
{ gn(2) } = { g2n+1 }
{ gn } = n = 0 .. N/2-‐1
!" =#$
%&'#()
!*"+"*&$ + %&
'*()!*"+"'*&+#(
$#$%
&%
'(%
)%&=,
$*!#
* r = 0 ... N-‐1
Gr = Gr(1) + e
!2"j rN Gr
(2)
r = 0 ... N/2-‐1
Gr+N 2 = Gr(1) ! e
!2"j rN Gr
(2)
Alle Gr können in 2(N/2)2
anstelle von (N)2 OperaJonen berechnet werden!
12.05.11
6
11
Diskrete Faltung mithilfe der FFT
Faltung kann durch TransformaJon in den Frequenzraum mit der FFT insgesamt effizienter ausgeführt werden!
!!"# = $ !%&&='
()*
"%='
+#*
" ,"#%-##& (MN)2 OperaJonen erforderlich
Anwendung der FFT and Filtern im Frequenzraum:
gmn Guv Guv´ gmn´ FFT Huv FFT-‐1
MN log(MN) MN MN log(MN) # der OperaJonen
Beispiel mit M = N = 512: • normale Faltung braucht ~ 1010 OperaJonen • Faltung mithilfe der FFT braucht ~107 OperaJonen