Transformacje Fouriera * podstawowe własności
|
|
- Bogdan Stefaniak
- 7 lat temu
- Przeglądów:
Transkrypt
1 Transformacje Fouriera * podstawowe własności * podejście mało formalne
2 Funkcja w domenie czasowej Transformacja Fouriera - wstęp Ta sama funkcja w domenie częstości Transformacja Fouriera polega na rozkładzie sygnału na funkcje sin i cos czyli na wyznaczeniu wkładu danej składowej częstotliwościowej do sygnału W podobny sposób funkcje zdefiniowanie w domenie położenia możemy przedstawiać w domenie częstości przestrzennych (wektora falowego)
3 Obie domeny są równoważne, ale. Funkcja w domenie czasowej Ta sama funkcja w domenie częstości Dodajemy biały szum W tym przypadku domena częstotliwości jest dużo wygodniejsza
4 Przykłady bezpośredniej realizacji transformacji Fouriera Rozpraszanie Elementy optyczne k k 0 r(r) A(q) Obraz rozproszenie jest transformatą Fouriera obiektu Obraz w tylnej płaszczyźnie ogniskowej jest TF obrazu w przedniej płaszczyźnie ogniskowej
5 Iloczyn skalarny (rzut)
6 Pewne całki z funkcjami sinus i kosinus Transformacja Fouriera polega na rozkładzie sygnału na funkcje sin i cos czyli na wyznaczeniu wkładu danej składowej częstotliwościowej do sygnału Zatem, składowe fourierowskie są niezależne [funkcje sin/cos są ortogonalne] Te własności czynią transformacje Fouriera użytecznymi/możliwymi
7 Prosta zagadka 1 Całka z iloczynu dwóch funkcji która z poniższych całek jest większa? I 1 I 2
8 Prosta zagadka 1 Całka z iloczynu dwóch funkcji która z poniższych całek jest większa? I 1 I 2 I 1 <I
9 Prosta zagadka 2 Całka z iloczynu dwóch funkcji f(x) - gauss I 1 g(x)=cos(x) I 2 g(x)=cos(5x) 2009
10 Prosta zagadka 2 Całka z iloczynu dwóch funkcji f(x) - gauss I 1 g(x)=cos(x) I 2 g(x)=cos(5x) I 1 >I 2
11 Prosta zagadka 3 Całka z iloczynu dwóch funkcji f(x) - gauss I g(x)=cos(5x) 1 I 2 g(x)=sin(5x)
12 Prosta zagadka 3 Całka z iloczynu dwóch funkcji f(x) - gauss I g(x)=cos(5x) 1 I 2 g(x)=sin(5x) I 1 >I 2 I 2 =0 2009
13 Definicja transformacji Fouriera Rozkład funkcji na funkcje harmoniczne: sinus i cosinus 2p/k x F(k) jest także funkcją [w przestrzeni odwrotnej] W ogólności jest funkcją zespoloną!
14 Terminologia Transformacja Fouriera operacja na funkcji Transformata Fouriera funkcja uzyskana po zastosowaniu transformacji
15 Konwencja Generalnie: Inne nasza Mathematica Wolfram MathWorld Uwaga 1: Mathematica umożliwia liczenie w dowlolnej konwencji Uwaga 2: Pewne transformaty i tożsamości zależą od konwencji. Tutaj warto użyć Wiki [generalnie zawsze z rozwagą!]:
16 Transformacja Fouriera: Odwrotna transformacja Fouriera Mając do dyspozycji F(k) dla wszystkich wartości k możemy odzyskać (czyli zrekonstruować )oryginalną funkcję f(x)! Odwrotna transformacja: Jest to jedna z najważniejszych cech transformacji Fouriera!!!!
