Przetwarzanie sygnałów biomedycznych

Save this PDF as:
 WORD  PNG  TXT  JPG

Wielkość: px
Rozpocząć pokaz od strony:

Download "Przetwarzanie sygnałów biomedycznych"

Transkrypt

1 Przetwarzanie sygnałów biomedycznych dr hab. inż. Krzysztof Kałużyński, prof. PW Człowiek- najlepsza inwestycja Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Wykład XI Filtracja homomorficzna

2 Filtracja homomorficzna Filtracja liniowa zakłada, że filtrowane sygnały zostały dodane do siebie: y(t = x(t +n(t, filtracja liniowa pozwala na eliminację niepożądanych składowych Sygnały mogą być związane w inny sposób niż zsumowanie, np.: y(t=x(tn(t iloczyn albo y(t=x(t*n(t splot Widmo sygnału y(t nie jest w tych przypadkach sumą widm sygnałów x(t i n(t. Filtracja liniowa nie przyniesie pożądanych skutków. Filtracja homomorficzna Spostrzeżenie Logarytm widmowej gęstości mocy sygnału zawierającego echo ma składową okresową odpowiadająca temu echu - w TF logarytmu widmowej gęstości mocy powinno występować maksimum odpowiadające opóźnieniu echa. s ygn al 5 log modulu TF

3 Filtracja homomorficzna Logarytm widmowej gęstości mocy sygnału zawierającego echo ma składową okresową odpowiadająca temu echu - w TF logarytmu widmowej gęstości mocy powinno występować maksimum odpowiadające opóźnieniu echa. 4 log modulu TF TF log m odulu TF 7 TF log m odulu TF Filtracja homomorficzna względem splotu Układ realizujący operację filtracji homomorficznej względem splotu operator D oznacza sekwencję operacji TF i logarytmowania, D - sekwencję operacji funkcji wykładniczej i odwrotnej TF

4 Filtracja homomorficzna względem mnożenia Układ realizujący operację filtracji homomorficznej względem mnożenia zawiera blok logarytmu, filtracji liniowej oraz blok anyylogarytmu Definicje cepstrum sygnału f(t TF log m odulu TF 7 cepstrum rzeczywiste jωτ C( τ = log( G( ω e dω = F[log( G( ω] albo j ωτ d C( τ = log( G( ω e ω gdzie G ( ω F( ω = T T jωt = f ( t e dt albo C( τ = log( G( ω e π jωτ dω = F [log( G( ω]

5 Cepstrum rzeczywiste - właściwości Logarytm widma mocy funkcja rzeczywista parzysta, a więc proste i odwrotne przekształcenie Fouriera daje ten sam wynik. Druga defincja cepstrum daje pierwiastek cepstrum uzyskanego w myśl pierwszej definicji. Trzecia definicja cepstrum zbliżona do funkcji autokorelacji Cepstrum rzeczywiste nie zachowuje informacji o fazie sygnału! Definicje cepstrum sygnału f(t cepstrum zespolone jωτ C( τ = log( F( ω e dω = F [log( F ( ω ] π gdzie jωt = f ( t e dt F( ω Dla f(t rzeczywistej log(f(ω jest wielkością parzystą sprzężoną, wobec czego odwrotna TF tej wielkości jest rzeczywista. Cepstrum zespolone zachowuje informację o fazie sygnału.

6 Zastosowania filtracji homomorficznej Eliminacja pogłosu (echa Określanie właściwości toru i pobudzenia na podstawie sygnały wyjściowego (ton krtaniowy i tor głosowy Zastosowania filtracji homomorficznej Usuwanie pogłosu (echa sygnał s(t x( t t + M a s( t k t k k= sygnał z pogłosem czyli x(t=s(t*p(t - splot M p( t = δ ( t + a δ ( t k t k k = sygnał z pojedynczym echem opóźnionym o t: p( t = δ ( t + aδ ( t t x( t t + a s( t t

7 Zastosowania filtracji homomorficznej Usuwanie pogłosu (echa sygnał z pojedynczym echem opóźnionym o t: p( t = δ ( t + aδ ( t t x( t t + a s( t t TF sygnału x(n (S(ω=F[s(t] jωt X ( ω = S ( ω( + a e Logarytm (cepstrum rzeczywiste log( ( log( ( log ( j ω X ω = S ω + + a t e Zastosowania filtracji homomorficznej Usuwanie pogłosu (echa Logarytm (cepstrum rzeczywiste ω ω jωt log( X ( = log( S( + log ( + ae Składnik nieokresowy związany z s(t log( S( ω jω t składnik okresowy z okresem π/t log ( + a e Logarytm modułu kwadratu widma x(t zawiera składową związaną z interesującym nas sygnałem wolnym od echa, oraz składową okresową, wynikającą z obecności pogłosu. Składową pogłosową można odfiltrować metodami filtracji liniowej, o ile jej widmo nie pokrywa się z widmem log( S

