Systemtheorie II – SS 05
Prof. Dr.-Ing. habil. Hoffmann, TU Dresden Mitschrift
Fabian Kurz http://fkurz.net/
Zuletzt aktualisiert:
16. Juli 2005
Inhaltsverzeichnis
5.4 Systembeschreibung im Bildbereich . . . . 1
5.4.1 L¨ osung der Zustandsgleichungen . . . . 1
5.4.2 Ubertragungsfunktion . . . . ¨ 2
5.4.3 Verallgemeinerte symbolische Methode . . . . 3
5.4.4 Station¨ arer und fl¨ uchtiger Vorgang . . . . 5
5.4.5 Frequenzcharakteristiken . . . . 7
5.5 Systemeigenschaften und Klassifizierung . . . . 8
5.5.1 Stabilit¨ at . . . . 8
5.5.2 Stabilit¨ atskriterien . . . . 8
5.5.3 Allpass und Mindestphasensystem . . . . 10
Teil 3: Zeitdiskrete Systeme 12 6 Zeitdiskrete Signale und Systeme . . . . 12
6.1 Signalbeschreibung im Zeitbereich . . . . 12
6.1.1 Zeitdiskrete Signale . . . . 12
6.1.2 Spezielle Signale . . . . 12
6.2 Statische zeitdiskrete Systeme . . . . 14
6.2.1 Elementarsysteme . . . . 14
6.2.2 Alphabetabbildung . . . . 14
6.3 Dynamische zeitdiskrete Systeme . . . . 15
6.3.1 Zustandsbeschreibung . . . . 15
6.3.2 Lineares zeitdiskretes System 1. Ordnung . . . . 16
6.3.3 Nichtlineares zeitdiskretes System 1. Ordnung . . . . 17
7 Lineare zeitdiskrete Systeme . . . . 19
7.1 Signalbeschreibung im Bildbereich . . . . 19
7.1.1 Z-Transformation . . . . 19
7.1.2 Rechenregeln der z-Transformation . . . . 20
7.1.3 Inverse z-Transformation . . . . 22
7.1.4 c) Residuenmethode . . . . 22
7.2 Systembeschreibung im Zeitbereich . . . . 23
7.2.1 Zustandsgleichungen . . . . 23
7.2.2 Differenzengleichung und Realisierung . . . . 24
7.3 Systembeschreibung im Bildbereich . . . . 25
7.3.1 L¨ osung der Zustandsgleichungen . . . . 25
7.3.2 Ubertragungsfunktion (l=m=1) ¨ . . . . 26
7.3.3 Fl¨ uchtiger und station¨ arer Vorgang . . . . 28
7.3.4 Frequenzcharakteristiken . . . . 29
7.4 Systemeigenschaften und Klassifizierung . . . . 31
7.4.1 Stabilit¨ at . . . . 31
7.5 Allpass und Mindestphasensystem . . . . 32
7.5.1 Rekursion und nicht-rekursive Systeme . . . . 34
7.5.2 Linearphasige Systeme . . . . 35
7.6 Zusammenh¨ ange zwischen zeitkontinuierlichen und zeitdiskreten Systemen 36
7.6.1 Zeitbereich . . . . 36
7.6.2 Bildbereich (lineare Systeme) . . . . 36
5.4 Systembeschreibung im Bildbereich
5.4.1 L¨ osung der Zustandsgleichungen Gleichungen aus 5.3.1:
˙
z(t) = A · z(t) + B · x(t)
y(t) = C · z(t) + D · x(t) Zustandsgleichungen eines linearen Systems L-Transformation der ersten Gleichung: L{z(t)} = Z(s), L{x(t)} = X(s),
Anfangszustand z(0) = z(+0).
s · Z(s) − z(0) = A · Z (s) + B · X(s) s · Z(s) − A · Z(s) = B · X(s) + z(0)
(s · E − A) · Z(s) = z(0) + B · X(s)
⇒ Z(s) = (s · E − A)
−1| {z } Φ(s)
·z(0) + (s · E − A)
−1· B · X(s) Φ(s): Fundamentalmatrix im Bildbereich
L-Transformation der zweiten Gleichung mit L{y(t)} = Y (s):
Y (s) = C · Z(s) + D · X(s) Z (s) einsetzen:
Y (s) = C · Φ(s) · z(0) +
C · (S · E − A)
−1· B + D
| {z }
G(s)
·X(s)
G(s): Ubertragungsmatrix ¨
Y (s) = C · Φ(s) · z(0) + G(s) · X(s) Input-Output-Gleichung im Bildbereich Inverse Laplace-Transformation:
y(t) = C · ϕ(t) · z(0) +
t
Z
0
g(t − τ ) · x(τ ) dτ Input-Output-Gleichung im Zeitbereich
| {z }
freie Ausgabe
| {z }
erzwungene Ausgabe
ϕ(t): Fundamentalmatrix im Zeitbereich g(t): Gewichtsmatrix
Hierbei gilt:
1. ϕ(t) = L
−1{Φ(s)} = e
At(Exponentialmatrix) Beweis: Es ist zu zeigen, daß L{e
At} = (s · E − A)
−1.
