Cyfrowe przetwarzanie i kompresja danych

Save this PDF as:

Wielkość: px
Rozpocząć pokaz od strony:

Download "Cyfrowe przetwarzanie i kompresja danych"

Transkrypt

1 Cyfrowe przetwarzanie i kompresja danych dr inż.. Wojciech Zając Wykład 5. Dyskretna transformata falkowa

2 Schemat systemu transmisji danych wizyjnych Źródło danych Przetwarzanie Przesył Przetwarzanie Prezentacja Kontrolowane straty Zakłócenia

3 Obliczanie jednowymiarowej transformaty DCT Przekształcenie proste X DCT = Y ? * = y 1 y 2 y 3 y 4 y 5 y 6 y 7 y 8

4 Obliczanie jednowymiarowej transformaty DCT Przekształcenie proste X DCT = Y f1 f2 f3 f4 f5 * = f6 f7 f8 y 1 y 2 y 3 y 4 y 5 y 6 y 7 y 8

5 Obliczanie jednowymiarowej transformaty DCT Przekształcenie proste X DCT = Y f1 f2 f3 f4 f5 * = f6 f7 f8 y 1 y 2 y 3 y 4 y 5 y 6 y 7 y 8 Przekształcenie odwrotne Y DCT = X y 1 y 2 y 3 y 4 y 5 y 6 y 7 y 8 f1 f2 f3 f4 f5 * = f6 f7 f8 ' 1 ' 2 ' 3 ' 4 ' 5 ' 6 ' 7 ' 8

6 DCT jako analiza sub-pasmowa

7 Podział widma sygnału w analizie subpasmowej DCT 1 _ 0 π 2 _ π 3 _ π 4 _ π 5 _ π 6 _ π 7 _ π π f 1 f 2 f 3 f 4 f 5 f 6 f 7 f 8

8 Rozkład energii w obrazie Histogram wartości współczynnik czynników w DCT obraz LENA

9 Rozkład energii w obrazie Histogram wartości współczynnik czynników w DCT obraz BABOON

10 Szczególna postać analizy subpasmowej X(z) H (z) 0 G (z) 0 + Y(z) H (z) 1 G (z) 1 0 π _ 2 π X l X h

11 Podział widma sygnału w analizie falkowej H 0 (z) l H 1 (z) h 0 π _ 2 π X l X h

12 Podział widma sygnału w analizie falkowej l H 0 (z) ll H 0 (z) H 1 (z) lh H 1 (z) h 0 π _ 4 π _ 2 π X ll X lh X h

13 Podział widma sygnału w analizie falkowej l H 0 (z) ll H 0 (z) lll H 0 (z) H 1 (z) llh H 1 (z) lh H 1 (z) h 0 π _ 8 π _ 4 π _ 2 π X lll X llh X lh X h

14 Analiza falkowa W przeciwieństwie do analizy fourierowskiej i kosinusowej, analiza falkowa nie wyraża a badanych funkcji poprzez wielomiany, ale poprzez pewne specjalne funkcje - falki, które sąs tworzone ze stałej funkcji zwanej falką macierzystą,, poddanej wielokrotnym translacjom. Uzyskane w ten sposób b falki mają szereg interesujących skalowalnych właściwości. ci. Można je odnosić zarówno do czasu jak i do częstotliwo stotliwości, dopuszczając c bliższe związki zki pomiędzy badaną funkcją (funkcją reprezentowaną), a jej współczynnikami. W ten sposób b uzyskano większ kszą numeryczna stabilność w procesie odtwarzania funkcji. Pokazano, że e każde zadanie posługuj ugujące się szybką transformatą Fouriera może zostać sformułowane owane za pomocą falek, dając c przy tym więcej informacji przestrzennej (o miejscu położenia) jak i częstotliwo stotliwościowej. W ten sposób zamiast tworzyć spektrum natęż ężenie-częstotliwość można otrzymać spektrum falkowe (wavelet( spectrum).

15 TRANSFORMATA FALKOWA Cechą charakterystyczną funkcji bazowych transformaty falkowej jest to, że e ich wartość średnia jest równa r zero i mają postać szybko gasnących oscylacji. Ciągła transformata falkowa sygnału u ciągłego (t), z zastosowaniem falki bazowej g(t) ) jest opisana równaniem: r Wf 1 t b = g dt a a ( a, b) ( t) gdzie a jest współczynnikiem skali (wpływa na czas trwania) falki, b współczynnikiem przesunięcia (zmienia położenie na osi czasu). Wartość współczynnik czynników a i b interpretuje się jako miarę podobieństwa do danego fragmentu analizowanego sygnału. Wynikiem ciągłego przekształcenia falkowego sąs współczynniki Wf(a,b a,b), które odwzorowują sygnał oryginalny (t) ) za pomocą falki bazowej g(t) ) w przestrzeni czas-cz częstotliwość.

16 Przekształcenie falkowe Przekształcenie falkowe opiera się na szablonie, który wykorzystuje pewną funkcję podstawową (falkę podstawową). Transformatę falkową oblicza się na podstawie wzoru, poprzez wyznaczanie iloczynu skalarnego z przeskalowanymi i przesuniętymi wersjami falki podstawowej. CWT f 1 = τ s s t τ s ( τ s) f ( t), Ψ ( t) = f ( t) Ψ dt,, gdzie: ( ) Ψ t s,τ falka podstawowa, odpowiednio argumenty skali i czasu, tworzące dziedzinę transformaty

17 Przekształcenie falkowe Teoria falkowej reprezentacji sygnału u nie definiuje konkretnej postaci falki, określa jedynie własnow asności jakie musi posiadać taka funkcja. Wymaga się,, by falka miała a skończon czoną energię, wartość średnią równą zero oraz by posiadała a niezerowe wartości tylko w skończonym przedziale. Spełnienie tych warunków w powoduje, że e falka posiada postać krótkotrwa tkotrwałej oscylacji, skąd d wywodzi się jej nazwa.

18 Przekształcenie falkowe W wyniku jednowymiarowego przekształcenia falkowego otrzymuje się dwuwymiarową półpłaszczyznę, której argumentami sąs skala i czas. Zmienna skali wywodzi się ze skalowania falki podczas wyznaczania transformaty i posiada znaczenie odwrotności chwilowej częstotliwo stotliwości. Teoretyczne badania naukowe doprowadziły y do opracowania różnych r odmian przekształcenia falkowego, przeznaczonych do cyfrowego przetwarzania sygnałów. Największe znaczenie posiada tu dyskretne przekształcenie falkowe, które dostarcza najbardziej zwartą reprezentację falkową sygnału dyskretnego. W wyniku tej transformacji otrzymuje się zbiór współczynnik czynników w pogrupowanych odpowiednimi poziomami skali, zdyskretyzowanej wykładniczo. Na każdym poziomie skali, odpowiadającym analizowaniu sygnału u z różnąr rozdzielczości cią, otrzymuje się współczynniki, których gęstog stość rozmieszczenia w czasie jest zależna od bieżą żącej wartości skali. Dzięki temu, uzyskuje się własność wielorozdzielczości ci,, pozwalającą na dopasowanie się rozdzielczości ci czasowej analizy sygnału u do aktualnej skali analizy.

