Einführung in die digitale Signalverarbeitung

Die Digitale Signalverarbeitung (DSV) bietet enormes Potenzial für moderne Mess- und Analyseverfahren – wird aber oft nicht voll ausgeschöpft, weil die zugrunde liegende Theorie komplex erscheint. In diesem Seminar machen wir DSV für Sie greifbar und praxisnah.

Im Seminar erlenen Sie die wichtigsten Verfahren der DSV mit praxisorientierten Anwendungen mit LabVIEW. Sie nutzen und passen zur Verfügung gestellte Programme an. Vorkenntnisse in LabVIEW sind nicht erforderlich. Das Erlernte kann auch auf andere Softwarepakete der Signalverarbeitung übertragen werden. Die Theorie wird so weit vermittelt, wie sie zum Verständnis messtechnischer Sachverhalte notwendig ist. Die Anwendungsfelder reichen von F&E bis zur datengetriebenen Produktion.

Das Seminar ist sowohl für Einsteiger als auch für Anwender gedacht, die die Algorithmen der DSV (z.B. FFT, Korrelation, Signalglättung) bereits verwenden und die theoretischen Hintergründe besser kennenlernen wollen. 

Ziel der Weiterbildung

• Sie erfahren, welche Verfahren und Algorithmen der Digitalen Signalverarbeitung (DSV) es zur Messdatengewinnung und -analyse gibt.
• Sie lernen, welche Informationen aus Messignalen mithilfe der DSV gewonnen werden können.
• Sie testen Learning-by-doing mit sofort nutzbaren LabVIEW-Programmen die DSV für messtechnische Zwecke. Dabei lernen Sie gleichzeitig die grundlegenden Prinzipien der LabVIEW-Programmierung kennen.
• Sie erfahren, wie komplizierte Sachverhalte der DSV anschaulich vermittelt werden.

Methode:

• Fachvortrag mit theoretischen Grundlagen und Anwendungs-/Praxisbeispielen
• Geführte Übungen am Rechner mit vorgefertigten Virtuellen Instrumenten (= LabVIEW-Programme die über eine intuitive Benutzeroberfläche bedient und modifiziert werden können)
• Die Signale werden dabei entweder individuell im Rechner generiert, über die Soundkarte aufgenommen oder aus dem Smartphone (Magnetfeld, Beschleunigung, Schall, Licht) über WLAN importiert
• Diskussionen der Anwendungsfälle aus dem Kreis der Teilnehmenden.

Tag 1:

Generierung, Aufnahme, Speicherung und Verarbeitung digitale Daten

• Prinzipien digitaler Messsysteme
• Generierung, Aufnahme und Analyse von Daten mit LabVIEW o. ä. Softwarepaketen

Verarbeitung von Messdaten im Zeitbereich

• Bestimmung von Signalkenndaten: Mittelwerte, Effektivwerte (RMS), Maxima und Minima, Signal-Rausch-Verhältnis (SNR) (Beispiel: Übergabe extrahierter Features an KI-Modelle)
• Arithmetische Verarbeitung mehrerer Signale: Nulllinienbestimmung, Eliminierung von Störungen, Rauschreduktion durch Mittelung (Beispiel: Verbesserung und Analyse von optischen Spektren)
• Erzeugung von modulierten Signalen, Fensterung von Signalen

Korrelation

• Autokorrelationsfunktion (AKF): Rauschreduktion, Bestimmung des SNR, Frequenz- und Amplitudenmessung gestörter Signale
• Kreuzkorrelationsfunktion (KKF): Auffinden von Beziehungen zwischen mehreren Signalen, Extraktion von Signalbestandteilen, Signal- und Spracherkennung
• Mustererkennung durch Künstliche Intelligenz (Beispiel: Überwachung von Vibrationssignalen in einer Industrieanlage) 

Faltung

• Erkennen von Signalverfälschungen durch Messglieder
• Berechnung von Ausgangssignalen mittels Impulsantwort (Beispiel: Simulation des Zeitverhaltens von Sensoren)
• Entfaltung/inverse Faltung: Signalrückgewinnung aus überlagerten Signalen
• Glättung von gestörten Messsignalen

Tag 2:

Fourier-Transformation I

• Definition und Anwendung: Fourier-Analyzer und -Synthesizer
• Fast Fourier-Transformation (FFT) am Oszilloskop (Beispiel: Vibrationsanalyse an Maschinen, Analyse der Verzerrung der Netzspannung)
• Ermittlung von Spektren: Bestimmung der Frequenzkomponenten von Signalen
• Analyse nichtperiodischer, transienter Signale (Beispiel: Modalanalyse)
• Verfälschung von Signalen und Spektren durch Abtastung: Aliasing und Leckeffekt

Fourier-Transformation II

• Faltungstheorem: Zusammenhang zwischen Fourier-Transformation und Faltung, Berechnung des Frequenzganges eines Messgliedes
• Zusammenhang zwischen Autokorrelationsfunktion und Spektrum
• Zusammenhang zwischen Fourier- und Laplace-Transformation
• Kurzzeit-Fourier-Transformation (STFT) zur Signalanalyse in Echtzeit (Beispiel: Sprachanalyse)

Digitale Filter

• Hoch-, Tief, Bandpass- und Bandstopp-Filter im Zeitbereich, Anwendung im Heterodynverfahren
• Hohe Selektivität durch Filterung in niedrigen Frequenzbereichen

Grundlagen der digitalen Bildverarbeitung

• Übertragung der DSV-Methoden aus dem Zeit- in den 2D-Ortsbereich (Beispiel: Schärfen und Unschärfen, Auffinden von Bildmanipulationen)
• Möglichkeiten der 2D-Fourier-Transformation und -Korrelation