ϕ(t) = e
At= E + A · t
1! + A
2· t
22! + A
3· t
33! + · · · insbes: ϕ(0) = 0
˙
ϕ(t) = A + A
2· t + A
3· t
22! + · · · = A ·
E + A
1! + A
2· t
22! + · · ·
= A · ϕ(t)
s · Φ(s) − ϕ(0)
| {z }
E
= A · Φ(s) ⇒ (s · E − A) · Φ(s) = E ⇒ Φ(s) = (s · E − A)
−12. g(t) = L
−1{G(s)} = L
−1{C · Φ(s) · B + D} = C · ϕ(t) · B + D · δ(t)
Wichtiger Sonderfall: System im Nullzustand, z(0) = 0, l = m = 1 → nur ein Ein- und Ausgang.
x(t)
X(s)
a aY (s)
g(t) y(t) z(0) = 0
Y (s) = G(s) · X(s) y(t) =
t
Z
0
g(t − τ )x(τ ) dτ
G(s): ¨ Ubertragungsfunktion g(t): Gewichtsfunktion
Veranschaulichung:
- 6
6
t δ(t)
δ(t)
a ag(t)
g(t) z(0) = 0
- 6
t g(t)
Y (s) = G(s) · X(s) = G(s) · L{δ(t)} = 1, y(t) = g(t)
Folgerung: Die Gewichtsfunktion g ist die Reaktion des Systems auf das Impulssignal δ(t) und heißt deshalb auch Impulsantwort.
Ist die Reaktion des Systems auf das Impulssignal bekannt, d.h. ist g(t) gegeben, kann die Reaktion des Systems auf ein beliebiges Eingangssignal x(t) berechnet werden:
y(t) = (g ∗ x)(t) 5.4.2 Ubertragungsfunktion ¨
Es gelte weiterhin: z(0) = 0, l = m = 1.
Ermittlung von G(s)
1. Aus Zustandsgleichungen: G(s) = C · (s · E − A)
−1· B + D.
2. Aus Eingabe und Ausgabe: G(s) = Y (s)
X(s) = L{Wirkung}
L{Ursache}
3. Aus der Differentialgleichung (dem Blockschaltbild aus 5.3.2):
L der Gleichungen (1) bis (n + 1).
z
1(0) = z
2(0) = . . . = z
n(0) = 0
z
1(s), z
2(s), . . . schrittweise durch Einsetzen eliminieren
Abschließend umordnen zu G(s) = Y (s) X(s) :
G(s) = a
ns
−n+ a
n−1s
−(n−1)+ · · · + a
1s
−1+ a
0b
ns
−n+ b
n−1s
−(n−1)+ · · · + b
1s
−1+ 1 (b
0= 1)
Ergebnis:
DGL
//**V
VV VV VV VV VV VV VV VV VV
VV
G(s)
tthhhhhhhhhhhhhhhhhhhhh
kanonische Realisierung (Blockschaltbild)
G(s) = a
ns
−n+ a
n−1s
−(n−1)+ · · · + a
1s
−1+ a
0b
ns
−n+ b
n−1s
−(n−1)+ · · · + b
1s
−1+ 1 = a
n+ a
n−1d + · · · + a
1s
n−1+ a
0s
nb
n+ b
n−1s + · · · + b
1s
n−1+ 1s
n= a
0· (s − s
10)(s − s
20) · · · · · (s − s
n)
(s − s
1)(s − s
2) · · · · · (s − s
n) s
i0: Nullstellen, ◦ s
i: Polstellen, × Darstellung zweckm¨ aßig in Pol-Nullstellen-Plan (PN-Plan)
- 6
Im(s)
Re(s) s-Ebene
×
◦
◦ ×
×
◦ (2)
◦
◦
Pole und Nullstellen reell oder paarweise konjugiert komplex
k¨ onnen auch mehrfach sein
aus PN-Plan k¨ onnen wichtige Systemeigenschaften ab- gelesen werden (z.B. Stabilit¨ at)
5.4.3 Verallgemeinerte symbolische Methode Ziel: Berechnungen von G(s) f¨ ur lineare RLC-Netzwerke Allgemeiner Netzwerkzweig
q q
@
1@
u(t)
-
i(t) R L C u
e(t)
-Voraussetzung: F¨ ur t < 0 sei:
u
e(t) = 0, u
C(0) = 0, i
L(0) = 0.
u(t) = i(t) · R + L · di(t) dt + 1
C ·
t
Z
0
i(τ ) dτ + u
C(t) L-Transformation:
U (s) = I(s) · R + L · (s · I(s) − i
L(0)
| {z }
0
) + 1
C · 1s · I (s) + U
e(s)
=
R + s · L + 1 s · C
| {z } Zweigimpedanz Z (s)
·I (s) + U
e(s)
Symbolischer Netzwerkzweig
q q
@
1@
u(t)
-
i(t)
Z(s)
u
e(t)
-Zuordnungen:
R i(t) −→ I (s) L u(t) −→ U (s) C u
e(t) −→ U
e(s)
Damit gelten Regeln, wie im Gleichstrom- netzwerk:
Spannungsteilerregel
Stromteilerregel
Zweipoltheorie etc.
Beispiel: Ubertragung eines Rechteckimpulses ¨ ¨ uber einen Tiefpass
- 6
0 u
1(t)
u
0t
0t
a a
q q
a a
u
1(t) U
1(s)
?