19 Jednowymiarowa analiza falkowa l H 0 (z) ll H 0 (z) lll H 0 (z) H 1 (z) llh H 1 (z) lh H 1 (z) h lll 2 HG 00 (z) + ^ ll 2 GH 0 (z) 0 (z) ^ l llh 2 HG 1 (z) lh 2 HG 1 (z) + h 2 2 HG 0 (z) HG 1 (z) + ^ 0 π_ 8 π_ 4 π_ 2 π X lll X llh X lh X h

20 Dwuwymiarowa analiza falkowa Blok A ll-ll-ll Blok A H 0 vert vert l vert H 0 hor hor ll Blok A ll-ll ll-lh ll-hl ll-ll-lh ll-ll-hl ll-ll-hh H 1 hor hor lh ll-hh h vert H 0 hor hor hl H 1 vert vert H 1 hor hor hh

21 Dwuwymiarowa analiza falkowa c.d. 0 π_ 2 π_ 0 2 π ll-ll-ll ll-ll-hl ll-ll-lh ll-ll-hh ll-hl ll-lh ll-hh lh hl hh π

22 Realizacja - filtry LeGalla G H ( ) ( z = z + 2z z z ) 0 2 H ( ) ( z = z + 2 z) ( ) ( z = z + 2 z) G = z 2z ( ) ( 2 z z z ) 1 2 (1) (2) (3) (4)

23 Jakość przetwarzania (1) PSNR [db] Wavelet DCT BER [%]

24 Jakość przetwarzania (2) DCT,, BER=0.1% WAVELET,, BER=0.1%

25 Jakość przetwarzania (3) DCT,, BER=1% WAVELET,, BER=1%

Akwizycja i przetwarzanie sygnałów cyfrowych

Akwizycja i przetwarzanie sygnałów cyfrowych Akwizycja i przetwarzanie sygnałów cyfrowych Instytut Teleinformatyki ITI PK Kraków 21 luty 2011 Analiza czas - częstotliwość analiza częstotliwościowa: problem dla sygnału niestacjonarnego zwykła transformata

Bardziej szczegółowo

Transformaty. Kodowanie transformujace

Transformaty. Kodowanie transformujace Transformaty. Kodowanie transformujace Kodowanie i kompresja informacji - Wykład 10 10 maja 2009 Szeregi Fouriera Każda funkcję okresowa f (t) o okresie T można zapisać jako f (t) = a 0 + a n cos nω 0

Bardziej szczegółowo

LABORATORIUM AKUSTYKI MUZYCZNEJ. Ćw. nr 12. Analiza falkowa dźwięków instrumentów muzycznych. 1. PODSTAWY TEORETYCZNE ANALIZY FALKOWEJ.

LABORATORIUM AKUSTYKI MUZYCZNEJ. Ćw. nr 12. Analiza falkowa dźwięków instrumentów muzycznych. 1. PODSTAWY TEORETYCZNE ANALIZY FALKOWEJ. LABORATORIUM AKUSTYKI MUZYCZNEJ. Ćw. nr 1. Analiza falkowa dźwięków instrumentów muzycznych. 1. PODSTAWY TEORETYCZNE ANALIZY FALKOWEJ. Transformacja falkowa (ang. wavelet falka) przeznaczona jest do analizy

Bardziej szczegółowo

Przekształcenie Fouriera obrazów FFT

Przekształcenie Fouriera obrazów FFT Przekształcenie ouriera obrazów T 6 P. Strumiłło, M. Strzelecki Przekształcenie ouriera ourier wymyślił sposób rozkładu szerokiej klasy funkcji (sygnałów) okresowych na składowe harmoniczne; taką reprezentację

Bardziej szczegółowo

Laboratorium Przetwarzania Sygnałów

Laboratorium Przetwarzania Sygnałów PTS - laboratorium Laboratorium Przetwarzania Sygnałów Ćwiczenie 4 Transformacja falkowa Opracował: - prof. dr hab. inż. Krzysztof Kałużyński Zakład Inżynierii Biomedycznej Instytut Metrologii i Inżynierii

Bardziej szczegółowo

Transformata Fouriera

Transformata Fouriera Transformata Fouriera Program wykładu 1. Wprowadzenie teoretyczne 2. Algorytm FFT 3. Zastosowanie analizy Fouriera 4. Przykłady programów Wprowadzenie teoretyczne Zespolona transformata Fouriera Jeżeli

Bardziej szczegółowo

Przetwarzanie Sygnałów. Zastosowanie Transformaty Falkowej w nadzorowaniu

Przetwarzanie Sygnałów. Zastosowanie Transformaty Falkowej w nadzorowaniu Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Przetwarzanie Sygnałów Studia Podyplomowe, Automatyka i Robotyka Zastosowanie Transformaty Falkowej

Bardziej szczegółowo

2. Próbkowanie Sygnały okresowe (16). Trygonometryczny szereg Fouriera (17). Częstotliwość Nyquista (20).

2. Próbkowanie Sygnały okresowe (16). Trygonometryczny szereg Fouriera (17). Częstotliwość Nyquista (20). SPIS TREŚCI ROZDZIAŁ I SYGNAŁY CYFROWE 9 1. Pojęcia wstępne Wiadomości, informacje, dane, sygnały (9). Sygnał jako nośnik informacji (11). Sygnał jako funkcja (12). Sygnał analogowy (13). Sygnał cyfrowy

Bardziej szczegółowo

Przetwarzanie i transmisja danych multimedialnych. Wykład 8 Transformaty i kodowanie cz. 2. Przemysław Sękalski.

Przetwarzanie i transmisja danych multimedialnych. Wykład 8 Transformaty i kodowanie cz. 2. Przemysław Sękalski. Przetwarzanie i transmisja danych multimedialnych Wykład 8 Transformaty i kodowanie cz. 2 Przemysław Sękalski sekalski@dmcs.pl Politechnika Łódzka Katedra Mikroelektroniki i Technik Informatycznych DMCS

Bardziej szczegółowo

Zastosowanie falek w przetwarzaniu obrazów

Zastosowanie falek w przetwarzaniu obrazów Informatyka, S2 sem. Letni, 2013/2014, wykład#1 Zastosowanie falek w przetwarzaniu obrazów dr inż. Paweł Forczmański Katedra Systemów Multimedialnych, Wydział Informatyki ZUT 1 / 61 Alfréd Haar Alfréd

Bardziej szczegółowo

4 Zasoby językowe Korpusy obcojęzyczne Korpusy języka polskiego Słowniki Sposoby gromadzenia danych...

4 Zasoby językowe Korpusy obcojęzyczne Korpusy języka polskiego Słowniki Sposoby gromadzenia danych... Spis treści 1 Wstęp 11 1.1 Do kogo adresowana jest ta książka... 12 1.2 Historia badań nad mową i językiem... 12 1.3 Obecne główne trendy badań... 16 1.4 Opis zawartości rozdziałów... 18 2 Wyzwania i możliwe

Bardziej szczegółowo

Przedmowa 11 Ważniejsze oznaczenia 14 Spis skrótów i akronimów 15 Wstęp 21 W.1. Obraz naturalny i cyfrowe przetwarzanie obrazów 21 W.2.

