Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Digitale SignalverarbeitungVorlesung 6 - Quantisierungseffekte
Arbeitsgruppe Kognitive Signalverarbeitung
19. November 2018
Siehe Skript, Kapitel 8Kammeyer & Kroschel, Abschnitt 4.4
1 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
1 Festkomma- vs. Fließkommaarithmetik
2 Koeffizientenquantisierung
3 SignalquantisierungBetrachtung als lineares System: InternesQuantisierungsrauschenExakte Betrachtung: Grenzzyklen
4 Vermeidung von UberlaufgrenzzyklenStrenge SkalierungApproximierte SkalierungSimulation
2 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Bisher: Lineare Darstellung von Systemen.
Diese VL: Betrachtung der nichtlinearen Effekte, die sichdurch endliche Wortbreiten ergeben.
4 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Festkomma- vs. Fließkommaarithmetik
Grundsatzliche Entscheidung
Festkommaarithmetik Fließkommaarithmetik
RAM und klein groß
ROM-Bedarf
Rechenzeit schnell langsam
Energiebedarf niedrig hoch
Fehler- groß: Quantisierung + klein
anfalligkeit Overflow
Entwicklungszeit langer kurzer
5 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Festkommaarithmetik auf DSPs
Gesucht fur Festkommarechnung:Zahlendarstellung fur DSPs, die
beliebig genau
reelle Zahlen (positiv und negativ) darstellen kann,
und deren arithmetische Operationen (Summe, Differenz,Produkt, Quotient) mit geringem Aufwand in Hardware zuimplementieren sind.
Losung: Zweierkomplementdarstellung im sogenannten FractionalFormat.
6 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Zweierkomplementdarstellung im Fractional-Format
Jede reelle Zahl x(k0) lasst sich mit beliebiger Genauigkeit durch
x(k0) = Xm
(−w0 +
∞∑i=1
wi2−i
)(1)
als Zweierkomplementzahl darstellen.
w0 ist das Vorzeichenbit, Xm ist ein Skalierungsfaktor.
Damit alle Werte aus x(k) dargestellt werden konnen, muss gelten
Xm > maxk0 |x(k0)| (2)
7 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Fractional-Format
Bei endlicher Wortlange W wird aus
x = Xm
(−w0 +
∞∑i=1
wi2−i
)(3)
nun ein quantisiertes Signal
xQ = Xm
(−w0 +
W−1∑i=1
wi2−i
)(4)
mit der Auflosung Xm2−(W−1).Diese Darstellung von Zahlen im Bereich von ±1 durch[w0 . . .wW−1] bezeichnet man als Fractional-Format.
8 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Effekt der Koeffizientenquantisierung
Der Effekt der Koeffizientenquantisierung ist abhangig von derRealisierung der Ubertragungsfunktion.Bei der Direktform erhalt man aus
H(z) = zn−m∑m
µ=0 bµzm−µ∑n
ν=0 aνzn−ν . (5)
dann
H(z) = zn−m∑m
µ=0 [bµ]Qzm−µ∑n
ν=0 [aν ]Qzn−ν. (6)
mit [aν ]Q als quantisierte Version von aν .Problem: Jede Null- & Polstelle ist von allen Koeffizientenabhangig.→ Oft besser zu optimieren: Entkopplung durch 3. oder 4.kanonische Form.
10 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Mogliche Pollagen in Systemen zweiter Ordnung
Das quantisierte System hat folgende Ubertragungsfunktion
H(z) =[b0]Qz
2 + [b1]Qz1 + [b2]Q
z2 + [a1]Qz1 + [a2]Q. (7)
Wenn das System zwei konjugiert komplexe Pole besitzt, die alsz∞ = ρ∞e±jα∞ geschrieben werden konnen, gilt
z2 + [a1]Qz1 + [a2]Q = (z − ρ∞e+jα∞)(z − ρ∞e−jα∞) (8)
= z2 − z2ρ∞ cos(α∞) + ρ2∞. (9)
11 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Mogliche Pollagen in Systemen zweiter Ordnung
Wegen
z2 + [a1]Qz1 + [a2]Q = z2 − z2ρ∞ cos(α∞) + ρ2
∞ (10)
gibt es folgende Entsprechungen:
[a1]Q∧= [−2ρ∞ cos(α∞)]Q = [−2R(z∞)]Q (11)
[a2]Q∧= [ρ2
∞]Q = [|z∞|2]Q . (12)
12 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Effekt der Koeffizientenquantisierung
[a1]Q∧= [−2ρ∞ cos(α∞)]Q = [−2R(z∞)]Q (13)
[a2]Q∧= [ρ2
∞]Q = [|z∞|2]Q (14)
fuhrt bei Quantisierung der Koeffizienten[a1,2]Q = n · Q, n ∈ −2W−1 . . .− 1, 0, 1, 2, 3 . . . 2W−1 − 1 auffolgende mogliche Pollagen:
13 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Effekt der Koeffizientenquantisierung
Pollagen fur quantisierte Koeffizienten
−1 −0.5 0 0.5 1−1
−0.5
0
0.5
1
re(z)
im(z
)
(a) 6 Bit
−1 −0.5 0 0.5 1−1
−0.5
0
0.5
1
re(z)
im(z
)
(b) 8 Bit
14 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Effekt der Koeffizientenquantisierung
Diese Verteilung hat Vor- und Nachteile:
Ungleichmaßige Rasterung fuhrt in manchenFrequenzbereichen zu großen Abweichungen der Pollagenaber genaue Auflosung in der Nahe des Einheitskreises kannnutzlich sein, besonders fur steilflankige Filter.
