REKONSTRUKCJA NAGRAŃ ARCHIWALNYCH. mgr inż. Adam Kupryjanow
|
|
- Anna Szulc
- 7 lat temu
- Przeglądów:
Transkrypt
1 REKONSTRUKCJA NAGRAŃ ARCHIWALNYCH mgr inż. Adam Kupryjanow
2 PLAN PREZENTACJI Redukcja zakłóceń impulsowych Redukcja szumu Filtracja adaptacyjna Usuwanie echa Redukcja pasożytniczych modulacji częstotliwości
3 REDUKCJA ZAKŁÓCEŃ IMPULSOWYCH
4 ZAKŁÓCENIA IMPULSOWE Trzaski: krótka lokalna nieciągłość sygnału trwająca około 1ms zazwyczaj trzaski występują w nie więcej niż 10% zniekształconego nagrania zakłócenie addytywne gdzie x t to sygnał niezniekształcony y t sygnał zniekształcony n t sygnał szumu i t sygnał opisujący miejsca wystąpień zakłócenia 0/1 występują m.in. na: płytach gramofonowych np. z powodu plamek brudu lub kurzu zarysowań.. optycznych ścieżkach filmowych y t x t i t n t
5 ALGORYTM REKONSTRUKCJI Detekcja zniekształcenia: najprostsze podejście to górnoprzepustowa filtracja sygnału zniekształconego i progowa analiza sygnału po filtracji wykorzystanie modelu AR autoregresywnego: krótkookresowa analiza sygnału modelowanie ramki sygnału z wykorzystaniem modelu AR x n P i 1 a x i gdzie {a i i=1 P} to współczynniki filtru P to rząd modelu e n pobudzenie n1 e filtracja za pomocą filtru odwrotnego -> e n analiza sygnału pobudzenia e n w celu detekcji wartości przekraczających adaptacyjny próg n
6 DETEKCJA TRZASKÓW AR-PRZYKŁAD
7 REKONSTRUKCJA TRZASKÓW Rekonstruowane są tylko próbki uznane za trzask Zazwyczaj możliwa jest interpolacja do 100 próbek fs=44100 Hz Interpolacja brakujących zniekształconych próbek: Po stronie czasu zazwyczaj stosowane dla krótkich fragmentów do 100 próbek Po stronie widma amplitudowego zazwyczaj stosowane dla długich fragmentów powyżej 100 próbek Przykładowe algorytmy interpolacji: Filtracja medianowa prosta ale słabe efekty LSAR least squares AR MAP AR maximum a posteriori AR ARMA autoregressive moving-average Audio Inpainting
8 DEFINICJA PROBLEMU INTERPOLACJI Dany jest wektor x zawierający N próbek odpowiednio y oznacza wektor zawierający zniekształcony sygnał i t wektor wykrytych zniekształceń. Dane mogą zostać podzielone na dwa podzbiory: wektor zawierający znane wartości x_ i i t =0 wektor zawierający nieznane wartości x i i t =1 Dzieląc dane na trzy zbiory sekcja brakujących danych x i =[x m x m+1 x m+l-1 ] T m próbek na lewo od sekcji brakujących danych x_ ia =[x 1 x 2 x m-1 ] T sekcja znanych danych na prawo od brakujących danych x_ ib =[x m+l x N ] T x=[x_ ia T x i T x_ ibt ] T Sekcja znanych danych: x_ i =[x_ ia T x_ ibt ] T
9 DEFINICJA PROBLEMU INTERPOLACJI Interpolacja polega na statystycznej estymacji wykorzystującej m.in.: Błąd średniokwadratowy MMSE Największe prawdopodobieństwo ML Maximum a posteriori MAP Kryteria percepcyjne
10 INTERPOLATOR LSAR Zapiszmy pobudzenie e uzyskane na podstawie bloku próbek x uzyskanych z modelu AR z wykorzystaniem współczynników: e Ax A Ux i Kx _ i oznaczając A i AU oraz A i AK uzyskujemy: _ e A_ i x _ i A i x i kwadrat sumy błędów danego bloku danych jest równy: E N np1 2 e n e Interpolator w sensie optymalizacji błędu średniokwadratowego LS -Least Squeres minimalizuje wartość błędu E. Więc rozwiązanie znajdowane jest poprzez poprzez znalezienie wektora x i minimalizującego wartość błędu E: T e LS x arg min{ E} i x i
11 Różniczkując równanie na błąd E względem x i i porównując do zero otrzymujemy: Rozwiązując równanie otrzymujemy: INTERPOLATOR LSAR e e E T i T i i i i i T i A x A x A x e e x E 1 i i T i i T i LS i x A A A A x
12 PRZYKŁAD LSAR P=60
13 PRZYKŁAD LSAR P=60
14 PRZYKŁADY REKONSTRUKCJI
15 REDUKCJA SZUMU SZEROKOPASMOWEGO
16 REDUKCJA SZUMU Szerokopasmowy szum w nagraniach archiwalnych: zazwyczaj charakter gaussowski stacjonarny lub niestacjonarny różny poziom Szum występuje m.in. na następujących nośnikach: cylindry woskowe na płyty winylowe kasety magnetofonowe taśmy magnetyczne taśmach filmowych
17 REDUKCJA SZUMU Algorytmy redukcji modyfikacja widma amplitudowego/mocy pozostawienie widma fazowego bez zmian: Funkcja Wiener a 2 Y m n S m n N 2 2 Y m n S H m n Y m n 2 0 Y m n S m n N m n gdzie Ymn jest widmem amplitudowym w m-tej ramce sygnału zaszumionego S N mn jest widmem mocy w m-tej ramce szumu Hmn to wartości wzmocnienia w m-tej ramce dla n-tego prążka N
18 Odejmowanie widmowe Algorytm Ephraim a Malah a gdzie a priori SNR a posteriori SNR I i. jest i-tą zmodyfikowaną funkcją Bessela REDUKCJA SZUMU m n S m n Y m n S m n Y m n Y m n S m n Y m n H N N N m n e m n I m n m n I m n m n m n m n H m n S m n S m n N Y 2 m n S m n Y m n N 1 n m m n m n n m
19 ESTYMACJA SZUMU Konieczna jest znajomość szumu w celu wyznaczenia funkcji wzmocnienia Hmn Metody estymacji szumu: ręczne zaznaczanie uśrednianie szumu z początku nagrania założenie o stacjonarności szumu w nagraniu detekcja szumu w miejscach ciszy w nagraniu + adaptacyjne uśrednianie: S N m n S m 1 n 1 S m n N N
20 DETEKCJA SZUM Mowa - zastosowanie algorytmów VAD voice activity detection: analiza parametrów krótkookresowych: energia sygnału liczba przejść przez zero funkcja autokorelacji parametry MFCC parametry LPC analiza modeli statystycznych widma amplitudowego sygnału mowy metody analizujące parametry wykorzystujące klasyfikatory np. SVM GMM HMM Muzyka analiza parametrów krótkookresowych
21 VAD Eth N E n 1 C N n Enth C 1 p Eth p E E K k 1 A k K 2 var new /var old p var new /var old > var new /var old > var new /var old > var new /var old
22 PRZYKŁAD
23 DETEKCJA SZUMU - MUZYKA Algorytm detekcji szumu bazuje na trzech kryteriach: średniej energii sygnału koncentracji energii widma amplitudowego płaskości widma