Przedmowa 11 Ważniejsze oznaczenia 14 Spis skrótów i akronimów 15 Wstęp 21 W.1. Obraz naturalny i cyfrowe przetwarzanie obrazów 21 W.2. Przedmowa 11 Ważniejsze oznaczenia 14 Spis skrótów i akronimów 15 Wstęp 21 W.1. Obraz naturalny i cyfrowe przetwarzanie obrazów 21 W.2. Technika obrazu 24 W.3. Normalizacja w zakresie obrazu cyfrowego

Bardziej szczegółowo

uzyskany w wyniku próbkowania okresowego przebiegu czasowego x(t) ze stałym czasem próbkowania t takim, że T = t N 1 t

uzyskany w wyniku próbkowania okresowego przebiegu czasowego x(t) ze stałym czasem próbkowania t takim, że T = t N 1 t 4. 1 3. " P r ze c ie k " w idm ow y 1 0 2 4.13. "PRZECIEK" WIDMOWY Rozważmy szereg czasowy {x r } dla r = 0, 1,..., N 1 uzyskany w wyniku próbkowania okresowego przebiegu czasowego x(t) ze stałym czasem

Bardziej szczegółowo

POSZUKIWANIE FALKOWYCH MIAR POTENCJAŁU INFORMACYJNEGO OBRAZÓW CYFROWYCH JAKO WSKAŹNIKÓW JAKOŚCI WIZUALNEJ

POSZUKIWANIE FALKOWYCH MIAR POTENCJAŁU INFORMACYJNEGO OBRAZÓW CYFROWYCH JAKO WSKAŹNIKÓW JAKOŚCI WIZUALNEJ Krystian Pyka POSZUKIWANIE FALKOWYCH MIAR POTENCJAŁU INFORMACYJNEGO OBRAZÓW CYFROWYCH JAKO WSKAŹNIKÓW JAKOŚCI WIZUALNEJ Streszczenie. W pracy przedstawiono wyniki badań nad wykorzystaniem falek do analizy

Bardziej szczegółowo

EKSTRAKCJA CECH TWARZY ZA POMOCĄ TRANSFORMATY FALKOWEJ

EKSTRAKCJA CECH TWARZY ZA POMOCĄ TRANSFORMATY FALKOWEJ Janusz Bobulski Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska ul. Dąbrowskiego 73 42-200 Częstochowa januszb@icis.pcz.pl EKSTRAKCJA CECH TWARZY ZA POMOCĄ TRANSFORMATY FALKOWEJ

Bardziej szczegółowo

Przekształcenia widmowe Transformata Fouriera. Adam Wojciechowski

Przekształcenia widmowe Transformata Fouriera. Adam Wojciechowski Przekształcenia widmowe Transformata Fouriera Adam Wojciechowski Przekształcenia widmowe Odmiana przekształceń kontekstowych, w których kontekstem jest w zasadzie cały obraz. Za pomocą transformaty Fouriera

Bardziej szczegółowo

Adaptive wavelet synthesis for improving digital image processing

Adaptive wavelet synthesis for improving digital image processing for improving digital image processing Politechnika Łódzka Wydział Fizyki Technicznej, Informatyki i Matematyki Stosowanej 4 listopada 2010 Plan prezentacji 1 Wstęp 2 Dyskretne przekształcenie falkowe

Bardziej szczegółowo

Cyfrowe przetwarzanie sygnałów. Wykład 10. Transformata cosinusowa. Falki. Transformata falkowa. dr inż. Robert Kazała

Cyfrowe przetwarzanie sygnałów. Wykład 10. Transformata cosinusowa. Falki. Transformata falkowa. dr inż. Robert Kazała Cyfrowe przetwarzanie sygnałów Wykład 10 Transformata cosinusowa. Falki. Transformata falkowa. dr inż. Robert Kazała 1 Transformata cosinusowa Dyskretna transformacja kosinusowa, (DCT ang. discrete cosine

Bardziej szczegółowo

TRANSFORMATA FALKOWA 2D. Oprogramowanie Systemów Obrazowania 2016/2017

TRANSFORMATA FALKOWA 2D. Oprogramowanie Systemów Obrazowania 2016/2017 TRANSFORMATA FALKOWA 2D Oprogramowanie Systemów Obrazowania 2016/2017 Wielorozdzielczość - dekompozycja sygnału w ciąg sygnałów o coraz mniejszej rozdzielczości na wielu poziomach gdzie: s l+1 - aproksymata

Bardziej szczegółowo

Akustyka muzyczna ANALIZA DŹWIĘKÓW MUZYCZNYCH

Akustyka muzyczna ANALIZA DŹWIĘKÓW MUZYCZNYCH Akustyka muzyczna ANALIZA DŹWIĘKÓW MUZYCZNYCH Dźwięk muzyczny Dźwięk muzyczny sygnał wytwarzany przez instrument muzyczny. Najważniejsze parametry: wysokość związana z częstotliwością podstawową, barwa

Bardziej szczegółowo

Kompresja Danych. Streszczenie Studia Dzienne Wykład 13, f(t) = c n e inω0t, T f(t)e inω 0t dt.

Kompresja Danych. Streszczenie Studia Dzienne Wykład 13, f(t) = c n e inω0t, T f(t)e inω 0t dt. 1 Kodowanie podpasmowe Kompresja Danych Streszczenie Studia Dzienne Wykład 13, 18.05.2006 1.1 Transformaty, próbkowanie i filtry Korzystamy z faktów: Każdą funkcję okresową można reprezentować w postaci

Bardziej szczegółowo

Definicja. x(u)h (u t)e i2πuf du. F x (t,f ;h) = Krótko czasowa transformata Fouriera Ciągłą transformata falkowa

Definicja. x(u)h (u t)e i2πuf du. F x (t,f ;h) = Krótko czasowa transformata Fouriera Ciągłą transformata falkowa Definicja Krótko czasowa transformata Fouriera(STFT) może być rozumiana jako seria transformat Fouriera wykonanych na sygnale okienkowanym, przy czym położenie okienka w czasie jest w ramach takiej serii

Bardziej szczegółowo

FFT i dyskretny splot. Aplikacje w DSP

FFT i dyskretny splot. Aplikacje w DSP i dyskretny splot. Aplikacje w DSP Marcin Jenczmyk m.jenczmyk@knm.katowice.pl Wydział Matematyki, Fizyki i Chemii 10 maja 2014 M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 1 / 17 Transformata

Bardziej szczegółowo

Politechnika Świętokrzyska. Laboratorium. Cyfrowe przetwarzanie sygnałów. Ćwiczenie 6. Transformata cosinusowa. Krótkookresowa transformata Fouriera.

Politechnika Świętokrzyska. Laboratorium. Cyfrowe przetwarzanie sygnałów. Ćwiczenie 6. Transformata cosinusowa. Krótkookresowa transformata Fouriera. Politechnika Świętokrzyska Laboratorium Cyfrowe przetwarzanie sygnałów Ćwiczenie 6 Transformata cosinusowa. Krótkookresowa transformata Fouriera. Cel ćwiczenia Celem ćwiczenia jest zapoznanie studentów

Bardziej szczegółowo

9. Dyskretna transformata Fouriera algorytm FFT

9. Dyskretna transformata Fouriera algorytm FFT Transformata Fouriera ma szerokie zastosowanie w analizie i syntezie układów i systemów elektronicznych, gdyż pozwala na połączenie dwóch sposobów przedstawiania sygnałów reprezentacji w dziedzinie czasu

Bardziej szczegółowo

DYSKRETNE PRZEKSZTAŁCENIE FOURIERA C.D.