Andere Filterstrukturen, z.B. die gekoppelte Struktur fuhrenzu gleichmaßiger Verteilung der moglichen Pol-/Nullstellen,siehe Kammeyer & Kroschel (Kapitel 4.4.2) fur mehr Detailsund Referenzen.
15 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Betrachtung als lineares System: Internes QuantisierungsrauschenExakte Betrachtung: Grenzzyklen
Interne Quantisierungsfehler
Wie schon beim Eingangssignal v(k) gibt es auch fur interneSignale und fur das Ausgangssignal zwei Fehlerquellen:
y(k)
yq(k)
Q ymax = 1-2l
E
y(k)
Quantisierungsrauschen Überlastungs-
rauschen
Überlastungs-
rauschen
ymin=-1
Figure: Quantisierungs- und Uberlastungsrauschen.17 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Betrachtung als lineares System: Internes QuantisierungsrauschenExakte Betrachtung: Grenzzyklen
Quantisierung innerhalb des Filters
Innerhalb des Filters werden Signale mit Filterkoeffizientenmultipliziert.
Eine Multiplikation von zwei vorzeichenbehaftetenW -bit-Zahlen fuhrt bei voller Genauigkeit auf eine(2W − 1)-bit-Zahl.
Werden hier die unteren w Bits ignoriert, fuhrt das zu dengleichen Effekten wie die Quantisierung am Eingang desSystems: Innerhalb des Systems entsteht Rauschen, das durchdie weiteren Filterstufen gefiltert wird.
18 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Betrachtung als lineares System: Internes QuantisierungsrauschenExakte Betrachtung: Grenzzyklen
Quantisierung innerhalb des Filters
Zwei Optimierungsmoglichkeiten in Signalprozessoren:
Sogenannte MAC-Einheit 1 mit großerer interner Wortbreite.
proportion of overflow headroom in C67x floating-point DSPs would require 64 interme-diate product bits (24 signal + 24 coefficient + 16 overflow), which would go beyondmost application requirements in accuracy. Fortunately, through exponentiation thefloating-point format enables keeping only the most significant 48 bits for intermediateproducts, so that the hardware stays manageable while still providing more bits of inter-mediate accuracy than the fixed-point format offers. These word widths are summa-rized in Table 1 for several TI DSP architectures.
Table 1. Word widths for TI DSPs
Video and audio data set requirements
The advantages of using the fixed- and floating-point formats can be illustrated by con-trasting the data set requirements of two common signal-processing applications: videoand audio. Video has a high sampling rate that can amount to tens or even hundredsof megabits per second (Mbps) in pixel data, depending on the application. Pixel datais usually represented in three words, one for each of the red, green and blue (RGB)planes of the image. In most systems, each color requires 8 to 12 bits, thoughadvanced applications may use up to 14 bits per color. Key mathematical operations ofthe industry-standard MPEG video compression algorithms include discrete cosinetransforms (DCTs) and quantization, and there is limited filtering.
Audio, by contrast, has a more limited data flow of about 1 Mbps that results from 24bits sampled at 48 kilosamples per second (ksps). A higher sampling rate of 192 kspswill quadruple this data flow rate in the future, yet it is still significantly less than video.Operations on audio data include infinite impulse response (IIR) and intensive filtering.
