Dyskretne sygnały deterministyczne i analiza widmowa
|
|
- Arkadiusz Karpiński
- 6 lat temu
- Przeglądów:
Transkrypt
1 Wydział Elektryczny Zakład Automatyki LABORATORIUM CYFROWEGO PRZETWARZAIA SYGAŁÓW Ćwiczenie Dyskretne sygnały deterministyczne i analiza widmowa. Cel ćwiczenia Opanowanie umiejętności komputerowego modelowania sygnałów i liniowych układów dyskretnych (z wykorzystaniem pakietu matematycznego MATLAB). Ćwiczenie w posługiwaniu się podstawowymi pojęciami analizy widmowej, w szczególności dyskretną transformatą Fouriera (DFT). Ćwiczenie umiejętności interpretacji wyników obliczeń komputerowych i oceny ich poprawności.. Podstawy teoretyczne Pod pojęciem sygnał dyskretny x będziemy rozumieli ciąg liczbowy {x(}, którego elementami są próbki x( sygnału ciągłego (analogowego) pobierane w chwilach t n =nt s, gdzie T s jest okresem próbkowania. Indeks n oznacza dyskretny czas t n unormowany względem okresu próbkowania: n=t n /T s (Rys. ). Rys. Sygnał ciągły (analogowy), dyskretny i cyfrowy Ćwiczenie Dyskretne sygnały deterministyczne i analiza widmowa - -
2 W układach cyfrowych przetwarzane są nie sygnały dyskretne o ciągłym zakresie wartości, ale sygnały cyfrowe x c (=Q[x(], gdzie Q[ ] oznacza operację kwantowania, czyli nadawania wartości ze zbioru dyskretnego. Przy dalszej analizie błędy kwantowania nie będą jednak uwzględniane, co oznacza utożsamienie sygnałów cyfrowych z dyskretnymi. Jest to uzasadnione, jeżeli liczba bitów przetwornika A/C jest na tyle duża, że Q[x(] x(... Pojęcia podstawowe A. Transformatą Fouriera (widmem Fourierowskim DTFT Discrete Time Fourier Transform) sygnału dyskretnego w czasie x( i o ograniczonej energii, tzn. spełniającego warunek nazywamy funkcję n= x( < (.) j Ω n [ x( ] = X ( e ) = x( n e (.) n= DTFT ) Jeżeli x(= dla n< (sygnał jest przyczynowy), to oblicza się transformatę jednostronną z dolną granicą sumowania n=. Wzór (.) określa warunek zbieżności sumy w definicji (.). Wielkość (kąt) Ω = ωt = πf / (.3) s f s oznacza pulsację unormowaną względem częstotliwości próbkowania f s =/T s. Widmo X(e ) sygnału x( jest funkcją okresową o okresie π. Rozwijając ją w szereg Fouriera otrzymamy jego współczynniki określające kolejne próbki sygnału dyskretnego: x( π jnω = X ( e ) e d π π Podstawowe właściwości transformaty DTFT sygnału dyskretnego: jest funkcją okresową kąta Ω o okresie π, jest funkcją ciągłego argumentu Ω, jest obliczana na podstawie nieskończonego ciągu próbek x(, dla sygnału rzeczywistego amplituda transformaty jest funkcją parzystą, a faza funkcją nieparzystą. Z właściwości tych wynika, że widmo sygnału dyskretnego wystarczy przedstawić w zakresie kątów Ω π lub częstotliwości f f s /. Pulsację Ω Ν =π (częstotliwość f =f s /) nazywa się pulsacją yquista i określa ona największą częstotliwość, jaka jest widoczna w widmie sygnału dyskretnego. Jeżeli sygnał dyskretny x( został otrzymany przez próbkowanie z okresem T s sygnału ciągłego x a (t), który ma ciągłą transformatę Fouriera X a (jω), to jego widmo jest (z dokładnością do czynnika /T s ) sumą poprzesuwanych o wielokrotność pulsacji próbkowania ω s =πf s widm sygnału ciągłego (Rys. ): jωt ( ) s X e = X a ( jω + jkωs ) (.4) Ts k = gdzie widmo sygnału analogowego X ( jω) = x ( t) e a Próbkowanie w czasie powoduje okresowość widma w dziedzinie częstotliwości. Częstotliwości analogowe różniące się o wielokrotność częstotliwości próbkowania f s nie dają się rozróżnić w sygnale dyskretnym po próbkowaniu i są widziane jako ta sama częstotliwość f z zakresu podstawowego [,f ] (efekt nakładania się częstotliwości aliasing): true s a jωt Ω f = ( f + f )mod f f (.5) Ćwiczenie Dyskretne sygnały deterministyczne i analiza widmowa - -
3 Transformata Fouriera jest szczególnym przypadkiem transformaty Z funkcji dyskretnych: n [ x( ] = X ( z) = x( n z (.6) n= Z ) obliczanej na okręgu jednostkowym zmiennej zespolonej z =, czyli dla z=e. B. Podstawowe właściwości DTFT. Jeżeli DTFT[x(]=X(e ), to: jnω j( ) widmo sygnału modulowanego x( e ma postać X ( e Ω Ω ) ) (przesunięcie skali pulsacji), jdω ) ) widmo sygnału przesuniętego w czasie x(n-d) ma postać e X ( e ) (przesunięcie fazowe), 3) widmo splotu sygnałów x ( * y( = x( k) y( n k) jest iloczynem widm X ( e ) Y ( e ), k= 4) widmo iloczynu sygnałów x( y( jest splotem ich widm π jθ j(ω θ) X ( e ) Y ( e ) = θ π X ( e ) Y( e ) d (.7) π X a (jω) T s X(e jωτ ) T s X(e jωτ ) Rys. Transformaty amplitudowe Fouriera (ω s =πf s ): a) sygnału ciągłego o paśmie ograniczonym do pulsacji ω g, b) sygnału zdyskretyzowanego dla ω g > ω, widoczny efekt nakładania się widm (aliasing), c) sygnału zdyskretyzowanego dla ω g < ω (pulsacja yquista ω =ω s /)... Dyskretne przekształcenie Fouriera... Widmo fragmentu sygnału o skończonej długości W praktyce obserwuje się (rejestruje) jedynie pewien fragment x ( sygnału x( i dlatego obliczenie widma (.) wymagającego nieskończonego ciągu próbek nie jest możliwe (poza tym tylko dla ograniczonej klasy sygnałów suma (.) jest zbieżna). "Obcięty" sygnał x( dla n x ( (.8) dla n można interpretować jako nałożenie na x( okna czasowego (prostokątnego impulsu o jednostkowej amplitudzie) w( o długości : Ćwiczenie Dyskretne sygnały deterministyczne i analiza widmowa - 3 -