DYSKRETNE PRZEKSZTAŁCENIE FOURIERA C.D. CPS 6 DYSKRETE PRZEKSZTAŁCEIE FOURIERA C.D. Twierdzenie o przesunięciu Istnieje ważna właściwość DFT, znana jako twierdzenie o przesunięciu. Mówi ono, że: Przesunięcie w czasie okresowego ciągu wejściowego

Bardziej szczegółowo

Analiza szeregów czasowych: 2. Splot. Widmo mocy.

Analiza szeregów czasowych: 2. Splot. Widmo mocy. Analiza szeregów czasowych: 2. Splot. Widmo mocy. P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 2007/08 Splot Jedna z najważniejszych własności transformaty Fouriera jest to, że transformata

Bardziej szczegółowo

BIBLIOTEKA PROGRAMU R - BIOPS. Narzędzia Informatyczne w Badaniach Naukowych Katarzyna Bernat

BIBLIOTEKA PROGRAMU R - BIOPS. Narzędzia Informatyczne w Badaniach Naukowych Katarzyna Bernat BIBLIOTEKA PROGRAMU R - BIOPS Narzędzia Informatyczne w Badaniach Naukowych Katarzyna Bernat Biblioteka biops zawiera funkcje do analizy i przetwarzania obrazów. Operacje geometryczne (obrót, przesunięcie,

Bardziej szczegółowo

Metody Przetwarzania Danych Meteorologicznych Ćwiczenia 14

Metody Przetwarzania Danych Meteorologicznych Ćwiczenia 14 Danych Meteorologicznych Sylwester Arabas (ćwiczenia do wykładu dra Krzysztofa Markowicza) Instytut Geofizyki, Wydział Fizyki Uniwersytetu Warszawskiego 18. stycznia 2010 r. Zadanie 14.1 : polecenie znalezienie

Bardziej szczegółowo

Przetwarzanie obrazów wykład 6. Adam Wojciechowski

Przetwarzanie obrazów wykład 6. Adam Wojciechowski Przetwarzanie obrazów wykład 6 Adam Wojciechowski Przykłady obrazów cyfrowych i ich F-obrazów Parzysta liczba powtarzalnych wzorców Transformata Fouriera może być przydatna przy wykrywaniu określonych

Bardziej szczegółowo

Cyfrowe przetwarzanie i kompresja danych. dr inż.. Wojciech Zając

Cyfrowe przetwarzanie i kompresja danych. dr inż.. Wojciech Zając Cyfrowe przetwarzanie i kompresja danych dr inż.. Wojciech Zając Wykład 7. Standardy kompresji obrazów nieruchomych Obraz cyfrowy co to takiego? OBRAZ ANALOGOWY OBRAZ CYFROWY PRÓBKOWANY 8x8 Kompresja danych

Bardziej szczegółowo

Zygmunt Wróbel i Robert Koprowski. Praktyka przetwarzania obrazów w programie Matlab

Zygmunt Wróbel i Robert Koprowski. Praktyka przetwarzania obrazów w programie Matlab Zygmunt Wróbel i Robert Koprowski Praktyka przetwarzania obrazów w programie Matlab EXIT 2004 Wstęp 7 CZĘŚĆ I 9 OBRAZ ORAZ JEGO DYSKRETNA STRUKTURA 9 1. Obraz w programie Matlab 11 1.1. Reprezentacja obrazu

Bardziej szczegółowo

Falki, transformacje falkowe i ich wykorzystanie

Falki, transformacje falkowe i ich wykorzystanie Falki, transformacje falkowe i ich wykorzystanie Wstęp Praca próbuje opisać czym jest falka oraz podać zastosowania falek w praktyce. Na wstępie w Postaci matematycznej falki zaprezentujemy czym jest problem

Bardziej szczegółowo

Kodowanie transformacyjne. Plan 1. Zasada 2. Rodzaje transformacji 3. Standard JPEG

Kodowanie transformacyjne. Plan 1. Zasada 2. Rodzaje transformacji 3. Standard JPEG Kodowanie transformacyjne Plan 1. Zasada 2. Rodzaje transformacji 3. Standard JPEG Zasada Zasada podstawowa: na danych wykonujemy transformacje która: Likwiduje korelacje Skupia energię w kilku komponentach

Bardziej szczegółowo

Kompresja video (MPEG)

Kompresja video (MPEG) mgr inż. Grzegorz Kraszewski SYSTEMY MULTIMEDIALNE wykład 8, strona 1. Kompresja video (MEG) Zasadniczy schemat kompresora video Typy ramek przy kompresji czasowej Analiza ramek przez syntezę Sposób detekcji

Bardziej szczegółowo

Teoria Sygnałów. Inżynieria Obliczeniowa II rok 2018/19. Wykład 10. ( t) Wykorzystanie transformacji Fouriera w analizie korelacyjnej

Teoria Sygnałów. Inżynieria Obliczeniowa II rok 2018/19. Wykład 10. ( t) Wykorzystanie transformacji Fouriera w analizie korelacyjnej Teoria Synałów Inżynieria Obliczeniowa II rok 208/9 Wykład 0 Wykorzystanie transformacji Fouriera w analizie korelacyjnej Na początek krótkie przypomnienie podstawowych definicji: Funkcja autokorelacji

Bardziej szczegółowo

Kompresja dźwięku w standardzie MPEG-1

Kompresja dźwięku w standardzie MPEG-1 mgr inż. Grzegorz Kraszewski SYSTEMY MULTIMEDIALNE wykład 7, strona 1. Kompresja dźwięku w standardzie MPEG-1 Ogólne założenia kompresji stratnej Zjawisko maskowania psychoakustycznego Schemat blokowy

Bardziej szczegółowo

Analiza szeregów czasowych: 2. Splot. Widmo mocy.

Analiza szeregów czasowych: 2. Splot. Widmo mocy. Analiza szeregów czasowych: 2. Splot. Widmo mocy. P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 2006/07 Splot Jedna z najważniejszych własności transformaty Fouriera jest to, że transformata

Bardziej szczegółowo

Zmiany fazy/okresu oscylacji Chandlera i rocznej we współrzędnych bieguna ziemskiego.

Zmiany fazy/okresu oscylacji Chandlera i rocznej we współrzędnych bieguna ziemskiego. Strona 1 z 38 Zmiany fazy/okresu oscylacji Chandlera i rocznej we współrzędnych bieguna ziemskiego. Alicja Rzeszótko alicja@cbk.waw.pl 2 czerwca 2006 1 Omówienie danych 3 Strona główna Strona 2 z 38 2

Bardziej szczegółowo

Zmiany fazy/okresu oscylacji Chandlera i rocznej we współrzędnych bieguna ziemskiego.