Video and audio data set requirements
4 SPRY061
TI DSP(s) Format
Word Width
Signal I/O CoefficientIntermediate
resultC25x fixed 16 16 40
C5x™/C62x™ fixed 16 16 40
C64x™ fixed 8/16/32 16 40
C3x™ floating 24 (mantissa) 24 32
C67x™(SP) floating 24 (mantissa) 24 24/53
C67x(DP) floating 53 53 53Noise-Shaping: Spektrale Formung des Quantisierungs-rauschens (dazu gefilterte Ruckfuhrung des intern bekanntenQuantisierungsfehlers), s. Kammeyer & Kroschel Kap. 4.4.5.
1Multiply-Accumulate-Einheit19 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Betrachtung als lineares System: Internes QuantisierungsrauschenExakte Betrachtung: Grenzzyklen
Nichtlineare Effekte
Ein quantisiertes Filter wird nichtlinear. Es gilt also nicht mehrf (αv) = αf (v)!Daraus ergeben sich zwei wesentliche, neue Probleme:
Sogenannte Grenzzyklen, bei denen das System selbsttatigund mit konstanter Amplitude eine unerwunschte Schwingungproduziert (auch wenn es “eigentlich” stabil ist)
und Skalierungsabhangigkeit – auf einmal ist es nicht mehregal, ob y(k) oder 100y(k) ausgerechnet wird, und das eineoder das andere kann sehr viel geschickter sein.
20 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Betrachtung als lineares System: Internes QuantisierungsrauschenExakte Betrachtung: Grenzzyklen
Grenzzyklen
Es existieren zwei Arten von Grenzzyklen:
Quantisierungsgrenzzyklen, haben ihre Ursache inRundungsfehlern und
Uberlaufgrenzzyklen treten wegen eines Zahlenuberlaufesauf.
21 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Betrachtung als lineares System: Internes QuantisierungsrauschenExakte Betrachtung: Grenzzyklen
Quantisierungsgrenzzyklen
Beispiel:
H(z) =1
1 + az−1=
z
z + a(15)
entspricht der Differenzengleichung
y(k) = v(k)− ay(k − 1). (16)
Quantisierung der Multiplikation ergibt:
y(k) = v(k)− [ay(k − 1)]Q . (17)
22 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Betrachtung als lineares System: Internes QuantisierungsrauschenExakte Betrachtung: Grenzzyklen
Quantisierungsgrenzzyklen
Beispiel:
y(k) = v(k)− [ay(k − 1)]Q . (18)
Wenn v(k) = 0 ist, aber |y(k − 1)| > 0, konnen noch zweiunerwartete Ergebnisse auftreten:
y(k) = −y(k − 1), also ein Grenzzyklus der Frequenz Ωg = πoder
y(k) = y(k − 1) also ein Grenzzyklus mit Ωg = 0.
23 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Betrachtung als lineares System: Internes QuantisierungsrauschenExakte Betrachtung: Grenzzyklen
Quantisierungsgrenzzyklen, Fall 1
Beispiel:
y(k) = v(k)− [ay(k − 1)]Q!
= −y(k − 1). (19)
Da das Eingangssignal = 0 ist, tritt diese Situation auf, wenn
−[ay(k − 1)]Q = −y(k − 1), (20)
also wenn
[ay(k − 1)]Q = y(k − 1) (21)
⇒|y(k − 1)− ay(k − 1)| ≤ Q
2(22)
24 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Betrachtung als lineares System: Internes QuantisierungsrauschenExakte Betrachtung: Grenzzyklen
Quantisierungsgrenzzyklen, Fall 1
⇒ (1− a)|y(k − 1)| ≤ Q
2
⇒ |y(k − 1)| ≤ Q
2(1− a)
⇒ IQ ≤ Q
2(1− a), I ∈ N
⇒ I ≤ 1
2(1− a)def= d .
Diese Grenzzyklen konnen sich also nur fur einen bestimmtenWertebereich I ≤ d ausbilden; d wird auch als Deadbandbezeichnet.
25 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Betrachtung als lineares System: Internes QuantisierungsrauschenExakte Betrachtung: Grenzzyklen
Quantisierungsgrenzzyklen, Fall 1
⇒ (1− a)|y(k − 1)| ≤ Q
2
⇒ |y(k − 1)| ≤ Q
2(1− a)
⇒ IQ ≤ Q
2(1− a), I ∈ N
⇒ I ≤ 1
2(1− a)def= d .
Sie treten nur auf, wenn 0.5 ≤ a < 1 gilt (fur a = 1 hatten wirnamlich auch im linearen schon ein instabiles System, dieSchwingung ware also kein Grenzzyklus).