4 x ( = x( w(. (.9) Sygnał x ( spełnia warunek (.), a zatem istnieje jego widmo ciągłe (DTFT): Ω j jnω X ( e ) = x( e (.) n= Stosując cyfrowe metody obliczeń transformatę (.) można obliczyć tylko dla skończonego zbioru dyskretnych wartości Ω m. Ponieważ X (e ) jest funkcją okresową, wystarczy obliczać widmo tylko dla przedziału [, π) lub [-π, π). Przyjmując, że obliczamy wartości widma (tyle ile jest próbek sygnału) dla równomiernie rozłożonych pulsacji unormowanych otrzymujemy próbki widma (.): πm Ωm =, m =,,..., (.) m jnω m X ( e ) = x( e (.) n= Wzór (.) określa -punktowe dyskretne przekształcenie Fouriera (DFT), które przyporządkowuje (w sposób wzajemnie jednoznaczny) skończonemu ciągowi próbek x ( współczynniki jego transformaty DFT. W skrócie zapisuje się: DFT[ x πnm j x ( e, m =,,..., ( )] = ( ) = n X m n= (.3) Zauważmy, że współczynniki DFT nie zmieniają się po cyklicznym przestawieniu próbek w ciągu (np. x () x (), x () x (),..., x (-) x () ), współczynniki DFT mają wartości parami zespolone sprzężone: X(-)= X * (), X(-)=X * () itd., dlatego wystarczy obliczać (wykreślać) współczynniki w zakresie m [/]+. Znajomość DFT[x (] umożliwia wyznaczenie próbek wziętych do obliczania transformaty. W tym celu stosuje się odwrotne dyskretne przekształcenie Fouriera IDFT (inverse DFT): IDFT[ X πnm j X ( m) e, n =,,..., ( )] = ( ) = m x n m = (.4) Operacja IDFT[X (m)] powoduje okresowe powielenie odtworzonego ciągu próbek dając sygnał okresowy x p ( o okresie : IDFT[X (m)]=x p (, gdzie k= x ( = x ( n + k) (.5) Obliczanie DFT[x (] zamiast widma ciągłego DTFT[x(] wnosi zniekształcenia wynikające z: brania do obliczeń jedynie skończonej liczby próbek (nakładania okna czasowego), obliczania dyskretnego zbioru wartości transformaty (próbkowania widma ciągłego). Przeprowadzane w ramach ćwiczenia eksperymenty numeryczne mają na celu zapoznanie się z wynikającymi z powyższych uproszczeń efektami. Parę transformat DFT i IDFT implementuje się numerycznie stosując szybkie algorytmy FFT (Fast Fourier Transform). DFT jest głównym narzędziem analizy widmowej sygnałów dyskretnych.... Dyskretna transformata Fouriera sygnału okresowego Sygnały okresowe stanowią bardzo istotną klasę sygnałów podlegających analizie widmowej. Dyskretne sygnały okresowe mają nieograniczoną energię i dlatego nie istnieją dla nich widma ciągłe DTFT. arzędziem analizy takich sygnałów jest dyskretna transformata Fouriera DFT. Jeżeli ciąg próbek wziętych do obliczenia DFT pochodzi z sygnału okresowego x p ( i zawiera całkowitą liczbę okresów sygnału (tzn. jest wielokrotnością okresu), to na podstawie obliczonego Ćwiczenie Dyskretne sygnały deterministyczne i analiza widmowa p
5 -punktowego widma dyskretnego X p (m)=dft[x p (] można odtworzyć wyjściowy sygnał okresowy x p ( bez zniekształceń przez powielanie IDFT zgodnie ze wzorem (.5), gdzie x (=IDFT[X p (m)]. Jeżeli sygnał okresowy x p ( ma ograniczoną zawartość harmonicznych, tzn. jego rozwinięcie w M szereg Fouriera jnωm x p ( = c m= me zawiera M wyrazów o współczynnikach zespolonych c m, m=,...,m-, to współczynniki c m są związane ze współczynnikami -punktowej DFT[x p (], gdzie M, zależnością: X p ( m) cm = (.6) Jeżeli liczba punktów DFT (próbek x p () mniejsza od M (w sygnale są harmoniczne o częstotliwościach wyższych niż częstotliwość yquista DFT), to we współczynnikach szeregu wyznaczanych na podstawie (.6) występuje błąd nałożenia (aliasing): c m = c~ k = m + km, gdzie c ~ m oznacza prawdziwe wartości współczynników szeregu Fouriera.!"W praktyce często nie wiadomo, jaki jest okres sygnału, a nawet, czy jest on w ogóle okresowy. Jeżeli analizę przeprowadza się stosując L-punktową DFT (L jest określone czasem obserwacji i częstotliwością próbkowania), to odtworzony z próbek widma sygnał ma okres L i różni się od rzeczywistego. Równość tych sygnałów zachodzi tylko wtedy, kiedy w przedziale obserwacji (w sygnale x () mieści się całkowita liczba okresów sygnału oryginalnego x p ( (Rys. 3).!"Jeżeli w okresie obserwacji nie mieści się całkowita liczba okresów określonej składowej harmonicznej o pulsacji Ω, to pulsacja ta wypada pomiędzy prążkami widma odpowiadającymi pulsacjom Ω m określonym wzorem (.) i część widma X (m) obrazująca składową ulega rozmyciu jak na Rys. 3b. a) b) Rys. 3. Moduł L-punktowej transformaty DFT wycinka x ( sygnału okresowego x p ( o okresie i sygnał okresowy odtworzony na podstawie L-punktowej IDFT dla: a) L==8, b) L=, =8.3. Właściwości DFT.3.. Rozdzielczość częstotliwościowa DFT Przy obliczaniu DFT na podstawie wycinka x ( sygnału składającego się z próbek (wzór (.3)), rozdzielczość wyznaczanego widma w dziedzinie częstotliwości, określana jako odległość między kolejnymi wyrazami DFT, wynosi (por. wzór (.)): f = (.7) T Ćwiczenie Dyskretne sygnały deterministyczne i analiza widmowa s
