Digitale Signalverarbeitung

aus Wikipedia, der freien Enzyklopädie

Du hast neue Nachrichten auf deiner Diskussionsseite.

Die digitale Signalverarbeitung (engl. digital signal processing oder DSP) ist ein Teilgebiet der allgemeinen Signalverarbeitung sowie der Systemtheorie und beschäftigt sich mit der Verarbeitung analoger Signale mit Hilfe digitaler Systeme. In einem engeren Sinne liegt ihr Schwerpunkt in der Speicherung, Übermittlung und Transformation von digitalen, zeitdiskreten Signalen.

Inhaltsverzeichnis

1 Aufbau eines digitalen Signalverarbeitungs-Systems
2 Objekt: Was ist ein Signal
3 Abstraktion eines Signals
4 Methoden: Transformation von Signalen
5 Abstrakte Transformationen: Filter
6 Anwendungen der DSP-Technik (Beispiele)
7 Vorteile der digitalen Signalverarbeitung gegenüber konventionellen Techniken
8 Anwendung
9 Weblinks

[Bearbeiten] Aufbau eines digitalen Signalverarbeitungs-Systems

Das Schaubild zeigt den typischen Aufbau eines Signalverarbeitungs-Systems, das hier der Vollständigkeit halber auch die beteiligten analogen Komponenten zeigt. Zum digitalen Signalverarbeitungs-System im engeren Sinne gehören nur die blaugrau gefärbten Komponenten im unteren Bildteil.

Verfolgen wir den Weg der Signale in der Grafik: Mittels eines Sensors werden häufig schwache Signale aufgenommen, die für die weitere Verarbeitung verstärkt werden. Aus dem verstärkten Analogsignal tastet der Abtast- und Halteverstärker in bestimmten Zeitintervallen Werte ab und hält sie während eines Intervalls konstant. Aus einer zeitkontinuierlichen Kurve wird so eine zeitdiskrete Kurve des Signals. Ein für eine gewisse Zeit konstantes Signal wird vom Analog-Digital-Wandler benötigt, um die diskreten digitalen Werte zu berechnen. Diese können dann vom digitalen Signalprozessor verarbeitet werden. Das Signal nimmt dann den umgekehrten Weg und kann über einen Aktor ggf. wieder in den technischen Prozess einfließen.

[Bearbeiten] Objekt: Was ist ein Signal

Ein diskretes Signal ist, im Gegensatz zu den kontinuierlichen Funktionen der analogen Signalverarbeitung, eine Folge von digitalen Daten. Diese Folge entsteht meist in einem zeit- oder ortsperiodischen Messprozess. So wird zum Beispiel Schall über die Auslenkung einer Membran oder Verbiegung eines Piezo-Kristalls in eine elektrische Spannung umgewandelt und diese Spannung mittels eines AD-Wandlers zeitperiodisch wiederholt in digitale Daten konvertiert. Solch ein realistischer Messprozess ist endlich, die entstehende Folge besitzt einen Anfangsindex α und einen Endindex ω.

Wir können das Signal also als Datenstruktur (δ, a, ω, s) definieren, mit dem Abstand δ zwischen zwei Datenpunkten, den Indizes α<ω und der endlichen Folge (Array) s=(s_α,...,s_ω) der Daten.

Die Daten sind Instanzen einer Datenstruktur. Die einfachste Datenstruktur ist das Bit, am gebräuchlichsten sind (1, 2, 4 Byte-)Integer- und Floating-Point-Daten. Es ist aber auch möglich, dass das einzelne Datum selbst ein Vektor oder eine Folge ist, wie zum Beispiel wenn Farbinformation als (RGB-)Tripel oder (RGBA)-Quadrupel kodiert wird, oder dass das Signal s die Spalten s_k eines Rasterbildes enthält. Dabei ist die einzelne Spalte wieder ein Signal, welches zum Beispiel Grau- oder Farbwerte als Daten enthält.

[Bearbeiten] Abstraktion eines Signals

Um in der Theorie Signale nicht nach Anfang und Ende gesondert betrachten zu müssen, werden die endlichen Folgen in den abstrakten Signalraum $\ell_2(V)$ eingebettet, ein abstraktes Signal ist also durch ein Paar (δ, s), δ>0, $s\in\ell_2(V)$ , gegeben.

Dabei modelliert der euklidische Vektorraum V den Datentyp des Signals, zum Beispiel V=ℝ für einfache Daten, V=ℝ³ für RGB-Farbtripel. Ein Element in $\ell_2(V)$ ist eine doppelt unendliche Folge s:ℤ→V, k↦s_k. Die definierende Eigenschaft für den Folgenraum ist, dass die sog. Energie des Signals endlich ist, das heißt

$E:=\|s\|^2:=\sum_{n=-\infty}^\infty\|s_n\|^2<\infty$ .

