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

Save this PDF as:
 WORD  PNG  TXT  JPG

Wielkość: px
Rozpocząć pokaz od strony:

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

Transkrypt

1 Przetwarzanie i transmisja danych multimedialnych Wykład 8 Transformaty i kodowanie cz. 2 Przemysław Sękalski Politechnika Łódzka Katedra Mikroelektroniki i Technik Informatycznych DMCS Wykład opracowano na podstawie ksiąŝki Wprowadzenie do kompresji danych A. Drozdek Przemysław Sękalski, Przetwarzanie i transmisja danych multimedialnych, wykład 8, 2006

2 Plan wykładu Część pierwsza Idea transformacji Definicja transformaty i transformaty odwrotnej Kodowanie a transformacja Separowalność i symetryczność Wektory bazowe, ortogonalność i inne definicje Transformata Karhunena-Loevego Transformata Walsha-Hadamarda Część druga Transformata Fouriera FFT Transformata kosinusowa DCT Przemysław Sękalski, Przetwarzanie i transmisja danych multimedialnych, wykład 8,

3 Idea transformacji - przypomnienie Zmniejszenie nakładu obliczeniowego mnoŝenie R + R R log + R dodawanie log( xy) = log x + log y Przemysław Sękalski, Przetwarzanie i transmisja danych multimedialnych, wykład 8,

4 Idea transformacji przypomnienie Wydobycie informacji nie dostępnej w danej dziedzinie funkcja f Dziedzina czasu t T T - f(t) ω F(ω) Dziedzina częstotliwości funkcja F T funkcja transformacji (przekształcenia) T - - transformata odwrotna Przemysław Sękalski, Przetwarzanie i transmisja danych multimedialnych, wykład 8,

5 Okresowość funkcji Funkcję f(x) nazywamy okresową o okresie T jeśli dla kaŝdego x zachodzi równość: f ( x + T ) = f ( x) Podstawowy okres T 0 jest najmniejszym okresem funkcji f Odwrotność T 0 jest podstawową częstotliwością funkcji f Wielokrotności T 0 (T k = nt 0 ) są równieŝ okresami funkcji f Odwrotności T k (f k =/T k ) nazywane są częstotliwościami harmonicznymi funkcji f Przemysław Sękalski, Przetwarzanie i transmisja danych multimedialnych, wykład 8,

6 Warunki Dirichleta i szereg Fouriera. Funkcja f(x) jest funkcją ograniczoną, określoną w kaŝdym punkcie przedziału [-π, π] 2. Funkcja f(x) ma skończoną liczbę punktów nieciągłości w przedziale [-π, π] 3. Funkcja f(x) ma skończoną liczbę ekstremów w przedziale [-π, π] Jeśli funkcja f(x) spełnia warunki Dirichleta to moŝe być rozwinięta w szereg Fouriera f ( x) a a cos( kx) b sin( kx) = k = k + ( ) k Przemysław Sękalski, Przetwarzanie i transmisja danych multimedialnych, wykład 8,

7 Szereg Fouriera f ( x) a a cos( kx) b sin( kx) = k = k + ( ) k f ( x) = k = c e k jkx postać zespolona c a 2 = c = ( a ib ) c ( a ib ) k k k = + 2 k k k dla k>0 a k, b k, c k nazywane są współczynnikami Fouriera Przemysław Sękalski, Przetwarzanie i transmisja danych multimedialnych, wykład 8,

8 W jaki sposób obliczyć współczynniki Fouriera? π π π f ( x) dx = a ( ) 0 + ak cos( kx) + bk sin( kx) dx = 2 k = π = 0 = 0 π π π = a0dx + a k cos( kx) dx + b k sin( kx) dx = 2 π k = π π π π a0dx a0x π a a π π = = = π = π π f ( x) dx Przemysław Sękalski, Przetwarzanie i transmisja danych multimedialnych, wykład 8,

9 W jaki sposób obliczyć współczynniki Fouriera? π a = f ( x) cos( kx) dx k π π π b = f ( x)sin( kx) dx k π π π c = f ( x) e jkx dx k 2π c 0 π π = 2 π π f ( x) dx Jest to wartośćśrednia w przedziale [-π, π], zwana równieŝ wartością DC Przemysław Sękalski, Przetwarzanie i transmisja danych multimedialnych, wykład 8,