8 Zastosowania filtracji homomorficznej Usuwanie pogłosu (echa (sygnał z czasem dyskretnym sygnał s(n sygnał z pogłosem x(n: <n <n <...<n k przypadek sygnału z pojedynczym echem: x( n n + M a s( n k n k k= p( n = δ ( n + a δ ( n M k n k k= p( n = δ ( n + aδ ( n n x( n n + as( n n Zastosowania filtracji homomorficznej Usuwanie pogłosu (echa (sygnał z czasem dyskretnym przypadek sygnału z pojedynczym echem: x( n n + as( n n TF sygnału x(n (S(e j ω =F[s(t] - cepstrum zespolone jω jω jωn X ( e = S ( e ( + a e logarytm jω jω jωn log( X ( e = log( S( e + log( + ae S(e jω może być rzeczywiste i dodatnie,np. sygnał cosinusoidalny jωn składnik okresowy z okresem π/n log( + a e Logarytm widma zawiera składową związaną z interesującym nas sygnałem wolnym od echa, oraz składową okresową, wynikającą z obecności pogłosu. Składową pogłosową można odfiltrować metodami filtracji liniowej, o ile jej widmo nie pokrywa się z widmem log(s.

9 Zastosowania filtracji homomorficznej Usuwanie pogłosu. sygnał + echo. widmo sygnału z echem (moduł 3. ln modułu TF sygnału sygnal + echo modul TF s ygnalu + ec ho ln modulu TF s ygna lu + e cho Zastosowania filtracji homomorficznej Usuwanie pogłosu 4. cepstrum sygnału i cepstrum po eliminacji składowej związanej z echem 5. widmo sygnału bez echa (moduł 6. sygnał po eliminacji echa TF ln modulu TF s ygna lu + e cho modul TF sygnalu po f. homomorficznej TF odwrotna TF s ygnalu po f. homomorficznej

10 Analiza homomorficzna (cepstralna sygnału mowy Sygnał mowy Sygnał mowy jest splotem pobudzenia (tonu krtaniowego g(t i odpowiedzi impulsowej toru głosowego h(t. Ton krtaniowy ciąg impulsów o pewnej częstotliwości. W celu uzyskania informacji o torze głosowym (właściwościach częstotliwościowych i pobudzeniu zastosowanie filtracji homomorficznej względem splotu. Analiza homomorficzna (cepstralna sygnału mowy Sytuacja jest podobna jak w przypadku echa splot pobudzenia i odpowiedzi toru. Logarytm widma sygnału mowy powinien zawierać składową okresową związaną z pobudzeniem i z torem głosowym. ω ω jωt log( X ( = log( S( + log ( + ae Logarytm widma sygnału

11 Analiza homomorficzna (cepstralna sygnału mowy Tor głosowy ton krtaniowy Analiza homomorficzna (cepstralna sygnału mowy

Przetwarzanie sygnałów biomedycznych

Przetwarzanie sygnałów biomedycznych Prztwarzani sygnałów biomdycznych dr hab. inż. Krzysztof Kałużyński, prof. PW Człowik- najlpsza inwstycja Projkt współfinansowany przz Unię Europjską w ramach Europjskigo Funduszu Społczngo Wykład XI Filtracja

Bardziej szczegółowo

Systemy. Krzysztof Patan

Systemy. Krzysztof Patan Systemy Krzysztof Patan Systemy z pamięcią System jest bez pamięci (statyczny), jeżeli dla dowolnej chwili t 0 wartość sygnału wyjściowego y(t 0 ) zależy wyłącznie od wartości sygnału wejściowego w tej

Bardziej szczegółowo

Algorytmy detekcji częstotliwości podstawowej

Algorytmy 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 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

Automatyczne rozpoznawanie mowy - wybrane zagadnienia / Ryszard Makowski. Wrocław, Spis treści

Automatyczne 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 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

Filtracja. Krzysztof Patan

Filtracja. Krzysztof Patan Filtracja Krzysztof Patan Wprowadzenie Działanie systemu polega na przetwarzaniu sygnału wejściowego x(t) na sygnał wyjściowy y(t) Równoważnie, system przetwarza widmo sygnału wejściowego X(jω) na widmo