[Bearbeiten] Methoden: Transformation von Signalen

Die Bearbeitung digitaler Signale erfolgt durch Signalprozessoren, die aus einzelnen, fest verdrahteten elektronischen Schaltungen bis hin zu programmierbaren Universalprozessoren wie der CPU eines Computers bestehen können. Man nennt die erste Variante auch in Hardware, die zweite in Software realisierte Signalverarbeitung. Jede Hardwareschaltung kann durch einen genügend mächtigen Universalprozessor simuliert (nachgebildet) werden. Viele Möglichkeiten der digitalen Signalverarbeitung wären in Schaltungen der analogen Signalverarbeitung mit Operationsverstärkern und anderen analogen Bestandteilen völlig undenkbar. Mit DSP-Verfahren ist praktisch alles realisierbar, was sich mathematisch beschreiben lässt.

Das theoretische Modell der elektronischen Schaltung ist der Algorithmus. In der DSP werden Algorithmen wie Filter, Diskrete Fourier-Transformation, PID-Regelung eingesetzt. Dabei sind elementare Operationen, aus denen der Algorithmus zusammengesetzt ist, zum Beispiel die gliedweise Addition von Signalwerten, die gliedweise Multiplikation von Signalwerten mit einer Konstanten, die Verzögerung, das heißt Zeitverschiebung, eines Signals, sowie weitere mathematische Operationen, die periodisch aus einem Ausschnitt eines (oder mehrerer) Signals(e) einen neuen Wert generieren und aus diesen Werten ein neues Signal.

[Bearbeiten] Abstrakte Transformationen: Filter

Eine Abbildung F zwischen zwei Signalräumen wird allgemein System genannt. Eine erste Einschränkung ist die Forderung der Zeitinvarianz (TI für engl. "time independence") der Abbildung F. Diese entsteht dadurch, dass ein zeitdiskretes signalverarbeitendes System, grob betrachtet, aus einem Schieberegister, welches eine beschränkte Vergangenheit speichert, und einer Verknüpfung f, welche aus den gespeicherten Werten einen neuen erzeugt, besteht. Betrachtet man auch ortsabhängige Signale, wie z.B. in der Bildverarbeitung, so stehen neben den vorhergehenden Werten auch nachfolgende zur Verfügung. Um die Allgemeinheit zu wahren, ist also eine zweiseitige Umgebung des jeweils aktuellen Datenpunktes zu betrachten.

Die Umgebung habe einen Radius d, zum Zeitpunkt δn befinden sich die Werte $(a_{n-d},\dots,a_n,\dots,a_{n+d})$ eines zeitdiskreten Eingangssignals (δ, a) im Umgebungsspeicher. Aus diesen wird mittels der die Schaltung verkörpernden Funktion f der Wert b_n zum Zeitpunkt nδ des Ausgangssignals (δ, b)=F(δ, a) bestimmt,

b_n = f(a_n-d, ..., a_n, ..., a_n+d).

Die Funktion f kann auch von einigen der Argumente unabhängig sein. Bei zeitabhängigen Signalen wäre es wenig sinnvoll, wenn f von Werten des Signals zu Zeitpunkten (n+1)δ,...,(n+d)δ in der Zukunft abhängt. Beispiel für solche Funktionen sind

f(a_k-d, ..., a_k, ..., a_k+d) = max{a_k-d, ..., a_k} erzeugt ein System, das das Signal glättet,
f(a_k-1, a_k, a_k+1) = a_k-1 erzeugt eine Verschiebung des Signals in Richtung wachsender Indizes, d.h. eine Verzögerung.

Man kann zeitinvariante Systeme beliebig kombinieren und hintereinanderschalten und erhält wieder zeitinvariante Systeme.

TI-Systeme F, die von einer linearen Abbildung f erzeugt werden, d.h.

$f(a_{n-d}, \dots, a_n,\dots, a_{n+d}) = f_d(a_{n-d}) + \dots + f_0(a_n) + \dots + f_{-d}(a_{n+d}) =\sum_{k\in\Z}f_k(a_{n-k})$

nennt man Faltungsfilter. Sie sind ein Spezialfall der linearen zeitinvarianten Filter (LTI) und können auch als F(a)=f*a geschrieben werden. Dabei bezeichnet * den Faltungsoperator.

LTI-Systeme können im Orts- bzw. Zeitbereich oder im Frequenzbereich definiert und analysiert werden. Nichtlineare oder gar nicht zeitinvariante Filter wie Regelungen müssen im "Echtzeit-Betrieb" stattfinden, sie können nur im Zeitbereich betrachtet werden.