10 przykład Funkcja f=- x dla -<x<, f=0 dla pozostałych x Przemysław Sękalski, Przetwarzanie i transmisja danych multimedialnych, wykład 8,

11 Transformata Fouriera F( f ) = f ( x) e dx = = 2 π f ( x) e j2π fx jωx dx Przemysław Sękalski, Przetwarzanie i transmisja danych multimedialnych, wykład 8, 2006

12 Odwrotna transformata Fouriera j2π fx f ( x) = F( f ) e df = = 2 π jωx F( ω) e d ω Przemysław Sękalski, Przetwarzanie i transmisja danych multimedialnych, wykład 8,

13 Przykład Impuls prostokątny Signal Corrupted with Zero-Mean Random Noise time (milliseconds) Y(f) Single-Sided Amplitude Spectrum of y(t) Frequency (Hz) Przemysław Sękalski, Przetwarzanie i transmisja danych multimedialnych, wykład 8,

14 Dwuwymiarowa TF = j2 π ( ux vy) F( u, v) f ( x, y) e dxdy = j2 π ( ux+ vy) f ( x, y) F( u, v) e dudv Przemysław Sękalski, Przetwarzanie i transmisja danych multimedialnych, wykład 8,

15 Przemysław Sękalski, Przetwarzanie i transmisja danych multimedialnych, wykład 8,

16 Dyskretna TF N = x= 0 j2 π kx / N F( k) f ( x) e dla k = 0,..., N- N f ( x) = F( k) e j2 π kx / N dla x = 0,..., N- N k = 0 Przemysław Sękalski, Przetwarzanie i transmisja danych multimedialnych, wykład 8,

17 Wystarczy przesłać tylko połowę składników transformaty, gdyŝ drugą część moŝna zrekonstruować. Szybka transformata Fouriera FFT umoŝliwia wyznaczenie dyskretnej transformaty Fouriera za pomocą N lgn operacji mnoŝenia i dodawania (dla 2D N 2 lgn) FFT wymaga by macierz była kwadratowa rzędu 2 n Przemysław Sękalski, Przetwarzanie i transmisja danych multimedialnych, wykład 8,

18 Przykład obraz oryginalny Przemysław Sękalski, Przetwarzanie i transmisja danych multimedialnych, wykład 8,

19 FFT z pominięciem współ. wyŝszych rzędów [8, 8] [2,2] Przemysław Sękalski, Przetwarzanie i transmisja danych multimedialnych, wykład 8,

20 Widmo amplitudowe i fazowe 2 2 ( ) ( ) F( k) = Re F( k) + Im F( k) F( k) = F( k) e j θ k Przemysław Sękalski, Przetwarzanie i transmisja danych multimedialnych, wykład 8,

21 Zjawisko Gibbsa W punktach nieciągłości na granicach obszarów transformata Fouriera powoduje powstanie duŝych błędów (widoczne jako oscylacje po odtworzeniu). Zjawisko to zwane jest efektem Gibbsa. Przemysław Sękalski, Przetwarzanie i transmisja danych multimedialnych, wykład 8,

22 Transformata kosinusowa DCT N F(0) = f ( x) N x= 0 N 2 π k(2x + ) F( k) = f ( x)cos dla k=, 2,..., N- N x= 0 2N Przemysław Sękalski, Przetwarzanie i transmisja danych multimedialnych, wykład 8,

23 Odwrotna transformata kosinusowa IDCT N 2 π k(2x + ) f ( x) = F(0) + F( k)cos N N k = 0 2N dla x =, 2,..., N- Przemysław Sękalski, Przetwarzanie i transmisja danych multimedialnych, wykład 8,

24 Dwuwymiarowa DCT2 i IDCT2 N N 2 π k(2x + ) π m(2y + ) F( k, m) = c( k) c( m) f ( x, y)cos cos N x= 0 y= 0 4N 4N dla k, m=, 2,..., N- N N 2 π k(2x + ) π m(2y + ) f ( x, y) = c( k) c( m) F( k, m)cos cos N k = 0 m= 0 4N 4N dla x, y =, 2,..., N- dla i = 0 c( i) = 2 dla pozostalych i Przemysław Sękalski, Przetwarzanie i transmisja danych multimedialnych, wykład 8,