17 Prezentacja Transformata Fouriera jest funkcją zespoloną! część rzeczywista część urojona amplituda faza
18 Symetria i rzeczywistość f(x) rzeczywiste to F(k)=F * (-k) f(x) urojone to F(k)=-F * (-k) f(x) rzeczywiste i f(x) = f(-x) to F(k) rzeczywiste i F(k)=F(-k) f(x) rzeczywiste i f(x) =- f(-x) to F(k) urojona i F(k)=-F(-k)
19 Delta Diraca Robocza definicja Własności Symboliczny wykres Wysokość jest miarą stałej mnożącej deltę.
20 Delta Diraca definicja przez granicę
21 Transformacje pewnych prostych funkcji Aby zilustrować pewne podstawowe własności transformaty Fouriera poznajmy najpierw transformaty podstawowych funkcji 1 k=0 k=k 0-1 k=0 1 k=0 0 Stała wartość (np. tło) występuje dla k=0 kolory -Re, Im
22 Transformacje pewnych prostych funkcji k=0 k=-k 0 k=k 0 k=0 k=-k 0 k=k 0 kolory -Re, Im
23 Transformacje pewnych prostych funkcji Gauss k=0 Dx Dk Transformata Fouriera gaussa jest gaussem. Mała lokalizacja w przestrzeni rzeczywistej oznacza dużą lokalizację w przestrzeni odwrotej. [por. Heisenberg] kolory -Re, Im
24 Transformacje pewnych prostych funkcji Funkcja prostokątna k=0 1 0 x=-1/2 x=1/2 Bardzo ważna funkcja. Granice w całce Fouriera są nieskończone. Funkcja prostokątna często służy do opisu sygnałów zlokalizowanych w przestrzeni lub w czasie [jako czynnik mnożący] kolory -Re, Im
25 Transformacje pewnych prostych funkcji kolory -Re, Im
26 Transformacje pewnych prostych funkcji 1/2 x=0 k=0 0-1/2 kolory -Re, Im
27 Grzebień Diraca
28 Funkcje periodyczne i szeregi Fouriera Funkcja periodyczna z okresem : Obliczmy jej transformatę: Zdefiniujmy: Otrzymujemy: Taką funkcję można zapisać jako szereg:
29 Licznenie np. Mathematica
30 Ogólne własności - liniowość k=0
31 Ogólne własności skalowanie
32 Ogólne własności - przesunięcie kolory Re, Im, x=x 0 x=x 0 Cała informacja o przesunięciu Optyka zawarta rentgenowska jest w -fazie. P. Korecki Nie wpływa ono na amplitudę!
33 Ogólne własności twierdzenie o mocy Uwaga: spełnione nie dla wszystkich konwencji!
34 Splot Ważna operacja: sygnał + poszerzenie aparaturowe, rozmycie obrazów
35 Ważny splot
36 Twierdzenie o splocie Transformata Fouriera splotu funkcji jest proporcjonalna do iloczynu transformat Fouriera tych funkcji!!! Pozwala to na łatwe obliczanie splotu Analogicznie Transformata Fouriera iloczynu funkcji jest splotem transformacji Fouriera tych funkcji!!!
37 Przykład 1 1 0
38 Przykład 2 Typowy przykład: impuls o podstawowej częstość w (energii E) i skończonej długości Dt ma rozmycie energetyvze Dw DE 1/Dt
39 Twierdzenie o korelacji i autokorelacji (szczegółowa dyskusja póżniej) Definicja korelacji Twierdzenie Autokorelacja Łatwy sposób na liczenie
40 Dyskretna transformacja Fouriera dane eksperymentalne W eksperymencie dyskretnie próbkujemy ciągły sygnał: f(x) L x Całka Fouriera jest wtedy aproksymowana sumą
41 Próbkowanie
42 Próbkowanie
43 Próbkowanie
44 Próbkowanie
45 Próbkowanie
46 Próbkowanie
47 Twierdzenie Shannona o próbkowaniu Jeżeli próbkowana funkcja jest ograniczona pasmowo tzn. jej transformata Fouriera jest zero powyżej pewnej częstości k c to funkcje i jej transformatę można bezstratnie odzyskać stosując próbkowanie Nyquista D=p/k c -k c k c D=p/k c
48 Szybka transformacja Fouriera Dyskretna postać transformacji [uwaga inna konwencja!] 1D 2D N punktów N 2 operacji N 1 x N 2 punktów FFT (N całkowita liczba danych) Pozwala na niesamowite przyspieszenie obliczeń 1D N 2 Nlog 2 (N) 2D N 4 2 N 2 log 2 (N) Przykład N=1000 [macierz 1024x1024] N 1 2 x N 22 operacji W FFT macierz wyjściowa ma taki sam wymiar jak macierz wejściowa: konsekwencja twierdzenia Shannona N 4 = N 2 log 2 (N)=2x10 7
49 Transformacja Fouriera w n-wymiarach
50 Transformacja Fouriera w 2D