26 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Betrachtung als lineares System: Internes QuantisierungsrauschenExakte Betrachtung: Grenzzyklen
Quantisierungsgrenzzyklen, Fall 2
Beispiel:
y(k) = v(k)− [ay(k − 1)]Q!
= y(k − 1). (23)
Prinzipiell gelten die selben Uberlegungen wie vorhin, hier fuhrensie auf das gleiche Deadband und auf Koeffizienten−1 < a ≤ −0.5.Insgesamt treten also Quantisierungsgrenzzyklen fur Systeme ersterOrdnung nur dann nicht auf, wenn |a| < 0.5.
27 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Betrachtung als lineares System: Internes QuantisierungsrauschenExakte Betrachtung: Grenzzyklen
Quantisierungsgrenzzyklen vermeiden
Es gibt verschiedene Moglichkeiten zur Vermeidung:
Koeffizienten konnen so gewahlt werden, dass keineGrenzzyklen durch Quantisierung auftreten konnen (sieheAbschnitt 4.4.6 in Kammeyer & Kroschel fur die Bedingungenbei Systemen zweiter Ordnung).
MAC-Einheiten konnen Grenzzyklen zu vermeiden helfen,genau wie
Wellendigitalfilter (Filterstrukturen, die genauer in [1]beschrieben sind.)
28 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Betrachtung als lineares System: Internes QuantisierungsrauschenExakte Betrachtung: Grenzzyklen
Uberlaufgrenzzyklen
Wenn das Signal am Filterausgang den Aussteuerungsbereich desSystems uberschreitet, konnen Uberlaufgrenzzyklen auftreten.Beispiel: Bei Begrenzung der Systemamplituden auf 1 undVerwendung von Zweierkomplementzahlen, mit
y(k) = [v(k)− a1y(k − 1)− a2y(k − 2)]Q (24)
treten Uberlaufgrenzzyklen nur dann nicht auf, wenn sichergestelltist, dass
|−a1y(k − 1)− a2y(k − 2)| < 1 (25)
fur alle Werte von y(k − 1), y(k − 2).
29 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Betrachtung als lineares System: Internes QuantisierungsrauschenExakte Betrachtung: Grenzzyklen
Uberlaufgrenzzyklen
Gefordert:
|v(k)− a1y(k − 1)− a2y(k − 2)| < 1 (26)
fur alle Werte von y(k − 1), y(k − 2), mit v(k) = 0.Es gilt ja auch, |y(k − 1)| ≤ 1, |y(k − 2)| ≤ 1. Daraus konnenwieder zulassige Bereiche fur die Koeffizienten berechnet werden:
|a1|+ |a2| < 1. (27)
30 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Betrachtung als lineares System: Internes QuantisierungsrauschenExakte Betrachtung: Grenzzyklen
Uberlaufgrenzzyklen
Zulassige Bereiche fur die Koeffizienten:
|a1|+ |a2| < 1. (28)
Weil diese Anforderung in der Praxis eine (viel) zu starkeEinschrankung darstellt (diese Koeffizientenwerte decken nur einensehr kleinen Teil der z-Ebene ab), sind andere Losungen notig.
31 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Betrachtung als lineares System: Internes QuantisierungsrauschenExakte Betrachtung: Grenzzyklen
Uberlaufgrenzzyklen
Mogliche Losungen zur Verhinderung von Uberlaufgrenzzyklen:
Sattigungskennlinien - Summierer verhindern Uberlauf perHardware oder Software
Skalierung des Eingangssignals und aller Zwischenwerte.
Oft werden beide Losungen kombiniert - die Skalierung verhindertim Normalfall Uberlaufe, gleichzeitig unterbindet dieSattigungskennlinie im schlimmsten Fall einer doch auftretendenUbersteuerung garantiert Uberlaufgrenzzyklen.
32 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Strenge SkalierungApproximierte SkalierungSimulation
Skalierung
Der Filterausgang
yQ(k) = [h(k) ∗ vQ(k)]Q (29)
soll nicht ubersteuern.Dazu wird im Weiteren angenommen, dass das System mit demFractional-Format arbeitet.
34 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Strenge SkalierungApproximierte SkalierungSimulation
Strenge Skalierung
Durch einen zusatzlichen Skalierungsfaktor c am Eingang desSystems kann eine Ubersteuerung des Ausgangssignalsy(k) = c · vQ(k) ∗ h(k) vermieden werden. Dafur muss gelten:
|y(k)| =
∣∣∣∣∣∞∑
i=−∞c · h(i)vQ(k − i)
∣∣∣∣∣≤
∞∑i=−∞
c |h(i)vQ(k − i)|
≤ c · vmax
∞∑i=−∞
|h(i)|
!< 1.