R R
L sL
C 1
sC
u
2(t) U
2(s)
Nebenbedingung:
2LR2<
LC1(s. weiter unten) 1. Berechnung von U
1(s)
6
-
× × × × × × × × ×
× × ×
−u
0u
0t
0u
1(t) = u
0·
1(t)
| {z }
− u
0· (t − t
0)
| {z }
×
⇒ U
1(s) = U
0s − U
0s · e
−st02. Berechnung von G(s): Spannungsteilerregel
G(s) = U
1(s) U
2(s) =
1 sC
R + sL +
sC1= 1
s
2LC + sRC + 1 3. Berechnung von U
2(s)
U
2(s) = G(s) · U
1(s) = 1
s
2LC + sRC + 1 · U
0s
| {z }
F(s)
− 1
s
2LC + sRC + 1 · U
0s
| {z }
F(s)
·e
−st04. Berechnung von L
−1{F(s)}
F (s) = U
0sLC s
2+ s
RL+
LC1= U
0LC · 1
s · (s − s
1)(s − s
2)
mit s
1/2= −
2LR± q
R2L
−
LC1Abk¨ urzungen:
2LR= σ
0,
q
R 2L−
LC1= ω
0, s
1/2= −σ
0± jω
0L
−1{F(s)} = X
Res F (s) · e
st= X
Res
s=0 s1/2U
0LC · 1
s · (s − s
1)(s − s
2) · e
st= U
0LC
"
1 s
1· s
2+ e
s1ts
1(s
1− s
2) + e
s2ts
2(s
2− s
1)
#
: konj. kompl.
= U
0LC
1 s
1· s
2+ 2 Re
e
s1ts
1(s
1− s
2)
da z + z∗ = 2 Re (z)
= U
01 + 2
LC · Re
e
−σ0t+jω0t(−σ
0+ jω
0) · 2jω
01
s
1s
2= LC
= U
01 − 1 LC · Re
e
−σ0t· e
jω0t(jσ
0+ ω
0) · ω
0= U
0"
1 − e
−σ0tω
0LC · Re e
jω0te
jarctanσ0 ω0
· √
σ
02+ ω
02!#
p σ
02+ ω
02= 1
√ LC
= U
01 − e
−σ0tω
0√
LC · Re
e
jω0t−arctanσ0 ω0
= U
01 − e
−σ0tω
0√
LC · cos
ω
0t − arctan σ
0ω
0t > 0
5. Berechnung von u
2(t) (Verschiebungssatz) u
2(t) = U
01 − e
−σ0tω
0√
LC · cos
ω
0t − arctan σ
0ω
0·
1(t)
− U
01 − e
−σ0tω
0√
LC · cos
ω
0t − arctan σ
0ω
0·
1(t − t
0)
- 6
t
0t
U
0u
2(t)
5.4.4 Station¨ arer und fl¨ uchtiger Vorgang
6
-
X b
x(t)
t x(t)
a ay(t) = ?
g(t), G(s) z(0) = 0
Komplexe Amplituden: X = X b · e
jϕx, X
∗= X b · e
−jϕxx(t) = X b · cos(ω
0t + ϕ
x) ·
1(t) = X b
2 · e
jω0t+jϕx+ e
−jω0t−jϕx= 1
2 X · e
jω0t+ X
∗· e
−jω0tL-Transformation:
X(s) = 1 2
X s − jω
0+ X
∗s + jω
0, Y (s) = G(s) · X(s)
y(t) = X Res
1 2
X
s − jω
0+ X
∗s + jω
0· G(s) · e
st= X
si=Pole vonG(s)
Res[. . .]
| {z }
Fl¨uchtiger Vorganggf l(t)
+ X
s=±jω0
Res[. . .]
| {z }
Station¨arer Vorgangyst(t)
- 6
×
×
×
×
×
×
×
×
Pole vonG(s)
−jω
0jω
0jIm (s)
Re (s)
Fl¨ uchtiger Vorgang: lim
t→∞
y
f t(t) = 0 wegen Re (s
i) < 0
⇒ Stabiles System, vgl. 5.5.1 Station¨ arer Vorgang:
y
st(t) = X
s=jω0
s=−jω0
Res 1
2
X
s − jω
0+ X
∗s + jω
0· G(s) · e
st= 1
2 X · G(jω
0) · e
jω0t+ X
∗· G(−jω
0) · e
−jω0t= 1 2 ·
2 · Re X · G(jω
0) · e
jω0t= Re
X b · e
jϕx· |G(jω
0)| · e
jargG(jω0)· e
jω0t= X b · |G(jω
0)| · cos (ω
0t + ϕ
x+ arg G(jω
0))
Im eingeschwungenen (station¨ aren) Fall erscheint als Systemreaktion
y
st(t) = Y b · cos(ω
0t + ϕ
y) mit Y b = X b · |G(jω
0)| and ϕ
y= ϕ
x+ arg G(jω
0) Anwendung: Wechselstromlehre
Beispiel:
a
a
R
?
u(t)
?
i(t)
L
x(t) ⇔ u(t) = U b · cos(ω
0t + ϕ
u) y(t) ⇔ i(t) = ?
Ansatz: i(t) = I b · cos(ω
0t + ϕ
i) G(s) = I (s)
U (s) = 1
R + sL ⇒ G(jω) = 1 R + jω
0L
|G(jω
0)| = 1
p R
2+ (jω
0L)
2, arg G(jω
0) = − arctan ω
0L R
I b = U b · 1
p R
2+ (jω
0L)
2, ϕ
i= ϕ
u− arctan ω
0L R
Ergebnis: i(t) = U b
p R
2+ (jω
0L)
2· cos
ω
0t + ϕ
u− arctan ω
0L R
5.4.5 Frequenzcharakteristiken Es sei ω
0= ω variabel.
Definitionen:
1. G(jω) heißt komplexer Frequenzgang des linearen Systems. Schreibweise auch G(ω), Be- zeichnung auch Ubertragungsfunktion. Die Darstellung von ¨ G(jω) in der komplexen Ebene heißt Ortskurve.
2. |G(jω)| =
YbXb
= A(ω) heißt Amplitudenfrequenzgang.
3. arg G(jω) = ϕ
y− ϕ
x= ϕ(ω) heißt Phasenfrequenzgang.
