Creation of Predefined ACF Properties

From LNTwww
< Theory of Stochastic Signals
Revision as of 10:46, 9 July 2020 by Javier (talk | contribs) (Text replacement - "[[Stochastische_Signaltheorie/" to "[[Theory_of_Stochastic_Signals/")

AKF am Ausgang eines nichtrekursiven Filters


Wir betrachten ein  nichtrekursives Laufzeitfilter  $M$–ter Ordnung  gemäß der folgenden Grafik.

Nichtrekursives Filter $M$-ter Ordnung

Die zeitdiskrete Eingangsgröße  $〈\hspace{0.05cm}x_ν\hspace{0.05cm}〉$  ist

  • mittelwertfrei  $(m_x = 0)$,
  • gaußverteilt  (mit  Streuung  $σ_x)$,  und
  • ohne Gedächtnis („Weißes Rauschen”)   ⇒   statistisch unabhängige Abtastwerte.


Daraus ergeben sich folgende Eigenschaften:

  • Die zeitdiskrete Autokorrelationsfunktion (AKF) am Eingang lautet:
$$\varphi _x ( {k \cdot T_{\rm A} } ) = \left\{ {\begin{array}{*{20}c} {\sigma _x ^2 } & {\rm{f\ddot{u}r}\quad {\it k} = 0,} \\ 0 & {\rm{f\ddot{u}r}\quad {\it k} \ne 0.} \\\end{array}} \right.$$
  • Die AKF der zeitdiskreten Ausgangsfolge  $〈\hspace{0.05cm}y_ν\hspace{0.05cm}〉$  ist wie folgt gegeben:
$$\varphi _y ( {k \cdot T_{\rm A} } ) = \sigma _x ^2 \cdot \sum\limits_{\mu = 0}^{M - k} {a_\mu \cdot a_{\mu + k } } \quad {\rm{f\ddot{u}r}}\quad {\it k} = 0, 1,\,\text{...}\,,\,{\it M}.$$
  • Alle AKF–Werte mit  $k > M$  sind Null, und alle AKF–Werte mit  $k < M$  sind symmetrisch zu  $k = 0$:
$$\varphi _y ( { - k \cdot T_{\rm A} } ) = \varphi _y ( {k \cdot T_{\rm A} } ).$$

$\text{Beispiel 1:}$  Liegt am Eingang eines nichtrekursiven Filters erster Ordnung  $($Filterkoeffizienten  $a_0 = 0.6$,  $a_1 = 0.8)$  zeitdiskretes weißes Rauschen mit der Streuung  $σ_x = 2$  an, so lauten die diskreten AKF-Werte des Ausgangssignals (alle anderen AKF-Werte sind Null):

AKF am Ausgang eines Filters erster Ordnung
$$\varphi _y (0) = \sigma _x ^2 \cdot ( {a_0 ^2 + a_1 ^2 }) = 4,$$
$$\varphi _y ( { - T_{\rm A} } ) = \varphi _y ( {T_{\rm A} } ) = \sigma _x ^2 \cdot a_0 \cdot a_1 = 1.92.$$

Die Grafik kann wie folgt interpretiert werden:

  • Wegen  $a_0^2 + a_1^2 = 1$  besitzt das Ausgangssignal  $y(t)$  genau die gleiche Varianz  $σ_y^2 = φ_y(0) = 0.4$  wie das Eingangssignal:   $σ_x^2 = φ_x(0)$.
  • Im Gegensatz zur Eingangsfolge  $〈\hspace{0.05cm}x_ν\hspace{0.05cm}〉$  gibt es bei der Ausgangsfolge  $〈\hspace{0.05cm}y_ν\hspace{0.05cm}〉$  statistische Bindungen zwischen benachbarten Abtastwerten.


Zur Koeffizientenbestimmung


Nun soll folgende Frage beantwortet werden:   Wie können die Koeffizienten  $a_0$, ... , $a_M$  eines nichtrekursiven Filters  $M$–ter Ordnung ermittelt werden,

  • wenn die gewünschten AKF-Werte  $φ_y(0)$, ... , $φ_y(M · T_{\rm A})$  gegeben sind, und
  • außerhalb des Bereiches von  $-M · T_{\rm A}$  bis  $+M · T_{\rm A}$  alle AKF-Werte Null sein sollen.