51 Prosty przykład w 2D y k y (-k 0,0) (k 0,0) (0,0) x k x (k 0, k 0 ) y k y (0,0) (-k 0, -k 0 ) x k x
52 Przykład filtracja przestrzenna
53 Wizualizacja zespolonych funkcji 2D Dowolna zespolona funkcja dwóch zmiennych rzeczywistych [np. zespolony obraz] Zwykle do wizualizacji używamy dwóch obrazów Sposób 1: Część rzeczywista i urojona Sposób 2: Moduł i faza
54 Sposób 1 Sposób k y -1 k x 0 1 2p -1 0 Nie widać amplitudy Problemy ze skokami fazy : funkcja arctan lub arctan2 zwraca kąt [ p/2,p/2] lub [-p/p]
55 Model HSV RGB [red,blue,green] mieszanie kolorów podstawowych Alternatywny sposób opisu kolorów HSV (hue, saturation,value) barwa, nasycenie, jasność Odzwierciedla fizyczną percepcję kolorów Barwa Widmo światła widzialnego Nasycenie Kolor nasycony [czysty czerwony] wąskie widmo Długość fali [nm] Długość fali [nm] Kolor nienasycony [prawie biały] szerokie widmo
56 Prezentacja HS(V=1) Im f f f Re f f odpowiada saturacji [zero to biały] f odpowiada barwie 0 - rzeczywiste, dodatnie rzeczywiste, ujemne [dopełnienie RGB czerwonego] 90 - urojone, dodatnie urojone, ujemne
57 Przykłady rzeczywisty gauss rzeczywisty kosinus urojony sinus
58 W tym obszarze brak koloru białego Funkcja nie ma zer!
59 Trochę bardziej skomplikowana funkcja Superpozycja prostopadłych fal Re F Prążki: tylko odległość. F F Brak zer w tym kierunku! Czysto zespolone wartości! Mała symetria. Zera (biały): sinus lub cosinus. Symetria względem tej prostej! k y k x Im F f
60 Kevin Cowtan's Picture Book of Fourier Transforms
Rozpraszanie i dyfrakcja promieniowania X
Rozpraszanie i dyfrakcja promieniowania X Przypomnienie rozpraszanie Thomsona na swobodnym elektronie Padająca fala płaska Emitowana jest fala kulista Klasyczny promień elektronu Będziemy używać przybliżenia
Bardziej szczegółowoTransformata 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 szczegółowoCHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE
CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE Do opisu członów i układów automatyki stosuje się, oprócz transmitancji operatorowej (), tzw. transmitancję widmową. Transmitancję widmową () wyznaczyć można na podstawie
Bardziej szczegółowoPrzekształcenia 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 szczegółowoTransformata 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 szczegółowoWykład VI Dalekie pole
Wykład VI Dalekie pole Schemat przypomnienie Musimy znać rozkład fali padającej u pad (x,y) w płaszczyźnie układu optycznego Musimy znać funkcję transmitancji układu optycznego t(x,y) Określamy falę właśnie
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 szczegółowoWstęp do metod numerycznych Dyskretna transformacja Fouriera. P. F. Góra
Wstęp do metod numerycznych Dyskretna transformacja Fouriera P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 01 Problem Majac dany szereg czasowy {x i } N i=1 = {x 1, x,..., x N } (zazwyczaj nieciekawy),
Bardziej szczegółowoRóżne reżimy dyfrakcji
Fotonika Wykład 7 - Sposoby wyznaczania obrazu dyfrakcyjnego - Przykłady obrazów dyfrakcyjnych w polu dalekim obliczonych przy użyciu dyskretnej transformaty Fouriera - Elementy dyfrakcyjne Różne reżimy
Bardziej szczegółowoPodstawowe człony dynamiczne
. Człon proporcjonalny 2. Człony całkujący idealny 3. Człon inercyjny Podstawowe człony dynamiczne charakterystyki czasowe = = = + 4. Człony całkujący rzeczywisty () = + 5. Człon różniczkujący rzeczywisty
Bardziej szczegółowoAnaliza 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 szczegółowoDYSKRETNE 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 szczegółowoRejestracja i rekonstrukcja fal optycznych. Hologram zawiera pełny zapis informacji o fali optycznej jej amplitudzie i fazie.