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

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

Ćwiczenie 4. Filtry o skończonej odpowiedzi impulsowej (SOI)

Ćwiczenie 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 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

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

ELEKTRONIKA. dla Mechaników

ELEKTRONIKA. dla Mechaników ELEKTRONIKA dla Mechaników dr inż. Waldemar Jendernalik Politechnika Gdańska Wydział ETI Katedra Systemów Mikroelektronicznych p. 309, waldi@ue.eti.pg.gda.pl www.ue.eti.pg.gda.pl/~waldi Po co to Wam? Elektronika

Bardziej szczegółowo

ELEKTRONIKA W EKSPERYMENCIE FIZYCZNYM

ELEKTRONIKA W EKSPERYMENCIE FIZYCZNYM ELEKTRONIKA W EKSPERYMENCIE FIZYCZNYM D. B. Tefelski Zakład VI Badań Wysokociśnieniowych Wydział Fizyki Politechnika Warszawska, Koszykowa 75, 00-662 Warszawa, PL 21 lutego 2011 Eksperyment fizyczny, Czwórniki,

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

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

Akwizycja i przetwarzanie sygnałów cyfrowych

Akwizycja i przetwarzanie sygnałów cyfrowych Akwizycja i przetwarzanie sygnałów cyfrowych Instytut Teleinformatyki ITI PK Kraków 21 luty 2011 Plan na dziś 1 Przedstawienie przedmiotu i zakresu wykładu polecanej iteratury zasad zaliczenia 2 Wyklad

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

ANALIZA KORELACYJNA I FILTRACJA SYGNAŁÓW

ANALIZA KORELACYJNA I FILTRACJA SYGNAŁÓW POLIECHNIKA BIAŁOSOCKA KAEDRA ZARZĄDZANIA PRODUKCJĄ Instrukcja do zajęć laboratoryjnych z przedmiotu: Podstawy diagnostyki technicznej Kod przedmiotu: KS05454 Ćwiczenie Nr ANALIZA KORELACYJNA I FILRACJA

Bardziej szczegółowo

Laboratorium Przetwarzania Sygnałów Biomedycznych

Laboratorium Przetwarzania Sygnałów Biomedycznych Laboratorium Przetwarzania Sygnałów Biomedycznych Ćwiczenie 3 Analiza sygnału o nieznanej strukturze Opracowali: - prof. nzw. dr hab. inż. Krzysztof Kałużyński - mgr inż. Tomasz Kubik Politechnika Warszawska,

Bardziej szczegółowo

Transformata Fouriera i analiza spektralna

Transformata Fouriera i analiza spektralna Transformata Fouriera i analiza spektralna Z czego składają się sygnały? Sygnały jednowymiarowe, częstotliwość Liczby zespolone Transformata Fouriera Szybka Transformata Fouriera (FFT) FFT w 2D Przykłady

Bardziej szczegółowo

Plan wykładu. Własności statyczne i dynamiczne elementów automatyki:

Plan wykładu. Własności statyczne i dynamiczne elementów automatyki: Plan wykładu Własności statyczne i dynamiczne elementów automatyki: - charakterystyka statyczna elementu automatyki, - sygnały standardowe w automatyce: skok jednostkowy, impuls Diraca, sygnał o przebiegu

Bardziej szczegółowo

Wykład 2: Szeregi Fouriera

Wykład 2: Szeregi Fouriera Rachunek prawdopodobieństwa MAP64 Wydział Elektroniki, rok akad. 8/9, sem. letni Wykładowca: dr hab. A. Jurlewicz Wykład : Szeregi Fouriera Definicja. Niech f(t) będzie funkcją określoną na R, okresową

Bardziej szczegółowo

Przekształcenie Fouriera i splot

Przekształcenie Fouriera i splot Zastosowania Procesorów Sygnałowych dr inż. Grzegorz Szwoch greg@multimed.org p. 732 - Katedra Systemów Multimedialnych Przekształcenie Fouriera i splot Wstęp Na tym wykładzie: przekształcenie Fouriera

Bardziej szczegółowo

Kartkówka 1 Opracowanie: Próbkowanie częstotliwość próbkowania nie mniejsza niż podwojona szerokość przed spróbkowaniem.