4. a(ω) = − log A(ω) heißt D¨ ampfungsmaß in Neper, a(ω) = −20 lg A(ω) heißt D¨ ampfungsmaß in Dezibel, b(ω) = −ϕ(ω) heißt Phasenmaß.
Beispiel:
G(s) = s + 3 s
2+ s + 1
= s + 3
s +
121 + j √ 3
s +
121 − j √ 3
- 6
Im(s)
Re(s)
×
×
◦
−3
◦
@ I
∞
G(jω) = jω + 3
−ω
2+ jω + 1 , |G(jω)| = A(ω) = s
ω
2+ 9
(1 − ω
2)
2+ ω
2, ϕ(ω) = arg G(jω)
- 6
qω=∞ q
ω=0
3 Im G(jω)
Re G(jω)
-
A(ω)
63
ω
-
ϕ(ω)
6−π 2
ω
Einteilung nach A(ω)
-
A(ω)
6ω Tiefpass
- 6Im(s)
Re(s)
×
◦ - ∞
-
A(ω)
6ω Hochpass
- 6Im(s)
Re(s)
× ◦
-
A(ω)
6ω Bandpass
- 6Im(s)
Re(s)
◦ - ∞
×
×
◦
-
A(ω)
6ω Bandsperre
- 6Im(s)
Re(s)
×
×
× - ∞
◦
◦
5.5 Systemeigenschaften und Klassifizierung 5.5.1 Stabilit¨ at
x(t)
az(0) = 0
ay(t)
6
-
−k
2−k
1k
1k
2x y t
Definition: Ein zeitkontinuierliches System heißt stabil, falls
|x(t)| ≤ k
1⇒ |y(t)| ≤ k
2, (t ≥ 0) genauer: BIBO-Stabilit¨ at (bounded input - bounded output).
Voraussetzung
1) |x(t)| beschr¨ ankt ⇒ X(s) hat keine singul¨ aren Stellen mit Re (s) > 0.
2) Y (s) = G(s) · X(s) sei rational in s und verschwinde im Unendlichen Dann gilt: y(t) = L
−1{Y (s)} = P
Res[G(s) · X(s) · e
st] Folgerung
– Das System ist stabil, wenn f¨ ur alle Pole s
ivon G(s) gilt: Re (s
i) < 0
– Das System ist instabil, wenn f¨ ur mindestens einen Pol s
ivon G(s) gilt: Re (s
i) > 0 Aus 5.4.2: G(s) = a
0s
n+ a
1s
n−1+ · · · + a
n−1s + a
ns
n+ b
1s
n−1+ · · · + b
n−1s + b
n← charakteristisches Polynom des Systems Kriterium: Hat das charakteristische Polynom nur Nullstellen mit negativem Realteil, ist das
System stabil. Dann heißt das Polynom
Hurwitz-Polynom.
5.5.2 Stabilit¨ atskriterien a) Hurwitz-Kriterium
Ein reellwertiges Polynom (mit b
i> 0, i = 0, . . . , n)
1f (s) = b
0s
n+ b
1s
n−1+ . . . + b
n−1s + b
nhat genau dann nur Nullstellen mit negativem Realteil, wenn die Abschnittsdeterminanten D
j(j = 1, . . . , n) der folgenden Determinate D positiv sind.
D =
b
1b
3b
5b
7· · · b
0b
2b
4b
6· · · 0 b
1b
3b
5· · · 0 b
0b
2b
4· · · 0 0 b
1b
3· · · 0 0 b
2b
4· · · .. . .. . .. . .. . . ..
D
1= b
1> 0 D
2=
b
1b
3b
0b
2> 0
D
3=
b
1b
3b
5b
0b
2b
40 b
1b
3> 0
1Folgerung: Ein Polynom mit welchselnden Vorzeichen kann keinHurwitz-Polynom sein
Beispiel: Welchen Wert darf v annehmen, so daß das System stabil bleibt?
S S 6
+
n? - -q
R
S S 6
+
n? - -q
R
S S 6
+
n? - -q
R
− 10 −2 −v
n
+
?q q q
x(t)
aa
y(t) Ablesen der ¨ Ubertragungsfunktion nach 5.4.2:
G(s) = 1 · s
−3+ 1 · s
−2+ 1 · s
−1+ 1
10 · s
−3+ 2 · s
−2+ v · s
−1+ 1 = s
3+ s
2+ s
1+ 1 s
3+ v · s
2+ 2 · s
1+ 10
⇒ b
0= 1, b
1= v, b
2= 2, b
3= 10 Abschnittsdeterminaten:
D
1= b
1= v > 0 D
2=
b
1b
3b
0b
2=
v 10 1 2
= 2v − 10 > 0 ⇒ v > 5
D
3=
b
1b
3b
5b
0b
2b
40 b
1b
3=
v 10 0
1 2 3
0 v 10
= 10 · D
2> 0 (erf¨ ullt)
b) Routh-Kriterium
Vermeidet die Auswertung großer Determinanten durch Berechnung eines Koeffizientenschemas.
b
nb
n−2b
n−4· · · b
0oder b
10 b
n−1b
n−3b
n−5· · · b
0oder 0 0
B
1B
2B
3· · · 0 0
C
1C
2C
3· · · 0 0
.. . .. . .. . .. . .. .
K
10 0 · · · 0 0
L
10 0 · · · 0 0
Erste Zeile: T
1= b
nb
n−1, B
1= b
n−2− T
1· b
n−3, B
2= b
n−4− T
1· b
n−5usw.