Zmiany fazy/okresu oscylacji Chandlera i rocznej we współrzędnych bieguna ziemskiego. Strona 1 z 27 Zmiany fazy/okresu oscylacji Chandlera i rocznej we współrzędnych bieguna ziemskiego. Alicja Rzeszótko Wiesław Kosek Waldemar Popiński Seminarium Sekcji Dynamiki Ziemi Komitetu Geodezji PAN

Bardziej szczegółowo

Teoria sygnałów Signal Theory. Elektrotechnika I stopień (I stopień / II stopień) ogólnoakademicki (ogólno akademicki / praktyczny)

Teoria sygnałów Signal Theory. Elektrotechnika I stopień (I stopień / II stopień) ogólnoakademicki (ogólno akademicki / praktyczny) . KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013 Teoria sygnałów Signal Theory A. USYTUOWANIE MODUŁU W SYSTEMIE STUDIÓW

Bardziej szczegółowo

TRANSFORMATA FALKOWA. Joanna Świebocka-Więk

TRANSFORMATA FALKOWA. Joanna Świebocka-Więk TRANSFORMATA FALKOWA Joanna Świebocka-Więk Plan prezentacji 1. Fala a falka czyli porównanie transformaty Fouriera i falkowej 2. Funkcja falkowa a funkcja skalująca 3. Ciągła transformata falkowa 1. Skala

Bardziej szczegółowo

ZAGADNIENIA PROGRAMOWE I WYMAGANIA EDUKACYJNE DO TESTU PRZYROSTU KOMPETENCJI Z MATEMATYKI DLA UCZNIA KLASY II

ZAGADNIENIA PROGRAMOWE I WYMAGANIA EDUKACYJNE DO TESTU PRZYROSTU KOMPETENCJI Z MATEMATYKI DLA UCZNIA KLASY II ZAGADNIENIA PROGRAMOWE I WYMAGANIA EDUKACYJNE DO TESTU PRZYROSTU KOMPETENCJI Z MATEMATYKI DLA UCZNIA KLASY II POZIOM ROZSZERZONY Równania i nierówności z wartością bezwzględną. rozwiązuje równania i nierówności

Bardziej szczegółowo

TRANSFORMATA FALKOWA WYBRANYCH SYGNAŁÓW SYMULACYJNYCH

TRANSFORMATA FALKOWA WYBRANYCH SYGNAŁÓW SYMULACYJNYCH 1-2013 PROBLEMY EKSPLOATACJI 27 Izabela JÓZEFCZYK, Romuald MAŁECKI Politechnika Warszawska, Płock TRANSFORMATA FALKOWA WYBRANYCH SYGNAŁÓW SYMULACYJNYCH Słowa kluczowe Sygnał, dyskretna transformacja falkowa,

Bardziej szczegółowo

Przekształcenie Z. Krzysztof Patan

Przekształcenie Z. Krzysztof Patan Przekształcenie Z Krzysztof Patan Wprowadzenie Przekształcenie Laplace a można stosować do sygnałów i systemów czasu ciągłego W przypadku sygnałów czy systemów czasu dyskretnego do wyznaczenia transmitancji

Bardziej szczegółowo

Przedmowa Wykaz oznaczeń Wykaz skrótów 1. Sygnały i ich parametry 1 1.1. Pojęcia podstawowe 1 1.2. Klasyfikacja sygnałów 2 1.3.

Przedmowa Wykaz oznaczeń Wykaz skrótów 1. Sygnały i ich parametry 1 1.1. Pojęcia podstawowe 1 1.2. Klasyfikacja sygnałów 2 1.3. Przedmowa Wykaz oznaczeń Wykaz skrótów 1. Sygnały i ich parametry 1 1.1. Pojęcia podstawowe 1 1.2. Klasyfikacja sygnałów 2 1.3. Sygnały deterministyczne 4 1.3.1. Parametry 4 1.3.2. Przykłady 7 1.3.3. Sygnały

Bardziej szczegółowo

Kodowanie transformujace. Kompresja danych. Tomasz Jurdziński. Wykład 11: Transformaty i JPEG

Kodowanie transformujace. Kompresja danych. Tomasz Jurdziński. Wykład 11: Transformaty i JPEG Tomasz Wykład 11: Transformaty i JPEG Idea kodowania transformujacego Etapy kodowania 1 Wektor danych x 0,...,x N 1 przekształcamy (odwracalnie!) na wektor c 0,...,c N 1, tak aby: energia była skoncentrowana

Bardziej szczegółowo

Właściwości sygnałów i splot. Krzysztof Patan

Właściwości sygnałów i splot. Krzysztof Patan Właściwości sygnałów i splot Krzysztof Patan Właściwości sygnałów Dla sygnału ciągłego x(t) można zdefiniować wielkości liczbowe charakteryzujące ten sygnał wartość średnia energia sygnału x sr = lim τ

Bardziej szczegółowo

Analiza i modelowanie przepływów w sieci Internet. Andrzej Andrijew

Analiza i modelowanie przepływów w sieci Internet. Andrzej Andrijew Analiza i modelowanie przepływów w sieci Internet Andrzej Andrijew Plan referatu Samopodobieostwo w sieci Internet Samopodobne procesy stochastyczne Metody sprawdzania samopodobieostwa Modelowanie przepływów

Bardziej szczegółowo

Akwizycja i przetwarzanie sygnałów cyfrowych

Akwizycja i przetwarzanie sygnałów cyfrowych Akwizycja i przetwarzanie sygnałów cyfrowych Instytut Teleinformatyki ITI PK Kraków 21 luty 2011 Czasowo-częstotliwościowa analiza sygnałów Metody analizy sygnału Do tej pory - analiza sygnału jako funkcji

Bardziej szczegółowo

ANALIZA SEMANTYCZNA OBRAZU I DŹWIĘKU

ANALIZA SEMANTYCZNA OBRAZU I DŹWIĘKU ANALIZA SEMANTYCZNA OBRAZU I DŹWIĘKU obraz dr inż. Jacek Naruniec Analiza Składowych Niezależnych (ICA) Independent Component Analysis Dąży do wyznaczenia zmiennych niezależnych z obserwacji Problem opiera

Bardziej szczegółowo

ZASTOSOWANIA PRZEKSZTAŁCENIA ZET

ZASTOSOWANIA PRZEKSZTAŁCENIA ZET CPS - - ZASTOSOWANIA PRZEKSZTAŁCENIA ZET Rozwiązywanie równań różnicowych Dyskretny system liniowy-stacjonarny można opisać równaniem różnicowym w postaci ogólnej N M aky[ n k] bkx[ n k] k k Przekształcenie

Bardziej szczegółowo

O sygnałach cyfrowych

O sygnałach cyfrowych O sygnałach cyfrowych Informacja Informacja - wielkość abstrakcyjna, która moŝe być: przechowywana w pewnych obiektach przesyłana pomiędzy pewnymi obiektami przetwarzana w pewnych obiektach stosowana do

Bardziej szczegółowo

Szybka transformacja Fouriera (FFT Fast Fourier Transform)

Szybka transformacja Fouriera (FFT Fast Fourier Transform) Szybka transformacja Fouriera (FFT Fast Fourier Transform) Plan wykładu: 1. Transformacja Fouriera, iloczyn skalarny 2. DFT - dyskretna transformacja Fouriera 3. FFT szybka transformacja Fouriera a) algorytm

Bardziej szczegółowo

Modele kp Studnia kwantowa

Modele kp Studnia kwantowa Modele kp Studnia kwantowa Przegląd modeli pozwalających obliczyć strukturę pasmową materiałów półprzewodnikowych. Metoda Fal płaskich Transformata Fouriera Przykładowe wyniki Model Kaine Hamiltonian z

Bardziej szczegółowo

Podstawy Automatyki. Wykład 5 - stabilność liniowych układów dynamicznych. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki

Podstawy Automatyki. Wykład 5 - stabilność liniowych układów dynamicznych. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki Wykład 5 - stabilność liniowych układów dynamicznych Instytut Automatyki i Robotyki Warszawa, 2015 Wstęp Stabilność O układzie możemy mówić, że jest stabilny gdy układ ten wytrącony ze stanu równowagi

Bardziej szczegółowo

Transformacja Fouriera i biblioteka CUFFT 3.0

Transformacja Fouriera i biblioteka CUFFT 3.0 Transformacja Fouriera i biblioteka CUFFT 3.0 Procesory Graficzne w Zastosowaniach Obliczeniowych Karol Opara Warszawa, 14 kwietnia 2010 Transformacja Fouriera Definicje i Intuicje Transformacja z dziedziny

Bardziej szczegółowo

Analiza obrazu. wykład 1. Marek Jan Kasprowicz Uniwersytet Rolniczy Marek Jan Kasprowicz Analiza obrazu komputerowego 2009 r.

