Signalverarbeitung mit Simulink
Kursbeschreibung
In diesem dreitägigen Kurs modellieren Sie Systeme zur digitalen Signalverarbeitung, analysieren Signalspektren und entwerfen digitale Filter. Sie erstellen Simulink®-Blockdiagramme, um diese Systeme zu simulieren und verwenden Algorithmen für die Signalverarbeitung aus der DSP System Toolbox™. Für diese grundlegende Einführung benötigen Sie keine Vorkenntnisse in der Modellierung von Systemen und Algorithmen in Simulink.
Themen sind unter anderem:
- Was ist Simulink?
- Arbeiten mit der Simulink-Oberfläche
- Modellieren zeitdiskreter Ein- und Mehrkanalsysteme
- Implementieren von Sample- und Frame-basierter Verarbeitung
- Modellieren von Systemen mit kontinuierlichen und diskreten Komponenten
- Entwickeln eigener Blöcke und Bibliotheken
- Bedingtes Ausführen von Systemen
- Spektralanalyse mit Simulink
- Integrieren von Filterentwürfen in Simulink
- Modellieren von Multiratensystemen
- Integrieren externen Codes
- Automatisieren von Simulationen
Tag 1 von 3
Was ist Simulink?
Ziel: Einen Überblick über die Verwendung von Simulink erhalten.
- Überblick über Simulink
- Vorteile der Verwendung von Simulink
- Simulink Add-ons
- Ein Blick auf ein Simulink-Modell
Erstellen und Simulieren eines Modells
Ziel: Erstellen eines einfachen Modells und Analysieren der Simulationsergebnisse, um die Simulink-Oberfläche und Bibliotheken kennenzulernen.
- Erstellen und Ändern eines Simulink-Modells
- Definieren von Systemeingängen und -ausgängen
- Simulieren des Modells und Analysieren der Simulationsergebnisse
Modellieren diskreter dynamischer Systeme
Ziel: Frame-basiertes Modellieren diskreter dynamischer Systeme, um digitale Systeme wie z.B. Filter zu simulieren, die sich durch Differenzengleichungen oder diskrete Übertragungsfunktionen beschreiben lassen.
- Modellieren eines diskreten Systems mit einfachen Blöcken
- Identifizieren der Abtastzeiten von Blockausgängen
- Verwenden von Frames
- Verwenden von Puffern
- Unterschied zwischen Frames und Mehrkanalsignalen
- Visualisieren Frame-basierter Signale
- Verhalten von Delay-Blöcken im Zusammenspiel mit Frame-basierten Signalen
- Mehrkanalige Frame-basierte Signale
Modellieren logischer Konstrukte
Ziel: Verwenden von Logik-Blöcken und MATLAB-Code, um logische Ausdrücke zu modellieren.
- Modellieren logischer Ausdrücke
- Modellieren bedingter Verzweigungen
- Verstehen der Nulldurchgangserkennung (Zero-Crossings)
- Modellieren mit dem MATLAB-Function-Block
Vom Algorithmus zum Modell
Ziel: Erstellen eines Modells basierend auf Spezifikationen von Algorithmen.
- Modellieren spezifizierter Algorithmen
- Schrittweises Entwickeln von Algorithmen durch Modellieren und Simulieren
- Verifizieren von Modellen durch Vergleichen mit spezifizierten Algorithmen
Tag 2 von 3
Mixed-Signal-Modelle
Ziel: Modellieren hybrider Systeme mit diskreten und kontinuierlichen Blöcken, um Mixed-Signal-Systeme wie z.B. Analog-Digital-Wandler zu simulieren.
- Was ist ein Mixed-Signal-Modell?
- Modellieren eines ADC (Analog-Digital-Wandlers) mit Apertur-Jitter und Nichtlinearität
- Fallstudie: Modellieren des TI ADS62P29 ADC
Simulink Solver
Ziel: Auswählen eines geeigneten Solver für ein Simulink-Modell, um Simulationen genau und schnell durchzuführen.
- Verstehen der Simulink-Solver
- Simulieren einfacher Modelle
- Simulieren von Modellen mit diskreten und kontinuierlichen Zuständen
- Simulieren von Multiratenmodellen
- Solver mit fester und variabler Schrittweite
- Auswählen eines Solvers für kontinuierliche Systeme
- Umgang mit Zero-Crossings
- Umgang mit algebraischen Schleifen
Subsysteme und Bibliotheken
Ziel: Erstellen eigener Blöcke in Simulink, Maskieren von Blöcken und Entwickeln eigener Bibliotheken, um wiederverwendbare Komponenten zu erstellen.
