Digitale Signalverarbeitung
aus Wikipedia, der freien Enzyklopädie
 |
Dieser Artikel oder Abschnitt bedarf einer Überarbeitung. Näheres ist auf der Diskussionsseite angegeben. Hilf bitte mit, ihn zu verbessern, und entferne anschließend diese Markierung. |
Die digitale Signalverarbeitung ist ein Teilgebiet der Nachrichtentechnik und beschäftigt sich mit der Verarbeitung digitaler Signale mit Hilfe digitaler Systeme. Im engeren Sinn liegt ihr Schwerpunkt in der Speicherung, Übermittlung und Transformation von Information im Sinne der Informationstheorie in Form von digitalen, zeitdiskreten Signalen.
Die digitale Signalverarbeitung besteht aus elektronischen Bauelementen, wie beispielsweise digitalen Signalprozessoren (DSP) oder leistungsfähigen Mikroprozessoren, entsprechenden Speicherelementen und Schnittstellen zur Signaleingabe und -ausgabe. Die Algorithmen zur Signalverarbeitung können bei einer programmiererbaren Hardware durch zusätzliche Software ergänzt werden, welche den Signalfluss steuert. Die digitale Signalverarbeitung bietet Möglichkeiten und Verarbeitungsmöglichkeiten welche in analoger Schaltungstechnik nicht realisierbar sind.
Die Methoden der digitalen Signalverarbeitung stehen der Mathematik, wie beispielsweise den Teilgebieten der Zahlentheorie oder der Codierungstheorie viel näher als der klassischen Elektrotechnik. Ausgangspunkt war die Erfindung der schnellen Fourier-Transformation im Jahr 1965 und die im selben Zeitraum verfügbaren praktischen Möglichkeiten der digitalen Schaltungstechnik.
[Bearbeiten] Überblick
Die Verarbeitung des Signals ist immer gleich: Analog → Digital → Analog. Die Feinheiten liegen stets im Digitalbereich! Am Beispiel CD wird die Vorgehensweise erklärt:
- Die Wechselspannung des Mikrofons (ein analoges Signal) wird 44100-mal pro Sekunde gemessen ("abgetastet" oder "gesampled"), die Messwerte werden gespeichert. Der Analog-Digital-Umsetzer muss so eingestellt werden, dass alle Messwerte zwischen -32700 und +32700 liegen. Man spricht dann von 16-bit-Genauigkeit. Dieser Zahlenbereich bestimmt den Dynamikumfang der Musik. Genaugenommen wird bei diesem Vorgang die Signalqualität sogar geringfügig verschlechtert, weil die Spannungsänderung des Mikrofons nicht mehr wie ursprünglich stetig und stufenlos ist, sondern in 65400 einzelne Abstufungen unterteilt wird.
- Wird keine Signalbearbeitung vorgenommen, genügt es, alle Messwerte der Reihe nach zu speichern. Der Platzbedarf für ein vier Minuten langes Stereo-Musikstück ist enorm: 4*60*44100*2*2=42.336.000 Byte! Auf eine Standard-CD passen etwa 14 Musikstücke, weil auch noch Steuerzeichen gespeichert werden müssen, damit sich das Lesegerät später auf der CD zurechtfindet. Hier kommen die ersten gravierenden Vorteile gegenüber analogen Speichern wie Tonband zum Tragen: Die gespeicherten Messwerte ändern sich auch nach Jahren nicht, es gibt kein "Übersprechen" von einer Spur zur anderen, es gehen keine hohen Frequenzen verloren. Auch bei beliebig häufigem Abspielen der CD werden die Daten nicht verändert wie bei einer Schallplatte: Dort "schleift" die Nadel des Tonabnehmers bei jeder Wiedergabe ein wenig Material weg und glättet die Kanten mit der Folge, dass die hohen Frequenzanteile geändert werden.
- Beim Abspielen der CD werden die gespeicherten Messwerte der Reihe nach gelesen und über den Digital-Analog-Umsetzer wieder in eine Treppenlandschaft zurückverwandelt, die geglättet und verstärkt aus dem Lautsprecher kommt und wie Musik klingt. Die Treppenstufen erzeugen einen Pfeifton von 44,1 kHz, der weit über der Hörgrenze von etwa 18 kHz liegt und nicht wahrgenommen wird.