Zweite Zeile: T
2= b
n−1B
1, C
1= b
n−3− T
2· B
2, C
2= b
n−5− T
2· B
3usw.
Satz: S¨ amtliche Nullstellen des charakteristischen Polynoms haben genau dann negative Re- alteile, wenn gilt:
a) Alle Koeffizienten b
isind positiv
b) S¨ amtliche Koeffizienten B
1, C
1, . . . , K
1, L
1des Routh-Schemas sind positiv Beispiel: (Fortsetzung)
10 v 0
2 1 0
v − 5 0 0 T
1= 5 1 0 0 T
2=
v−52
Stabilit¨ atsbedingung: v − 5 > 0 ⇔ v > 5
c) Ortskurvenkriterium
Gegeben: charakteristisches Polynom des Systems: f(s)
Kriterium: Durchl¨ auft die Ortskurve von f (jω) f¨ ur 0 ≤ ω ≤ ∞ genau n Quadranten im mathematisch positiven Sinn, ist das System stabil (n: Grad von f (s)).
Beispiel: n = 4
6
-
Im(f (jω))
Re(f (jω))
qω = 0
U
ω → ∞
^ stabil instabil
5.5.3 Allpass und Mindestphasensystem
Definition: Ein zeitkontinuierliches System heißt Allpass (AP), wenn |G(jω)| = 1 (ω ∈
R).
Allgemeine Form: G(s) = f (−s) f (s)
⇒ Pole und Nullstellen spiegelbildlich zur imagin¨ aren Achse.
- 6
Im(s) = ω
Re(s) = σ
×
×
◦
◦
× ◦
Beispiel: (¨ ahnlich wie ¨ Ubungsaufgabe 5.19)
u
1(t)
? ?
u
2(t)
aa
a a
@
@
@@
@
@@
@@
L L
R R
G(s) = U
2(s)
U
1(s) = R − sL R + sL
|G(jω)| =
p R
2+ (ωL)
2p R
2+ (ωL)
2= 1
- 6
ω
× ◦ σ
−
RL RLDefinition: Ein stabiles System, dessen ¨ Ubertragungsfunktion G keine Nullstellen s
imit Re (s
i) > 0 hat, heißt Mindestphasensystem (MPS).
Schaltungsbeispiel
U
1(t)
a a? q
q
U
2(t)
a a?
R
C
G(s) = U
2(s)
U
1(s) = R
R +
sC1= sRC 1 + sRC
- 6
Im s
Re s
× ◦
−
CR1Satz: Die ¨ Ubertragungsfunktion G eines beliebigen linearen, zeitkontinuierlichen Systems l¨ aßt sich in der Form G(s) = G
A(s) · G
M(s) darstellen, wobei gilt:
G
A(s) ¨ Ubertragungsfunktion eines Allpasses G
M(s) ¨ Ubertragungsfunktion eines MPS
a
G
A(s) G
M(s )
a R¨uckkopplungsfreie6Kettenschaltung
G(s)
z }| {
Beispiel
- 6
ω
× σ
×
◦ ×
×
×
◦
◦
◦
◦
⇒
-6
ω
σ
×
×
◦
◦
·
-6
ω
× σ
×
◦ ×
◦
◦
Aufgabe: Berechnung von G(s) aus A(ω) = |G(s)| bzw. a(ω) → Filterentwurf.
Nichteindeutig l¨ osbar, da G
1(s) und G
2(s) gleiches A(ω) haben, wenn G
2(s) = G
1(s) · G
A(s) ⇒ |G
2(jω)| = |G
1(jω)| · |G
A(jω)|
| {z }
1
= A(ω)
Aber: F¨ ur MPS ist Berechnung von G(s) aus A(ω) eindeutig. Dann ist auch b(ω) eindeutig mit bestimmt. Der Zusammenhang zwischen a(ω) und b(ω) lautet:
b(ω) = 1 π
∞
Z
−∞
a(ω
0)
ω
0− ω dω
0(Hilbert Transformation)
Teil 3: Zeitdiskrete Systeme
6 Zeitdiskrete Signale und Systeme
6.1 Signalbeschreibung im Zeitbereich
6.1.1 Zeitdiskrete Signale
Zeitskala: T ⊆
Z= {. . . , −2, −1, 0, 1, 2, . . .}
Sonderf¨ alle: T =
Z,T =
N0Alphabet: X ⊆
C, wichtiger Sonderfall: X =
RDefinition: Ein zeitdiskretes Signal ist eine Abbildung x : T −→ X, bei der jedem Zeitpunkt k ∈ T ein Signalwert x(k) zugeordnet ist.
Darstellung
a) als Folge x = (. . . , x(−2), x(−1), x(0), x(1), x(2), . . .) b) analytisch, z.B. x(k) =
a
kl ≥ 0 0 sonst c) grafisch:
- 6
q q q q q q q
q
q q q q q q q q q q
x(k)
k
6.1.2 Spezielle Signale
a) Impulssignal x(k) = δ(k) =
1 k = 0 0 k 6= 0
- 6
δ(k)
k 1
qq q q q q q
b) Sprungsignal x(k) =
1(k) =1 k ≥ 0 0 k < 0
- 61(k)
k 1
qq q
q q q q
Signaloperationen
Einstellige Signaloperationen
a) Skalarmultiplikation y(k) = α · x(k)
-
x(k)6
q q q q q
k
-
y(k)6
q q
k
q qq
b) Translation y = s
n· x, d.h.
y(k) = x(k − n)
-
x(k)6
q q q q q
k
-
y(k)6
q q q q
k
q...