25 Zalety DCT Przekształcenie DCT powoduje dobrą dekorelację danych wejściowych Kompresja energii jest znaczna i porównywalna z KLT Współczynniki DCT o największej wariancji zajmują około 25% transformaty UŜywana w JPEG. Współczynniki kodowane za pomocą kodowania Huffmana Przemysław Sękalski, Przetwarzanie i transmisja danych multimedialnych, wykład 8,

26 Przykład DCT PRZED KOMPRESJĄ PO KOMPRESJI DCT ZAMIAST [8,8] [4,4] Błąd kompresji (negatyw) Obrazowanie współczynników DCT Przemysław Sękalski, Przetwarzanie i transmisja danych multimedialnych, wykład 8,

27 Po kompresji DCT [8,8] [2,2] Przemysław Sękalski, Przetwarzanie i transmisja danych multimedialnych, wykład 8,

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

Transformaty. Kodowanie transformujace

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

Bardziej szczegółowo

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

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

Przetwarzanie i transmisja danych multimedialnych. Wykład 9 Kodowanie podpasmowe. Przemysław Sękalski.

Przetwarzanie i transmisja danych multimedialnych. Wykład 9 Kodowanie podpasmowe. Przemysław Sękalski. Przetwarzanie i transmisja danych multimedialnych Wykład 9 Kodowanie podpasmowe Przemysław Sękalski sekalski@dmcs.pl Politechnika Łódzka Katedra Mikroelektroniki i Technik Informatycznych DMCS Wykład opracowano

Bardziej szczegółowo

Transformata Fouriera

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

9. Dyskretna transformata Fouriera algorytm FFT

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

Bardziej szczegółowo

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

Cyfrowe przetwarzanie i kompresja danych

Cyfrowe przetwarzanie i kompresja danych Cyfrowe przetwarzanie i kompresja danych dr inż.. Wojciech Zając Wykład 5. Dyskretna transformata falkowa Schemat systemu transmisji danych wizyjnych Źródło danych Przetwarzanie Przesył Przetwarzanie Prezentacja

Bardziej szczegółowo

Przetwarzanie i transmisja danych multimedialnych. Wykład 6 Metody predykcyjne. Przemysław Sękalski.

Przetwarzanie i transmisja danych multimedialnych. Wykład 6 Metody predykcyjne. Przemysław Sękalski. Przetwarzanie i transmisja danych multimedialnych Wykład 6 Metody predykcyjne Przemysław Sękalski sekalski@dmcs.pl Politechnika Łódzka Katedra Mikroelektroniki i Technik Informatycznych DMCS Wykład opracowano

Bardziej szczegółowo

Szeregi funkcyjne. Szeregi potęgowe i trygonometryczne. Katedra Matematyki Wydział Informatyki Politechnika Białostocka

Szeregi funkcyjne. Szeregi potęgowe i trygonometryczne. Katedra Matematyki Wydział Informatyki Politechnika Białostocka Szeregi funkcyjne Szeregi potęgowe i trygonometryczne Małgorzata Wyrwas Katedra Matematyki Wydział Informatyki Politechnika Białostocka Szeregi funkcyjne str. 1/36 Szereg potęgowy Szeregiem potęgowym o

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Wykład 2. Transformata Fouriera

Wykład 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 szczegółowo

Temat ćwiczenia. Analiza częstotliwościowa

Temat ćwiczenia. Analiza częstotliwościowa POLIECHNIKA ŚLĄSKA W YDZIAŁ RANSPORU emat ćwiczenia Analiza częstotliwościowa Analiza częstotliwościowa sygnałów. Wprowadzenie Analizę częstotliwościową stosuje się powszechnie w wielu dziedzinach techniki.