24 KRYTERIUM ENERGII Kryterium energii bazuje na porównanie zmodyfikowanych uśrednionych energii sygnału MAE ang. Modified Average Energy Porównanie wykonywane jest z użyciem ramek sygnału MAE i 0.5AE i 2 1 AEi AEi 1 i AEi 1 AEi 1 i 2... l AEi AEi 1 i l gdzie AE i 1 1 K K k0 X [ k] i 2 Fragmenty dla których wartość MAE jest mniejsza od progu oznaczane są jako szum Th MAE min MAE MAE
25 KONCENTRACJA ENERGII WIDMA Kryterium równoległe do kryterium MAE Średnia wartość widma amplitudowego każdej ramki sygnału AMi jest wyznaczana zgodnie ze wzorem: AM i K 1 k0 X i [ k] Współczynnik koncentracji widma amplitudowego SCC ang. spectrum concentration coefficient jest równy liczbie prążków widma amplitudowego których wartość nie jest mniejsza niż średnia wartość AM Fragmenty dla których wartość SCC jest mniejsza od średniej wartości SCC uznawane są za szum
26 Płaskość widma SFM ang. spectrum flatness measure wyznaczana jest zgodnie ze wzorem: SFM mówi o tym jak płaskie jest widmo analizowanej ramki im większa wartość SFM tym bardziej płaskie widmo Sygnał szumowy ma widmo płaskie dlatego wyższe wartości SFM odpowiadają ramkom sygnału zawierającego szums PŁASKOŚĆ WIDMA ] [ 2 ] [ log 10 K k i k K k i i k P K k P SFM
27 WYBIELANIE SZUMU Algorytm: Wyznaczane jest widmo każdego fragmentu szumu estymacja szumu wyznaczana jest jako wygładzone średnie widmo wszystkich ramek odwrotna estymata wykorzystywana jest w celu wybielenia szumu Input signal Noise Averaged spectr. Smoothed spectr. Inverse spectr. Input signal Convolution filtering generation of filter impulse responce
28 PRZYKŁAD REKONSTRUKCJI - MOWA mowa oryginalna odejmowanie widmowe Ephraim Malah wybielanie szumu + odejmowanie widmowe
29 PRZYKŁAD REKONSTRUKCJI - MUZYKA mowa oryginalna odejmowanie widmowe Ephraim Malah wybielanie szumu + odejmowanie widmowe
30 FILTRACJA ADAPTACYJNA
31 FILTRY ADAPTACYJNE Wymaga dodatkowego sygnału referencyjnego Adaptacja współczynników opisujących filtr Algorytmy adaptacji: LMS NLMS RLS Algorytm NLMS Normalized Least Mean Squares estymuje znormalizowany najmniejszy błąd średniokwadratowy 2b wi k 1 wi k ek x k i L 0 2 x k i i0 gdzie w i oznacza i-ty współczynnik filtru b to krok adaptacji x 0 określa filtrowany sygnał a e sygnał błędu 0
32 Konfiguracje wykorzystania filtrów adaptacyjnych Redukcja zakłóceń Identyfikacja systemów Predykcja Odwzorowanie odwrotne
33 FILTRY ADAPTACYJNE Założenie: Addytywny charakter szumu Znany sygnał zakłócenia zarejestrowany sygnał: zakłócenie: sygnał wyj.: gdzie d jest sygnałem wejściowym u sygnałem zakłócenia a e to sygnał wyjściowy
34 USUWANIE ECHA
35 POGŁOS I ECHO Pogłos jest stopniowym zanikaniem dźwięku z uwagi na odbicia. Czas trwania pogłosu związany jest z charakterem środowiska w którym jest emitowany. po W przypadku gdy pierwsze odbicie dociera do odbiorcy upływie co najmniej 100 ms można mówić o echu. Pogłos Echo
36 ECHO Echo w systemach komunikacji głosowej echo Transmisja echo Powoduje dyskomfort w trakcie rozmowy Generuje niepotrzebny ruch sieciowy
37 REDUKCJA ECHA Sytuacja 1: Wykorzystanie filtracji adaptacyjnej w konfiguracji do redukcji echa Sytuacja 2: Zastosowanie filtracji adaptacyjnej wspomaganej znakowaniem wodnym xn DTD Signature embedding x w n Adaptive filter a d h a n Acoustic feedback T d en yn h f n + + Decision f d n Signature detector un vn
38 REDUKCJA PASOŻYTNICZYCH MODULACJI CZĘSTOTLIWOŚCI
39 REDUKCJA PASOŻYTNICZYCH MODULACJI CZĘSTOTLIWOŚCI Kołysanie i drżenie dźwięku jest postrzegane jako niepożądana modulacja częstotliwości w zakresie: 0.5 Hz do 6 Hz kołysanie 6 Hz do 100 Hz drżenie Powstaje m.in. na skutek : nierównomiernej prędkości obrotowej mechanizmów odczytujących np. taśmę magnetyczną lub filmową płyty winylowej skurczu taśmy uszkodzenia taśmy
40 PVC Zniekształcenie można opisać za pomocą funkcji PVC ang. Pitch Variation Curve: gdzie Vt oznacza prędkość chwilową nośnika V nom oznacza stałą prędkość nominalną. PVC przyjmuje wartości: V t PVC t V nom 1 w przypadku braku zniekształcenia różne od 1 w miejscach występowania pasożytniczych modulacji
41 ALGORYTMU REKONSTRUKCJI Algorytm śledzący zniekształcenie wyznaczający krzywą PVC poprzez estymację częstotliwości przydźwięku sieciowego pozostałości magnetycznej prądu podkładu w.cz. tonu MTS ang. Multichannel Televison Sound tonalnych widma sygnału analizę obrazu klatek filmowych Redukcja zniekształcenia poprzez nierównomierne przepróbowanie sygnału zgodnie z wyznaczoną krzywą PVC
42 ŚLEDZENIE PRZYDŹWIĘKU SIECIOWEGO Typowa częstotliwość przydźwięku to 50 Hz lub 60 Hz Pasożytnicza modulacja częstotliwości powoduje zmiany częstotliwości przydźwięku Śledzenie zmian pozwala na estymację krzywej PVC Algorytm estymacji Przetwarzanie wstępne - minimalizacja wpływu zakłuceń Podpróbkowanie eliminacja składowych nie należących do przydźwięku Filtracja pasmowa redukcja szumu Przydźwięk sieciowy śledzony jest poprzez estymację jego przebiegu z wykorzystaniem modelu AR PVC jest wygładzane za pomocą filtru medianowego
43 ŚLEDZENIE POZOSTAŁOŚCI PRĄDU PODKŁADU Pozostałość prądu podkładu znajduje się na w. cz. ~ 80 khz W celu estymacji PVC konieczne jest posiadanie nagrań zdigitalizowanych z wysoką częstotliwością próbkowania 192 khz Śledzony sygnał oddalony jest w paśmie częstotliwości od sygnału użytecznego co upraszcza proces estymacji PVC
44 REKONSTRUKCJA -1 ITERACJA
45 REKONSTRUKCJA -2 ITERACJA
46 ŚLEDZENIE KOMPONENTÓW TONALNYCH Możliwość rekonstrukcji typowych nagrań Problemy z wyznaczeniem użytecznych składowych Trudne jest odróżnienie typowego wibrata od zniekształcenia
47 ANALIZA OBRAZU Analiza charakterystycznych punktu w obrazie klatki filmowej: odległości pomiędzy perforacjami wysokości perforacji wysokości klatek filmowych Porównanie analizowanych wielkości z wartościami nominalnymi