6 i jest odwrotnie proporcjonalna do czasu obserwacji sygnału T =T s. Rozdzielczość DFT wskazuje, jak jest zdolność rozróżnienia w sygnale dwóch składowych harmonicznych o mało różniących się częstotliwościach. Odległość między wyrazami można zmniejszyć poprzez uzupełnienie zarejestrowanego ciągu próbkami zerowymi (zero-padding), czyli sztucznie wydłużając czas obserwacji. Odległość między wyrazami DFT o wymiarze zwiększonym do + zmniejszy się po takiej operacji do f zp = /[( + ) Ts ]. Ponieważ uzupełnienie zerami nie wprowadza nowej informacji o sygnale, nowe wyrazy w DFT stanowią efekt interpolacji oryginalnych danych i nie zwiększają zdolności rozróżniania częstotliwości, ale uwypuklają szczegóły widma widoczne wcześniej. Uzupełnianie zerami stosuje się często w celu otrzymania ciągu próbek o długości k, co umożliwia zastosowanie do obliczeń algorytmu FFT..3.. Wpływ skończonego czasu obserwacji na widmo sygnału Skończony czas obserwacji powoduje, że możliwe do obliczenia widmo DFT jest na ogół zniekształcone w stosunku do rzeczywistego widma sygnału o nieograniczonym czasie trwania. Zgodnie z (.9) DFT stanowi widmo X (e ) sygnału x( z nałożonym oknem w(. Jeżeli prawdziwe widma sygnału i okna oznaczymy odpowiednio przez X(e ) i W(e ), to widmo iloczynu sygnałów w dziedzinie czasu jest splotem ich widm w dziedzinie częstotliwości (por..7): π jθ j( Ω θ ) X ( e ) = X ( e ) W ( e ) = X ( e ) W ( e ) dθ π (.8) π Widać, że prawdziwe widmo sygnału nie uległoby zniekształceniu tylko wtedy, kiedy widmo okna miałoby kształt szpilki, gdy tymczasem widmo okna jest rozmyte jak na Rys. 4. O zniekształceniu widma DFT decydują głównie: szerokość listka głównego widma okna oraz wysokość listków bocznych. Szerokość listka głównego widma okna wpływa na rozróżnialność częstotliwościową DFT. Jeżeli różnica częstotliwości dwóch składowych o podobnych amplitudach jest mniejsza od szerokości listka głównego, to odpowiadające im prążki zleją się w jeden wskutek rozmycia widma. Wysokość listków bocznych widma okna wpływa na rozróżnialność amplitudową DFT. Jeżeli w widmie występuje składowa o amplitudzie porównywalnej z amplitudą lisków bocznych, to utonie ona w pofalowaniach widma DFT związanych z listkami. W celu poprawienia rozróżnialności amplitudy stosuje się okna o kształcie innym niż prostokątny. Zmniejszenie wysokości listków bocznych powoduje jednak poszerzenie listka głównego. Stosowane zwykle okna czasowe są zebrane w poniższej tabeli. Okno Równanie Szerokość listka głównego Maks. wys. listków bocznych [db] Prostokątne w(=, n - π/ -3 Bartletta n /( ), n ( ) / (trójkątne) w ( n /( ), ( ) / n 4π/ -5 Hanninga w( =.5[ cos(π n /( ))], n 4π/ -3 Hamminga w( =.54.46cos(π n /( )), n 4π/ -4 Blackmana w( =.4.5 cos(πn /( )) + +.8cos(4πn /( )), n 6π/ -57 Kaisera I [ β [( ) / ] [ n ( ) / ] w ( =, I [ β( ) / ] -46 do -8 n -, I (.) zmodyfikowana f. Bessela pierwszego rodzaju zerowego rzędu; typowo 4<β(-)/< Ćwiczenie Dyskretne sygnały deterministyczne i analiza widmowa - 6 -
7 W.5 Ω π π Rys. 4. Widmo amplitudowe okna prostokątnego dla =.4. Odtworzenie DTFT sygnału skończonego lub okresowego na podstawie DFT Dysponując M wartościami dyskretnej transformaty Fouriera X (m) skończonego odcinka x ( sygnału dla dyskretnych pulsacji Ω m można odtworzyć ciągłą względem Ω transformatę X (e ) (DTFT) przechodzącą przez punkty X (m) korzystając ze wzoru interpolacyjnego: j Ω( M ) Ω M e sin M X ( m) X ( e ) = (.9) m= M j Ωm Ω Ω m e sin wynikającego z podstawienia prawej strony wzoru (.4) na IDFT do równania (.) definiującego DTFT dla przypadku skończonego zakresu sumowania. Literatura. Oppenheim A.V., Schafer R.W.: Cyfrowe przetwarzanie sygnałów, WKiŁ, Marven C., Ewers G.: Zarys cyfrowego przetwarzania sygnałów, WKiŁ, Praca zbiorowa pod red. A. Dąbrowskiego: Przetwarzanie sygnałów przy użyciu procesorów sygnałowych, Wyd. Politechniki Poznańskiej, Papoulis A.: Obwody i układy, WKiŁ, Praca zbiorowa pod red. A. Wojtkiewicza: Cyfrowe przetwarzanie sygnałów, Preskrypt laboratoryjny, Oficyna Wyd. Politechniki Warszawskiej, 997. Opracował: Dr inż. Janusz Baran Częstochowa, 999 Ćwiczenie Dyskretne sygnały deterministyczne i analiza widmowa - 7 -
8 3. Obliczenia komputerowe - zadania do wykonania UWAGA: a) Funkcje i procedury MATLABa wywołuje się wpisując po znaku zachęty ">>" nazwę (bez rozszerzenia) i naciskając <Enter>. Klawiszami strzałek " " i " " można przywoływać do linii komend poprzednio wydane polecenia i edytować je (np. zmieniać wartości argumentów) bez konieczności wpisywania całości od nowa. b) Plik tekstowy (skrypt) *.m procedury można otworzyć do przeglądania, edycji lub wydruku poleceniem File Open M-file z okna komend MATLABa. Podstawowe informacje na temat procedur można uzyskać wypisując z klawiatury: >>help nazwa_procedury <Enter> c) Wykresy drukuje się przy pomocy polecenia File Print z menu danego okna graficznego. d) W większości przypadków istnieje możliwość kilkukrotnego wykonywania procedur z różnymi wartościami parametrów, co spowoduje nakładanie się na siebie otrzymywanych wykresów i umożliwi porównanie wyników. e) Zakresy osi można dopasowywać za pomocą instrukcji axis([xmin,xmax,ymin,ymax]) podając własne wartości minimalne i maksymalne na osiach. 