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

Joint Photographic Experts Group

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

Bardziej szczegółowo

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

KOMPRESJA OBRAZÓW STATYCZNYCH - ALGORYTM JPEG

KOMPRESJA OBRAZÓW STATYCZNYCH - ALGORYTM JPEG KOMPRESJA OBRAZÓW STATYCZNYCH - ALGORYTM JPEG Joint Photographic Expert Group - 1986 ISO - International Standard Organisation CCITT - Comité Consultatif International de Téléphonie et Télégraphie Standard

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Transformacja Fouriera i biblioteka CUFFT 3.0

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

Bardziej szczegółowo

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

Adaptacyjne Przetwarzanie Sygnałów. Filtracja adaptacyjna w dziedzinie częstotliwości

Adaptacyjne 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 szczegółowo

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

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

Bardziej szczegółowo

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

Wykład 5. Zagadnienia omawiane na wykładzie w dniu r

Wykład 5. Zagadnienia omawiane na wykładzie w dniu r Wykład 5. Zagadnienia omawiane na wykładzie w dniu 14.11.2018r Definicja (iloraz różnicowy) Niech x 0 R oraz niech funkcja f będzie określona przynajmnniej na otoczeniu O(x 0 ). Ilorazem różnicowym funkcji

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

PRZETWARZANIE SYGNAŁÓW

PRZETWARZANIE 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 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

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

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

NIEOPTYMALNA TECHNIKA DEKORELACJI W CYFROWYM PRZETWARZANIU OBRAZU

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

Bardziej szczegółowo

Analiza szeregów czasowych: 2. Splot. Widmo mocy.

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

Bardziej szczegółowo

Rozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład

Rozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład Rozdział 1 Wektory losowe 1.1 Wektor losowy i jego rozkład Definicja 1 Wektor X = (X 1,..., X n ), którego każda współrzędna jest zmienną losową, nazywamy n-wymiarowym wektorem losowym (krótko wektorem

Bardziej szczegółowo

Kompresja obrazów w statycznych - algorytm JPEG

Kompresja obrazów w statycznych - algorytm JPEG Kompresja obrazów w statycznych - algorytm JPEG Joint Photographic Expert Group - 986 ISO - International Standard Organisation CCITT - Comité Consultatif International de Téléphonie et Télégraphie Standard

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

Funkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju

Funkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju Funkcje charakterystyczne zmiennych losowych, linie regresji -go i 2-go rodzaju Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

Zagadnienia brzegowe dla równań eliptycznych

Zagadnienia brzegowe dla równań eliptycznych Temat 7 Zagadnienia brzegowe dla równań eliptycznych Rozważmy płaski obszar R 2 ograniczony krzywą. la równania Laplace a (Poissona) stawia się trzy podstawowe zagadnienia brzegowe. Zagadnienie irichleta

Bardziej szczegółowo

Według raportu ISO z 1988 roku algorytm JPEG składa się z następujących kroków: 0.5, = V i, j. /Q i, j

Według raportu ISO z 1988 roku algorytm JPEG składa się z następujących kroków: 0.5, = V i, j. /Q i, j Kompresja transformacyjna. Opis standardu JPEG. Algorytm JPEG powstał w wyniku prac prowadzonych przez grupę ekspertów (ang. Joint Photographic Expert Group). Prace te zakończyły się w 1991 roku, kiedy

Bardziej szczegółowo

Ważną rolę odgrywają tzw. funkcje harmoniczne. Przyjmujemy następującą definicję. u = 0, (6.1) jest operatorem Laplace a. (x,y)

Ważną rolę odgrywają tzw. funkcje harmoniczne. Przyjmujemy następującą definicję. u = 0, (6.1) jest operatorem Laplace a. (x,y) Wykład 6 Funkcje harmoniczne Ważną rolę odgrywają tzw. funkcje harmoniczne. Przyjmujemy następującą definicję. e f i n i c j a Funkcję u (x 1, x 2,..., x n ) nazywamy harmoniczną w obszarze R n wtedy i

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

2. ZASTOSOWANIA POCHODNYCH. (a) f(x) = ln 3 x ln x, (b) f(x) = e2x x 2 2.

2. ZASTOSOWANIA POCHODNYCH. (a) f(x) = ln 3 x ln x, (b) f(x) = e2x x 2 2. 2. ZASTOSOWANIA POCHODNYCH. Koniecznie trzeba znać: twierdzenia o ekstremach (z wykorzystaniem pierwszej i drugiej pochodnej), Twierdzenie Lagrange a, Twierdzenie Taylora (z resztą w postaci Peano, Lagrange

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

Równania różniczkowe cząstkowe drugiego rzędu

Równania różniczkowe cząstkowe drugiego rzędu Równania różniczkowe cząstkowe drugiego rzędu Marcin Orchel Spis treści 1 Wstęp 1 1.1 Metoda faktoryzacji (rozdzielania zmiennych)................ 5 1.2 Metoda funkcji Greena.............................