48 PRZYKŁAD REKONSTRUKCJI Film oryginalny Film zrekonstruowany
49 DZIĘKUJĘ ZA UWAGĘ!
AKUSTYKA MOWY M E T O D Y P O P R A W Y Z R O Z U M I A Ł O Ś C I M O W Y
AKUSTYKA MOWY M E T O D Y P O P R A W Y Z R O Z U M I A Ł O Ś C I M O W Y PLAN PREZENTACJI Szumy i zakłócenia Zniekształcenia Metody redukcji zakłóceń Metody redukcji zniekształceń Ocena zrozumiałości
Bardziej szczegółowoPromotor: dr Marek Pawełczyk. Marcin Picz
Promotor: dr Marek Pawełczyk Marcin Picz Stosowane metody: - Grupa metod odejmowania widm (subtractive( subtractive-typetype algorithms); - Filtracja Wienera; - Neural networks & Fuzzy logic (sieci neuronowe
Bardziej szczegółowoPraca dyplomowa magisterska
Praca dyplomowa magisterska Implementacja algorytmów filtracji adaptacyjnej o strukturze transwersalnej na platformie CUDA Dyplomant: Jakub Kołakowski Opiekun pracy: dr inż. Michał Meller Plan prezentacji
Bardziej szczegółowoZaawansowane algorytmy DSP
Zastosowania Procesorów Sygnałowych dr inż. Grzegorz Szwoch greg@multimed.org p. 732 - Katedra Systemów Multimedialnych Zaawansowane algorytmy DSP Wstęp Cztery algorytmy wybrane spośród bardziej zaawansowanych
Bardziej szczegółowoAutomatyczne rozpoznawanie mowy - wybrane zagadnienia / Ryszard Makowski. Wrocław, Spis treści
Automatyczne rozpoznawanie mowy - wybrane zagadnienia / Ryszard Makowski. Wrocław, 2011 Spis treści Przedmowa 11 Rozdział 1. WPROWADZENIE 13 1.1. Czym jest automatyczne rozpoznawanie mowy 13 1.2. Poziomy
Bardziej szczegółowoADAPTACYJNE PRZETWARZANIE SYGNAŁÓW LABORATORIUM. Ćwiczenie 2. Badanie algorytmów adaptacyjnych LMS i RLS
ADAPTACYJNE PRZETWARZANIE SYGNAŁÓW LABORATORIUM Ćwiczenie 2 Badanie algorytmów adaptacyjnych LMS i RLS 1. CEL ĆWICZENIA Celem ćwiczenia jest samodzielna implementacja przez studentów dwóch podstawowych
Bardziej szczegółowoAlgorytmy detekcji częstotliwości podstawowej
Algorytmy detekcji częstotliwości podstawowej Plan Definicja częstotliwości podstawowej Wybór ramki sygnału do analizy Błędy oktawowe i dokładnej estymacji Metody detekcji częstotliwości podstawowej czasowe
Bardziej szczegółowoCyfrowe przetwarzanie sygnałów Jacek Rezmer -1-
Cyfrowe przetwarzanie sygnałów Jacek Rezmer -1- Filtry cyfrowe cz. Zastosowanie funkcji okien do projektowania filtrów SOI Nierównomierności charakterystyki amplitudowej filtru cyfrowego typu SOI można
Bardziej szczegółowoPrzedmowa 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 szczegółowoPrzetwarzanie sygnałów biomedycznych
Przetwarzanie sygnałów biomedycznych dr hab. inż. Krzysztof Kałużyński, prof. PW Człowiek- najlepsza inwestycja Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego
Bardziej szczegółowoPodstawy Przetwarzania Sygnałów
Adam Szulc 188250 grupa: pon TN 17:05 Podstawy Przetwarzania Sygnałów Sprawozdanie 6: Filtracja sygnałów. Filtry FIT o skończonej odpowiedzi impulsowej. 1. Cel ćwiczenia. 1) Przeprowadzenie filtracji trzech
Bardziej szczegółowoOptymalizacja procesu redukcji szumu w kontrolerze akustycznego echa i szumu.