3.. Porównanie widma sygnału ciągłego i dyskretnego a) (*) Wywołać skrypt c_expt(a,ts); z parametrami a=, Ts=.5. Procedura wykreśla funkcję wykładniczą at x( t) = e (.) próbkowaną co Ts s. b) Uruchomić skrypt c_ad(a,ts); dla Ts=.,.5,. Eksperyment umożliwia obserwowanie widma DTFT wykładniczego sygnału dyskretnego n x ( = b (.) ats gdzie b = e na tle widma wyjściowego sygnału ciągłego (.). Oś częstotliwości jest wyskalowana w [Hz], a amplitudy widm są unormowane. zaobserwować zmiany okresowości widma sygnału dyskretnego i związek tego okresu z T s, przeliczyć skalę do częstotliwości unormowanej f n =f/f s ; w jakim zakresie częstotliwości wystarczy obserwować widmo w skali unormowanej? zauważyć, że amplituda jest funkcją parzystą, a faza nieparzystą, w jakim zakresie częstotliwości widma sygnału ciągłego i dyskretnego są zbliżone i jak zależy to od T s.; wyjaśnić przyczynę zmian amplitudy widma sygnału dyskretnego dla częstotliwości yquista f=f s /, 3.. Analiza widm DTFT sygnałów dyskretnych o skończonej długości UWAGA: a) Dalej rysowane będą wykresy wartości bezwzględnych zespolonych wyrazów DFT dla częstotliwości unormowanej f n = f / f s z zakresu (-.5,.5]. Poza tym przedziałem przebiegi dla sygnałów dyskretnych powtarzają się okresowo). b) Transformaty DTFT sygnałów -punktowych są obliczane jako L-punktowe DFT, gdzie L>>, z uzupełnianiem zerami. a) (*) Sygnał stały dla n x( (.3) dla n Uruchomić skrypt c_unit(); i zarejestrować widma amplitudowe dla różnych długości sygnału, np. = 5,. jaki jest związek miejsc zerowych widma z? Ćwiczenie Dyskretne sygnały deterministyczne i analiza widmowa - 8 -
9 b) Sygnał wykładniczy n b dla n x( (.4) dla n Uruchomić skrypt c_exp(); i zarejestrować widma amplitudowe dla różnych długości sygnału, np. = 5, na tle widma przy. jaki jest związek minimów widma z? z czego wynikają zmiany amplitudy na krańcach okresu widma? przeliczyć skalę do częstotliwości fizycznej jeśli T s =.. c) Sygnał kosinusoidalny cos( nω ) dla n x( (.5) dla n Uruchomić skrypt c_cos(,f); i zarejestrować widma amplitudowe dla różnych długości sygnału, np. = 5,, i częstotliwości unormowanej (względem f s ) f=. (Ω =πf ). jak na podstawie liczby minimów widma ocenić liczbę próbek? (porównać z widmami sygnału stałego), z czego wynika obecność dwóch prążków (obejrzeć c_cos(,.);)? Powtórzyć eksperyment dla ustalonego = zmieniając częstotliwość, np. f=.,.4. dlaczego zmiana częstotliwości powoduje również zmianę kształtu listków bocznych widma? porównać i zinterpretować wykresy dla c_cos(,.4); i c_cos(,.6); 3.3. Ilustracja modulacji. Widmo sygnału zespolonego Sygnał zespolony jnω x( e dla n xz ( (.6) dla n jnω jest iloczynem skończonego sygnału stałego x( oraz zespolonej harmonicznej e. Do obliczenia widma można zastosować twierdzenie o modulacji (widmo zostaje przesunięte o ±Ω ). a) (*) Modulacja dla sygnału stałego x(= (.3) wygenerować z linii komend Matlaba sygnał stały x(= o długości =5 >> x = ones(,5); Przy pomocy procedury c_modul(x,f); dokonać modulacji sygnału zespoloną jnω harmoniczną e, gdzie Ω =πf i zarejestrować widmo dla kilku wartości: f=,.,-. (zmiana znaku oznacza przesunięcie fazowe o 8 ). Zaobserwować zależność przesunięcia widma od f. zwrócić uwagę na fakt, że widmo amplitudowe nie jest funkcją parzystą, co fizycznie oznacza położenie prążka widma dla f =-.? b) Obserwacja modulacji dla sygnału zmiennego x ( = cos( nω), n ; Korzystając z funkcji c_gcos(f, ); wygenerować sygnał cosinusoidalny o długości =5 i częstotliwości unormowanej f =.5: >> x = c_gcos(.5, 5); Przy pomocy c_modul(x,f); dokonać obserwacji widma dla f=,.,-. i zinterpretować wyniki. c) (*) Przeprowadzić obliczenia jak w pkt. b) dla f=.5 oraz f= (brak modulacji) i.5 (f=.5 oznacza graniczną częstotliwość yquista). Ćwiczenie Dyskretne sygnały deterministyczne i analiza widmowa - 9 -
10 3.4. Widmo sygnału opóźnionego Celem eksperymentu jest porównanie widma sygnału x( z widmem jego opóźnionej kopii x(n-d). Porównanie takie realizuje procedura c_delay(x,d); wygenerować sygnał stały o długości =5 i obliczyć widma dla opóźnienia d=5 próbek: >>x=ones(,5); >>c_delay(x,5) zaobserwować widma fazowe i powiązać nachylenie fazy sygnału opóźnionego z wielkością opóźnienia, zwrócić uwagę na skoki fazy o 8 w miejscach zerowych amplitudy Dyskretna transformata Fouriera DFT A. DFT sygnału o skończonym czasie trwania a) Dla sygnału stałego o długości =8 zaobserwować efekt próbkowania widma przy obliczaniu - punktowej DFT dla L=,, 4. Do obliczania DFT służy procedura c_dft(x,l,c); (wykres DFT jest rysowany w zakresie [, f ], opcjonalny parametr c= powoduje dodatkowo wykreślanie DTFT(x), domyślnie c=). >>x=ones(,8); >>X=c_dft(x,L,); (ma być duże X) W ilu i jakich punktach Ω m wartości DFT są próbkami widma ciągłego X(e )? b) Dla każdej wartości L z pkt.a) dokonać odtworzenia sygnału x( na podstawie L-punktowej DFT wykorzystując procedurę c_idft(x,l); >>x=c_idft(x,l); (X jest pamiętane z poprzedniego kroku) Odtworzony fragment stanowi jeden okres sygnału okresowego powstającego po operacji IDFT wskutek próbkowania w dziedzinie częstotliwości. Jak okres ten zależy od L? W którym przypadku wyjściowy sygnał stały został odtworzony poprawnie? B. DFT sygnału okresowego W tym punkcie analizowane będzie DFT nieskończonego sygnału okresowego x ( = cos( nω ) (.7) o pulsacji Ω =π/k (częstotliwości unormowanej f =/K). a) przyjąć K=3 i wyznaczyć -punktową DFT sygnału (.7) na podstawie wycinka =64 próbek (pomiar zawiera dokładnie okresy x(), a następnie okres odtworzenia sygnału stosując IDFT: >>=64; >>x= c_gcos(/3,); >>X=c_dft(x,); >>x=c_idft(x,); czy sygnał odtworzony na podstawie IDFT jest zgodny z pierwowzorem? b) powtórzyć obliczenia i analizę odtworzenia dla K=9 (w wycinku nie mieści się pełna liczba okresów), zaobserwować i wyjaśnić rozmycie widma DFT; jaki jest okres sygnału odtworzonego? c) powtórzyć obliczenia i analizę K=9 generując tylko K próbek, tzn. >>x=c_gcos(/9,58); ( nadal równe 64)... (jest to przypadek uzupełnienia obserwacji zerami (zero padding) do obliczania DFT) 3.6. Przebiegi i widma okien czasowych a) Zarejestrować i porównać przebiegi podstawowych okien czasowych o szerokości =5 (wartość nieparzysta zachowuje symetrię okna): >>c_gwin() b) Zarejestrować i porównać widma amplitudowe okien (unormowane względem =5) Ćwiczenie Dyskretne sygnały deterministyczne i analiza widmowa - -