Bardziej szczegółowo

Pochodna funkcji. Pochodna funkcji w punkcie. Różniczka funkcji i obliczenia przybliżone. Zastosowania pochodnych. Badanie funkcji.

Pochodna funkcji. Pochodna funkcji w punkcie. Różniczka funkcji i obliczenia przybliżone. Zastosowania pochodnych. Badanie funkcji. Pochodna funkcji Pochodna funkcji w punkcie. Różniczka funkcji i obliczenia przybliżone. Zastosowania pochodnych. Badanie funkcji. Małgorzata Wyrwas Katedra Matematyki Wydział Informatyki Politechnika

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

IX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. - funkcja dwóch zmiennych,

IX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. - funkcja dwóch zmiennych, IX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. Definicja 1.1. Niech D będzie podzbiorem przestrzeni R n, n 2. Odwzorowanie f : D R nazywamy

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 Analiza czas - częstotliwość analiza częstotliwościowa: problem dla sygnału niestacjonarnego zwykła transformata

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

POLITECHNIKA POZNAŃSKA

POLITECHNIKA POZNAŃSKA POLIECHNIKA POZNAŃSKA INSYU ELEKROECHNIKI I ELEKRONIKI PRZEMYSŁOWEJ Zakład Elektrotechniki eoretycznej i Stosowanej Laboratorium Podstaw elekomunikacji Ćwiczenie nr 1 emat: Pomiar widma częstotliwościowego

Bardziej szczegółowo

Generowanie sygnałów na DSP

Generowanie 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 szczegółowo

Analiza obrazu. wykład 5. Marek Jan Kasprowicz Uniwersytet Rolniczy 2008

Analiza 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 szczegółowo

Informacja o przestrzeniach Hilberta

Informacja 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 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

Wstęp do metod numerycznych Dyskretna transformacja Fouriera. P. F. Góra

Wstęp 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 szczegółowo

Diagnostyka obrazowa

Diagnostyka obrazowa Diagnostyka obrazowa Ćwiczenie szóste Transformacje obrazu w dziedzinie częstotliwości 1 Cel ćwiczenia Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z podstawowymi przekształceniami

Bardziej szczegółowo

METODY ANALIZY SYGNAŁÓW WIBROAKUSTYCZNYCH

METODY ANALIZY SYGNAŁÓW WIBROAKUSTYCZNYCH INSTYTUT KONSTRUKCJI MASZYN LABORATORIUM METODY ANALIZY SYGNAŁÓW WIBROAKUSTYCZNYCH Methods of analyzing vibro-acoustics signal Zakres ćwiczenia: 1. Rodzaje sygnałów. 2. Metody analizy sygnałów w dziedzinie

Bardziej szczegółowo

Lista 1. (e) z działaniem dodawania ciągów i mnożeniem ciągu przez liczbę. (f) z działaniem dodawania ciągów i mnożeniem ciągu przez liczbę

Lista 1. (e) z działaniem dodawania ciągów i mnożeniem ciągu przez liczbę. (f) z działaniem dodawania ciągów i mnożeniem ciągu przez liczbę MATEMATYKA Lista 1 1. Zbadać liniową niezależność wektorów. (a) (1, 2, 3), (3, 4, 5), V = R 3 ; (b) (1, 2, 3), (3, 2, 1), (1, 1, 1), V = R 3 ; (c) (1, 0, 0, 0), ( 1, 1, 0, 0), (1, 1, 1, 0), ( 1, 1 1, 1),