Optymalizacja procesu redukcji szumu w kontrolerze akustycznego echa i szumu. Streszczenie Beghdad Ayad, Gérard Faucon, i Régine Le Bouquin Jeannès W urządzeniach głośnomówiących transmitowany sygnał mowy
Bardziej szczegółowoROZPOZNAWANIE SYGNAŁÓW FONICZNYCH
Przetwarzanie dźwięków i obrazów ROZPOZNAWANIE SYGNAŁÓW FONICZNYCH mgr inż. Kuba Łopatka, p. 628 klopatka@sound.eti.pg.gda.pl Plan wykładu 1. Wprowadzenie 2. Zasada rozpoznawania sygnałów 3. Parametryzacja
Bardziej szczegółowoSterowanie napędów maszyn i robotów
Wykład 5 - Identyfikacja Instytut Automatyki i Robotyki (IAiR), Politechnika Warszawska Warszawa, 2015 Koncepcje estymacji modelu Standardowe drogi poszukiwania modeli parametrycznych M1: Analityczne określenie
Bardziej szczegółowoADAPTACYJNE PRZETWARZANIE SYGNAŁÓW LABORATORIUM. Ćwiczenie 2. Badanie algorytmów adaptacyjnych LMS i RLS
ADAPTACYJNE PRZETWARZANIE SYGNAŁÓW LABORATORIUM Ćwiczenie 2 Badanie algorytmów adaptacyjnych LMS i RLS 1. CEL ĆWICZENIA Celem ćwiczenia jest samodzielna implementacja przez studentów dwóch podstawowych
Bardziej szczegółowo[d(i) y(i)] 2. Do wyprowadzenia algorytmu RLS posłuży kryterium autokorelacyjne: J n = e 2 (i) i=1. λ n i [d(i) y(i)] 2 λ (0, 1]
Algorytm RLS Recursive Least Squares Ogólna postać kryterium LS: J = i e 2 (i) = i [d(i) y(i)] 2 Do wyprowadzenia algorytmu RLS posłuży kryterium autokorelacyjne: J n = e 2 (i) Zmodyfikowane kryterium
Bardziej szczegółowoRozdział 5. Przetwarzanie analogowo-cyfrowe (A C)
5. 0. W p r ow adzen ie 1 2 1 Rozdział 5 Przetwarzanie analogowo-cyfrowe (A C) sygnał przetwarzanie A/C sygnał analogowy cyfrowy ciągły dyskretny próbkowanie: zamiana sygnału ciągłego na dyskretny konwersja
Bardziej szczegółowoKompresja 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 szczegółowoRekonstrukcja obrazu (Image restoration)
Rekonstrukcja obrazu (Image restoration) Celem rekonstrukcji obrazu cyfrowego jest odtworzenie obrazu oryginalnego na podstawie obrazu zdegradowanego. Obejmuje ona identyfikację procesu degradacji i próbę
Bardziej szczegółowoRozpoznawanie i synteza mowy w systemach multimedialnych. Analiza i synteza mowy - wprowadzenie. Spektrogram wyrażenia: computer speech
Slajd 1 Analiza i synteza mowy - wprowadzenie Spektrogram wyrażenia: computer speech Slide 1 Slajd 2 Analiza i synteza mowy - wprowadzenie Slide 2 Slajd 3 Analiza i synteza mowy - wprowadzenie Slide 3
Bardziej szczegółowoPrzetwarzanie sygnałów w telekomunikacji
Przetwarzanie sygnałów w telekomunikacji Prowadzący: Przemysław Dymarski, Inst. Telekomunikacji PW, gm. Elektroniki, pok. 461 dymarski@tele.pw.edu.pl Wykład: Wstęp: transmisja analogowa i cyfrowa, modulacja
Bardziej szczegółowozniekształcenia przyjmują różne formy, w zależności od miejsca, w którym powstają
Opracowali: dr inż. Piotr Suchomski dr inż. Piotr Odya nie ma urządzeń doskonałych każde urządzenie wprowadza do sygnału (fonicznego bądź wizyjnego) zniekształcenia zniekształcenia przyjmują różne formy,
Bardziej szczegółowoDiagnostyka i protetyka słuchu i wzroku APARATY SŁUCHOWES
Diagnostyka i protetyka słuchu i wzroku APARATY SŁUCHOWES Wprowadzenie Aparat słuchowy (ang. hearing aid) urządzenie, którego zadaniem jest przetwarzanie odbieranych sygnałów w taki sposób, aby: dźwięki
Bardziej szczegółowoAdaptacyjne Przetwarzanie Sygnałów. Filtracja adaptacyjna w dziedzinie częstotliwości
W Filtracja adaptacyjna w dziedzinie częstotliwości Blokowy algorytm LMS (BLMS) N f n+n = f n + α x n+i e(n + i), i= N L Slide e(n + i) =d(n + i) f T n x n+i (i =,,N ) Wprowadźmy nowy indeks: n = kn (
Bardziej szczegółowoKOMPUTEROWE SYSTEMY POMIAROWE
KOMPUTEROWE SYSTEMY POMIAROWE Dr inż. Eligiusz PAWŁOWSKI Politechnika Lubelska Wydział Elektrotechniki i Informatyki Prezentacja do wykładu dla EMST - ITwE Semestr zimowy Wykład nr 12 Prawo autorskie Niniejsze
Bardziej szczegółowoPL B1. POLITECHNIKA GDAŃSKA, Gdańsk, PL BUP 02/12
PL 219314 B1 RZECZPOSPOLITA POLSKA (12) OPIS PATENTOWY (19) PL (11) 219314 (13) B1 (21) Numer zgłoszenia: 391709 (51) Int.Cl. H04B 1/00 (2006.01) H04B 1/10 (2006.01) Urząd Patentowy Rzeczypospolitej Polskiej
Bardziej szczegółowoĆwiczenie 3,4. Analiza widmowa sygnałów czasowych: sinus, trójkąt, prostokąt, szum biały i szum różowy
Ćwiczenie 3,4. Analiza widmowa sygnałów czasowych: sinus, trójkąt, prostokąt, szum biały i szum różowy Grupa: wtorek 18:3 Tomasz Niedziela I. CZĘŚĆ ĆWICZENIA 1. Cel i przebieg ćwiczenia. Celem ćwiczenia
Bardziej szczegółowoPARAMETRYZACJA SYGNAŁU MOWY. PERCEPTUALNE SKALE CZĘSTOTLIWOŚCI.
1 PARAMETRYZACJA SYGNAŁU MOWY. PERCEPTUALNE SKALE CZĘSTOTLIWOŚCI. mgr inż. Kuba Łopatka Katedra Systemów Multimedialnych p. 628, tel. 348-6332 PLAN WYKŁADU 1. Potrzeba i istota parametryzacji 2. Klasyfikacja
Bardziej szczegółowoFiltry cyfrowe. h(n) odpowiedź impulsowa. Filtr cyfrowy. Procesory sygnałowe (DSP), układy programowalne
Filtry cyfrowe Procesory sygnałowe (DSP), układy programowalne x(n) Filtr cyfrowy y(n) h(n) odpowiedź impulsowa x(n) y(n) y(n) = x(n) h(n) 1 Filtry cyfrowe Po co filtrujemy sygnały? Aby uzyskać: redukcję
Bardziej szczegółowoPL 216396 B1. POLITECHNIKA GDAŃSKA, Gdańsk, PL 14.09.2009 BUP 19/09. ANDRZEJ CZYŻEWSKI, Gdynia, PL GRZEGORZ SZWOCH, Gdańsk, PL 31.03.
PL 216396 B1 RZECZPOSPOLITA POLSKA (12) OPIS PATENTOWY (19) PL (11) 216396 (13) B1 (21) Numer zgłoszenia: 384616 (51) Int.Cl. H04B 3/23 (2006.01) H04M 9/08 (2006.01) Urząd Patentowy Rzeczypospolitej Polskiej
Bardziej szczegółowoKwantyzacja wektorowa. Kodowanie różnicowe.