HOLOGRAFIA prof dr hab inŝ Krzysztof Patorski Krzysztof Rejestracja i rekonstrukcja fal optycznych Hologram zawiera pełny zapis informacji o fali optycznej jej amplitudzie i fazie a) Laser b) odniesienia
Bardziej szczegółowoPRZETWARZANIE SYGNAŁÓW
PRZEWARZANIE SYGNAŁÓW SEMESR V Człowiek- nalepsza inwestyca Proekt współfinansowany przez Unię Europeską w ramach Europeskiego Funduszu Społecznego Wykład II Wprowadzenie Podstawy teoretyczne przetwarzania
Bardziej szczegółowouzyskany 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 szczegółowoAnaliza 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 szczegółowodr 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 szczegółowoPrzekształcenie 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 szczegółowoLiczby zespolone. Magdalena Nowak. 23 marca Uniwersytet Śląski
Uniwersytet Śląski 23 marca 2012 Ciało liczb zespolonych Rozważmy zbiór C = R R, czyli C = {(x, y) : x, y R}. W zbiorze C definiujemy następujące działania: dodawanie: mnożenie: (a, b) + (c, d) = (a +
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 szczegółowoWykład 2. Transformata Fouriera
Wykład 2. Transformata Fouriera Transformata Fouriera jest podstawowym narzędziem analizy harmonicznej i teorii analizy i przetwarzania sygnału. Z punktu widzenia teorii matematycznej transformata Fouriera
Bardziej szczegółowoPrędkość fazowa i grupowa fali elektromagnetycznej w falowodzie
napisał Michał Wierzbicki Prędkość fazowa i grupowa fali elektromagnetycznej w falowodzie Prędkość grupowa paczki falowej Paczka falowa jest superpozycją fal o różnej częstości biegnących wzdłuż osi z.
Bardziej szczegółowoFunkcje analityczne. Wykład 1. Co to są i do czego służą funkcje analityczne? Funkcje analityczne (rok akademicki 2016/2017)
Funkcje analityczne Wykład 1. Co to są i do czego służą funkcje analityczne? Funkcje analityczne (rok akademicki 2016/2017) Paweł Mleczko Uniwersytet im. Adama Mickiewicza w Poznaniu 1. Sprawy organizacyjne
Bardziej szczegółowodr 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 szczegółowoPrzetwarzanie sygnałów
Spis treści Przetwarzanie sygnałów Ćwiczenie 3 Właściwości przekształcenia Fouriera 1 Podstawowe właściwości przekształcenia Fouriera 1 1.1 Kompresja i ekspansja sygnału................... 2 1.2 Właściwości
Bardziej szczegółowo9. 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 szczegółowoTeoria 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 szczegółowoWykład 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 szczegółowoSzereg 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 szczegółowoTeoria sterowania - studia niestacjonarne AiR 2 stopień
Teoria sterowania - studia niestacjonarne AiR stopień Kazimierz Duzinkiewicz, dr hab. Inż. Katedra Inżynerii Systemów Sterowania Wykład 4-06/07 Transmitancja widmowa i charakterystyki częstotliwościowe
Bardziej szczegółowoPolitechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L
Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L Ćwiczenie 3. Właściwości przekształcenia Fouriera 1. Podstawowe właściwości przekształcenia
Bardziej szczegółowoMatematyka 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 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 szczegółowoDyskretne 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 szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Podstawy Automatyki
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Podsta Automatyki Transmitancja operatorowa i widmowa systemu, znajdowanie odpowiedzi w dziedzinie s i w