Kartkówka 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 szczegółowo

Część 1. Transmitancje i stabilność

Część 1. Transmitancje i stabilność Część 1 Transmitancje i stabilność Zastosowanie opisu transmitancyjnego w projektowaniu przekształtników impulsowych Istotne jest przewidzenie wpływu zmian w warunkach pracy (m. in. v g, i) i wielkości

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

Przetwarzanie sygnałów w telekomunikacji

Przetwarzanie 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 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

Ćwiczenie 6 Projektowanie filtrów cyfrowych o skończonej i nieskończonej odpowiedzi impulsowej

Ćwiczenie 6 Projektowanie filtrów cyfrowych o skończonej i nieskończonej odpowiedzi impulsowej Ćwiczenie 6 Projektowanie filtrów cyfrowych o skończonej i nieskończonej odpowiedzi impulsowej. Filtry FIR o skończonej odpowiedzi impulsowej (SOI) Filtracja FIR polega na tym, że sygnał wyjściowy powstaje

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

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

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

Dyskretne przekształcenie Fouriera cz. 2

Dyskretne przekształcenie Fouriera cz. 2 Cyfrowe przetwarzanie sygnałów Jacek Rezmer -1- Dyskretne przekształcenie Fouriera cz. 2 Twierdzenie o przesunięciu Istnieje ważna właściwość DFT, znana jako twierdzenie o przesunięciu. Mówi ono, że: przesunięcie

Bardziej szczegółowo

Opis efektów kształcenia dla modułu zajęć

Opis efektów kształcenia dla modułu zajęć Nazwa modułu: Teoria i przetwarzanie sygnałów Rok akademicki: 2013/2014 Kod: EEL-1-524-s Punkty ECTS: 6 Wydział: Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Kierunek: Elektrotechnika

Bardziej szczegółowo

Transformacje i funkcje statystyczne

Transformacje i funkcje statystyczne Generacja okien: win = window(@fwin,n); Generacja okien gui: wintool; Rodzaje niektórych okien: @bartlett - Bartletta. @blackman - Blackmana. @chebwin - Czebyszewa. @gausswin - gausowskie. @hamming - Hamminga.

Bardziej szczegółowo

Biometryczna Identyfikacja Tożsamości

Biometryczna Identyfikacja Tożsamości c Adam Czajka IAiIS PW 20 maja 2014 1/39 Adam Czajka Wykład na Wydziale Elektroniki i Technik Informacyjnych Politechniki Warszawskiej Semestr letni 2014 c Adam Czajka IAiIS PW 20 maja 2014 2/39 Rozpoznawanie

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

Akustyka mowy wprowadzenie. Opracował: dr inż. Piotr Suchomski

Akustyka mowy wprowadzenie. Opracował: dr inż. Piotr Suchomski Akustyka mowy wprowadzenie Opracował: dr inż. Piotr Suchomski Kontakt Katedra Systemów Multimedialnych Wydział ETI dr inż. Piotr M. Suchomski, pok. EA 730 e-mail: pietka@sound.eti.pg.gda.pl tel. 23-01

Bardziej szczegółowo

Cyfrowe przetwarzanie sygnałów Jacek Rezmer -1-

Cyfrowe 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 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

Katedra Elektrotechniki Teoretycznej i Informatyki

Katedra Elektrotechniki Teoretycznej i Informatyki Katedra Elektrotechniki Teoretycznej i Informatyki Przedmiot: Zintegrowane Pakiety Obliczeniowe W Zastosowaniach InŜynierskich Numer ćwiczenia: 7,8 Temat: Signal Processing Toolbox - filtry cyfrowe, transmitancja

Bardziej szczegółowo

WYKORZYSTANIE ANALIZY CEPSTRALNEJ DO IDENTYFIKACJI SK ADOWYCH WIDMA SYGNA U U YTECZNEGO

WYKORZYSTANIE ANALIZY CEPSTRALNEJ DO IDENTYFIKACJI SK ADOWYCH WIDMA SYGNA U U YTECZNEGO Bartosz OSTAPKO Politechnika Koszaliska WYKORZYSTANIE ANALIZY CEPSTRALNEJ DO IDENTYFIKACJI SKADOWYCH WIDMA SYGNAU UYTECZNEGO 1. Wstp Analiza cepstralna wie si bezporednio z poszukiwaniem widma sygnau,

Bardziej szczegółowo

Podstawy Przetwarzania Sygnałów

Podstawy 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 szczegółowo

Przekształcenia całkowe. Wykład 1

Przekształcenia całkowe. Wykład 1 Przekształcenia całkowe Wykład 1 Przekształcenia całkowe Tematyka wykładów: 1. Liczby zespolone -wprowadzenie, - funkcja zespolona zmiennej rzeczywistej, - funkcja zespolona zmiennej zespolonej. 2. Przekształcenie