Für  $σ_x = 1$  ergibt sich das folgende nichtlineare Gleichungssystem, wobei zur Vereinfachung der Schreibweise  $φ_k = φ_y(k · T_{\rm A})$  verwendet wird:

$$\begin{align*}\varphi _0 & = \sum\limits_{\mu = 0}^M {a_\mu^2 ,}\\ \varphi _1 & = \sum\limits_{\mu = 0}^{M - 1} {a_\mu \cdot a_{\mu + 1} ,} \\ & ... &\\ \varphi _{M - 1} & = a_0 \cdot a_{M - 1} + a_1 \cdot a_M , \\ \varphi _M & = a_0 \cdot a_M .\end{align*}$$

$\text{Fazit:}$ 

  • Man erhält somit für die  $M + 1$  Koeffizienten auch  $M + 1$  unabhängige Gleichungen.
  • Durch sukzessives Eliminieren der Koeffizienten  $a_1$, ... , $a_M$  bleibt für  $a_0$  schließlich eine nichtlineare Gleichung höherer Ordnung übrig.


$\text{Beispiel 2:}$  Wir betrachten die folgende Konstellation:

  • ein rekursives Filter erster Ordnung   ⇒   $M = 1$,
  • eine zeitdiskrete Eingangsfolge  $〈\hspace{0.05cm}x_ν\hspace{0.05cm}〉$  mit Mittelwert  $m_x =$ 0   und  Streuung  $σ_x = 1$,
  • gewünschte AKF-Werte der Folge  $〈\hspace{0.05cm}y_ν\hspace{0.05cm}〉$:   $ φ_y(0) = φ_0 =0.58$  und  $φ_y(±T_{\rm A}) = φ_1 = 0.21$.


Damit lautet das obige Gleichungssystem:

$$\varphi _0 = a_0 ^2 + a_1 ^2 = 0.58,$$
$$\varphi _1 = a_0 \cdot a_1 = 0.21.$$

Dies führt zu einer Gleichung vom Grad  $4$, nämlich

$$a_0 ^2 + \left( { { {0.21} }/{ {a_0 } } } \right)^2 = 0.58\quad \Rightarrow \quad a_0 ^4 - 0.58 \cdot a_0 ^2 + 0.21^2 = 0.$$

Eine Lösung stellt  $a_0 = 0.7$  dar.  Durch Einsetzen in die zweite Gleichung findet man  $a_1 = 0.3$.


Man erkennt aus diesem Beispiel, dass sich schon im einfachsten Fall   ⇒   $M = 1$  für  $a_0$  eine nichtlineare Bestimmungsgleichung vom Grad  $4$  ergibt.

Mehrdeutigkeiten bei der Koeffizientenbestimmung


Wie das letzte Beispiel gezeigt hat, ist mit  $M = 1$  die Bestimmungsgleichung für  $a_0$  vom Grad  $4$.  Dies bedeutet gleichzeitig, dass es auch vier Koeffizientensätze gibt, die alle zur gleichen AKF führen.

Dies ist aus folgenden Gründen einsichtig:

  • Die Koeffizienten  $a_0$  und  $a_1$  können gleichzeitig ihr Vorzeichen ändern, ohne dass dadurch das Gleichungssystem verändert wird.
  • Ersetzt man  $a_0$  durch  $a_1$  und umgekehrt, so ergibt sich die selbe Bestimmungsgleichung.
  • Diese Operation entspricht einer Spiegelung und Verschiebung der Impulsantwort.


$\text{Beispiel 3:}$  Wie im  letzten Abschnitt  gezeigt wurde, ist der Parametersatz  $a_0 = 0.7$,  $a_1 = 0.3$  geeignet, die AKF-Werte  $φ_0 = 0.58$  und  $φ_1 = 0.21$  zu generieren. Die gewünschte AKF der Ausgangsfolge lautet dann in ausführlicher Schreibweise:

Beispiel zur AKF-Berechnung
$$\varphi_y(\tau) = 0.58 \cdot \delta(\tau) + 0.21 \cdot \delta(\tau - T_{\rm A}) + 0.21 \cdot \delta(\tau + T_{\rm A}) .$$

Zur gleichen AKF kommt man auch mit den Koeffizienten

  • $a_0 = - 0.7,\quad a_1 = -0.3,$
  • $a_0 = +0.3,\quad a_1 = +0.7,$
  • $a_0 = - 0.3,\quad a_1 = -0.7.$


Diese Konfigurationen ergeben sich durch

  • gleichzeitiges Multiplizieren aller Koeffizienten mit  $-1$,  sowie
  • Vertauschen der Zahlenwerte von  $a_0$  und  $a_1$.


Die Grafik zeigt die jeweiligen Impulsantworten, die zur gewünschten AKF führen.

Aufgaben zum Kapitel


Aufgabe 5.5: AKF-äquivalente Filter

Aufgabe 5.5Z: AKF nach Filter 1. Ordnung

Aufgabe 5.6: Filterdimensionierung

Aufgabe 5.6Z: Nochmals FIlterdimensionierung