Bardziej szczegółowoWykład 1. Przestrzeń Hilberta
Wykład 1. Przestrzeń Hilberta Sygnały. Funkcje (w języku inżynierów - sygnały) które będziemy rozważali na tym wykładzie będą kilku typów Sygnały ciągłe (analogowe). ) L 2 (R) to funkcje na prostej spełniające
Bardziej szczegółowoDrgania i fale II rok Fizyk BC
00--07 5:34 00\FIN00\Drgzlo00.doc Drgania złożone Zasada superpozycji: wychylenie jest sumą wychyleń wywołanych przez poszczególne czynniki osobno. Zasada wynika z liniowości związku między wychyleniem
Bardziej szczegółowo7. Szybka transformata Fouriera fft
7. Szybka transformata Fouriera fft Dane pomiarowe sygnałów napięciowych i prądowych często obarczone są dużym błędem, wynikającym z istnienia tak zwanego szumu. Jedną z metod wspomagających analizę sygnałów
Bardziej szczegółowoLICZBY ZESPOLONE. 1. Wiadomości ogólne. 2. Płaszczyzna zespolona. z nazywamy liczbę. z = a + bi (1) i = 1 lub i 2 = 1
LICZBY ZESPOLONE 1. Wiadomości ogólne DEFINICJA 1. Liczba zespolona z nazywamy liczbę taką, że a, b R oraz i jest jednostka urojona, definiowaną następująco: z = a + bi (1 i = 1 lub i = 1 Powyższą postać
Bardziej szczegółowoPORÓWNANIE TREŚCI ZAWARTYCH W OBOWIĄZUJĄCYCH STANDARDACH EGZAMINACYJNYCH Z TREŚCIAMI NOWEJ PODSTAWY PROGRAMOWEJ
PORÓWNANIE TREŚCI ZAWARTYCH W OBOWIĄZUJĄCYCH STANDARDACH EGZAMINACYJNYCH Z TREŚCIAMI NOWEJ PODSTAWY PROGRAMOWEJ L.p. 1. Liczby rzeczywiste 2. Wyrażenia algebraiczne bada, czy wynik obliczeń jest liczbą
Bardziej szczegółowoPropagacja w przestrzeni swobodnej (dyfrakcja)
Fotonika Wykład 7 - Sposoby wyznaczania obrazu dyfrakcyjnego - Przykłady obrazów dyfrakcyjnych w polu dalekim obliczonych przy użyciu dyskretnej transformaty Fouriera - Elementy dyfrakcyjne Propagacja
Bardziej szczegółowoWykład 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 szczegółowoPROPAGACJA 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 szczegółowo2. 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 szczegółowo1 Podstawowe oznaczenia
Poniżej mogą Państwo znaleźć skondensowane wiadomości z wykładu. Należy je traktować jako przegląd pojęć, które pojawiły się na wykładzie. Materiały te nie są w pełni tożsame z tym co pojawia się na wykładzie.
Bardziej szczegółowoKurs wyrównawczy - teoria funkcji holomorficznych
Kurs wyrównawczy - teoria funkcji holomorficznych wykład 1 Gniewomir Sarbicki 15 lutego 2011 Struktura ciała Zbiór par liczb rzeczywistych wyposażamy w działania: { + : (a, b) + (c, d) = (a + c, b + d)
Bardziej szczegółowoRównania dla potencjałów zależnych od czasu
Równania dla potencjałów zależnych od czasu Potencjały wektorowy A( r, t i skalarny ϕ( r, t dla zależnych od czasu pola elektrycznego E( r, t i magnetycznego B( r, t definiujemy poprzez następujące zależności
Bardziej szczegółowoFunkcje analityczne. Wykład 2. Płaszczyzna zespolona. Paweł Mleczko. Funkcje analityczne (rok akademicki 2017/2018)
Funkcje analityczne Wykład 2. Płaszczyzna zespolona Paweł Mleczko Funkcje analityczne (rok akademicki 2017/2018) Plan wykładu W czasie wykładu omawiać będziemy różne reprezentacje płaszczyzny zespolonej
Bardziej szczegółowoSpis 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 szczegółowoφ(x 1,..., x n ) = a i x 2 i +
Teoria na egzamin z algebry liniowej Wszystkie podane pojęcia należy umieć określić i podać pprzykłady, ewentualnie kontrprzykłady. Ponadto należy znać dowody tam gdzie to jest zaznaczone. Liczby zespolone.