n c) Vorw¨ artsdifferenz y = ∆x : y(k) = x(k + 1) − x(k)
d) R¨ uckw¨ artsdifferenz y = ∇x : y(k) = x(k) − x(k − 1)
e) Summation y = P
x : y(k) =
k
P
i=−∞
x(i)
Zweistellige Operationen
a) Signaladdition y = x
1+ x
2: y(k) = x
1(k) + x
2(k) b) Signalmultiplikation y = x
1· x
2: y(k) = x
1(k) · x
2(k) c) (diskrete) Faltung y = x
1∗x
2: y(k) =
∞
P
i=−∞
x
1(i)x
2(k−i) =
∞
P
−∞
x
1(k−i)x
2(i) Sonderfall:
” kausale Signale“ (x
1= x
2= 0 f¨ ur k < 0):
y(k) = (x
1∗ x
2)(k) =
∞
P
i=0
x
1(k − i)x
2(i)
Veranschaulichung der Faltung
y(k) = x
1(k) · x
2(0) + x
1(k − 1) · x
2(1) + x
1(k − 2) · x
2(2) + · · · + x
1(1) · x
2(k − 1) + x
1(0) · x
2(k)
←− x
1(0) x
1(1) x
1(2) · · ·
· · · x
2(2) x
2(1) x
2(0) −→
F¨ ur k = 2: y(2) = x
1(0) · x
2(2) + x
1(1) · x
2(1) + x
1(2) · x
2(0) x
1(0) x
1(1) x
1(2) x
1(3) · · ·
· · ·
· · · x
2(3) x
2(2) x
2(1) x
2(0)
6.2 Statische zeitdiskrete Systeme
6.2.1 Elementarsysteme
Grundbausteine: (analog zu 4.2.1)
Signalabbildung Gleichung Schaltsymbol Bezeichnung
Skalarmultiplikation y(k) = α · x(k), α ∈
Rx(k)
aZ
α
Z a
y(k) Verst¨ arker
Signaladdition y(k) = x
1(k) + x
2(k)
nx
2(k)
x
1(k)
a a6
+
? ay(k) Verst¨ arker
Signalmultiplikation y(k) = x
1(k) + x
2(k)
aax
2(k)
x
1(k)
a× y(k) Multiplizierglied Sonderfall y(k) = [x(k)]
nx(k)
a(...)
n ay(k) Potenzierglied
Zusammenschaltung(Beispiel)
x
2(k)
a -x
1(k)
a -(. . .)
2 - --
Q
Q
Q
q q
× (. . .)
3- -
c b a
- n 6
q a
a a
y
3(k) y
2(k) y
1(k)
+
y
1(k) = a · x
1(k) = f
1(x
1(k), x
2(k)) y
2(k) = b · x
13(k) + c · x
1(k) · x
22(k) = f
2(x
1(k), x
2(k)) y
3(k) = c · x
1(k) · x
22(k) = f
1(x
1(k), x
2(k))
x
2(k) x
1(k)
a aa a a
y
3(k) y
2(k) y
1(k)
Φ Φ :R2→
R3
6.2.2 Alphabetabbildung Verallgemeinerung
x(k)
x
1(k) x
2(k)
.. . x
l(k)
y
1(t) y
2(k)
.. . y
m(k)
y(k)
aa a
a a a
.. . Φ .. .
Definitionen:
a) Eingangsalphabet X =
Rl, Buchstaben (Signalwerte) x(k) =
x
1(k)
.. . x
l(k)
∈ X
b) Ausgabealphabet Y =
Rm, Buchstaben (Signalwerte) y(k) =
y
1(k)
.. . y
m(k)
∈ Y c) Alphabetabbildung Φ :
Rl−→
Rm, Φ(X(k)) = g(k)
d) Abstraktes statisches System (X, Y, Φ)
X Y
'
&
$
%
'
&
$
%
x(k)
r jry(k)
Φ
Beachte Analogie zu zeitkontinuierlichen Systemen!
e) l-dimensionales Eingabesignal x : T → X mit X =
Rl.
x =
(. . . , x
1(−1), x
1(0), x
1(1), x
1(2), . . .) .. .
(. . . , x
2(−1), x
2(0), x
2(1), x
2(2), . . .)
=
x
1.. . x
l
f) m-dimensionmales Ausgabesignal: y : T → Y mit Y =
Rm. (y = . . . analog) g) Signalr¨ aume
X
∗= X
TEingabesignalraum (Menge aller Eingabesignale) Y
∗= Y
TAusgabesignalraum (Menge aller Ausgabesignale) h) Signalabbildung: Φ : X
∗−→ Y
∗.
F¨ ur ein statisches System gilt: y(k) = Φ(x(k)) 6.3 Dynamische zeitdiskrete Systeme
6.3.1 Zustandsbeschreibung
Zu den in 6.2.1 betrachteten Elementarsystemen kommt der Speicher S:
y(k + 1)
x(k)
a aS y(k)
Zusammenschaltung (Beispiel):
x
3(k)
ax
2(k)
a -+
n 6z1(k+1)
S
×
-
z1(k)q
+
n
+
n 6- -
z2(k+1) z2(k)
S (. . .)
2 q aQ QQ
−
101x
1(k)
a -Q
4
q a?
y
1(k)
y
2(k)
z
1(k + 1) = x
2(k) + z
1(k) ·
x
3(k) − 1 10 z
22(k)
y
1(k) = 4 · x
1(k) z
2(k + 1) = z
1(k) + 4 · x
1(k) y
2(k) = z
22(k) Es sei z(0) =
3 5
und x(k) =
x
1(k) x
2(k) x
3(k)
=
k + 1
−3k
22
k
·
1(k).