11 prostokątnego (c_box()), Bartletta (trójkątnego) (c_bart()), Hamminga (c_hamm()), Kaisera (c_kais() dla wartości parametru β), Dla każdego okna zanotować: szerokość listka głównego, poziom pierwszego listka bocznego oraz czy poziom listków bocznych utrzymuje się czy opada w miarę oddalania się od listka głównego Zastosowanie okien w analizie widmowej Przeprowadzić analizę DFT sygnału po nałożeniu okna. Powtórzyć obliczenia z (w wycinku) mnożąc obserwowany wycinek przez okno Kaisera: Zapoznać się z zawartością pliku skryptowego c_okno.m. Podobnie jak w pkt.3.5.b.b w wycinku sygnału okresowego nie mieści się pełna liczba okresów powodująca nieciągłość na krańcach sygnału. akładane na sygnał okno Hanninga ma na brzegach wartości zerowe, co likwiduje nieciągłości przy okresowym powielaniu sygnału z nałożonym oknem. Uruchomić skrypt: >> c_okno Zwrócić uwagę na rozmycie DFT badanego wycinka (Figure ). Zaobserwować zmianę sygnału w stosunku do oryginału po nałożeniu okna i sprawdzić, że odtworzenie sygnału przekształconego po IDFT jest wierne i nie występuje nieciągłość na krańcach (Figure ). Porównać widma wycinka oryginalnego (sygnał z oknem prostokątnym) i wycinka po nałożeniu okna Hanninga na wykresie w skali logarytmicznej i liniowej (Figure 3 i 4). Zwrócić uwagę na wysokość i szerokość listka głównego poziom widma poza nim Rozdzielczość widmowa Przeprowadzić obliczenia ilustrujące wpływ nałożenia na obserwowany sygnał okna Hamminga na zdolność wykrywania składowych harmonicznych. Zapoznać się z zawartością pliku skryptowego c_rozdz.m: generowany jest sygnał y o długości =3 zawierający 3 składowe o częstotliwościach (unormowanych) określonych przez składowe wektora f i amplitudach określonych przez składowe A. Obliczana jest L=56- punktowa DFT sygnału oryginalnego i po nałożeniu okna Hamminga. Uruchomić skrypt: >>c_rozdz a wykresach DFT w skali logarytmicznej i liniowej zaobserwować różnice wysokości prążków DFT odpowiadających bliskim składowym i (rozróżnialność częstotliwościowa) oraz zdolność wykrywania 3 składowej o małej amplitudzie (rozróżnialność amplitudowa). (*) Uruchomić i przeanalizować skrypt c_resol.m ilustrujący pozorny wzrost rozróżnialności po uzupełnieniu ciągu próbek zerami. 4. Opracowanie sprawozdania W sprawozdaniu należy zawrzeć zarejestrowane wyniki eksperymentów numerycznych z odpowiednimi opisami oraz wyjaśnieniami problemów wskazanych w pkt. 3 dokonanymi na podstawie informacji teoretycznych z pkt.. Ćwiczenie Dyskretne sygnały deterministyczne i analiza widmowa - -
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 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 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 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 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 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 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 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 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 szczegółowoPodstawy Przetwarzania Sygnałów
Adam Szulc 188250 grupa: pon TN 17:05 Podstawy Przetwarzania Sygnałów Sprawozdanie 6: Filtracja sygnałów. Filtry FIT o skończonej odpowiedzi impulsowej. 1. Cel ćwiczenia. 1) Przeprowadzenie filtracji trzech
Bardziej szczegółowoĆWICZENIE III ANALIZA WIDMOWA SYGNAŁÓW DYSKRETNYCH. ver.3
1 Zakład Elektrotechniki Teoretycznej ver.3 ĆWICZEIE III AALIZA WIDMOWA SYGAŁÓW DYSKRETYCH (00) Celem ćwiczenia jest przeprowadzenie analizy widmowej dyskretnych sygnałów okresowych przy zastosowaniu szybkiego
Bardziej szczegółowoPOLITECHNIKA OPOLSKA
POLITECHNIKA OPOLSKA KATEDRA MECHANIKI I PODSTAW KONSTRUKCJI MASZYN MECHATRONIKA Instrukcja do ćwiczeń laboratoryjnych Analiza sygnałów czasowych Opracował: dr inż. Roland Pawliczek Opole 2016 1 2 1. Cel
Bardziej szczegółowoĆwiczenie 11. Podstawy akwizycji i cyfrowego przetwarzania sygnałów. Program ćwiczenia:
Ćwiczenie 11 Podstawy akwizycji i cyfrowego przetwarzania sygnałów Program ćwiczenia: 1. Konfiguracja karty pomiarowej oraz obserwacja sygnału i jego widma 2. Twierdzenie o próbkowaniu obserwacja dwóch
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 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 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 szczegółowoCyfrowe przetwarzanie sygnałów Jacek Rezmer -1-
Cyfrowe przetwarzanie sygnałów Jacek Rezmer -1- Filtry cyfrowe cz. Zastosowanie funkcji okien do projektowania filtrów SOI Nierównomierności charakterystyki amplitudowej filtru cyfrowego typu SOI można
Bardziej 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 szczegółowoW celu obliczenia charakterystyki częstotliwościowej zastosujemy wzór 1. charakterystyka amplitudowa 0,
Bierne obwody RC. Filtr dolnoprzepustowy. Filtr dolnoprzepustowy jest układem przenoszącym sygnały o małej częstotliwości bez zmian, a powodującym tłumienie i opóźnienie fazy sygnałów o większych częstotliwościach.