Bardziej szczegółowoAkwizycja 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 szczegółowoPlan 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 szczegółowoAnaliza szeregów czasowych: 1. Dyskretna transformata Fouriera i zagadnienia pokrewne
Analiza szeregów czasowych: 1. Dyskretna transformata Fouriera i zagadnienia pokrewne P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 007/08 Transformata Fouriera G(f) = g(t)e πift dt (1)
Bardziej szczegółowoSIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa
SIMR 06/07, Analiza, wykład, 07-0- Przestrzeń wektorowa Przestrzeń wektorowa (liniowa) - przestrzeń (zbiór) w której określone są działania (funkcje) dodawania elementów i mnożenia elementów przez liczbę
Bardziej szczegółowoMETODY MATEMATYCZNE I STATYSTYCZNE W INŻYNIERII CHEMICZNEJ
METODY MATEMATYCZNE I STATYSTYCZNE W INŻYNIERII CHEMICZNEJ Wykład 3 Elementy analizy pól skalarnych, wektorowych i tensorowych Prof. Antoni Kozioł, Wydział Chemiczny Politechniki Wrocławskiej 1 Analiza
Bardziej szczegółowoMETODY MATEMATYCZNE I STATYSTYCZNE W INŻYNIERII CHEMICZNEJ
METODY MATEMATYCZNE I STATYSTYCZNE W INŻYNIERII CHEMICZNEJ Wykład 6 Transformata Laplace a Funkcje specjalne Przekształcenia całkowe W wielu zastosowaniach dużą rolę odgrywają tzw. przekształcenia całkowe
Bardziej szczegółowoIMPLEMENTATION OF THE SPECTRUM ANALYZER ON MICROCONTROLLER WITH ARM7 CORE IMPLEMENTACJA ANALIZATORA WIDMA NA MIKROKONTROLERZE Z RDZENIEM ARM7
Łukasz Deńca V rok Koło Techniki Cyfrowej dr inż. Wojciech Mysiński opiekun naukowy IMPLEMENTATION OF THE SPECTRUM ANALYZER ON MICROCONTROLLER WITH ARM7 CORE IMPLEMENTACJA ANALIZATORA WIDMA NA MIKROKONTROLERZE
Bardziej szczegółowo1 Płaska fala elektromagnetyczna
1 Płaska fala elektromagnetyczna 1.1 Fala w wolnej przestrzeni Rozwiązanie równań Maxwella dla zespolonych amplitud pól przemiennych sinusoidalnie, reprezentujące płaską falę elektromagnetyczną w wolnej
Bardziej szczegółowoKURS SZEREGI. Lekcja 10 Szeregi Fouriera ZADANIE DOMOWE. Strona 1
KURS SZEREGI Lekcja 1 Szeregi Fouriera ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowiedź (tylko jedna jest prawdziwa). Pytanie 1 Zaznacz poprawną odpowiedź: a) Szereg Fouriera
Bardziej szczegółowoLaboratorium Informatyki Optycznej ĆWICZENIE 2. Koherentne korelatory optyczne i hologram Fouriera
ĆWICZENIE 2 Koherentne korelatory optyczne i hologram Fouriera 1. Wprowadzenie Historycznie jednym z ważniejszych zastosowań korelatorów optycznych było rozpoznawanie obrazów, pozwalały np. na analizę
Bardziej szczegółowoDystrybucje, 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 szczegółowoFunkcje analityczne. Wykład 3. Funkcje holomorficzne. Paweł Mleczko. Funkcje analityczne (rok akademicki 2016/2017) z = x + iy A
Funkcje analityczne Wykład 3. Funkcje holomorficzne Paweł Mleczko Funkcje analityczne (rok akademicki 206/207) Funkcje zespolone zmiennej zespolonej Funkcje zespolone zmiennej zespolonej Niech A C. Funkcja
Bardziej szczegółowo1 + iϕ n. = cos ϕ + i sin ϕ. e n z n n n. c M n z n, c n z Mn.