Analiza obrazu. wykład 1. Marek Jan Kasprowicz Uniwersytet Rolniczy Marek Jan Kasprowicz Analiza obrazu komputerowego 2009 r. Analiza obrazu komputerowego wykład 1 Marek Jan Kasprowicz Uniwersytet Rolniczy 2009 Plan wykładu Wprowadzenie pojęcie obrazu cyfrowego i analogowego Geometryczne przekształcenia obrazu Przekształcenia

Bardziej szczegółowo

Nieskończona jednowymiarowa studnia potencjału

Nieskończona jednowymiarowa studnia potencjału Nieskończona jednowymiarowa studnia potencjału Zagadnienie dane jest następująco: znaleźć funkcje własne i wartości własne operatora energii dla cząstki umieszczonej w nieskończonej studni potencjału,

Bardziej szczegółowo

NIEOPTYMALNA TECHNIKA DEKORELACJI W CYFROWYM PRZETWARZANIU OBRAZU

NIEOPTYMALNA TECHNIKA DEKORELACJI W CYFROWYM PRZETWARZANIU OBRAZU II Konferencja Naukowa KNWS'05 "Informatyka- sztuka czy rzemios o" 15-18 czerwca 2005, Z otniki Luba skie NIEOPTYMALNA TECHNIKA DEKORELACJI W CYFROWYM PRZETWARZANIU OBRAZU Wojciech Zając Instytut Informatyki

Bardziej szczegółowo

0. OpenGL ma układ współrzędnych taki, że oś y jest skierowana (względem monitora) a) w dół b) w górę c) w lewo d) w prawo e) w kierunku do

0. OpenGL ma układ współrzędnych taki, że oś y jest skierowana (względem monitora) a) w dół b) w górę c) w lewo d) w prawo e) w kierunku do 0. OpenGL ma układ współrzędnych taki, że oś y jest skierowana (względem monitora) a) w dół b) w górę c) w lewo d) w prawo e) w kierunku do obserwatora f) w kierunku od obserwatora 1. Obrót dookoła osi

Bardziej szczegółowo

Laboratorium optycznego przetwarzania informacji i holografii. Ćwiczenie 4. Badanie optycznej transformaty Fouriera

Laboratorium optycznego przetwarzania informacji i holografii. Ćwiczenie 4. Badanie optycznej transformaty Fouriera Laboratorium optycznego przetwarzania informacji i holografii Ćwiczenie 4. Badanie optycznej transformaty Fouriera Katedra Optoelektroniki i Systemów Elektronicznych, WETI, Politechnika Gdańska Gdańsk

Bardziej szczegółowo

Podstawy Automatyki. wykład 1 (26.02.2010) mgr inż. Łukasz Dworzak. Politechnika Wrocławska. Instytut Technologii Maszyn i Automatyzacji (I-24)

Podstawy Automatyki. wykład 1 (26.02.2010) mgr inż. Łukasz Dworzak. Politechnika Wrocławska. Instytut Technologii Maszyn i Automatyzacji (I-24) Podstawy Automatyki wykład 1 (26.02.2010) mgr inż. Łukasz Dworzak Politechnika Wrocławska Instytut Technologii Maszyn i Automatyzacji (I-24) Laboratorium Podstaw Automatyzacji (L6) 105/2 B1 Sprawy organizacyjne

Bardziej szczegółowo

Technika audio część 2

Technika audio część 2 Technika audio część 2 Wykład 12 Projektowanie cyfrowych układów elektronicznych Mgr inż. Łukasz Kirchner lukasz.kirchner@cs.put.poznan.pl http://www.cs.put.poznan.pl/lkirchner Wprowadzenie do filtracji

Bardziej szczegółowo

Metody rozwiązania równania Schrödingera

Metody rozwiązania równania Schrödingera Metody rozwiązania równania Schrödingera Równanie Schrödingera jako algebraiczne zagadnienie własne Rozwiązanie analityczne dla skończonej i nieskończonej studni potencjału Problem rozwiązania równania

Bardziej szczegółowo

Dyskretne układy liniowe. Funkcja splotu. Równania różnicowe. Transform

Dyskretne układy liniowe. Funkcja splotu. Równania różnicowe. Transform Dyskretne układy liniowe. Funkcja splotu. Równania różnicowe. Transformata Z. March 20, 2013 Dyskretne układy liniowe. Funkcja splotu. Równania różnicowe. Transformata Z. Sygnał i system Sygnał jest opisem

Bardziej szczegółowo

TEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM

TEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM TEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM AKADEMIA MORSKA Katedra Telekomunikacji Morskiej ĆWICZENIE 7 BADANIE ODPOWIEDZI USTALONEJ NA OKRESOWY CIĄG IMPULSÓW 1. Cel ćwiczenia Obserwacja przebiegów wyjściowych

Bardziej szczegółowo

ROZKŁAD MATERIAŁU DO II KLASY LICEUM (ZAKRES ROZSZERZONY) A WYMAGANIA PODSTAWY PROGRAMOWEJ.

ROZKŁAD MATERIAŁU DO II KLASY LICEUM (ZAKRES ROZSZERZONY) A WYMAGANIA PODSTAWY PROGRAMOWEJ. ROZKŁAD MATERIAŁU DO II KLASY LICEUM (ZAKRES ROZSZERZONY) A WYMAGANIA PODSTAWY PROGRAMOWEJ. LICZBA TEMAT GODZIN LEKCYJNYCH Potęgi, pierwiastki i logarytmy (8 h) Potęgi 3 Pierwiastki 3 Potęgi o wykładnikach

Bardziej szczegółowo

8. Analiza widmowa metodą szybkiej transformaty Fouriera (FFT)

8. Analiza widmowa metodą szybkiej transformaty Fouriera (FFT) 8. Analiza widmowa metodą szybkiej transformaty Fouriera (FFT) Ćwiczenie polega na wykonaniu analizy widmowej zadanych sygnałów metodą FFT, a następnie określeniu amplitud i częstotliwości głównych składowych