Kwantyzacja wektorowa. Kodowanie różnicowe. Kodowanie i kompresja informacji - Wykład 7 12 kwietnia 2010 Kwantyzacja wektorowa wprowadzenie Zamiast kwantyzować pojedyncze elementy kwantyzujemy całe bloki
Bardziej szczegółowoPomiary w technice studyjnej. TESTY PESQ i PEAQ
Pomiary w technice studyjnej TESTY PESQ i PEAQ Wprowadzenie Problem: ocena jakości sygnału dźwiękowego. Metody obiektywne - np. pomiar SNR czy THD+N - nie dają pełnych informacji o jakości sygnału. Ważne
Bardziej szczegółowoADAPTACYJNE PRZETWARZANIE SYGNAŁÓW LABORATORIUM. Ćwiczenie 1. Modelowanie i analiza widmowa dyskretnych sygnałów losowych
ADAPTACYJNE PRZETWARZANIE SYGNAŁÓW LABORATORIUM Ćwiczenie 1 Modelowanie i analiza widmowa dyskretnych sygnałów losowych 1. CEL ĆWICZENIA Celem ćwiczenia jest zapoznanie studentów z wybranymi algorytmami
Bardziej szczegółowoPrzekształcenia sygnałów losowych w układach
INSTYTUT TELEKOMUNIKACJI ZAKŁAD RADIOKOMUNIKACJI Instrukcja laboratoryjna z przedmiotu Sygnały i kodowanie Przekształcenia sygnałów losowych w układach Warszawa 010r. 1. Cel ćwiczenia: Ocena wpływu charakterystyk
Bardziej szczegółowoWykład: Systemy i Terminale Multimedialne, sem. 6
Wykład: Systemy i Terminale Multimedialne, sem. 6 mgr inż. A. Ciarkowski Co to jest znakowanie wodne? Zastosowanie znakowania wodnego Cechy i klasyfikacja systemów znakowania sygnałów cyfrowych Podstawy
Bardziej szczegółowoSposoby opisu i modelowania zakłóceń kanałowych
INSTYTUT TELEKOMUNIKACJI ZAKŁAD RADIOKOMUNIKACJI Instrukcja laboratoryjna z przedmiotu Podstawy Telekomunikacji Sposoby opisu i modelowania zakłóceń kanałowych Warszawa 2010r. 1. Cel ćwiczeń: Celem ćwiczeń
Bardziej szczegółowoKwantowanie sygnałów analogowych na przykładzie sygnału mowy
Kwantowanie sygnałów analogowych na przykładzie sygnału mowy Treść wykładu: Sygnał mowy i jego właściwości Kwantowanie skalarne: kwantyzator równomierny, nierównomierny, adaptacyjny Zastosowanie w koderze
Bardziej szczegółowoANALIZA SEMANTYCZNA OBRAZU I DŹWIĘKU
ANALIZA SEMANTYCZNA OBRAZU I DŹWIĘKU i klasyfikacja sygnału audio dr inż. Jacek Naruniec Sygnał mowy mózg (układ sterujący) głośnia (źródło dźwięku) rezonator akustyczny (filtr) sygnał mowy 2 Sygnał mowy
Bardziej szczegółowoANALIZA SYGNAŁÓ W JEDNÓWYMIARÓWYCH
ANALIZA SYGNAŁÓ W JEDNÓWYMIARÓWYCH Generowanie podstawowych przebiegów okresowych sawtooth() przebieg trójkątny (wierzhołki +/-1, okres 2 ) square() przebieg kwadratowy (okres 2 ) gauspuls()przebieg sinusoidalny
Bardziej szczegółowoADAPTACYJNE PRZETWARZANIE SYGNAŁÓW LABORATORIUM. Ćwiczenie 3. Adaptacyjne usuwanie szumów i interferencji
ADAPTACYJNE PRZETWARZANIE SYGNAŁÓW LABORATORIUM Ćwiczenie 3 Adaptacyjne usuwanie szumów i interferencji 1. CEL ĆWICZENIA Usuwanie szumów i interferencji to jeden z pierwszych obszarów, można rzec klasyczny,
Bardziej szczegółowoADAPTACYJNA METODA REDUKCJI SZUMU W SYGNALE DRGAŃ MASZYN WIRUJĄCYCH
Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Nr 62 Politechniki Wrocławskiej Nr 62 Studia i Materiały Nr 28 2008 Piotr PIETRZAK*, Andrzej NAPIERALSKI* analiza drgań, diagnostyka wibracyjna,
Bardziej szczegółowoNarzędzia matematyczne zastosowane w systemie biomonitoringu wody
Narzędzia matematyczne zastosowane w systemie biomonitoringu wody Piotr Przymus Krzysztof Rykaczewski Wydział Matematyki i Informatyki Uniwersytet Mikołaja Kopernika Toruń 1 of 24 18 marca 2009 Cel referatu
Bardziej szczegółowoADAPTACYJNE PRZETWARZANIE SYGNAŁÓW LABORATORIUM. Ćwiczenie 3. Adaptacyjne usuwanie szumów i interferencji
ADAPTACYJNE PRZETWARZANIE SYGNAŁÓW LABORATORIUM Ćwiczenie 3 Adaptacyjne usuwanie szumów i interferencji 1. CEL ĆWICZENIA Usuwanie szumów i interferencji to jeden z pierwszych obszarów, można rzec klasyczny,
Bardziej szczegółowoCYFROWE PRZETWARZANIE SYGNAŁÓW
POLITECHNIKA RZESZOWSKA im. I. Łukasiewicza WYDZIAŁ ELEKTROTECHNIKI I INFORMATYKI Katedra Metrologii i Systemów Diagnostycznych CYFROWE PRZETWARZANIE SYGNAŁÓW Sygnały stochastyczne, parametry w dziedzinie
Bardziej szczegółowoWybrane metody redukcji zakłóceń utrwalonych w dowodowych nagraniach dźwiękowych
dr inż. Marcin Michałek ekspert w Pracowni Analizy Mowy i Nagrań Instytutu Ekspertyz Sądowych Wybrane metody redukcji zakłóceń utrwalonych w dowodowych nagraniach dźwiękowych Wstęp Jednym z podstawowych
Bardziej szczegółowoPolitechnika Śląska Wydział Automatyki, Elektroniki i Informatyki Instytut Automatyki PRACA MAGISTERSKA
Politechnika Śląska Wydział Automatyki, Elektroniki i Informatyki Instytut Automatyki PRACA MAGISTERSKA Temat: Badanie strefy ciszy w falowodzie akustycznym w funkcji odległości mikrofonu błędu od głośnika
Bardziej szczegółowoWYBRANE ELEMENTY CYFROWEGO PRZETWARZANIA SYGNAŁÓW W RADARZE FMCW
kpt. dr inż. Mariusz BODJAŃSKI Wojskowy Instytut Techniczny Uzbrojenia WYBRANE ELEMENTY CYFROWEGO PRZETWARZANIA SYGNAŁÓW W RADARZE FMCW W artykule przedstawiono zasadę działania radaru FMCW. Na przykładzie