35 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Strenge SkalierungApproximierte SkalierungSimulation
Strenge Skalierung
Wegen
c · vmax
∞∑i=−∞
|h(i)|!< 1
muss also als Bedingung gelten:
c!<
1
vmax∑∞
i=−∞ |h(i)|=
1∑∞i=−∞ |h(i)|
.
36 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Strenge SkalierungApproximierte SkalierungSimulation
Strenge Skalierung
Tatsachlich muss ja diese Bedingung nicht nur am Ausgang desFilters sondern auch an allen s = 1 . . . S internen Summenknotendes Systems erfullt sein:
c!<
1
maxs=1...S∑∞
i=−∞ |hs(i)|.
Forderung bei strenger Skalierung
37 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Strenge SkalierungApproximierte SkalierungSimulation
Strenge Skalierung
Die Bedingung
c!<
1
maxs=1...S∑∞
i=−∞ |hs(i)|
fuhrt schnell auf sehr kleine Ausgangssignale, die einschlechtes SNR liefern, aber garantiert nie ubersteuert sind.
Andere Methoden liefern mit Approximationen eine großereSkalierung, die manchmal ubersteuern kann.
38 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Strenge SkalierungApproximierte SkalierungSimulation
Approximierte Skalierung
Fur schmalbandige Signale
v(k) ≈ vmax cos(Ω0k)
gilt am Ausgang des Filters
y(k) ≈∣∣∣H(e jΩ0)
∣∣∣ c · vmax cos(
Ω0k + arg(H(e jΩ0)
))
39 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Strenge SkalierungApproximierte SkalierungSimulation
Approximierte Skalierung
Aus
y(k) ≈∣∣∣H(e jΩ0)
∣∣∣ c · vmax cos(
Ω0k + arg(H(e jΩ0)))
ergibt sich dann direkt (fur vmax = 1), dass |y(k)| < 1 falls∣∣∣H(e jΩ0)∣∣∣ c < 1
⇒ c <1
|H(e jΩ0)|
40 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Strenge SkalierungApproximierte SkalierungSimulation
Approximierte Skalierung
Auch hier muss die Anforderung wieder an allen s = 1 . . . SSummenknoten gelten, außerdem hier auch fur alle moglichenSignalfrequenzen Ω0 ∈ [0, π].So ergibt sich aus
y(k) ≈∣∣∣Hs(e jΩ0)
∣∣∣ c · vmax cos(
Ω0k + arg(Hs(e jΩ0)))
:
c!<
1
maxs=1...S,Ω0∈[0,π] |Hs(e jΩ0)|
Forderung bei approximierter Skalierung
41 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Strenge SkalierungApproximierte SkalierungSimulation
Simulation quantisierter Systeme
Genau wie zuvor fur lineare Systeme, werdenRapid-Prototyping-Umgebungen wie Matlab auch fur dieSimulation quantisierter Systeme verwendet.
Das ist sogar von besonderer Bedeutung, weil die vielfaltigenQuantisierungseffekte in ihrer Kombination in komplexenSystemen oft schwer zu analysieren sind.
Besonders effiziente Entwicklung erlaubenHardware-in-the-Loop-Tools, die z.B. die PC-basierteSimulation des Signalverarbeitungssystems direkt an dieexternen Signale und Systeme ankoppeln.
42 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Strenge SkalierungApproximierte SkalierungSimulation
Lernziele
Sie sollten wissen,
was die Vor- und Nachteile von Festkommaarithmetik in derSignalverarbeitung sind,
wie reelle Zahlen im Fractional Format dargestellt werden,
welche Quantisierungs- und Rundungseffekte sich beiendlichen Wortlangen in digitalen Filtern ergeben konnen,
und mit welchen Herangehensweisen - speziellSkalierungsmethoden - man diese analysieren und derennegative Auswirkungen abmildern kann.
43 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Strenge SkalierungApproximierte SkalierungSimulation
Vielen Dank fur Ihre Aufmerksamkeit!
44 / 44
Festkomma- vs. FließkommaarithmetikKoeffizientenquantisierung
SignalquantisierungVermeidung von Uberlaufgrenzzyklen
Strenge SkalierungApproximierte SkalierungSimulation
Alfred Fettweis.Wave digital filters: Theory and practice.Proc. IEEE, 4:270–327, 1986.
44 / 44