- Sollen mehr Musikdateien auf die CD passen, muss jede zu einer erheblich kürzeren MP3-Datei komprimiert werden. Diese Aufgabe kann die Analogtechnik prinzipiell nicht leisten! Das kann nur die digitale Datenverarbeitung, die bei der Umwandlung der Datei nur solche Audiosignale speichert, die für den Menschen bewusst hörbar sind und nicht durch einen erheblich lauteren Ton überdeckt werden. Dadurch wird die Audioqualität zwar gering beeinträchtigt, für Hintergrundberieselung reicht es allemal.
[Bearbeiten] Aufbau eines digitalen Signalverarbeitungs-Systems
Das Schaubild zeigt den typischen Aufbau eines Signalverarbeitungs-Systems, das immer auch analoge Komponenten an der Schnittstelle zur "Außenwelt" besitzt. 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 digitales Signal ist, im Gegensatz zu den kontinuierlichen Funktionen der analogen Signalverarbeitung, diskret in Zeit- und Wertebereich, also eine Folge von Elementarsignalen (z. B. Rechteckimpuls). 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=(sα,…,sω) 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 sk eines Rasterbildes enthält. Dabei ist die einzelne Spalte wieder ein Signal, das 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 
eingebettet, ein abstraktes Signal ist also durch ein Paar (δ, s), δ>0, 
, 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 ist eine doppelt unendliche Folge s:ℤ→V, k↦sk. Die definierende Eigenschaft für den Folgenraum ist, dass die sog. Energie des Signals endlich ist, das heißt
[Bearbeiten] Methoden: Transformation von Signalen
Die Bearbeitung digitaler Signale erfolgt durch Signalprozessoren.
Das theoretische Modell der elektronischen Schaltung ist der Algorithmus. In der digitalen Signalverarbeitung werden Algorithmen wie Mischer, Filter, Diskrete Fourier-Transformation, Diskrete Wavelet-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, das eine beschränkte Vergangenheit speichert, und einer Verknüpfung f, die 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 
eines zeitdiskreten Eingangssignals (δ, a) im Umgebungsspeicher. Aus diesen wird mittels der die Schaltung verkörpernden Funktion f der Wert bn zum Zeitpunkt nδ des Ausgangssignals (δ, b)=F(δ, a) bestimmt,
- bn = f(an-d, …, an, …, an+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(ak-d, …, ak, …, ak+d) = max{ak-d, …, ak} erzeugt ein System, das das Signal glättet,
- f(ak-1, ak, ak+1) = ak-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.
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={fk}:=F(δ0) oder im Frequenzbereich mittels seiner Übertragungsfunktion (engl.: RAOs = Response Amplitude Operator) 
, analysiert und realisiert werden. Die Impulsantwort eines Faltungsfilters F(a)=f*a ist gerade F(δ0)=f. Man kann LTI-Systeme konstruieren, die 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, der 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:
spezielle Filter:
- dezimierendes Bandpassfilter
- 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 wider
- 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
- QMF (Quadrature Mirror Filter)
[Bearbeiten] Anwendungen
Beispielhafte Anwendungsbereiche der digitalen Signalverarbeitung sind:
- Unterhaltungselektronik: DVD-Player, MP3-Player, Digitales Fernsehen, Digitales Radio, Videotechnik, Tontechnik
- Telekommunikation: Mobiltelefon, DSL, ISDN, Voice over IP, Modem, Wireless LAN, Bluetooth, Satellitenkommunikation,
- Medizintechnik: Magnetresonanztomographie, Positronen-Emissions-Tomographie, Computertomographie, Optische Kohärenztomografie, Sonografie
- Automobilbereich: ABS, EPS, Kollisionsvermeidung, Aktive Geräuschreduzierung, Motorlaufkontrolle, Parkhilfe, Navigationshilfe, Sprachsteuerung, Airbag, GPS
- Industrie: Motorkontrolle, Robotik, Computersehen, Servokontrollsysteme, Barcode-Lesegerät, Meßtechnik
- Militär und Forschung: Sonar- und Radarsysteme, Seismische Analyse, Raketen Leitsysteme, Flugzeug Steuer- und Kontrollsystem, Kernspinresonanzspektroskopie
[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] Literatur
- Alan V. Oppenheim: Zeitdiskrete Signalverarbeitung. 3 Auflage. R. Oldenbourg, 1999, ISBN 3-486-24145-1.
- Steven W. Smith: Digital Signal Processing. 2 Auflage. California Technical Publishing, San Diego 1999, ISBN 0-9660176-7-6 (E-Book).
[Bearbeiten] Weblinks