Bardziej szczegółowoPolitechnika Warszawska
Politechnika Warszawska Wydział Elektryczny Laboratorium Teletechniki Skrypt do ćwiczenia T.03 Podstawowe zasady modulacji amlitudy na przykładzie modulacji DSB 1. Podstawowe zasady modulacji amplitudy
Bardziej szczegółowoKodowanie i kompresja Streszczenie Studia Licencjackie Wykład 11,
1 Kwantyzacja skalarna Kodowanie i kompresja Streszczenie Studia Licencjackie Wykład 11, 10.05.005 Kwantyzacja polega na reprezentowaniu dużego zbioru wartości (być może nieskończonego) za pomocą wartości
Bardziej szczegółowo2. Arytmetyka procesorów 16-bitowych stałoprzecinkowych
4. Arytmetyka procesorów 16-bitowych stałoprzecinkowych Liczby stałoprzecinkowe Podstawowym zastosowaniem procesora sygnałowego jest przetwarzanie, w czasie rzeczywistym, ciągu próbek wejściowych w ciąg
Bardziej szczegółowoZASTOSOWANIE TESTÓW STATYSTYCZNYCH DO DETEKCJI ZAKŁÓCEŃ IMPULSOWYCH W SYGNAŁACH FONICZNYCH
Krzysztof Cisowski Politechnika Gdańska, Wydział ETiI Katedra Systemów Automatyki, ul. G. Narutowicza 11/12, 8-952 Gdańsk, e-mail: krci@eti.pg.gda.pl 24 Poznańskie Warsztaty Telekomunikacyjne Poznań 9-1
Bardziej szczegółowoPolitechnika Łódzka. Instytut Systemów Inżynierii Elektrycznej. Laboratorium cyfrowej techniki pomiarowej. Ćwiczenie 3
Politechnika Łódzka Instytut Systemów Inżynierii Elektrycznej Laboratorium cyfrowej techniki pomiarowej Ćwiczenie 3 Przetwarzanie danych pomiarowych w programie LabVIEW 1. Generator harmonicznych Jako
Bardziej szczegółowoCYFROWE PRZETWARZANIE SYGNAŁÓW
POLITECHNIKA RZESZOWSKA im. I. Łukasiewicza WYDZIAŁ ELEKTROTECHNIKI I INFORMATYKI Katedra Metrologii i Systemów Diagnostycznych CYFROWE PRZETWARZANIE SYGNAŁÓW Analiza korelacyjna sygnałów dr hab. inż.
Bardziej szczegółowoPolitechnika Świętokrzyska. Laboratorium. Cyfrowe przetwarzanie sygnałów. Ćwiczenie 8. Filtracja uśredniająca i statystyczna.
Politechnika Świętokrzyska Laboratorium Cyfrowe przetwarzanie sygnałów Ćwiczenie 8 Filtracja uśredniająca i statystyczna. Cel ćwiczenia Celem ćwiczenia jest zdobycie umiejętności tworzenia i wykorzystywania
Bardziej szczegółowoĆwiczenie 4. Filtry o skończonej odpowiedzi impulsowej (SOI)
Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L Ćwiczenie 4. Filtry o skończonej odpowiedzi impulsowej (SOI) 1. Filtracja cyfrowa podstawowe
Bardziej szczegółowoPL B1. Sposób i układ do modyfikacji widma sygnału ultraszerokopasmowego radia impulsowego. POLITECHNIKA GDAŃSKA, Gdańsk, PL
PL 219313 B1 RZECZPOSPOLITA POLSKA (12) OPIS PATENTOWY (19) PL (11) 219313 (13) B1 (21) Numer zgłoszenia: 391153 (51) Int.Cl. H04B 7/00 (2006.01) H04B 7/005 (2006.01) Urząd Patentowy Rzeczypospolitej Polskiej
Bardziej szczegółowodr inż. Jacek Naruniec
dr inż. Jacek Naruniec Przetwarzanie wstępne Wyznaczenie obszarów zainteresowania Ekstrakcja cech - dźwięk Klasyfikacja detekcja mowy okno analizy spektrogram filtr preemfazy wokodery (formantów, kanałowe,
Bardziej szczegółowoKOMPRESJA STRATNA SYGNAŁU MOWY. Metody kompresji stratnej sygnałów multimedialnych: Uproszczone modelowanie źródeł generacji sygnałów LPC, CELP
KOMPRESJA STRATNA SYGNAŁU MOWY Metody kompresji stratnej sygnałów multimedialnych: Uproszczone modelowanie źródeł generacji sygnałów LPC, CELP Śledzenie i upraszczanie zmian dynamicznych sygnałów ADPCM
Bardziej szczegółowoDźwięk dźwiękowi nierówny, czyli o tym jak brzmi XXI wiek
IX Studenckie Spotkania Analityczne 13-14.03.2008 Dźwięk dźwiękowi nierówny, czyli o tym jak brzmi XXI wiek Justyna Słomka Plan 1. Co to jest dźwięk? 2. Pojęcie syntezy dźwięku 3. Cel syntezowania dźwięków
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki. Automatyka i Robotyka Systemy Sterowania i Wspomagania Decyzji
Monitorowanie i Diagnostyka w Systemach Sterowania (MiDwSS) Podstawowe sposoby opisu niepewności, wybrane zagadnienia zastosowania estymacji rekursywnej dla potrzeb monitorowania i diagnostyki w systemach
Bardziej szczegółowoBiometryczna Identyfikacja Tożsamości
c Adam Czajka, IAiIS PW, wersja: 6 grudnia 2015, 1/39 Adam Czajka Wykład na Wydziale Elektroniki i Technik Informacyjnych Politechniki Warszawskiej Semestr zimowy 2015/16 c Adam Czajka, IAiIS PW, wersja:
Bardziej szczegółowoPrzetwarzanie 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 szczegółowoLaboratorium EAM. Instrukcja obsługi programu Dopp Meter ver. 1.0
Laboratorium EAM Instrukcja obsługi programu Dopp Meter ver. 1.0 Opracowali: - prof. nzw. dr hab. inż. Krzysztof Kałużyński - dr inż. Beata Leśniak-Plewińska - dr inż. Jakub Żmigrodzki Zakład Inżynierii
Bardziej szczegółowoBiometryczna Identyfikacja Tożsamości
Biometryczna Identyfikacja Tożsamości Wykład 9: Rozpoznawanie mówiącego Adam Czajka Wykład na Wydziale Elektroniki i Technik Informacyjnych Politechniki Warszawskiej Semestr letni 2015 c Adam Czajka, IAiIS