WRAiT 2 #1 1. Dla jakich a C ciągi o wyrazach na n, a n 1 + a n, an /n, są zbieżne? 2. Wykaż zbieżność i znajdź granice ciągów n a k, a n 1 + a 2n ( a < 1), a n 1 + a 2n ( a > 1), 1 n 3. Dla danego ϕ R
Bardziej szczegółowo1 Funkcje elementarne
1 Funkcje elementarne Funkcje elementarne, które będziemy rozważać to: x a, a x, log a (x), sin(x), cos(x), tan(x), cot(x), arcsin(x), arccos(x), arctan(x), arc ctg(x). 1.1 Funkcje x a. a > 0, oraz a N
Bardziej szczegółowoNieskończona 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 szczegółowoRozdział 2. Liczby zespolone
Rozdział Liczby zespolone Zbiór C = R z działaniami + oraz określonymi poniżej: x 1, y 1 ) + x, y ) := x 1 + x, y 1 + y ), 1) x 1, y 1 ) x, y ) := x 1 x y 1 y, x 1 y + x y 1 ) ) jest ciałem zob rozdział
Bardziej szczegółowoFala jest zaburzeniem, rozchodzącym się w ośrodku, przy czym żadna część ośrodka nie wykonuje zbyt dużego ruchu
Ruch falowy Fala jest zaburzeniem, rozchodzącym się w ośrodku, przy czym żadna część ośrodka nie wykonuje zbyt dużego ruchu Fala rozchodzi się w przestrzeni niosąc ze sobą energię, ale niekoniecznie musi
Bardziej szczegółowoLABORATORIUM POMIARY W AKUSTYCE. ĆWICZENIE NR 4 Pomiar współczynników pochłaniania i odbicia dźwięku oraz impedancji akustycznej metodą fali stojącej
LABORATORIUM POMIARY W AKUSTYCE ĆWICZENIE NR 4 Pomiar współczynników pochłaniania i odbicia dźwięku oraz impedancji akustycznej metodą fali stojącej 1. Cel ćwiczenia Celem ćwiczenia jest poznanie metody
Bardziej szczegółowoInformacja o przestrzeniach Hilberta
Temat 10 Informacja o przestrzeniach Hilberta 10.1 Przestrzenie unitarne, iloczyn skalarny Niech dana będzie przestrzeń liniowa X. Załóżmy, że każdej parze elementów x, y X została przyporządkowana liczba
Bardziej szczegółowoPrzekształcenie 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 szczegółowoDyskretne 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 szczegółowo1. Liczby zespolone. Jacek Jędrzejewski 2011/2012
1. Liczby zespolone Jacek Jędrzejewski 2011/2012 Spis treści 1 Liczby zespolone 2 1.1 Definicja liczby zespolonej.................... 2 1.2 Postać kanoniczna liczby zespolonej............... 1. Postać
Bardziej szczegółowoELEKTROTECHNIKA Semestr 1 Rok akad / ZADANIA Z MATEMATYKI Zestaw Przedstaw w postaci algebraicznej liczby zespolone: (3 + 2j)(5 2j),
ELEKTROTECHNIKA Semestr Rok akad. / 5 ZADANIA Z MATEMATYKI Zestaw. Przedstaw w postaci algebraicznej liczby zespolone: (3 + j)(5 j) 3 j +j (5 + j) (3 + j) 3. Narysuj zbiory punktów na płaszczyźnie: +j
Bardziej szczegółowoWyprowadzenie prawa Gaussa z prawa Coulomba
Wyprowadzenie prawa Gaussa z prawa Coulomba Natężenie pola elektrycznego ładunku punktowego q, umieszczonego w początku układu współrzędnych (czyli prawo Coulomba): E = Otoczmy ten ładunek dowolną powierzchnią
Bardziej szczegółowoPolitechnika 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 szczegółowoSzybka transformacja Fouriera
Szybka transformacja Fouriera (Opis i wydruki programów) Instytut Astronomii UMK, Toruń 1976 2 K. Borkowski PROGRAM OBLICZANIA TRANSFORMAT FOURIERA Wstęp Prezentowany tutaj program przeznaczony jest do
Bardziej szczegółowoprzy 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 szczegółowoAndrzej Leśnicki Laboratorium CPS Ćwiczenie 6 1/8 ĆWICZENIE 6. Dyskretne przekształcenie Fouriera DFT
Andrzej Leśnicki Laboratorium CPS Ćwiczenie 6 1/8 ĆWICZEIE 6 Dyskretne przekształcenie Fouriera DFT 1. Cel ćwiczenia Dyskretne przekształcenie Fouriera ( w skrócie oznaczane jako DFT z ang. Discrete Fourier
Bardziej szczegółowoPODSTAWY AUTOMATYKI. MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach.
