Signalverarbeitung

Signalverarbeitung ist die Wissenschaft, Bedeutung aus elektrischen oder digitalen Signalen zu gewinnen, indem mathematische Operationen angewendet werden. In der Praxis heißt das, eine verrauschte oder rohe Messung zu nehmen, sie zu bereinigen und in eine Form zu bringen, die zeigt, was man wirklich wissen muss. Ein Vibrationssensor an einem Lager erzeugt kontinuierliche analoge Daten; Signalverarbeitung isoliert die Fehlerfrequenzen. Eine Radarantenne empfängt gestreute HF-Energie; Signalverarbeitung trennt Zielechos von Störungen. Die Disziplin sitzt an der Schnittstelle zwischen Physik (was das Signal darstellt) und Mathematik (wie man es manipuliert).

Die meiste Signalverarbeitung heute läuft digital ab. Rohe Analogsignale werden in Intervallen abgetastet, die vom Nyquist-Theorem vorgegeben werden: Enthält das Signal Anteile bis zur Frequenz f, muss mindestens 2f Mal pro Sekunde abgetastet werden. Ein 10-kHz-Seismischsignal erfordert eine Abtastung von 20 kHz. Die abgetasteten Werte werden dann von Algorithmen verarbeitet, die auf DSP-Chips, Mikrocontrollern oder universellen CPUs laufen. Klassische analoge Signalverarbeitung mit Widerständen, Kondensatoren und Operationsverstärkern zur Filterung oder Verstärkung vor dem Abtasten findet sich immer noch in Instrumentierungs-Frontends, wo Geschwindigkeit oder Stromverbrauch es erfordern.

Häufige Operationen sind Filterung, Spektralanalyse und Modulation. Tiefpassfilter entfernen hochfrequentes Rauschen; Bandpassfilter isolieren einen bestimmten Frequenzbereich. Die Schnelle Fourier-Transformation wandelt zeitbereichsmuster in Frequenzbereichsdarstellung um, in Sekunden das, was von Hand Stunden dauern würde. Korrelation vergleicht ein Signal mit einer Vorlage, um bekannte Muster zu erkennen. Faltung wendet Impulsantworten an, um zu modellieren, wie Signale durch physikalische Systeme gehen. Modulation und Demodulation sind die Grundlage der drahtlosen Kommunikation: Informationen reiten auf einer Trägerwelle und müssen am Empfänger extrahiert werden.

Die Wahl des Algorithmus spiegelt Hardware-Grenzen und Anwendungsanforderungen wider. Echtzeit-Audioverarbeitung in einem Mikrofon erfordert geringe Latenz und hohe Effizienz; man kann einen einfachen Filter mit endlicher Impulsantwort (FIR) verwenden. Seismische Datenanalyse kann Offline-Verarbeitung vertragen und Daten stapeln; fortgeschrittene Algorithmen wie Wavelet-Transformationen handhaben transiente Ereignisse besser als klassische Fourier-Methoden. Bildverarbeitung (ein spezialisiertes Gebiet) behandelt 2D-Pixel-Arrays und fügt räumliche Filterung, Kantenerkennung und Kompressionsschritte hinzu.

Signalverarbeitung schlägt fehl, wenn das Rauschfloor über dem Signal liegt, wenn die Abtastung zu langsam ist (Aliasing) oder wenn der falsche Algorithmus für die Signalstruktur gewählt wird. Unterabtastung eines 100-MHz-HF-Signals bei 50 MHz erzeugt falsche niedrigere Frequenzen. Anwendung eines für glatte Kurven entworfenen Butterworth-Filters auf einen Stufensprung führt zu Klingeln, das Zeitmessungen verfälscht. Der Begriff 'Signalverarbeitung' selbst entstand in den 1960er Jahren, als digitale Computer Echtzeittransformation möglich machten; vorher wurden Signale einfach übertragen oder verstärkt, nicht analysiert.