Bardziej szczegółowo

Katedra Elektrotechniki Teoretycznej i Informatyki

Katedra Elektrotechniki Teoretycznej i Informatyki Katedra Elektrotechniki Teoretycznej i Inormatyki Przedmiot: Zintegrowane Pakiety Obliczeniowe W Zastosowaniach InŜynierskich umer ćwiczenia: 7 Temat: Wprowadzenie do Signal Processing Toolbox 1. PRÓBKOWAIE

Bardziej szczegółowo

Matematyka I. BJiOR Semestr zimowy 2018/2019 Wykład 2

Matematyka I. BJiOR Semestr zimowy 2018/2019 Wykład 2 Matematyka I BJiOR Semestr zimowy 2018/2019 Wykład 2 Definicja funkcji przypomnienie Definicja Dla danych dwóch niepustych zbiorów X, Y przypisanie każdemu elementowi zbioru X dokładnie jednego elementu

Bardziej szczegółowo

Funkcje. Oznaczenia i pojęcia wstępne. Elementy Logiki i Teorii Mnogości 2015/2016

Funkcje. Oznaczenia i pojęcia wstępne. Elementy Logiki i Teorii Mnogości 2015/2016 Funkcje Elementy Logiki i Teorii Mnogości 2015/2016 Oznaczenia i pojęcia wstępne Niech f X Y będzie relacją. Relację f nazywamy funkcją, o ile dla dowolnego x X istnieje y Y taki, że (x, y) f oraz dla

Bardziej szczegółowo

Optyka Fourierowska. Wykład 11 Apodyzacja, superrozdzielczość i odtwarzanie utraconych informacji

Optyka Fourierowska. Wykład 11 Apodyzacja, superrozdzielczość i odtwarzanie utraconych informacji Optyka Fourierowska Wykład 11 Apodyzacja, superrozdzielczość i odtwarzanie utraconych informacji Dyfrakcja a obrazowanie W obrazowaniu optycznym dyfrakcja jest głównym zjawiskiem ograniczającym moc rozdzielczą

Bardziej szczegółowo

DYSKRETNA TRANSFORMACJA FOURIERA

DYSKRETNA 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 szczegółowo

I. Pochodna i różniczka funkcji jednej zmiennej. 1. Definicja pochodnej funkcji i jej interpretacja fizyczna. Istnienie pochodnej funkcji.

I. Pochodna i różniczka funkcji jednej zmiennej. 1. Definicja pochodnej funkcji i jej interpretacja fizyczna. Istnienie pochodnej funkcji. I. Pochodna i różniczka funkcji jednej zmiennej. 1. Definicja pochodnej funkcji i jej interpretacja fizyczna. Istnienie pochodnej funkcji. Niech x 0 R i niech f będzie funkcją określoną przynajmniej na

Bardziej szczegółowo

Wykład 3 Jednowymiarowe zmienne losowe

Wykład 3 Jednowymiarowe zmienne losowe Wykład 3 Jednowymiarowe zmienne losowe Niech (Ω, F, P ) będzie ustaloną przestrzenią probabilistyczną Definicja 1 Jednowymiarowa zmienna losowa (o wartościach rzeczywistych), określoną na przestrzeni probabilistycznej

Bardziej szczegółowo

ANALIZA HARMONICZNA DŹWIĘKU SKŁADANIE DRGAŃ AKUSTYCZNYCH DUDNIENIA.

ANALIZA HARMONICZNA DŹWIĘKU SKŁADANIE DRGAŃ AKUSTYCZNYCH DUDNIENIA. ĆWICZENIE NR 15 ANALIZA HARMONICZNA DŹWIĘKU SKŁADANIE DRGAŃ AKUSYCZNYCH DUDNIENIA. I. Cel ćwiczenia. Celem ćwiczenia było poznanie podstawowych pojęć związanych z analizą harmoniczną dźwięku jako fali

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

Przykładowe zadania na egzamin z matematyki - dr Anita Tlałka - 1

Przykładowe zadania na egzamin z matematyki - dr Anita Tlałka - 1 Przykładowe zadania na egzamin z matematyki - dr Anita Tlałka - 1 Zadania rozwiązywane na wykładzie Zadania rozwiązywane na ćwiczeniach Przy rozwiązywaniu zadań najistotniejsze jest wykazanie się rozumieniem

Bardziej szczegółowo

Liczby zespolone i ich zastosowanie do wyprowadzania tożsamości trygonometrycznych.

