Einführung in die digitale Signalverarbeitung Teil 6/8
Aus ELVjournal
01/2008
0 Kommentare
Gemeinhin
gilt: „Von nichts kommt nichts.“ Bei einer bestimmten Erweiterung von
diskreten Signalfolgen
im Zeit- und Frequenzbereich durch Nullwerte ist das anders. Wenn wir
Letztere zwischen vorhandene
Abtastwerte der Zeitsignalfolge oder in der Mitte der
Frequenzsignalfolge einfügen, führt das zu interpolierten Werten in den
korrespondierenden Folgen im jeweils anderen Bildbereich. Mit diesem
„Zero Padding“ genannten Verfahren zur Auflösungsverbesserung
beschäftigen wir in uns in Teil 6 unserer Artikelserie.Rückblick
Es
wurde bereits gesagt, dass die diskrete Fouriertransformation eine
gewisse Anzahl von Zeitwerten in ebenso viele Spektralwerte überführt.
Bei der Wahl von N als der Anzahl von Abtastwerten sollte die Messdauer N
• Ts mindestens gleich lang wie die Signaldauer sein, um dieses
vollständig zu erfassen. Wenn wir N dann noch als Zweierpotenz (2, 4, 8,
16 ..., 1024 ...) wählen, ist das Verfahren der schnellen
Fouriertransformation (Fast Fourier Transform: FFT) anwendbar. Weil die
spektrale Auflösung umgekehrt proportional zur Anzahl der Abtastwerte
ist (siehe Gleichung [87]), sollte N möglichst groß sein. Das kann durch
eine häufigere Abtastung des zeitkontinuierlichen Signals geschehen
oder durch das Anhängen von Nullen an die verfügbare Folge von
Abtastwerten. Letzteres wird als Time Domain Zero Padding (TDZP)
bezeichnet und bewirkt die Interpolation zusätzlicher Spektralwerte.
Umgekehrt führt das Einfügen von Nullen (Frequency Domain Zero Padding:
FDZP) in der Mitte der Spektralfolge zu interpolierten Zeitfolgenwerten.Time Domain Zero Padding
Schauen
wir uns die Wirkung des Anhängens von Nullen an eine Signalfolge im
Zeitbereich einmal genauer an. Im Englischen wird das als Time Domain
Zero Padding (TDZP) bezeichnet, was in der Übersetzung so viel heißt
wie: Auffüllen mit Nullen im Zeitbereich. Die aufgefüllte Folge wird
dann der DFT unterworfen, d. h., in den Frequenzbereich transformiert.
Da die Zahl der Spektrallinien immer gleich der Anzahl der
transformierten Zeitfolgenwerte ist, erwarten wir also ein feiner
gerastertes Linienspektrum, d. h. die spektrale Auflösung muss steigen.
|
Bild
53: Das Erweitern der Zeitsignalfolge durch Anhängen von Nullen (hier
8) führt im Frequenzbereich zu interpolierten Spektralwerten. |
Abbildung
53 bestätigt das. Hier wurden an das Zeitsignal aus Abbildung 52 8
Nullen angehängt, so dass die Folge nun 16 Werte lang ist: x(n) = (6, 7,
5, 3, 1, –1, –2, –3, 0, 0, 0, 0, 0, 0, 0, 0). Bei genauer Betrachtung
des roten Betragsspektrums in Abbildung 53 fällt auf, dass die
Spektralwerte des nicht mit Nullen aufgefüllten Zeitsignals wieder
auftreten, aber jeweils gefolgt von einem neuen, interpolierten Wert.
|
Bild
54: Zwei angehängte Nullen pro Original-Zeitfolgenwert führen zu zwei
interpolierten Werten zwischen den Werten der Original-Spektralfolge. |
Wir
prüfen das an der gleichen Zeitfolge nach, der wir jetzt 16 Nullen
anhängen (Abbildung 54). Tatsächlich sind jetzt zwei neue Werte zwischen
die Spektralwerte der „ungepaddeten“ Zeitfolge interpoliert worden.
|
Bild 55: Zero Padding im Zeitbereich mit 8 Signalwerten und 32 bzw. 56 Nullwerten. |
Ein
dritter Versuch mit 32 bzw. 56 angehängten Nullen demonstriert die
gestiegene Frequenz auflösung ganz augenscheinlich (Abbildung 55). Jetzt
wurden 4 bzw. 7 neue Werte zwischen die Spektrallinien der
Original-Ausgangszeitfolgen eingefügt. Die spektrale Auflösung hat sich
vervier- bzw. versiebenfacht, allerdings ohne einen echten Zuwachs an
Informationsgehalt, denn die interpolierten Zwischenwerte rühren ja
nicht von einem feiner abgetasteten Zeitsignal her, sondern werden vom
Zero Padding verursacht.Frequency Domain Zero Padding

|
Bild
56: Zero Padding im Frequenzbereich erfolgt durch Einfügen einer Folge
von Nullwerten in der Mitte der Original-Spektralfolge. Die Wirkung ist
das Einschachteln von interpolierten Werten zwischen die Werte der
Original-Zeitfolge. |
Entsprechendes
können wir beobachten, wenn wir Nullen in der Mitte der Spektralfolge
einfügen (FDZP: Frequency Domain Zero Padding). Hier wird – mit 8 Nullen
– jeweils ein Wert zwischen den Original-Zeitfolgenwerten interpoliert
(Abbildung 56), bei 16 Nullen zwei Werte usw. Man sieht, dass das
Ergebnis der inversen DFT (IDFT) wieder die reellen Werte der
Original-Zeitfolge erzeugt, aber zwischen ihnen komplexe Werte
hinzufügt.