Bardziej szczegółowox(n) x(n-1) x(n-2) D x(n-n+1) h N-1
Laboratorium Układy dyskretne LTI projektowanie filtrów typu FIR Z1. apisać funkcję y = filtruj(x, h), która wyznacza sygnał y będący wynikiem filtracji sygnału x przez filtr FIR o odpowiedzi impulsowej
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 szczegółowoSPRZĘTOWA REALIZACJA FILTRÓW CYFROWYCH TYPU SOI
1 ĆWICZENIE VI SPRZĘTOWA REALIZACJA FILTRÓW CYFROWYCH TYPU SOI (00) Celem pracy jest poznanie sposobu fizycznej realizacji filtrów cyfrowych na procesorze sygnałowym firmy Texas Instruments TMS320C6711
Bardziej szczegółowoCYFROWE PRZETWARZANIE SYGNAŁÓW
Cyfrowe przetwarzanie sygnałów -1-2003 CYFROWE PRZETWARZANIE SYGNAŁÓW tematy wykładowe: ( 28 godz. +2godz. kolokwium, test?) 1. Sygnały i systemy dyskretne (LTI, SLS) 1.1. Systemy LTI ( SLS ) (definicje
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 szczegółowoSystemy akwizycji i przesyłania informacji
Politechnika Rzeszowska im. Ignacego Łukasiewicza w Rzeszowie Wydział Elektryczny Kierunek: Informatyka Systemy akwizycji i przesyłania informacji Projekt zaliczeniowy Temat pracy: Okna wygładzania ZUMFL
Bardziej szczegółowoTeoria 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 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 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 szczegółowoTemat 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 szczegółowoWydział Elektryczny Katedra Telekomunikacji i Aparatury Elektronicznej
Politechnika Białostocka Wydział Elektryczny Katedra Telekomunikacji i Aparatury Elektronicznej Instrukcja do zajęć laboratoryjnych z przedmiotu: Przetwarzanie Sygnałów Kod: TS1A400027 Temat ćwiczenia:
Bardziej szczegółowoĆwiczenie 4: Próbkowanie sygnałów
Politechnika Warszawska Instytut Radioelektroniki Zakład Radiokomunikacji STUDIA MAGISTERSKIE DZIENNE LABORATORIUM SYGNAŁÓW MODULACJI I SYSTEMÓW Ćwiczenie 4: Próbkowanie sygnałów Opracował dr inż. Andrzej
Bardziej szczegółowoTERAZ 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 szczegółowoĆWICZENIE 6 Transmitancje operatorowe, charakterystyki częstotliwościowe układów aktywnych pierwszego, drugiego i wyższych rzędów
ĆWICZENIE 6 Transmitancje operatorowe, charakterystyki częstotliwościowe układów aktywnych pierwszego, drugiego i wyższych rzędów. Cel ćwiczenia Badanie układów pierwszego rzędu różniczkującego, całkującego
Bardziej szczegółowoLaboratorium Przetwarzania Sygnałów
PTS - laboratorium Laboratorium Przetwarzania Sygnałów Ćwiczenie 4 Transformacja falkowa Opracował: - prof. dr hab. inż. Krzysztof Kałużyński Zakład Inżynierii Biomedycznej Instytut Metrologii i Inżynierii
Bardziej szczegółowoPL B1. Sposób i układ pomiaru całkowitego współczynnika odkształcenia THD sygnałów elektrycznych w systemach zasilających
RZECZPOSPOLITA POLSKA (12) OPIS PATENTOWY (19) PL (11) 210969 (13) B1 (21) Numer zgłoszenia: 383047 (51) Int.Cl. G01R 23/16 (2006.01) G01R 23/20 (2006.01) Urząd Patentowy Rzeczypospolitej Polskiej (22)
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 szczegółowoLaboratorium Przetwarzania Sygnałów Biomedycznych
Laboratorium Przetwarzania Sygnałów Biomedycznych Ćwiczenie 1 Wydobywanie sygnałów z szumu z wykorzystaniem uśredniania Opracowali: - prof. nzw. dr hab. inż. Krzysztof Kałużyński - mgr inż. Tomasz Kubik
Bardziej szczegółowoFFT 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 szczegółowoWydział Elektryczny Katedra Telekomunikacji i Aparatury Elektronicznej
Politechnika Białostocka Wydział Elektryczny Katedra Telekomunikacji i Aparatury Elektronicznej Instrukcja do zajęć laboratoryjnych z przedmiotu: Przetwarzanie Sygnałów Kod: TS1A400027 Temat ćwiczenia:
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 szczegółowoĆwiczenie 4. Filtry o skończonej odpowiedzi impulsowej (SOI)
Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L Ćwiczenie 4. Filtry o skończonej odpowiedzi impulsowej (SOI) 1. Filtracja cyfrowa podstawowe
Bardziej szczegółowof = 2 śr MODULACJE
5. MODULACJE 5.1. Wstęp Modulacja polega na odzwierciedleniu przebiegu sygnału oryginalnego przez zmianę jednego z parametrów fali nośnej. Przyczyny stosowania modulacji: 1. Umożliwienie wydajnego wypromieniowania
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 szczegółowoKatedra 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 szczegółowoDyskretne przekształcenie Fouriera
Dyskretne przekształcenie Fouriera Dyskretne przekształcenie Fouriera (ang. Discrete Fourier Transform - DFT) jest jedną z dwóch najbardziej popularnych i wydajnych procedur spotykanych w dziedzinie cyfrowego
Bardziej szczegółowoTransformata 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 szczegółowoLaboratorium Przetwarzania Sygnałów. Ćwiczenie 2. Analiza widmowa
PTS laboratorium Laboratorium Przetwarzania Sygnałów Ćwiczenie 2 Analiza widmowa Opracowali: - prof. dr hab. inż. Krzysztof Kałużyński - dr inż. Beata Leśniak-Plewińska - dr inż. Jakub Żmigrodzki Zakład