Bardziej szczegółowo

Analiza sygnałów biologicznych

Analiza sygnałów biologicznych Analiza sygnałów biologicznych Paweł Strumiłło Zakład Elektroniki Medycznej Instytut Elektroniki PŁ Co to jest sygnał? Funkcja czasu x(t) przenosząca informację o stanie lub działaniu układu (systemu),

Bardziej szczegółowo

Liczby zespolone. P. F. Góra (w zastępstwie prof. K. Rościszewskiego) 27 lutego 2007

Liczby zespolone. P. F. Góra (w zastępstwie prof. K. Rościszewskiego)  27 lutego 2007 Liczby zespolone P. F. Góra (w zastępstwie prof. K. Rościszewskiego) http://th-www.if.uj.edu.pl/zfs/gora/ 27 lutego 2007 Definicja C zbiór par liczb rzeczywistych w którym określono następujace działania:

Bardziej szczegółowo

Transformacje Fouriera * podstawowe własności

Transformacje Fouriera * podstawowe własności Transformacje Fouriera * podstawowe własności * podejście mało formalne Funkcja w domenie czasowej Transformacja Fouriera - wstęp Ta sama funkcja w domenie częstości Transformacja Fouriera polega na rozkładzie

Bardziej szczegółowo

ANALIZA SEMANTYCZNA OBRAZU I DŹWIĘKU

ANALIZA 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 szczegółowo

Logarytmy. Historia. Definicja

Logarytmy. Historia. Definicja Logarytmy Historia Logarytmy po raz pierwszy pojawiły się w książce szkockiego matematyka - Johna Nepera "Opis zadziwiających tablic logarytmów" z 1614 roku. Szwajcarski astronom i matematyk Jost Burgi

Bardziej szczegółowo

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Materiały dydaktyczne na zajęcia wyrównawcze z matematyki dla studentów pierwszego roku kierunku zamawianego Inżynieria Środowiska w ramach projektu Era inżyniera pewna lokata na przyszłość Projekt Era

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

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

dr inż. Artur Zieliński Katedra Elektrochemii, Korozji i Inżynierii Materiałowej Wydział Chemiczny PG pokój 311

dr inż. Artur Zieliński Katedra Elektrochemii, Korozji i Inżynierii Materiałowej Wydział Chemiczny PG pokój 311 dr inż. Artur Zieliński Katedra Elektrochemii, Korozji i Inżynierii Materiałowej Wydział Chemiczny PG pokój 3 Politechnika Gdaoska, 20 r. Publikacja współfinansowana ze środków Unii Europejskiej w ramach

Bardziej szczegółowo

Podstawy Transmisji Przewodowej Wykład 1

Podstawy Transmisji Przewodowej Wykład 1 Podstawy Transmisji Przewodowej Wykład 1 Grzegorz Stępniak Instytut Telekomunikacji, PW 24 lutego 2012 Instytut Telekomunikacji, PW 1 / 26 1 Informacje praktyczne 2 Wstęp do transmisji przewodowej 3 Multipleksacja

Bardziej szczegółowo

dr inż. Artur Zieliński Katedra Elektrochemii, Korozji i Inżynierii Materiałowej Wydział Chemiczny PG pokój 311

dr inż. Artur Zieliński Katedra Elektrochemii, Korozji i Inżynierii Materiałowej Wydział Chemiczny PG pokój 311 dr inż. Artur Zieliński Katedra Elektrochemii, Korozji i Inżynierii Materiałowej Wydział Chemiczny PG pokój 311 Politechnika Gdaoska, 2011 r. Publikacja współfinansowana ze środków Unii Europejskiej w

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

Realizacja filtrów cyfrowych z buforowaniem próbek

Realizacja filtrów cyfrowych z buforowaniem próbek str. 1 Realizacja filtrów cyfrowych z buforowaniem próbek 1. Filtry Cyfrowe Zadaniem filtracji jest przepuszczanie (tłumienie) składowych sygnału leŝących w określonym paśmie częstotliwości. Ogólnie filtr

Bardziej szczegółowo

Teoria Sygnałów. III rok Informatyki Stosowanej. Wykład 8

Teoria Sygnałów. III rok Informatyki Stosowanej. Wykład 8 Teoria Synałów rok nformatyki Stosowanej Wykład 8 Analiza częstotliwościowa dyskretnych synałów cyfrowych okna widmowe (cd poprzednieo wykładu) N = 52; T =.24; %czas trwania synału w sekundach dt = T/N;