Bardziej szczegółowoMetody systemowe i decyzyjne w informatyce
Metody systemowe i decyzyjne w informatyce Laboratorium MATLAB Zadanie nr 1 Regresja liniowa autorzy: A. Gonczarek, J.M. Tomczak Cel zadania Celem zadania jest zapoznanie się z liniowym zadaniem najmniejszych
Bardziej szczegółowoEgzamin / 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 szczegółowoĆwiczenie 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 szczegółowoPOMIARY WYBRANYCH PARAMETRÓW TORU FONICZNEGO W PROCESORACH AUDIO
Politechnika Rzeszowska Katedra Metrologii i Systemów Diagnostycznych Laboratorium Elektroniczne przyrządy i techniki pomiarowe POMIARY WYBRANYCH PARAMETRÓW TORU FONICZNEGO W PROCESORACH AUDIO Grupa Nr
Bardziej szczegółowoJęzyki Modelowania i Symulacji
Języki Modelowania i Symulacji Przetwarzanie sygnałów fonicznych Marcin Ciołek Katedra Systemów Automatyki WETI, Politechnika Gdańska 3 listopada 211 O czym będziemy mówili? 1 2 wavrecord wavplay y = wavrecord(n,
Bardziej szczegółowoTEORIA WYTWARZANIA DŹWIĘKÓW
1 TEORIA WYTWARZANIA DŹWIĘKÓW MOWY, FORMANTY, MODELOWANIE WYTWARZANIA DŹWIĘKÓW MOWY. mgr inż. Kuba Łopatka PLAN WYKŁADU 1. Teoria wytwarzania dźwięków mowy Ogólna teoria wytwarzania dźwięków mowy Ton krtaniowy
Bardziej szczegółowoRADIOMETR MIKROFALOWY. RADIOMETR MIKROFALOWY (wybrane zagadnienia) Opracowanie : dr inż. Waldemar Susek dr inż. Adam Konrad Rutkowski
RADIOMETR MIKROFALOWY RADIOMETR MIKROFALOWY (wybrane zagadnienia) Opracowanie : dr inż. Waldemar Susek dr inż. Adam Konrad Rutkowski 1 RADIOMETR MIKROFALOWY Wprowadzenie Wszystkie ciała o temperaturze
Bardziej szczegółowoEstymacja częstotliwości podstawowej sieci energetycznej na podstawie scałkowanego sygnału napięcia
SIWOŃ Cezary 1 Estymacja częstotliwości podstawowej sieci energetycznej na podstawie scałkowanego sygnału napięcia WSTĘP Utrzymanie stałej częstotliwości napięcia w sieci energetycznej jest jednym z najważniejszych
Bardziej szczegółowoFiltracja obrazów. w dziedzinie częstotliwości. w dziedzinie przestrzennej
Filtracja obrazów w dziedzinie częstotliwości w dziedzinie przestrzennej filtry liniowe filtry nieliniowe Filtracja w dziedzinie częstotliwości Obraz oryginalny FFT2 IFFT2 Obraz po filtracji f(x,y) H(u,v)
Bardziej szczegółowozniekształcenia przyjmują różne formy, w zależności od miejsca, w którym powstają
Opracowali: dr inż. Piotr Suchomski dr inż. Piotr Odya nie ma urządzeń doskonałych każde urządzenie wprowadza do sygnału (fonicznego bądź wizyjnego) zniekształcenia zniekształcenia przyjmują różne formy,
Bardziej szczegółowoLaboratorium Przetwarzania Sygnałów Biomedycznych
Laboratorium Przetwarzania Sygnałów Biomedycznych Ćwiczenie 1 Wydobywanie sygnałów z szumu z wykorzystaniem uśredniania Opracowali: - prof. nzw. dr hab. inż. Krzysztof Kałużyński - mgr inż. Tomasz Kubik
Bardziej szczegółowoRozpoznawanie obrazów
Rozpoznawanie obrazów Laboratorium Python Zadanie nr 1 Regresja liniowa autorzy: A. Gonczarek, J.M. Tomczak, S. Zaręba, M. Zięba, J. Kaczmar Cel zadania Celem zadania jest implementacja liniowego zadania
Bardziej szczegółowob n y k n T s Filtr cyfrowy opisuje się również za pomocą splotu dyskretnego przedstawionego poniżej:
1. FILTRY CYFROWE 1.1 DEFIICJA FILTRU W sytuacji, kiedy chcemy przekształcić dany sygnał, w inny sygnał niezawierający pewnych składowych np.: szumów mówi się wtedy o filtracji sygnału. Ogólnie Filtracją
Bardziej szczegółowoGenerowanie sygnałów na DSP
Zastosowania Procesorów Sygnałowych dr inż. Grzegorz Szwoch greg@multimed.org p. 732 - Katedra Systemów Multimedialnych Generowanie sygnałów na DSP Wstęp Dziś w programie: generowanie sygnałów za pomocą
Bardziej szczegółowoCYFROWA DETEKCJA IMPULSU RADIOWEGO Z REDUKCJĄ ODCHYLENIA GĘSTOŚCI WIDMOWEJ MOCY SYGNAŁU
CYFROWA DETEKCJA IMPULSU RADIOWEGO Z REDUKCJĄ ODCHYLENIA GĘSTOŚCI WIDMOWEJ MOCY SYGNAŁU Jakub Nikonowicz, Mieczysław Jessa Streszczenie niniejszy artykuł prezentuje porównanie podstawowych metod detekcji
Bardziej szczegółowoWstęp do Metod Systemowych i Decyzyjnych Opracowanie: Jakub Tomczak
Wstęp do Metod Systemowych i Decyzyjnych Opracowanie: Jakub Tomczak 1 Wprowadzenie. Zmienne losowe Podczas kursu interesować nas będzie wnioskowanie o rozpatrywanym zjawisku. Poprzez wnioskowanie rozumiemy
Bardziej szczegółowoKompresja danych DKDA (7)
Kompresja danych DKDA (7) Marcin Gogolewski marcing@wmi.amu.edu.pl Uniwersytet im. Adama Mickiewicza w Poznaniu Poznań, 22 listopada 2016 1 Kwantyzacja skalarna Wprowadzenie Analiza jakości Typy kwantyzatorów
Bardziej szczegółowoDYSKRETNA TRANSFORMACJA FOURIERA
Laboratorium Teorii Sygnałów - DFT 1 DYSKRETNA TRANSFORMACJA FOURIERA Cel ćwiczenia Celem ćwiczenia jest przeprowadzenie analizy widmowej sygnałów okresowych za pomocą szybkiego przekształcenie Fouriera
Bardziej szczegółowo13.2. Filtry cyfrowe