Bardziej szczegółowo

WYDZIAŁ FIZYKI I INFORMATYKI STOSOWANEJ

WYDZIAŁ FIZYKI I INFORMATYKI STOSOWANEJ WYDZIAŁ FIZYKI I INFORMATYKI STOSOWANEJ Hybrid Images Imię i nazwisko: Anna Konieczna Kierunek studiów: Informatyka Stosowana Rok studiów: 4 Przedmiot: Analiza i Przetwarzanie Obrazów Prowadzący przedmiot:

Bardziej szczegółowo

PL B1. POLITECHNIKA WARSZAWSKA, Warszawa, PL

PL B1. POLITECHNIKA WARSZAWSKA, Warszawa, PL RZECZPOSPOLITA POLSKA (12) OPIS PATENTOWY (19) PL (11) 232305 (13) B1 Urząd Patentowy Rzeczypospolitej Polskiej (21) Numer zgłoszenia: 425576 (22) Data zgłoszenia: 17.05.2018 (51) Int.Cl. G01R 21/00 (2006.01)

Bardziej szczegółowo

Wykład 6: Reprezentacja informacji w układzie optycznym; układy liniowe w optyce; podstawy teorii dyfrakcji

Wykład 6: Reprezentacja informacji w układzie optycznym; układy liniowe w optyce; podstawy teorii dyfrakcji Fotonika Wykład 6: Reprezentacja informacji w układzie optycznym; układy liniowe w optyce; podstawy teorii dyfrakcji Plan: pojęcie sygnału w optyce układy liniowe filtry liniowe, transformata Fouriera,

Bardziej szczegółowo

XI Konferencja Sieci i Systemy Informatyczne Łódź, październik 2003 APLIKACJA DO TESTOWANIA ALGORYTMÓW PRZETWARZANIA SYGNAŁÓW

XI Konferencja Sieci i Systemy Informatyczne Łódź, październik 2003 APLIKACJA DO TESTOWANIA ALGORYTMÓW PRZETWARZANIA SYGNAŁÓW Łódź, październik 003 Marcin Cegielski Instytut Informatyki Politechniki Łódzkiej APLIKACJA DO TESTOWANIA ALGORYTMÓW PRZETWARZANIA SYGNAŁÓW Streszczenie Celem pracy jest prezentacja aplikacji służącej

Bardziej szczegółowo

Transformata Laplace a to przekształcenie całkowe funkcji f(t) opisane następującym wzorem:

Transformata Laplace a to przekształcenie całkowe funkcji f(t) opisane następującym wzorem: PPS 2 kartkówka 1 RÓWNANIE RÓŻNICOWE Jest to dyskretny odpowiednik równania różniczkowego. Równania różnicowe to pewne związki rekurencyjne określające w sposób niebezpośredni wartość danego wyrazu ciągu.

Bardziej szczegółowo

Informatyka I stopień (I stopień / II stopień) ogólnoakademicki (ogólno akademicki / praktyczny) kierunkowy (podstawowy / kierunkowy / inny HES)

Informatyka I stopień (I stopień / II stopień) ogólnoakademicki (ogólno akademicki / praktyczny) kierunkowy (podstawowy / kierunkowy / inny HES) Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013

Bardziej szczegółowo

Ćwiczenie 3. Właściwości przekształcenia Fouriera

Ćwiczenie 3. Właściwości przekształcenia Fouriera Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L Ćwiczenie 3. Właściwości przekształcenia Fouriera 1. Podstawowe właściwości przekształcenia

Bardziej szczegółowo

Egzamin / zaliczenie na ocenę*

Egzamin / zaliczenie na ocenę* WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI Zał. nr 4 do ZW 33/01 KARTA PRZEDMIOTU Nazwa w języku polskim CYFROWE PRZETWARZANIE SYGNAŁÓW Nazwa w języku angielskim DIGITAL SIGNAL PROCESSING Kierunek studiów

Bardziej szczegółowo

Akwizycja i przetwarzanie sygnałów cyfrowych

Akwizycja i przetwarzanie sygnałów cyfrowych Akwizycja i przetwarzanie sygnałów cyfrowych Instytut Teleinformatyki ITI PK Kraków 21 luty 2011 Czasowo-częstotliwościowa analiza sygnałów Metody analizy sygnału Do tej pory - analiza sygnału jako funkcji

Bardziej szczegółowo

1.5. Sygnały. Sygnał- jest modelem zmian w czasie pewnej wielkości fizycznej lub stanu obiektu fizycznego

1.5. Sygnały. Sygnał- jest modelem zmian w czasie pewnej wielkości fizycznej lub stanu obiektu fizycznego Sygnał- jest modelem zmian w czasie pewnej wielkości fizycznej lub stanu obiektu fizycznego Za pomocąsygnałów przekazywana jest informacja. Sygnałjest nośnikiem informacji. Za pomocą sygnału moŝna: badać

Bardziej szczegółowo

WYMAGANIA DOTYCZĄCE ZALICZENIA ZAJĘĆ

WYMAGANIA DOTYCZĄCE ZALICZENIA ZAJĘĆ Nazwa przedmiotu: Techniki symulacji Kod przedmiotu: ES1C300 015 Forma zajęć: pracownia specjalistyczna Kierunek: elektrotechnika Rodzaj studiów: stacjonarne, I stopnia (inŝynierskie) Semestr studiów:

Bardziej szczegółowo

Rozdział 1 PODSTAWOWE POJĘCIA I DEFINICJE

Rozdział 1 PODSTAWOWE POJĘCIA I DEFINICJE 1. 1. W p r owadze n ie 1 Rozdział 1 PODSTAWOWE POJĘCIA I DEFINICJE 1.1. WPROWADZENIE SYGNAŁ nośnik informacji ANALIZA SYGNAŁU badanie, którego celem jest identyfikacja własności, cech, miar sygnału; odtwarzanie

Bardziej szczegółowo

Dystrybucje, wiadomości wstępne (I)

Dystrybucje, wiadomości wstępne (I) Temat 8 Dystrybucje, wiadomości wstępne (I) Wielkości fizyczne opisujemy najczęściej przyporządkowując im funkcje (np. zależne od czasu). Inną drogą opisu tych wielkości jest przyporządkowanie im funkcjonałów

Bardziej szczegółowo

KARTA MODUŁU KSZTAŁCENIA

KARTA MODUŁU KSZTAŁCENIA KARTA MODUŁU KSZTAŁCENIA I. Informacje ogólne I. 1 Nazwa modułu kształcenia Analiza i przetwarzanie sygnałów 2 Nazwa jednostki prowadzącej moduł (należy wskazać nazwę zgodnie ze Statutem PSW Instytut,

Bardziej szczegółowo

Zakładamy, że są niezależnymi zmiennymi podlegającymi (dowolnemu) rozkładowi o skończonej wartości oczekiwanej i wariancji.