Ein LTI-System F kann im Zeitbereich mittels seiner Impulsantwortfunktion f={f_k}:=F(δ⁰) oder im Frequenzbereich mittels seiner Übertragungsfunktion (engl.: RAOs = Response Amplification Operator) $\hat f(\omega):=\sum_{k\in\Z} f_k e^{-i\omega k}$ , analysiert und realisiert werden. Die Impulsantwort eines Faltungsfilters F(a)=f*a ist gerade F(δ⁰)=f. Man kann LTI-Systeme konstruieren, welche bestimmte Frequenzbereiche unterdrücken und andere invariant lassen. Möchte man die frequenzselektive Wirkung eines solchen Systems hervorheben, so nennt man es Filter.

Eine zentrale Rolle in der praktischen Implementierung von LTI-Systemen spielt der FFT-Algorithmus, welche zwischen der Darstellung eines Signals im Zeitbereich und im Frequenzbereich vermittelt. Insbesondere kann eine Faltung im Zeitbereich durch eine Multiplikation im Frequenzbereich realisiert werden.

Filter allgemein:

Hochpass
Bandpass
Tiefpass

spezielle Filter:

Goertzelfilter

dezimierendes Bandpassfilter

Hilbertfilter

linearer Amplitudengang

Signalphase kann geändert werden, Phasendrehung des Signals um 90°.

Boxcarfilter

Jeder Koeffizient des FIR-Filters ist eins. Dadurch wird der Ausgang zur Summe aller N Eingangssamples. Filter ist sehr leicht zu realisieren (Nur Addierer)

CIC (Cascaded Integrated Comb) Filter

Zur Realisierung der Filterarten gibt es mehrere Möglichkeiten.

FIR-Filter (Finite Impuls Response)

Entspricht einer Faltung im Zeitbereich mit Impulsantwort

Impulsantwort spiegelt Koeffizienten des Filters wieder

Besitzt bei symmetrischer Impulsantwort lineare Phase

Immer stabil

IIR-Filter (Infinite Impulse Response)

Rückgekoppeltes FIR-Filter(Feedback)

Schnelle Faltung

Fouriertransformation des Signals mit anschließender Multiplikation der

Übertragungsfunktion im Frequenzbereich.

Blockweise Verarbeitung mittels Overlap Add / Overlap Save Methode

[Bearbeiten] Anwendungen der DSP-Technik (Beispiele)

Telefonie und Mobilfunk
Tontechnik
Digitalfernsehen
Active Noise Cancellation (ANC): Zum Beispiel zur Schalltilgung in Automobilen wie dem Honda Legend
Kernspintomographie
Schiffbau und Offshorebauwerke: Belastungen und Bewegungen von Schiffen und Offshore-Plattformen infolge Seegang im Modellversuch, Erzeugung von irregulärem Seegang und Wellenpaketen
seismische Untersuchungen: Erzeugung dreidimensionaler Bilder von Öl- und Gasvorkommen durch Auswertung von Explosions-Echos
Seegangs-Radar: Erfassung des Seegangs aus Wellenechos, Seegangsprognose ähnlich wie Wettervorhersage
Bildverarbeitung: Zum Beispiel Messung drei-dimensionaler Bewegungsabläufe durch Auswertung von Video-Aufnahmen

[Bearbeiten] Vorteile der digitalen Signalverarbeitung gegenüber konventionellen Techniken

Im Gegensatz zu konventionellen Filtersystemen in der Nachrichtentechnik, die einzeln in Hardware realisiert werden müssen, können mit der digitalen Signalverarbeitung beliebige Filter einfach bei Bedarf in "Echtzeit" (z.B. zur Decodierung) mit Hilfe von Software ein- oder ausgeschaltet werden.

Dabei können je nach Leistungsfähigkeit des Systems beliebig viele Filter und aufwendige Filterkurven und sogar Phasenverschiebungen in Abhängigkeit von weiteren Parametern in "Echtzeit" erzeugt und so das Ursprungsignal bearbeitet werden.

Deshalb ist mit der digitalen Signalverarbeitung durch DSPs eine wesentlich wirkungsvollere Signalbearbeitung als mit konventionellen Filtersystemen (z.B. bei der Rauschunterdrückung analoger Signale) möglich.

[Bearbeiten] Anwendung

die digitale Signalverarbeitung wird in folgenden Bereichen verwendet:

Nachrichtentechnik
Messtechnik
Digitaler Signalprozessor oder auch DSP genannt

[Bearbeiten] Weblinks

Wikibooks: Digitale Signalverarbeitung – Lern- und Lehrmaterialien

The Scientist and Engineer's Guide to Digital Signal Processing - Online-Buch (englisch) für praktische Anwendung mit einem Minimum an mathematischem Ballast.
Artikel "Digitale Signalverarbeitung" auf mikrocontroller.net - kurze, praxisbezogene Übersicht über die Verfahren der digitalen Signalverarbeitung
PDF-Bücher (englisch) - Bücher über Digitale Signalverarbeitung und Elektronik

Von „http://de.wikipedia.org../../../d/i/g/Digitale_Signalverarbeitung_84fa.html“

Kategorie: Digitale Signalverarbeitung