Bardziej szczegółowoPOLITECHNIKA POZNAŃSKA
POLITECHNIKA POZNAŃSKA INSTYTUT ELEKTROTECHNIKI I ELEKTRONIKI PRZEMYSŁOWEJ Zakład Elektrotechniki Teoretycznej i Stosowanej Laboratorium Podstaw Telekomunikacji Ćwiczenie nr 1 Temat: Pomiar widma częstotliwościowego
Bardziej szczegółowoCYFROWE PRZETWARZANIE SYGNAŁÓW
POLITECHNIKA RZESZOWSKA im. I. Łukasiewicza WYDZIAŁ ELEKTROTECHNIKI I INFORMATYKI Katedra Metrologii i Systemów Diagnostycznych CYFROWE PRZETWARZANIE SYGNAŁÓW Analiza widmowa sygnałów (2) dr inż. Robert
Bardziej 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 szczegółowoAnaliza właściwości filtra selektywnego
Ćwiczenie 2 Analiza właściwości filtra selektywnego Program ćwiczenia. Zapoznanie się z przykładową strukturą filtra selektywnego 2 rzędu i zakresami jego parametrów. 2. Analiza widma sygnału prostokątnego..
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 szczegółowoWydział Elektryczny Katedra Telekomunikacji i Aparatury Elektronicznej
Politechnika Białostocka Wydział Elektryczny Katedra Telekomunikacji i Aparatury Elektronicznej Instrukcja do zajęć laboratoryjnych z przedmiotu: Przetwarzanie Sygnałów Kod: TS1A400027 Temat ćwiczenia:
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 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 szczegółowoWydział Elektryczny Katedra Telekomunikacji i Aparatury Elektronicznej
Politechnika Białostocka Wydział Elektryczny Katedra Telekomunikacji i Aparatury Elektronicznej Instrukcja do zajęć laboratoryjnych z przedmiotu: Przetwarzanie Sygnałów Kod: TS1C400027 Temat ćwiczenia:
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 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 szczegółowoInterpolacja, aproksymacja całkowanie. Interpolacja Krzywa przechodzi przez punkty kontrolne
Interpolacja, aproksymacja całkowanie Interpolacja Krzywa przechodzi przez punkty kontrolne Aproksymacja Punkty kontrolne jedynie sterują kształtem krzywej INTERPOLACJA Zagadnienie interpolacji można sformułować
Bardziej szczegółowoPrzetwarzanie sygnałów
Przetwarzanie sygnałów Ćwiczenie 3 Filtry o skończonej odpowiedzi impulsowej (SOI) Spis treści 1 Filtracja cyfrowa podstawowe wiadomości 1 1.1 Właściwości filtru w dziedzinie czasu............... 1 1.2
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 szczegółowoPolitechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L
Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L Ćwiczenie 4. Filtry o skończonej odpowiedzi impulsowej (SOI) 1. Filtracja cyfrowa podstawowe
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 szczegółowoWydział Elektryczny Katedra Telekomunikacji i Aparatury Elektronicznej
Politechnika Białostocka Wydział Elektryczny Katedra Telekomunikacji i Aparatury Elektronicznej Instrukcja do zajęć laboratoryjnych z przedmiotu: Przetwarzanie Sygnałów Kod: TS1C400027 Temat ćwiczenia:
Bardziej szczegółowoANALIZA 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 szczegółowoPrzetwarzanie sygnałów dyskretnych
Przetwarzanie sygnałów dyskretnych System dyskretny p[ n ] r[ n] Przykłady: [ ] = [ ] + [ ] r n a p n a p n [ ] r n = 2 [ + ] + p[ n ] p n 2 r[ n] = a p[ n] + b n [ ] = [ ] r n a p n n [ ] = [ + ] r n
Bardziej szczegółowo) (2) 1. A i. t+β i. sin(ω i
Ćwiczenie 8 AALIZA HARMOICZA PRZEBIEGÓW DRGAŃ 1. Cel ćwiczenia Analiza przebiegów drgań maszyny i wyznaczenie składowych harmonicznych tych przebiegów,. Wprowadzenie.1. Sygnały pomiarowe W celu przeprowadzenia
Bardziej szczegółowoPrzetwarzanie sygnałów
Przetwarzanie sygnałów Ćwiczenie 5 Filtry o nieskończonej odpowiedzi impulsowej (NOI) Spis treści 1 Wprowadzenie 1 1.1 Filtry jednobiegunowe....................... 1 1.2 Filtry wąskopasmowe........................
Bardziej szczegółowoĆwiczenie: Własności dyskretnej transformaty Fouriera (DFT)
Opracował: dr hab. inż. G. Stępniak Ćwiczenie: Własności dyskretnej transformaty Fouriera (DFT) Dyskretna transformata Fouriera (DFT ang. discrete Fourier Transform) to jedno z podstawowych narzędzi w
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 szczegółowoPREZENTACJA 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 szczegółowoANALIZA SYGNAŁÓ W JEDNÓWYMIARÓWYCH
ANALIZA SYGNAŁÓ W JEDNÓWYMIARÓWYCH Generowanie podstawowych przebiegów okresowych sawtooth() przebieg trójkątny (wierzhołki +/-1, okres 2 ) square() przebieg kwadratowy (okres 2 ) gauspuls()przebieg sinusoidalny
Bardziej szczegółowoPolitechnika 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 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 szczegółowoAnaliza właściwości filtrów dolnoprzepustowych
Ćwiczenie Analiza właściwości filtrów dolnoprzepustowych Program ćwiczenia. Zapoznanie się z przykładową strukturą filtra dolnoprzepustowego (DP) rzędu i jego parametrami.. Analiza widma sygnału prostokątnego.