- Erzeugen von Subsystemen
- Kennenlernen virtueller und nicht-virtueller Subsysteme
- Verwenden von Subsystemen als Modellkomponente
- Maskieren von Subsystemen
- Erzeugen eigener Bibliotheken
- Arbeiten mit und Verändern von Bibliotheksblöcken
- Hinzufügen eigener Bibliotheken zum Simulink Library Browser
Modellieren bedingungsgesteuerter Algorithmen
Ziel: Verwenden bedingungsgesteuerter Subsysteme, um Teile eines Modells abhängig von logischen Ausdrücken ausführen zu können.
- Modellieren bedingungsgesteuerter Systeme mit aktivierten Subsystemen
- Modellieren bedingungsgesteuerter Systeme mit getriggerten Subsystemen
- Anwenden auf das Beispiel des AGC-Modells
Spektralanalyse
Ziel: Durchführen von Spektralanalysen in Simulink, um Signale charakterisieren zu können. |
- Analysieren von Spektren mit dem Spectrum-Analyzer-Block
- Einstellen der Parameter für die Spektralanalyse
- Analysieren des Leistungsspektrums von Motorengeräuschen
- Klassifizieren von Sprache basierend auf ihrem Spektrum
- Bestimmen des Frequenzgangs eines diskreten Systems
Tag 3 von 3
Entwerfen und Anwenden von Filtern
Ziel: Entwerfen und Implementieren digitaler Filter in einem Simulink-Modell, um Signale während einer Simulation filtern zu können.
- Entwerfen von Filtern in Simulink
- Umwandeln von Filtern in Fixed-Point Darstellung
Multiratensysteme
Ziel: Verwenden von Multiraten-Filter-Blöcken, um bei der Änderung der Abtastrate eines Signals Imaging- oder Alias-Effekte zu reduzieren.
- Modellieren von Multiratensystemen
- Blöcke für Multiraten-Signalverarbeitung
- Resampling von überabgetasteten Signalen
- Entwerfen und Implementieren von Anti-Imaging und Anti-Aliasing Filtern
- Verwenden von Multiratenfilter-Blöcken
- Fallstudie: Umwandeln professioneller Audio-Daten in CD-Format
- Umwandeln des Entwurfs in Fixed-Point-Darstellung
Einbinden externen Codes
Ziel: Einbinden externen oder benutzererzeugten MATLAB- bzw. C-Codes in ein Simulink-Modell, um bestehende Algorithmen verwenden zu können.
- Grundlegende Betrachtungen zum Einbinden externen Codes
- Einbinden von MATLAB-Code und C-Code mit dem MATLAB Function Block
Zusammenfassen von Modellen zu Diagrammen
Ziel: Integrieren mehrerer Modelle zu einem Gesamtmodell, um die zeitgleiche Bearbeitung verschiedener Komponenten eines Simulink-Modells durch verschiedene Entwickler zu ermöglichen.
- Modellreferenzierung und Subsysteme
- Einrichten einer Modellreferenz
- Definieren von Modellreferenzargumenten
- Simulationsmodi für Modellreferenzen
- Betrachten von Signalen in referenzierten Modellen
- Erzeugen eines Abhängigkeitsgraphen für ein Modell
Automatisieren von Modellierungsaufgaben
Ziel: Steuern und Ausführen von Simulink-Modellen von der MATLAB-Kommandozeile, um Abläufe wie z.B. Parametervariationen zu automatisieren.
- Automatisieren von Testläufen
- Überprüfen und Verändern von Parametern
- Suchen nach Blöcken mit bestimmten Parameterwerten
- Erstellen und Verändern von Blockdiagrammen
Stufe: Aufbaukurs
Voraussetzungen:
- Kenntnisse in MATLAB® entsprechend der Schulung MATLAB Grundlagen and basic knowledge of digital signal processing
- Grundlegende Kenntnisse der digitalen Signalverarbeitung werden dringend empfohlen
Dauer: 3 Tage
Sprachen: Deutsch, English, 日本語, 한국어