Gesucht: y(k) f¨ ur k ≥ 0
k 0 1 2
x
1(k) 1 2 · · · x
2(k) 0 −3 · · · x
3(k) 1 2 · · · z
1(k) 3 −4,5 · · · z
2(k) 0 7 · · · y
1(k) 4 8 · · · y
2(k) 25 49 · · ·
Verallgemeinerung
a) Zustandsalphabet Z =
RnZustand z(k) =
z
1(k)
.. . z
n(k)
∈ Z
b) n-dimensionales Zustandssignal z : T → Z mit Z =
Rnc) Abstraktes dynamisches System (X, Y, Z, f, g) mit:
f :Z × X −→ Z, z(k + 1) = f (z(k), x(k)) g :Z × X −→ Y, y(k) = f (z(k), x(k))
Uberf¨ ¨ uhrungsfunktion Ergebnisfunktion 6.3.2 Lineares zeitdiskretes System 1. Ordnung
a -
Q
QQ - n - -
Q
QQ - n
Q
QQ Q QQ
q
-
6
x(k) b +
?S
qc
d a
+
ay(k)
z(k) z(k+1)
z(k + 1) = f (z(k), x(k)) = a · z(k) + b · x(k) y(k) = g(z(k), x(k)) = c · z(k) + d · x(k)
f und g sind lineare Funktionen
Gegeben: z(0) und x(k) f¨ ur k ≤ 0, gesucht: y(k) f¨ ur k > 0.
k = 0 : z(1) = a · z(0) + b · x(0)
k = 1 : z(2) = a · z(1) + b · x(1) = a
2· z(0) + ab · x(0) + b · x(1)
k = 2 : z(3) = a · z(2) + b · x(2) = a
3· z(0) + a
2b · x(0) + ab · x(1) + b · x(2) z(k) = a
k· z(0) +
k−1
X
i=0
b · a
k−i−1x(i)
y(k) = c · z(k) = d · x(k) = c · a
k· z(0)
| {z }
freie Ausgabe
+
k−1
X
i=0
cb · a
k−i−1x(i) + d · x(k)
| {z }
erzwungene Ausgabe
Sonderfall: Autonomes System: x(k) = 0 f¨ ur alle k, es sei c = 1.
y(k) = z(k) = a
k· z(0)
0 < a < 1: fallende Ausgabe, a = 1: konstante Ausgabe, 1 < a < ∞ : steigende Ausgabe 6.3.3 Nichtlineares zeitdiskretes System 1. Ordnung
Autonomes Beispiel-System:
- -
Q
QQ - n -
Q
QQ - q a
(. . .)
2−1 + λ
z(k+1)S
z(k)z(0)
?
y(k)
Zustandsgleichungen: z(k + 1) = λ ·
z(k) − z
2(k)
, y(k) = z(k) Typische Frage: Existenz von Fixpunkten, d.h. z(k + 1) = z(k).
z(k) = λ ·
z(k) − z
2(k)
⇒ z(k) = 0 (1. Fixpunkt) z(k) = 1 −
λ1(2. Fixpunkt) Verhaltensformeln f¨ ur λ > 0 und z(0) = 0,2:
Fall I: 0 < λ ≤ 1
6-
z(k)
0,2 0,128
1 2 3 4 5 6 7 k
q
q q q q q q q
z(k) strebt gegen z = 0 f¨ ur k → ∞ (1. Fixpunkt)
Fall II: 1 < λ ≤ 3
6-
z(k)
1 −
λ10,2
1 2 3 4 5 6 7 k
q q q
q q
q
q q
z(k) strebt gegen 1 − 1
λ f¨ ur k → ∞
(2. Fixpunkt)
Fall III: 3 < λ ≤ 1 + √ 6
6-
z(k)
0,2
1 2 3 4 5 6 7 k
q q q
q q
q q
q
z(k) pendelt f¨ ur k → ∞ zwischen zwei Werten
” Periodenverdopplung“.
F¨ ur k → ∞ gilt also: z(k + 2) = z(k).
z(k) = λ ·
λ(z(k) − z
2(k)) − λ
2(z(k) − z
2(k))
2⇒ 4 L¨ osungen: z(k) = 0, z(k) = 1 −
1λ, z(k) =
121 +
λ1±
2λ1√
λ
2− 2λ − 3 Fall IV: 1 + √
6 < λ ≤ λ
∞= 3,56995 . . .
F¨ ur k → ∞ pendelt z(k) zwischen 4, 8, 16, . . . (mit steigendem λ) Werten.
Fall V: λ > λ
∞z(k) zeigt f¨ ur k → ∞
” chaotisches“ Verhalten.
Zusammenfassung
6
-
z(∞)
2 3
1 2 3 λ
∞4
Fall I Fall II III V
Chaos
7 Lineare zeitdiskrete Systeme
7.1 Signalbeschreibung im Bildbereich
7.1.1 Z-Transformation
Sei X
∗die Menge aller zeitdiskreten Signale. Wir betrachten X
c∗≤ X
∗. Es gelte x ∈ X
c∗, wenn a) f¨ ur k < 0 gilt: x(k) = 0
b) f¨ ur k ≥ 0 gilt: |x(k)| < M · e
ckSatz: F¨ ur jedes zeitdiskrete Signal x ∈ X
c∗l¨ asst sich eine Laurent-Reihe wie folgt angeben:
X(z) =
∞
X
k=0
x(k) · z
−k= x(0) + x(1)
z + x(2)
z
2+ x(3)
z
3+ · · · , z ∈
CKovergenzgebiet (siehe Funktionentheorie):
CR=
n z
|z| > R = e
co
X(z) stellt im Konvergenzgebiet
CReine regul¨ are (analytische, holomorphe) Funktion der kom- plexen Variablen z dar.