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

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

CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE

CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE Do opisu członów i układów automatyki stosuje się, oprócz transmitancji operatorowej (), tzw. transmitancję widmową. Transmitancję widmową () wyznaczyć można na podstawie

Bardziej szczegółowo

AiR_TSiS_1/2 Teoria sygnałów i systemów Signals and systems theory. Automatyka i Robotyka I stopień ogólnoakademicki

AiR_TSiS_1/2 Teoria sygnałów i systemów Signals and systems theory. Automatyka i Robotyka I stopień ogólnoakademicki 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 2013/2014

Bardziej szczegółowo

Transformata Fouriera. Krzysztof Patan

Transformata Fouriera. Krzysztof Patan Transformata Fouriera Krzysztof Patan Aproksymacja sygnałów Aproksymacja sygnału x(t) za pomocą rozwinięcia o skończonej długości polega na znalezieniu funkcji ˆx n (t) = c 1 x 1 (t) + + c k x k (t) +

Bardziej szczegółowo

Miernictwo Wibroakustyczne Literatura. Wykład 1 Wprowadzenie. Sygnały pomiarowe

Miernictwo Wibroakustyczne Literatura. Wykład 1 Wprowadzenie. Sygnały pomiarowe Wykład Wprowadzenie. Sygnały pomiarowe Dr inż.adeusz Wszołek Miernictwo Wibroakustyczne - Wydział Inżynierii Mechanicznej i Robotyki Katedra Mechaniki i Wibroakustyki D-, p.6, konsultacje-poniedziałek,

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

Materiały pomocnicze do wykładu

Materiały pomocnicze do wykładu do wykładu 1 1. Tomasz P. Zieliński - Cyfrowe przetwarzanie sygnałów. Od teorii do zastosowań, WKŁ, 2009, 2. Richard G. Lyons, Wprowadzenie do cyfrowego przetwarzania sygnałów, WKŁ, 2010 (wyd. 2 rozszerzone),

Bardziej szczegółowo

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Modelowanie

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Modelowanie Politechnika Wrocławska, Wydział Informatyki i Zarządzania Modelowanie Zad Wyznacz transformaty Laplace a poniższych funkcji, korzystając z tabeli transformat: a) 8 3e 3t b) 4 sin 5t 2e 5t + 5 c) e5t e

Bardziej szczegółowo

CYFROWE PRZTWARZANIE SYGNAŁÓW (Zastosowanie transformacji Fouriera)

CYFROWE PRZTWARZANIE SYGNAŁÓW (Zastosowanie transformacji Fouriera) I. Wprowadzenie do ćwiczenia CYFROWE PRZTWARZANIE SYGNAŁÓW (Zastosowanie transformacji Fouriera) Ogólnie termin przetwarzanie sygnałów odnosi się do nauki analizowania zmiennych w czasie procesów fizycznych.

Bardziej szczegółowo

Matematyka liczby zespolone. Wykład 1

Matematyka liczby zespolone. Wykład 1 Matematyka liczby zespolone Wykład 1 Siedlce 5.10.015 Liczby rzeczywiste Zbiór N ={0,1,,3,4,5, } nazywamy zbiorem Liczb naturalnych, a zbiór N + ={1,,3,4, } nazywamy zbiorem liczb naturalnych dodatnich.

Bardziej szczegółowo

2. STRUKTURA RADIOFONICZNYCH SYGNAŁÓW CYFROWYCH

2. 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 szczegółowo

Sterowanie przekształtników elektronicznych zima 2011/12

Sterowanie przekształtników elektronicznych zima 2011/12 Sterowanie przekształtników elektronicznych zima 2011/12 dr inż. Łukasz Starzak Politechnika Łódzka Wydział Elektrotechniki, Elektroniki, Informatyki i Automatyki Katedra Mikroelektroniki i Technik Informatycznych

Bardziej szczegółowo

Zastowowanie transformacji Fouriera w cyfrowym przetwarzaniu sygnałów

Zastowowanie transformacji Fouriera w cyfrowym przetwarzaniu sygnałów 31.01.2008 Zastowowanie transformacji Fouriera w cyfrowym przetwarzaniu sygnałów Paweł Tkocz inf. sem. 5 gr 1 1. Dźwięk cyfrowy Fala akustyczna jest jednym ze zjawisk fizycznych mających charakter okresowy.