Liczby 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 szczegółowo

Funkcje 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 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 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

PREZENTACJA MODULACJI AM W PROGRAMIE MATHCAD

PREZENTACJA MODULACJI AM W PROGRAMIE MATHCAD POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 80 Electrical Engineering 2014 Jakub PĘKSIŃSKI* Grzegorz MIKOŁAJCZAK* PREZENTACJA MODULACJI W PROGRIE MATHCAD W artykule przedstawiono dydaktyczną

Bardziej szczegółowo

Przekształcenia całkowe. Wykład 7

Przekształcenia całkowe. Wykład 7 Przekształcenia całkowe Wykład 7 Szeregi Fouriera Definicja: { } Mówimy, że ciąg funkcji X ( n x ) całkowalnych z kwadratem w przedziale jest ciągiem ortogonalnym, jeżeli [ a, b] b a X ( x) X ( x)dx n

Bardziej szczegółowo

Rejestracja i rekonstrukcja fal optycznych. Hologram zawiera pełny zapis informacji o fali optycznej jej amplitudzie i fazie.

Rejestracja 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 szczegółowo

Kryptografia. z elementami kryptografii kwantowej. Ryszard Tanaś Wykład 13

Kryptografia. z elementami kryptografii kwantowej. Ryszard Tanaś   Wykład 13 Kryptografia z elementami kryptografii kwantowej Ryszard Tanaś http://zon8.physd.amu.edu.pl/~tanas Wykład 13 Spis treści 19 Algorytmy kwantowe 3 19.1 Bit kwantowy kubit (qubit)........... 3 19. Twierdzenie

Bardziej szczegółowo

22 Pochodna funkcji definicja

22 Pochodna funkcji definicja 22 Pochodna funkcji definicja Rozważmy funkcję f : (a, b) R, punkt x 0 b = +. (a, b), dopuszczamy również a = lub Definicja 33 Mówimy, że funkcja f jest różniczkowalna w punkcie x 0, gdy istnieje granica

Bardziej szczegółowo

4.2 Analiza fourierowska(f1)

4.2 Analiza fourierowska(f1) Analiza fourierowska(f1) 179 4. Analiza fourierowska(f1) Celem doświadczenia jest wyznaczenie współczynników szeregu Fouriera dla sygnałów okresowych. Zagadnienia do przygotowania: szereg Fouriera; sygnał

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

Laboratorium optycznego przetwarzania informacji i holografii. Ćwiczenie 6. Badanie właściwości hologramów

Laboratorium optycznego przetwarzania informacji i holografii. Ćwiczenie 6. Badanie właściwości hologramów Laboratorium optycznego przetwarzania informacji i holografii Ćwiczenie 6. Badanie właściwości hologramów Katedra Optoelektroniki i Systemów Elektronicznych, WETI, Politechnika Gdańska Gdańsk 2006 1. Cel

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

1. Liczby zespolone Zadanie 1.1. Przedstawić w postaci a + ib, a, b R, następujące liczby zespolone (1) 1 i (2) (5)

1. Liczby zespolone Zadanie 1.1. Przedstawić w postaci a + ib, a, b R, następujące liczby zespolone (1) 1 i (2) (5) . Liczby zespolone Zadanie.. Przedstawić w postaci a + ib, a, b R, następujące liczby zespolone () i +i, () 3i, (3) ( + i 3) 6, (4) (5) ( +i ( i) 5, +i 3 i ) 4. Zadanie.. Znaleźć moduł i argument główny

Bardziej szczegółowo

IMPLEMENTATION OF THE SPECTRUM ANALYZER ON MICROCONTROLLER WITH ARM7 CORE IMPLEMENTACJA ANALIZATORA WIDMA NA MIKROKONTROLERZE Z RDZENIEM ARM7

IMPLEMENTATION 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 szczegółowo

Rachunek całkowy funkcji wielu zmiennych

Rachunek całkowy funkcji wielu zmiennych Rachunek całkowy funkcji wielu zmiennych Całki potrójne wykład z MATEMATYKI Budownictwo studia niestacjonarne sem. II, rok ak. 2008/2009 Katedra Matematyki Wydział Informatyki olitechnika Białostocka 1