|
Bild 57: Zereo Padding im Frequenzbereich (FDZP) zum Nachvollziehen |
Die
gleiche Frequenzfolge mit 24 eingefügten Nullen führt zu den
Zahlenwerten von Abbildung 57. Hier sind jeweils drei interpolierte
Werte zwischen die Folgenwerte der Original-Zeitfolge verschachtelt. In
der Praxis tritt der Zero-Padding-Effekt immer dann auf, wenn mit einer
festen Anzahl von Werten transformiert wird und die Signalfolge den
Transformationsrahmen („frame“ oder „record“, man kann auch
Analysefenster dazu sagen) nicht ausfüllt, also kürzer ist.Den
Zusammenhang zwischen Frequenzauflösung Δ, Frame- Länge T0 und
Samplingfrequenz fs = 1/Ts zeigt Gleichung 89. Durch das Zero Padding
verkleinern sich die Amplituden der transformierten Folgewerte, weil ja
die Signalenergie auf mehr Transformationsfolgewerte verteilt wird. Bei
Einfügen gleich vieler Nullen wie Signalfolgenwerte halbieren sich die
Amplituden der Transformationsfolge, bei doppelt so vielen Nullen gehen
sie auf ein Drittel zurück usw. In unseren Beispielen wurde deshalb mit
einem entsprechenden Faktor multipliziert, um die Originalwerte
einfacher in der interpolierten Folge wiederzufinden. 
|
Bild
58: Im Allgemeinen ist das Spektrum einer Zeitfolge durch einen Real-
und einen Imaginärteil oder seinen Betrag und seine Phase
gekennzeichnet. Das wird hier am Beispiel eines Rechtecks gezeigt. |
Ein
weiteres Beispiel zeigt Abbildung 58. Hier wurde ein
64-Punkt-Rechteck-Zeitsignal aus 8 Eins-Werten und 56 Null-Werten der
DFT unterworfen. Es ergibt sich im Frequenzbereich der charakteristische
sin(x)/x-Verlauf, wegen der Betragsbildung mit hochgeklappten negativen
Anteilen.
|
Bild 59: Die DFT eines Dreiecks |
Eine
Dreiecksfolge im Zeitbereich und im Frequenzbereich, deren Betrag,
Real- und Imaginärteil sowie Phase zeigt Abbildung 59. Bezogen auf die
Mitte des Spektralfensters ist der Realteil des Spektrums Re{X(iω)}
gerade, der Imaginärteil Im{X(iω)} und die Phase sind dagegen ungerade.Diskrete Faltung mit Hilfe der DFT
Gleichung
83 definierte die Faltung zweier Zeitsignalfolgen. Eine war das
Eingangssignal und die andere die Impulsantwort eines LTI-Systems. Das
Faltungsergebnis ist das Ausgangssignal als Systemantwort auf das
Eingangssignal. Man kann das Ausgangssignal aber auch ohne Berechnung
der Faltungssumme bestimmen. Dazu werden die endlichen Zeitfolgen, die
x(n) mit der Länge N1 und h(n) mit der Länge N2 repräsentieren, mit so
vielen Nullen aufgefüllt, dass ihre Länge N ≥ N1 + N2 – 1 ist. Dann
werden die Folgen der DFT unterworfen, miteinander multipliziert und das
Produkt wird mit Hilfe der IDFT (inversen DFT) wieder in den
Zeitbereich zurücktransformiert. Wir haben damit die Faltung als
Operation im Zeitbereich über eine Multiplikation im Frequenzbereich
ausgeführt.
|
Bild
60: Man kann zwei Zeitfolgen auch falten, indem man ihre diskreten
Fouriertransformierten miteinander multipliziert und das Produkt wieder
in den Zeitbereich zurücktransformiert (Convolution by DFT). |
Abbildung
60 fasst die Alternativen zusammen. Auf der linken Hälfte werden x(n)
und h(n) zum Ausgangssignal gefaltet. Auf der rechten Seite werden die
zugehörigen, per DFT ermittelten Spektren X(k) und H(k) miteinander
multipliziert und über die inverse DFT zur Ausgangsfolge des Systems im
Zeitbereich transformiert. Auf den ersten Blick scheint der Weg über den
Frequenzbereich aufwändiger. Aber bei langen Eingangsfolgen x(n) dauert
die Berechnung der Faltungssumme sehr lang. Mit den Methoden der
schnellen Fouriertransformation (FFT: Fast Fourier Transform) und einer
Segmentierung der EingangsEingangsfolge können beträchtliche
Geschwindigkeitsgewinne erzielt werden. Dazu werden die Faltungen der
Teilfolgen mit der Impulsantwort durch Multiplikation ihrer Spektren
berechnet und nach der Rücktransformation in den Zeitbereich wieder
zusammengefügt. Bekannte Vertreter dieser segmentweisen Faltung (block
convolution) sind die Overlap-add- und die Overlapsave- Methode, auf die
wir hier aber nicht näher eingehen wollen. In Teil 7 unserer Serie
beschäftigen wir uns mit der „schnellen Fouriertransformation“ (FFT:
Fast Fourier Transform), einem der wichtigsten Verfahren zur Analyse von
Funktionen und Signalen in der digitalen Signalverarbeitung. Mit dem
Einstieg in die z-Transformation schaffen wir uns dann das mathematische
Rüstzeug, um Abtastsysteme effizient zu beschreiben.Fachbeitrag als PDF-Download herunterladen
Inhalt
Sie erhalten den Artikel in 1 Version:
als PDF (5 Seiten)
Sie erhalten folgende Artikel:
- Einführung in die digitale Signalverarbeitung Teil 6/8
weitere Fachbeiträge | Foren | |
Hinterlassen Sie einen Kommentar: