Sampling, Rekonstruktion

Slides:



Advertisements
Ähnliche Präsentationen
Spektrale Analysen in EMU-R: eine Einführung
Advertisements

Information Systems & Semantic Web University of Koblenz Landau, Germany 5. Feature - Transformationsverfahren 5.1 Diskrete Fourier-Transformation (DFT)
Filterung der räumlichen Frequenzen
Vorlesung Prozessidentifikation
Vorlesung Prozessidentifikation
Robin Gruber Abschlussvortrag
Digitale Messdatenverarbeitung mit Mikrorechnern
Faltung Entfaltung Bestimmung der (unbekannten) Funktion f aus den (bekannten) Funktionen h und g. Bezeichnung h(x) … Messdaten f(y) … Physikalisches Profil.
2.7 Signalprozessoren Spezielle Mikrorechner-Architekturen für die Verarbeitung analoger Signale in eingebetteten Systemen, z.B. im Audio- oder Video-Bereich.
Die akustische Analyse von Sprachlauten
Lösung der elastischen Wellengleichung auf einem variablen FD-Gitter Daniel Köhn und Thomas Bohlen Graz, den 24. Januar 2005.
Spektrale Analysen in EMU-R: eine Einführung Jonathan Harrington.
Spektrale Analysen in EMU-R: eine Einführung
Parametrisierung von Spektra
Die Diskrete-Cosinus-Transformation: Parametrisierung von Signalen in der Zeit und in der Frequenz Jonathan Harrington.
WS Algorithmentheorie 02 - Polynomprodukt und Fast Fourier Transformation Prof. Dr. Th. Ottmann.
Algorithmentheorie 02 – Polynomprodukt und Fast Fourier Transformation
Spektralanalyse Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann! Mit der Spektralanalyse.
Datenverarbeitung in der Geophysik
Faltung, Korrelation, Filtern
Nichtperiodische Signale
Channel Select Filter Design beim Zero-IF UMTS Receiver
Ein Seminar in Computer Grafik von Johannes Bochmann
MAKE SOME NOISE … von Perlin Noise zu Wavelet Noise
Zeitreihenanalyse WS 2004/2005 Michael Hauhs / Gunnar Lischeid
Zeitreihenanalyse WS 2004/2005 Michael Hauhs / Gunnar Lischeid
Zeitreihenanalyse WS 2004/2005 Michael Hauhs / Gunnar Lischeid
Fourier Transformation
Tafelanschrieb Informationstechnik WS04
Bildtransformationen
Kompressionsverfahren für Audio
Digital Audio Medientyp digital audio representation
Digital Audio Medientyp digital audio representation
Überlagerung von harmonischen Schwingungen
Signal-Klassifizierung
Akustisches Herzschlag-
Quantum Computing Hartmut Klauck Universität Frankfurt WS 04/
Einführung in die Bearbeitung und Auswertung von 2D-NMR-Spektren
Die Fourier-Analyse Durch die Fourier-Analyse wird ein Sprachsignal in Sinusoiden zunehmender Frequenz zerlegt, sodass wenn diese summiert werden, das.
Differenzengleichung (Beispiel)
Herleitung DFT Spektrum zeitdiskretes Signal (periodisch) DFT IDFT
Analog-Digital Umsetzer NI USB 6009 Blockschaltbild
Kalibrierung eines Mikrofons unter DASYLab
Helwig Hauser Teil 12: Zusammenfassung All CGR4 revisited.
Helwig Hauser Teil 4: Texturing Farbe, Struktur, Umgebung.
Beleuchtungsmodelle, Schattierungsmodelle
Diffusion Filters and Wavelets: What can they learn from each other
Experiment Audio-Elektronik Workshop April 2008
Übersicht Täuschung des Tages kurze Wiederholung
Übersicht Täuschung des Tages kurze Wiederholung
Übersicht Täuschung des Tages Wiederholung: Abtastung CCD-Kamera
Frank Hanisch - Graphisch-Interaktive Systeme - GeNeMe Okt Ein Web-basierter Computergraphik-Kurs im Baukastensystem.
Fourier-Analyse und technologische Anwendungen
Audiowandlung und Formate
Kommunikationstechnik B Teil 3 – Signalverarbeitung
Impulsverzerrungen © Roland Küng, 2009.
Wichtige Transformationen
Fourier-Transformation Impulsmessung, quantenmechanische Messung
Algorithmen zur Bildverarbeitung Bildverarbeitung und ihr Einsatz im Bereich der Lasermaterialbearbeitung Frederic Schulze.
PCA Principal Component Analysis. Gliederung PCA – Warum eigentlich? PCA – Was ist zu tun? Was passiert eigentlich? Anwendungen Zusammenfassung.
Tutorial Messtechnik - Spektralanalyse, Signaltheorie -
Kapitel 4: Digitale Signale
Analog-Digital-Wandlung und Alesis ADAT-Schnittstelle Rudolf-Diesel-Fachschule Markus Vogl 12. März 2009.
Projektarbeit: Signalprozessortechnik FFT-Software für das EZ-Kit BF533 Studenten:Karsten Wiedmann Maik Gotzmann Studiengang:Informationstechnik Semester:6.
Spektralanalyse Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann! Mit der Spektralanalyse.
Kapitel 5: Digitale Signale
LTI-Systeme, Faltung und Frequenzgang
Kapitel 6: Einführung in die DFT
Fouriertransformation - FT
SiSy2 - Overview M d Q Tavares , TB425
 Präsentation transkript:

Sampling, Rekonstruktion Teil 3: über Aliasing Sampling, Rekonstruktion Teil 3: über Aliasing

kontinuierlich  diskret Motivation Aliasing – was ist das? Probleme aus Ungleichung kontinuierlich  diskret Probleme mit Rasterisierung Probleme mit diskreten Daten Teil 3: über Aliasing

Aliasing – Beispiele Aliasing: entsteht durch sampling Sampling: abtasten analoger Daten Teil 3: über Aliasing

Sampling – Beispiel Teil 3: über Aliasing

Signale in der Computergraphik Teil 3: über Aliasing

Sampling & Rekonstruktion Teil 3: über Aliasing

Sampling-Probleme: Aliasing Je kleiner ein Detail, desto eher nicht korrekt! Teil 3: über Aliasing

Signalmodellierung mit Wellen Bsp.: box Teil 3: über Aliasing

Spektren: Beispiele Teil 3: über Aliasing

Wichtige Paare (Ort/Frequenz) Teil 3: über Aliasing

Fourier-Transformation Mittel, um das Spektrum eines Signals das Signal zu einem Spektrum zu berechnen. Teil 3: über Aliasing

Wichtige Funktionen Dirac-Impuls Kamm-Funktion Teil 3: über Aliasing

Dazugehörige Spektren Impuls-Funktion: Spektrum  1 alle Frequenzen enthalten Kamm-Funktion: Spektrum = Kamm! Je weiter der Kamm im Ortsraum, desto enger der Kamm im Frequ.-Raum! Teil 3: über Aliasing

Wichtige Operation: Faltung h = f  g Input-Funktion f, Filter-Funktion g h(x) = gewichtetes Mittel von f(t), t[x-w/2,x+w/2] Teil 3: über Aliasing

Faltung – Beispiele Teil 3: über Aliasing

Faltung und Multiplikation Ortsraum Frequenzraum Faltung  Multiplikation Multiplikation  Faltung Teil 3: über Aliasing

Low-Pass Prefiltering Teil 3: über Aliasing

Low-Pass: Faltung mit sinc Teil 3: über Aliasing

Low-Pass im Frequenzraum Teil 3: über Aliasing

Sampling Sampling: Repräsentation durch Beispiele Uniform sampling: Beispiele (samples) regelmäßig organisiert (Gitter) Multiplikation mit Kamm-Funktion (Ort) Faltung mit Kamm (Frequenzraum) Teil 3: über Aliasing

Spektrum diskreter Funktionen Teil 3: über Aliasing

Sampling Theorem A function f which is band-limited and sampled above the Nyquist frequency is completely determined by its samples. Teil 3: über Aliasing

Sampling / Nyquist Sampling-Rate zu niedrig  aliasing Teil 3: über Aliasing

Passende Sampling-Rate Teil 3: über Aliasing

Passende Sampling-Rate (2) Teil 3: über Aliasing

Unpassende Sampling-Rate Teil 3: über Aliasing

Unpassende Sampling-Rate Teil 3: über Aliasing

Prefiltering Teil 3: über Aliasing

Rekonstruktion Teil 3: über Aliasing

Spektren von box, tent Teil 3: über Aliasing

Gefensterter sinc – Spektren Teil 3: über Aliasing

Aliasing – zwei Arten Aliasing: Rekonstruktionsfehler hohe Frequ. mischen sich mit niedrigen doppelter Verlust: hohe Frequ. weg niedrige Frequ. falsch Rekonstruktionsfehler Filter  sinc Smoothing, ringing Teil 3: über Aliasing

Anti-Aliasing Prefilterting Supersampling Signal vor sampling durch low-pass! Ergebnis (band-limited) kann korrekt abgetastet werden (Nyquist-Frequenz) Supersampling Erhöhen der sampling-Rate Teil 3: über Aliasing

Supersampling Sampling mit erhöhter Frequenz Rekonstruktion mit Tiefpaß-Filter Teil 3: über Aliasing

Aliasing im Zeitbereich Umkehrung der Drehrichtung Worming Teil 3: über Aliasing