WYDZIAŁ ELEKTROTECHNIKI I AUTOMATYKI Katedra Inżynierii Systemów Sterowania PODSTAWY AUTOMATYKI MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach.
Bardziej szczegółowoWykład 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 szczegółowoLiczby zespolone i ich zastosowanie do wyprowadzania tożsamości trygonometrycznych.
Jarosław Wróblewski Analiza Matematyczna, lato 016/17 Kolokwium nr 10: wtorek 6.06.017, godz. 1:15-1:45, materiał zad. 1 40. Liczby zespolone i ich zastosowanie do wyprowadzania tożsamości trygonometrycznych.
Bardziej szczegółowo8. 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 szczegółowoPrzetwarzanie 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 szczegółowoPrzekształcenia 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 szczegółowoTransformaty. 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 szczegółowoMoment pędu fali elektromagnetycznej
napisał Michał Wierzbicki Moment pędu fali elektromagnetycznej Definicja momentu pędu pola elektromagnetycznego Gęstość momentu pędu pola J w elektrodynamice definuje się za pomocą wzoru: J = r P = ɛ 0
Bardziej szczegółowoAnaliza obrazu. wykład 5. Marek Jan Kasprowicz Uniwersytet Rolniczy 2008
Analiza obrazu komputerowego wykład 5 Marek Jan Kasprowicz Uniwersytet Rolniczy 2008 Slajdy przygotowane na podstawie książki Komputerowa analiza obrazu R.Tadeusiewicz, P. Korohoda, oraz materiałów ze
Bardziej szczegółowoPodstawy 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 szczegółowoĆwiczenie nr 6 Charakterystyki częstotliwościowe
Wstęp teoretyczny Ćwiczenie nr 6 Charakterystyki częstotliwościowe 1 Cel ćwiczenia Celem ćwiczenia jest wyznaczenie charakterystyk częstotliwościowych układu regulacji oraz korekta nastaw regulatora na
Bardziej szczegółowoMikroskop teoria Abbego
Zastosujmy teorię dyfrakcji do opisu sposobu powstawania obrazu w mikroskopie: Oświetlacz typu Köhlera tworzy równoległą wiązkę światła, padającą na obserwowany obiekt (płaszczyzna 0 ); Pole widzenia ograniczone
Bardziej szczegółowoAndrzej Leśnicki Laboratorium CPS Ćwiczenie 7 1/7 ĆWICZENIE 7. Splot liniowy i kołowy sygnałów
Andrzej Leśnicki Laboratorium CPS Ćwiczenie 7 1/7 ĆWICZEIE 7 Splot liniowy i kołowy sygnałów 1. Cel ćwiczenia Operacja splotu jest jedną z najczęściej wykonywanych operacji na sygnale. Każde przejście
Bardziej szczegółowoCYFROWE 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 szczegółowoAnaliza 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 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 szczegółowo1 Macierze i wyznaczniki
1 Macierze i wyznaczniki 11 Definicje, twierdzenia, wzory 1 Macierzą rzeczywistą (zespoloną) wymiaru m n, gdzie m N oraz n N, nazywamy prostokątną tablicę złożoną z mn liczb rzeczywistych (zespolonych)
Bardziej szczegółowoWykład VII Splot i bliskie pole
Wykład VII Splot i bliskie pole Splot funkcji f i h x? Splot x f x g x f h x d 0 0 1 1 1 2 3 3 3 1 1 0 Twierdzenie o splocie Twierdzenie o splocie Twierdzenie o uszeregowaniu Amplitudę zespoloną obrazu
Bardziej szczegółowoLiczby zespolone. x + 2 = 0.
Liczby zespolone 1 Wiadomości wstępne Rozważmy równanie wielomianowe postaci x + 2 = 0. Współczynniki wielomianu stojącego po lewej stronie są liczbami całkowitymi i jedyny pierwiastek x = 2 jest liczbą
Bardziej szczegółowoW naukach technicznych większość rozpatrywanych wielkości możemy zapisać w jednej z trzech postaci: skalara, wektora oraz tensora.
1. Podstawy matematyki 1.1. Geometria analityczna W naukach technicznych większość rozpatrywanych wielkości możemy zapisać w jednej z trzech postaci: skalara, wektora oraz tensora. Skalarem w fizyce nazywamy
Bardziej szczegółowoLaboratorium 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