Zakładamy, że są niezależnymi zmiennymi podlegającymi (dowolnemu) rozkładowi o skończonej wartości oczekiwanej i wariancji. Wnioskowanie_Statystyczne_-_wykład Spis treści 1 Centralne Twierdzenie Graniczne 1.1 Twierdzenie Lindeberga Levy'ego 1.2 Dowód 1.2.1 funkcja tworząca sumy zmiennych niezależnych 1.2.2 pochodna funkcji

Bardziej szczegółowo

TERAZ O SYGNAŁACH. Przebieg i widmo Zniekształcenia sygnałów okresowych Miary sygnałów Zasady cyfryzacji sygnałów analogowych

TERAZ O SYGNAŁACH. Przebieg i widmo Zniekształcenia sygnałów okresowych Miary sygnałów Zasady cyfryzacji sygnałów analogowych TERAZ O SYGNAŁACH Przebieg i widmo Zniekształcenia sygnałów okresowych Miary sygnałów Zasady cyfryzacji sygnałów analogowych Sygnał sinusoidalny Sygnał sinusoidalny (także cosinusoidalny) należy do podstawowych

Bardziej szczegółowo

przetworzonego sygnału

przetworzonego sygnału Synteza falek ortogonalnych na podstawie oceny przetworzonego sygnału Instytut Informatyki Politechnika Łódzka 28 lutego 2012 Plan prezentacji 1 Sformułowanie problemu 2 3 4 Historia przekształcenia falkowego

Bardziej szczegółowo

FILTRACJE W DZIEDZINIE CZĘSTOTLIWOŚCI

FILTRACJE W DZIEDZINIE CZĘSTOTLIWOŚCI FILTRACJE W DZIEDZINIE CZĘSTOTLIWOŚCI ( frequency domain filters) Każdy człon F(u,v) zawiera wszystkie wartości f(x,y) modyfikowane przez wartości członów wykładniczych Za wyjątkiem trywialnych przypadków

Bardziej szczegółowo

Wymagania kl. 3. Zakres podstawowy i rozszerzony

Wymagania kl. 3. Zakres podstawowy i rozszerzony Wymagania kl. 3 Zakres podstawowy i rozszerzony Temat lekcji Zakres treści Osiągnięcia ucznia 1. RACHUNEK PRAWDOPODOBIEŃSTWA 1. Reguła mnożenia reguła mnożenia ilustracja zbioru wyników doświadczenia za

Bardziej szczegółowo

POLITECHNIKA POZNAŃSKA

POLITECHNIKA POZNAŃSKA POLITECHNIKA POZNAŃSKA INSTYTUT ELEKTROTECHNIKI I ELEKTRONIKI PRZEMYSŁOWEJ Zakład Elektrotechniki Teoretycznej i Stosowanej Laboratorium Podstaw Telekomunikacji Ćwiczenie nr 1 Temat: Pomiar widma częstotliwościowego

Bardziej szczegółowo

Metody Rozmyte i Algorytmy Ewolucyjne

Metody Rozmyte i Algorytmy Ewolucyjne mgr inż. Wydział Matematyczno-Przyrodniczy Szkoła Nauk Ścisłych Uniwersytet Kardynała Stefana Wyszyńskiego Podstawowe operatory genetyczne Plan wykładu Przypomnienie 1 Przypomnienie Metody generacji liczb

Bardziej szczegółowo

Ważne rozkłady i twierdzenia

Ważne rozkłady i twierdzenia Ważne rozkłady i twierdzenia Rozkład dwumianowy i wielomianowy Częstość. Prawo wielkich liczb Rozkład hipergeometryczny Rozkład Poissona Rozkład normalny i rozkład Gaussa Centralne twierdzenie graniczne

Bardziej szczegółowo

Założenia i obszar zastosowań. JPEG - algorytm kodowania obrazu. Geneza algorytmu KOMPRESJA OBRAZÓW STATYCZNYCH - ALGORYTM JPEG

Założenia i obszar zastosowań. JPEG - algorytm kodowania obrazu. Geneza algorytmu KOMPRESJA OBRAZÓW STATYCZNYCH - ALGORYTM JPEG Założenia i obszar zastosowań KOMPRESJA OBRAZÓW STATYCZNYCH - ALGORYTM JPEG Plan wykładu: Geneza algorytmu Założenia i obszar zastosowań JPEG kroki algorytmu kodowania obrazu Założenia: Obraz monochromatyczny

Bardziej szczegółowo

Grafika Komputerowa Wykład 2. Przetwarzanie obrazów. mgr inż. Michał Chwesiuk 1/38

Grafika Komputerowa Wykład 2. Przetwarzanie obrazów. mgr inż. Michał Chwesiuk 1/38 Wykład 2 Przetwarzanie obrazów mgr inż. 1/38 Przetwarzanie obrazów rastrowych Jedna z dziedzin cyfrowego obrazów rastrowych. Celem przetworzenia obrazów rastrowych jest użycie edytujących piksele w celu

Bardziej szczegółowo

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16 Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego

Bardziej szczegółowo

2. P (E) = 1. β B. TSIM W3: Sygnały stochastyczne 1/27

2. P (E) = 1. β B. TSIM W3: Sygnały stochastyczne 1/27 SYGNAŁY STOCHASTYCZNE Przestrzeń probabilistyczna i zmienna losowa Definicja Przestrzenią probabilistyczną (doświadczeniem) nazywamy trójkę uporządkowaną (E, B, P ), gdzie: E przestrzeń zdarzeń elementarnych;

Bardziej szczegółowo

Joint Photographic Experts Group

Joint Photographic Experts Group Joint Photographic Experts Group Artur Drozd Uniwersytet Jagielloński 14 maja 2010 1 Co to jest JPEG? Dlaczego powstał? 2 Transformata Fouriera 3 Dyskretna transformata kosinusowa (DCT-II) 4 Kodowanie

Bardziej szczegółowo

Przeksztacenie Laplace a. Krzysztof Patan

Przeksztacenie Laplace a. Krzysztof Patan Przeksztacenie Laplace a Krzysztof Patan Wprowadzenie Transformata Fouriera popularna metoda opisu systemów w dziedzinie częstotliwości Transformata Fouriera umożliwia wykonanie wielu użytecznych czynności:

Bardziej szczegółowo

Podstawy Automatyki. Wykład 5 - stabilność liniowych układów dynamicznych. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki

Podstawy Automatyki. Wykład 5 - stabilność liniowych układów dynamicznych. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki Wykład 5 - stabilność liniowych układów dynamicznych Instytut Automatyki i Robotyki Warszawa, 2015 Wstęp Stabilność - definicja 1 O układzie możemy mówić, że jest stabilny gdy wytrącony ze stanu równowagi

Bardziej szczegółowo

GRAFIKA KOMPUTEROWA podstawy matematyczne. dr inż. Hojny Marcin pokój 406, pawilon B5 E-mail: mhojny@metal.agh.edu.pl Tel.

GRAFIKA KOMPUTEROWA podstawy matematyczne. dr inż. Hojny Marcin pokój 406, pawilon B5 E-mail: mhojny@metal.agh.edu.pl Tel. GRAFIKA KOMPUTEROWA podstawy matematyczne dr inż. Hojny Marcin pokój 406, pawilon B5 E-mail: mhojny@metal.agh.edu.pl Tel. (12) 617 46 37 Plan wykładu 1/4 ZACZNIEMY OD PRZYKŁADOWYCH PROCEDUR i PRZYKŁADÓW

Bardziej szczegółowo

Laboratorium Przetwarzania Sygnałów Biomedycznych

Laboratorium Przetwarzania Sygnałów Biomedycznych Laboratorium Przetwarzania Sygnałów Biomedycznych Ćwiczenie 2 Analiza sygnału EKG przy użyciu transformacji falkowej Opracowali: - prof. nzw. dr hab. inż. Krzysztof Kałużyński - inż. Tomasz Kubik Politechnika

Bardziej szczegółowo