Bardziej szczegółowo

13. Wybrane algorytmy cyfrowego przetwarzania sygnałów

13. 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 szczegółowo

PROPAGACJA PROMIENIOWANIA PRZEZ UKŁAD OPTYCZNY W UJĘCIU FALOWYM. TRANSFORMACJE FAZOWE I SYGNAŁOWE

PROPAGACJA PROMIENIOWANIA PRZEZ UKŁAD OPTYCZNY W UJĘCIU FALOWYM. TRANSFORMACJE FAZOWE I SYGNAŁOWE PROPAGACJA PROMIENIOWANIA PRZEZ UKŁAD OPTYCZNY W UJĘCIU FALOWYM. TRANSFORMACJE FAZOWE I SYGNAŁOWE prof. dr hab. inż. Krzysztof Patorski Przedmiotem tej części wykładu są podstawowe transformacje fazowe

Bardziej szczegółowo

Transmitancje i charakterystyki częstotliwościowe. Krzysztof Patan

Transmitancje i charakterystyki częstotliwościowe. Krzysztof Patan Transmitancje i charakterystyki częstotliwościowe Krzysztof Patan Transmitancja systemu czasu ciągłego Przekształcenie Laplace a systemu czasu ciągłego jest superpozycją składowych pochodzących od wymuszenia

Bardziej szczegółowo

TRANSFORMATA FOURIERA

TRANSFORMATA FOURIERA TRANSFORMATA FOURIERA. Wzór całkowy Fouriera Wzór ten wykorzystujemy do analizy funkcji nieokresowych; funkcje te mogą opisywać np.przebiegi eleektryczne. Najpierw sformułujmy tzw. warunki Dirichleta.

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

ELEMENTY AUTOMATYKI PRACA W PROGRAMIE SIMULINK 2013

ELEMENTY AUTOMATYKI PRACA W PROGRAMIE SIMULINK 2013 SIMULINK część pakietu numerycznego MATLAB (firmy MathWorks) służąca do przeprowadzania symulacji komputerowych. Atutem programu jest interfejs graficzny (budowanie układów na bazie logicznie połączonych

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

Wykład FIZYKA I. 10. Ruch drgający tłumiony i wymuszony. Dr hab. inż. Władysław Artur Woźniak

Wykład FIZYKA I. 10. Ruch drgający tłumiony i wymuszony.  Dr hab. inż. Władysław Artur Woźniak Wykład FIZYKA I 1. Ruch drgający tłumiony i wymuszony Dr hab. inż. Władysław Artur Woźniak Instytut Fizyki Politechniki Wrocławskiej http://www.if.pwr.wroc.pl/~wozniak/fizyka1.html Siły oporu (tarcia)

Bardziej szczegółowo

MODULACJE ANALOGOWE. Funkcja modulująca zależna od sygnału modulującego: m(t) = m(t) e

MODULACJE ANALOGOWE. Funkcja modulująca zależna od sygnału modulującego: m(t) = m(t) e Nośna: MODULACJE ANALOGOWE c(t) = Y 0 cos(ωt + ϕ 0 ) Sygnał analityczny sygnału zmodulowanego y(t): z y (t) = m(t)z c (t), z c (t) = Y 0 e jωt Funkcja modulująca zależna od sygnału modulującego: j arg

Bardziej szczegółowo

Automatyka i robotyka ETP2005L. Laboratorium semestr zimowy

Automatyka i robotyka ETP2005L. Laboratorium semestr zimowy Automatyka i robotyka ETP2005L Laboratorium semestr zimowy 2017-2018 Liniowe człony automatyki x(t) wymuszenie CZŁON (element) OBIEKT AUTOMATYKI y(t) odpowiedź Modelowanie matematyczne obiektów automatyki

Bardziej szczegółowo

Podstawy Automatyki. Wykład 2 - podstawy matematyczne. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki

Podstawy Automatyki. Wykład 2 - podstawy matematyczne. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki Wykład 2 - podstawy matematyczne Instytut Automatyki i Robotyki Warszawa, 2015 Wstęp Rzeczywiste obiekty regulacji, a co za tym idzie układy regulacji, mają właściwości nieliniowe, n.p. turbulencje, wiele

Bardziej szczegółowo

FUNKCJE ZESPOLONE Lista zadań 2005/2006

FUNKCJE ZESPOLONE Lista zadań 2005/2006 FUNKJE ZESPOLONE Lista zadań 25/26 Opracowanie: dr Jolanta Długosz Liczby zespolone. Obliczyć wartości podanych wyrażeń: (2 + ) ( ) 2 4 i (5 + i); b) (3 i)( 4 + 2i); c) 4 + i ; d) ( + i) 4 ; e) ( 2 + 3i)