Beispiele 1. Impulssignal
x(k) =
1 k = 0 0 k 6= 0 X(z) =
∞
X
k=0
x(k) · z
−k= x(0) · z
0= 1
- 6
δ(k)
k 1
qq q q q q q
2. Sprungsignal
x(k) =
1(k) =
1 k ≥ 0 0 k < 0 X(z) = 1 + 1
z + 1
z
2+ · · · = 1
1 −
1z= z
z − 1 f¨ ur |z| > 1
- 61
(k)
k 1
qq q
q q q q
3. Beispiel
x(k) = a
k·
1(k) X(z) = 1 + a
z + a
2z
2+ a
3z
3+ · · · = 1
1 −
az= z z − a
- 6
q q
k
qx(k)
qWeitere Korrespondenzen: → Ubungsheft. ¨
Frage: Wie kann x(k) aus X(z) bestimmt werden?
Satz: Jedes zeitdiskrete Signal x ∈ X
c∗l¨ asst sich als folgendes komplexe Integral darstellen:
x(k) = 1 2πj
I
X(z)z
k−1dz (k = 0, 1, 2, . . .)
Beweis: X(z)z
k−1= x(0)z
k−1+ x(1)z
k−2+ x(2)z
k−3+ · · · x(k) = 1
2πj I
C
[X(0)z
k−1+ x(1)z
k−2+ x(2)z
k−3+ · · ·
· · · + x(k − 1)z
0+ x(k)z
−1+ x(k + 1)z
−2+ · · · ] dz Aus Funktionentheorie (Cauchy-Integral-Theorem):
I dz (z − z
0)
n=
2πj n = 1 0 n 6= 1 x(k) = 1
2πj I
C
x(k)z
−1dz = 1
2πj x(k) · I
C
1 2 dz
| {z }
2πj
= x(k)
Zusammenfassung
X
c∗X
c∗∗'
&
$
%
'
&
$
%
x
rY jrX
Φ
Zu jedem Signal x ∈ X
c∗existiert eine bijektive Abbildung mit den Zuordnungen x → X bzw.
X → x.
Diese Abbildung heißt z-Transformation bzw.
inverse z-Transformation.
Symbolik: X(z) = Z(x(k)) oder x(k)
c sX(z), x(k) = Z
−1(X(z)) oder X(z)
s cx(k) Transformationsgleichungen:
X(z) = Z(x(k)) =
∞
X
k=0
x(k)z
−1x(k) = Z
−1(X(z)) = 1 2πj
I
C
X(z)z
k−1Terminologie:
x Originalsignal
X Bildsignal oder z-Transformierte von x X
c∗Originalbereich
X
c∗∗Bildbereich, X
c∗∗= {X | x(z) = Z (x(k)), x ∈ X
c∗} (Menge aller z-Transformationen)
7.1.2 Rechenregeln der z-Transformation a) Linearit¨ at
Z(αx
1(k) + βx
2(k)) =
∞
X
k=0
(αx
1(k) + βx
2(k))z
−k=
∞
X
k=0
αx
1(k)z
−1+
∞
X
k=0
βx
2(k)z
−1= α
∞
X
k=0
x
1(k)z
−1+ β
∞
X
k=0
z
−1= αX
1(z) + βX
2(z)
→ z-Transformation ist eine lineare Transformation
b) Verschiebungssatz 1 (Rechtsverschiebung)
Z(y(k)) = Z(x(k − m)) =
∞
X
k=0
x(k − m)z
−k=
∞
X
k=m
x(k − m)z
−k -x(k)
6k k
q q q q
q q q
y(k)
- 6
· · ·
q q qq q q q q
m
Substitution: k − m = k
0, k = k
0+ m
=
∞
X
k0=0
x(k
0)z
−(k0+m)= z
−m∞
X
k0=0
x(k
0)z
−k0= z
−mZ(x(k)) = z
−mX(z) Vgl.: Zeitkontinuierlich: um τ nach rechts verschoben → Multiplikation mit e
−jτc) Verschiebungssatz 2 (Linksverschiebung)
Z(y(k)) = Z(x(k + m)) =
∞
X
k=0
x(k + m)z
−k=
∞
X
k0=m
x(k
0)z
−(k0−m) -x(k)
6k k
q q q q
q q q
y(k)
- - 6 q
q q q q q
−m
= z
mm−1
X
k0=m
x(k
0)z
−k0+
m−1
X
k0=0
x(k
0)z
k0| {z }
X(z)
− x
!
= z
mX(z) −
m−1
X
i=0
x(i)z
−i!
d) Vorw¨ artsdifferenz Z(x(k + 1) − x(k)) =
∞
P
k=0
(x(k + 1) − x(k)) =
∞
P
k=0
x(k + 1)z
−k−
∞
X
k=0
x(k)z
−k| {z }
X(z)
Substitution: k
0= k + 1, k = k
0− 1
=
∞
X
k0=1
x(k
0)z
−k0+1= z(X(z) − x(0)) − X(z) = (z − 1)(X(z) − zx(0))
e) R¨ uckw¨ artsdifferenz
Z(x(k) − x(k − 1)), X(z) = (1 − z
−1)X(z) Weitere Rechenregeln → Heft S. 58
Grenzwerts¨ atze 1. x(0) = lim
z→∞
X(z) (vgl. Definition der z-Transformation) 2. Falls lim
k→∞
x(k) = A existiert, gilt auch lim
z→1