Bardziej szczegółowo

ELEKTROTECHNIKA Semestr 2 Rok akad. 2015 / 2016. ZADANIA Z MATEMATYKI Zestaw 1. 2. Oblicz pochodne cząstkowe rzędu drugiego funkcji:

ELEKTROTECHNIKA Semestr 2 Rok akad. 2015 / 2016. ZADANIA Z MATEMATYKI Zestaw 1. 2. Oblicz pochodne cząstkowe rzędu drugiego funkcji: ZADANIA Z MATEMATYKI Zestaw 1 1. Oblicz pochodne cząstkowe funkcji: a) f(x, y) = x sin y x b) f(x, y) = e y 1+x 2 c) f(x, y, z) = z cos x+y z 2. Oblicz pochodne cząstkowe rzędu drugiego funkcji: 3. Wyznacz

Bardziej szczegółowo

1 Funkcje elementarne

1 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 szczegółowo

Diagnostyka obrazowa

Diagnostyka obrazowa Diagnostyka obrazowa Ćwiczenie szóste Transformacje obrazu w dziedzinie częstotliwości 1. Cel ćwiczenia Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z podstawowymi przekształceniami

Bardziej szczegółowo

1. Modulacja analogowa, 2. Modulacja cyfrowa

1. Modulacja analogowa, 2. Modulacja cyfrowa MODULACJA W16 SMK 2005-05-30 Jest operacja mnożenia. Jest procesem nakładania informacji w postaci sygnału informacyjnego m.(t) na inny przebieg o wyższej częstotliwości, nazywany falą nośną. Przyczyna

Bardziej szczegółowo

KURS SZEREGI. Lekcja 10 Szeregi Fouriera ZADANIE DOMOWE. Strona 1

KURS 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 szczegółowo

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

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

Bardziej szczegółowo

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

Modelowanie zależności. Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski

Modelowanie zależności. Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski Modelowanie zależności pomiędzy zmiennymi losowymi Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski P Zmienne losowe niezależne - przypomnienie Dwie rzeczywiste zmienne losowe X i Y

Bardziej szczegółowo

Micha Strzelecki Metody przetwarzania i analizy obrazów biomedycznych (2)

Micha Strzelecki Metody przetwarzania i analizy obrazów biomedycznych (2) Micha Strzelecki Metody przetwarzania i analizy obrazów biomedycznych (2) Prezentacja multimedialna współfinansowana przez Unię Europejską w ramach Europejskiego Funduszu Społecznego w projekcie Innowacyjna

Bardziej szczegółowo

Dystrybucje. Marcin Orchel. 1 Wstęp Dystrybucje Pochodna dystrybucyjna Przestrzenie... 5

Dystrybucje. Marcin Orchel. 1 Wstęp Dystrybucje Pochodna dystrybucyjna Przestrzenie... 5 Dystrybucje Marcin Orchel Spis treści 1 Wstęp 1 1.1 Dystrybucje................................... 1 1.2 Pochodna dystrybucyjna............................ 3 1.3 Przestrzenie...................................

Bardziej szczegółowo

Przetwarzanie i transmisja danych multimedialnych. Wykład 5 Kodowanie słownikowe. Przemysław Sękalski.

Przetwarzanie i transmisja danych multimedialnych. Wykład 5 Kodowanie słownikowe. Przemysław Sękalski. Przetwarzanie i transmisja danych multimedialnych Wykład 5 Kodowanie słownikowe Przemysław Sękalski sekalski@dmcs.pl Politechnika Łódzka Katedra Mikroelektroniki i Technik Informatycznych DMCS Przemysław

Bardziej szczegółowo

Literatura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.

Literatura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III. Literatura Krysicki W., Bartos J., Dyczka W., Królikowska K, Wasilewski M., Rachunek Prawdopodobieństwa i Statystyka Matematyczna w Zadaniach, cz. I. Leitner R., Zacharski J., Zarys matematyki wyŝszej

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

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

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

Bardziej szczegółowo