Zum Inhalt springen

Dirac-Kamm

aus Wikipedia, der freien Enzyklopädie
Dies ist die aktuelle Version dieser Seite, zuletzt bearbeitet am 23. März 2025 um 20:16 Uhr durch 84.176.137.144 (Diskussion) (Obwohl das Wort "Kamm" ein Bild vermittelt, beschreibt es den Gegenstand des Lemmas nicht, es bezeichnet ihn.).
(Unterschied) ← Nächstältere Version | Aktuelle Version (Unterschied) | Nächstjüngere Version → (Unterschied)
Dirac-Kamm

Der Dirac-Kamm (auch Dirac-Stoß-Folge oder Schah-Funktion) bezeichnet eine periodische Folge von Dirac-Stößen. Anschaulich besitzt er die Form eines Kamms und wird wegen dieser Ähnlichkeit auch häufig mit dem kyrillischen Buchstaben Ш (Schah) symbolisiert.

Anwendung findet der Dirac-Kamm in der Mathematik und der Signalverarbeitung mittels Fourier-Analysis.

Der Dirac-Kamm stellt eine periodische temperierte Distribution dar, die von der diracschen Delta-Distribution Gebrauch macht.

für eine Periode . Anschaulich ist der Dirac-Kamm also aus unendlich vielen Dirac-Stößen zusammengesetzt, die im Abstand zueinander stehen.

Für die Anwendung des Dirac-Kamms auf eine Testfunktion gilt

.

Fourier-Transformation des Dirac-Kamms

[Bearbeiten | Quelltext bearbeiten]

Die Poissonsche Summenformel besagt, dass der Dirac-Kamm (der Periode 1) ein Fixpunkt der Fourier-Transformation ist. Allgemeiner gilt

wobei für die kontinuierliche Fourier-Transformation die in der Literatur zur Signalverarbeitung übliche Konvention

verwendet wird.

Abtastung und Alias-Effekte

[Bearbeiten | Quelltext bearbeiten]

Mit Hilfe des Dirac-Kamms lässt sich das Abtasten einer Funktion mathematisch durch Multiplikation mit der abzutastenden Funktion beschreiben:

Abtasten durch Multiplikation mit einem Dirac-Kamm

Die Multiplikation eines glatten, schnellfallenden kontinuierlichen Signals mit einem Dirac-Kamm ist das Modell eines idealen Abtasters (engl.: sampler) mit der Abtastrate T.

In der Theorie der Signalverarbeitung stellt der Dirac-Kamm ein elegantes Hilfsmittel dar, um das Nyquist-Shannon-Abtasttheorem zu beweisen und störende Alias-Effekte zu verstehen.