Bardziej szczegółowo

WOJSKOWA AKADEMIA TECHNICZNA

WOJSKOWA AKADEMIA TECHNICZNA WOJSKOWA AKADEMIA TECHNICZNA LABORATORIUM CYFROWE PRZETWARZANIE SYGNAŁÓW Stopień, imię i nazwisko prowadzącego Imię oraz nazwisko słuchacza Grupa szkoleniowa Data wykonania ćwiczenia dr inż. Andrzej Wiśniewski

Bardziej szczegółowo

CYFROWE PRZETWARZANIE SYGNAŁÓW

CYFROWE 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 szczegółowo

Adam Korzeniewski p Katedra Systemów Multimedialnych

Adam Korzeniewski p Katedra Systemów Multimedialnych Adam Korzeniewski adamkorz@sound.eti.pg.gda.pl p. 732 - Katedra Systemów Multimedialnych Operacja na dwóch funkcjach dająca w wyniku modyfikację oryginalnych funkcji (wynikiem jest iloczyn splotowy). Jest

Bardziej szczegółowo

Zjawisko aliasingu. Filtr antyaliasingowy. Przecieki widma - okna czasowe.

Zjawisko aliasingu. Filtr antyaliasingowy. Przecieki widma - okna czasowe. Katedra Mechaniki i Podstaw Konstrukcji Maszyn POLITECHNIKA OPOLSKA Komputerowe wspomaganie eksperymentu Zjawisko aliasingu.. Przecieki widma - okna czasowe. dr inż. Roland PAWLICZEK Zjawisko aliasingu

Bardziej szczegółowo

Spis treści. Metody nieparametryczne. Transformacja Fouriera

Spis treści. Metody nieparametryczne. Transformacja Fouriera Spis treści 1 Metody nieparametryczne 1.1 Transformacja Fouriera 1.2 Bliżej życia 1.3 Splot 2 Transformacja Z 3 Filtry 4 Metody parametryczne 5 Analiza danych wielokanałowych 5.1 Koherencje 5.2 Związki

Bardziej szczegółowo

dr inż. Jacek Naruniec

dr 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 szczegółowo

Analiza obrazów - sprawozdanie nr 2

Analiza obrazów - sprawozdanie nr 2 Analiza obrazów - sprawozdanie nr 2 Filtracja obrazów Filtracja obrazu polega na obliczeniu wartości każdego z punktów obrazu na podstawie punktów z jego otoczenia. Każdy sąsiedni piksel ma wagę, która

Bardziej szczegółowo

Matematyka dyskretna

Matematyka dyskretna Matematyka dyskretna Wykład 9: Grupy skończone Gniewomir Sarbicki Grupy cykliczne Definicja: Jeżeli każdy element grupy G jest postaci a n dla pewnego a G, to mówimy, że grupa G jest grupą cykliczną o

Bardziej szczegółowo

Przetwarzanie i transmisja danych multimedialnych. Wykład 7 Transformaty i kodowanie. Przemysław Sękalski.

Przetwarzanie i transmisja danych multimedialnych. Wykład 7 Transformaty i kodowanie. Przemysław Sękalski. Przetwarzanie i transmisja danych multimedialnych Wykład 7 Transformaty i kodowanie Przemysław Sękalski sekalski@dmcs.pl Politechnika Łódzka Katedra Mikroelektroniki i Technik Informatycznych DMCS Wykład

Bardziej szczegółowo

przy warunkach początkowych: 0 = 0, 0 = 0

przy warunkach początkowych: 0 = 0, 0 = 0 MODELE MATEMATYCZNE UKŁADÓW DYNAMICZNYCH Podstawową formą opisu procesów zachodzących w członach lub układach automatyki jest równanie ruchu - równanie dynamiki. Opisuje ono zależność wielkości fizycznych,

Bardziej szczegółowo

Matematyka dyskretna

Matematyka dyskretna Matematyka dyskretna wykład 1: Indukcja i zależności rekurencyjne Gniewomir Sarbicki Literatura Kenneth A. Ross, Charles R. B. Wright Matematyka Dyskretna PWN 005 J. Jaworski, Z. Palka, J. Szymański Matematyka

Bardziej szczegółowo

Szereg i transformata Fouriera

Szereg i transformata Fouriera Analiza danych środowiskowych III rok OŚ Wykład 3 Andrzej Leśniak KGIS, GGiOŚ AGH Szereg i transformata Fouriera Cel wykładu: Wykrywanie i analiza okresowości w szeregach czasowych Przepływ wody w rzece

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

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