Bibliografia: 1. Chassaing Rulph, Digital Signal Processing and Applications with the C6713 and C6416 DSK, Wiley-Interscience 2005. 2. Borodziewicz W., Jaszczak K., Cyfrowe Przetwarzanie sygnałów, Wydawnictwo
Bardziej szczegółowoWytwarzanie sygnałów SSB metodę filtracyjną
Politechnika Warszawska Wydział Elektryczny Laboratorium Teletechniki Skrypt do ćwiczenia T.13 Wytwarzanie sygnałów SSB metodę filtracyjną 1. Wytwarzanie sygnałów SSB metodę filtracyjną Ćwiczenie to ma
Bardziej szczegółowoLaboratorium 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 szczegółowoCZĘSTOTLIWOŚCIOWA ANALIZA JAKOŚCI ALGORYTMÓW PRZEPRÓBKOWYWANIA SYGNAŁÓW JEDNOWYMIAROWYCH
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 76 Electrical Engineering 2013 Marcin JARMOŁOWICZ* CZĘSTOTLIWOŚCIOWA ANALIZA JAKOŚCI ALGORYTMÓW PRZEPRÓBKOWYWANIA SYGNAŁÓW JEDNOWYMIAROWYCH Artykuł
Bardziej szczegółowoCYFROWE PRZETWARZANIE SYGNAŁÓW
POLITECHNIKA RZESZOWSKA im. I. Łukasiewicza WYDZIAŁ ELEKTROTECHNIKI I INFORMATYKI Katedra Metrologii i Systemów Diagnostycznych CYFROWE PRZETWARZANIE SYGNAŁÓW Analiza widmowa sygnałów (2) dr inż. Robert
Bardziej szczegółowoPRZETWARZANIE MOWY W CZASIE RZECZYWISTYM
PRZETWARZANIE MOWY W CZASIE RZECZYWISTYM Akustyka mowy opracowanie: M. Kaniewska, A. Kupryjanow, K. Łopatka PLAN WYKŁADU Zasada przetwarzania sygnału w czasie rzeczywistym Algorytmy zmiany czasu trwania
Bardziej szczegółowoTytuł rozprawy w języku polskim: Usuwanie zakłóceń impulsowych z archiwalnych nagrań fonicznych
Imię i nazwisko autora rozprawy: mgr inż. Marcin Ciołek Dyscyplina naukowa: Automatyka i Robotyka ROZPRAWA DOKTORSKA Tytuł rozprawy w języku polskim: Usuwanie zakłóceń impulsowych z archiwalnych nagrań
Bardziej szczegółowoSystemy i Sieci Radiowe
Systemy i Sieci Radiowe Wykład 4 Media transmisyjne część Program wykładu Widmo sygnałów w. cz. Modele i tryby propagacji Anteny Charakterystyka kanału radiowego zjawiska propagacyjne 1 Transmisja radiowa
Bardziej szczegółowoKartkówka 1 Opracowanie: Próbkowanie częstotliwość próbkowania nie mniejsza niż podwojona szerokość przed spróbkowaniem.
Znowu prosta zasada - zbierzmy wszystkie zagadnienia z tych 3ech kartkówek i opracujmy - może się akurat przyda na dopytkę i uda się zaliczyć labki :) (dodatkowo można opracowania z tych rzeczy z doc ów
Bardziej szczegółowoPrzesył mowy przez internet
Damian Goworko Zuzanna Dziewulska Przesył mowy przez internet organizacja transmisji głosu, wybrane kodeki oraz rozwiązania podnoszące jakość połączenia głosowego Telefonia internetowa / voice over IP
Bardziej szczegółowoSymulacja sygnału czujnika z wyjściem częstotliwościowym w stanach dynamicznych
XXXVIII MIĘDZYUCZELNIANIA KONFERENCJA METROLOGÓW MKM 06 Warszawa Białobrzegi, 4-6 września 2006 r. Symulacja sygnału czujnika z wyjściem częstotliwościowym w stanach dynamicznych Eligiusz PAWŁOWSKI Politechnika
Bardziej szczegółowo13. Wybrane algorytmy cyfrowego przetwarzania sygnałów
13. Wybrane algorytmy cyfrowego przetwarzania sygnałów Dyskretna transformata Fouriera algorytm FFT (ang. fast Fourier transform) Wykrywanie tonów DTMF (ang. Dual Tone Multi Frequency) Filtracja cyfrowa
Bardziej szczegółowoHAŁASU Z UWZGLĘDNIENIEM ZJAWISK O CHARAKTERZE NIELINIOWYM
ZASTOSOWANIE SIECI NEURONOWYCH W SYSTEMACH AKTYWNEJ REDUKCJI HAŁASU Z UWZGLĘDNIENIEM ZJAWISK O CHARAKTERZE NIELINIOWYM WPROWADZENIE Zwalczanie hałasu przy pomocy metod aktywnych redukcji hałasu polega
Bardziej szczegółowo2. STRUKTURA RADIOFONICZNYCH SYGNAŁÓW CYFROWYCH
1. WSTĘP Radiofonię cyfrową cechują strumienie danych o dużych przepływnościach danych. Do przesyłania strumienia danych o dużych przepływnościach stosuje się transmisję z wykorzystaniem wielu sygnałów
Bardziej szczegółowoCyfrowe przetwarzanie obrazów i sygnałów Wykład 8 AiR III
1 Niniejszy dokument zawiera materiały do wykładu z przedmiotu Cyfrowe Przetwarzanie Obrazów i Sygnałów. Jest on udostępniony pod warunkiem wykorzystania wyłącznie do własnych, prywatnych potrzeb i może
Bardziej szczegółowoEstymacja parametrów Wybrane zagadnienia implementacji i wykorzystania
Estymacja parametrów Wybrane zagadnienia implementacji i wykorzystania Wykład w ramach przedmiotu Komputerowe systemy sterowania i wspomagania decyzji Plan wykładu Potrzeba estymacji parametrów Estymacja
Bardziej szczegółowoPROPOZYCJE TEMATÓW PROJEKTOWYCH PROJEKTOWANIE OPROGRAMOWANIA SYSTEMÓW
PROPOZYCJE TEMATÓW PROJEKTOWYCH PROJEKTOWANIE OPROGRAMOWANIA SYSTEMÓW 2016 1. Syntezator dźwięków szumów usznych Opiekun: dr inż. Piotr Suchomski Celem oprogramowania jest umożliwienie wygenerowania dźwięków,
Bardziej szczegółowoSystemy przetwarzania sygnałów
Systemy przetwarzania sygnałów x(t) y(t)? x(t) System przetwarzania sygnałów y(t) 23 P. Strumiłło 1 Systemy przetwarzania sygnałów sygnał cigły x(t) y(t)=h(x(t)) System czasu cigłego y(t) np. megafon -
Bardziej szczegółowo