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 szczegółowoĆwiczenie 3 BADANIE OBWODÓW PRĄDU SINUSOIDALNEGO Z ELEMENTAMI RLC
Ćwiczenie 3 3.1. Cel ćwiczenia BADANE OBWODÓW PRĄD SNSODANEGO Z EEMENTAM RC Zapoznanie się z własnościami prostych obwodów prądu sinusoidalnego utworzonych z elementów RC. Poznanie zasad rysowania wykresów
Bardziej szczegółowo2) R stosuje w obliczeniach wzór na logarytm potęgi oraz wzór na zamianę podstawy logarytmu.
ZAKRES ROZSZERZONY 1. Liczby rzeczywiste. Uczeń: 1) przedstawia liczby rzeczywiste w różnych postaciach (np. ułamka zwykłego, ułamka dziesiętnego okresowego, z użyciem symboli pierwiastków, potęg); 2)
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 szczegółowoprzedmiot kierunkowy (podstawowy / kierunkowy / inny HES) obieralny (obowiązkowy / nieobowiązkowy) polski semestr VI
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 2018/2019
Bardziej szczegółowoKARTA MODUŁU KSZTAŁCENIA
KARTA MODUŁU KSZTAŁCENIA I. Informacje ogólne I. 1 Nazwa modułu kształcenia Analiza i przetwarzanie sygnałów 2 Nazwa jednostki prowadzącej moduł (należy wskazać nazwę zgodnie ze Statutem PSW Instytut,
Bardziej szczegółowoAlgorytmy detekcji częstotliwości podstawowej
Algorytmy detekcji częstotliwości podstawowej Plan Definicja częstotliwości podstawowej Wybór ramki sygnału do analizy Błędy oktawowe i dokładnej estymacji Metody detekcji częstotliwości podstawowej czasowe
Bardziej 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 szczegółowoDRGANIA SWOBODNE UKŁADU O DWÓCH STOPNIACH SWOBODY. Rys Model układu
Ćwiczenie 7 DRGANIA SWOBODNE UKŁADU O DWÓCH STOPNIACH SWOBODY. Cel ćwiczenia Doświadczalne wyznaczenie częstości drgań własnych układu o dwóch stopniach swobody, pokazanie postaci drgań odpowiadających
Bardziej szczegółowoLaboratorium 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 szczegółowoLaboratorium Techniki ultradźwiękowej w diagnostyce medycznej
TUD - laboratorium Laboratorium Techniki ultradźwiękowej w diagnostyce medycznej Ćwiczenie 1 Analiza sygnałów występujących w diagnostycznej aparaturze ultradźwiękowej (rev.2) Opracowali: prof. nzw. dr
Bardziej szczegółowoWłasności dynamiczne przetworników pierwszego rzędu
1 ĆWICZENIE 7. CEL ĆWICZENIA. Własności dynamiczne przetworników pierwszego rzędu Celem ćwiczenia jest poznanie własności dynamicznych przetworników pierwszego rzędu w dziedzinie czasu i częstotliwości
Bardziej szczegółowo8. Realizacja projektowanie i pomiary filtrów IIR
53 8. Realizacja projektowanie i pomiary filtrów IIR Cele ćwiczenia Realizacja na zestawie TMX320C5515 ezdsp prostych liniowych filtrów cyfrowych. Pomiary charakterystyk amplitudowych zrealizowanych filtrów
Bardziej szczegółowoParametryzacja przetworników analogowocyfrowych
Parametryzacja przetworników analogowocyfrowych wersja: 05.2015 1. Cel ćwiczenia Celem ćwiczenia jest zaprezentowanie istoty działania przetworników analogowo-cyfrowych (ADC analog-to-digital converter),
Bardziej szczegółowo(1.1) gdzie: - f = f 2 f 1 - bezwzględna szerokość pasma, f śr = (f 2 + f 1 )/2 częstotliwość środkowa.
MODULACJE ANALOGOWE 1. Wstęp Do przesyłania sygnału drogą radiową stosuje się modulację. Modulacja polega na odzwierciedleniu przebiegu sygnału oryginalnego przez zmianę jednego z parametrów fali nośnej.
Bardziej szczegółowoĆwiczenie - 1 OBSŁUGA GENERATORA I OSCYLOSKOPU. WYZNACZANIE CHARAKTERYSTYKI AMPLITUDOWEJ I FAZOWEJ NA PRZYKŁADZIE FILTRU RC.
Ćwiczenie - 1 OBSŁUGA GENERATORA I OSCYLOSKOPU. WYZNACZANIE CHARAKTERYSTYKI AMPLITUDOWEJ I FAZOWEJ NA PRZYKŁADZIE FILTRU RC. Spis treści 1 Cel ćwiczenia 2 2 Podstawy teoretyczne 2 2.1 Charakterystyki częstotliwościowe..........................
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 szczegółowoPolitechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L
Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L Ćwiczenie 4. Filtry o skończonej odpowiedzi impulsowej (SOI) 1. Filtracja cyfrowa podstawowe
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 szczegółowoTransmitancje 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 szczegółowoAiR_CPS_1/3 Cyfrowe przetwarzanie sygnałów Digital Signal Processing
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 szczegółowoĆwiczenie 3,4. Analiza widmowa sygnałów czasowych: sinus, trójkąt, prostokąt, szum biały i szum różowy
Ćwiczenie 3,4. Analiza widmowa sygnałów czasowych: sinus, trójkąt, prostokąt, szum biały i szum różowy Grupa: wtorek 18:3 Tomasz Niedziela I. CZĘŚĆ ĆWICZENIA 1. Cel i przebieg ćwiczenia. Celem ćwiczenia
Bardziej szczegółowoAkustyka muzyczna ANALIZA DŹWIĘKÓW MUZYCZNYCH
Akustyka muzyczna ANALIZA DŹWIĘKÓW MUZYCZNYCH Dźwięk muzyczny Dźwięk muzyczny sygnał wytwarzany przez instrument muzyczny. Najważniejsze parametry: wysokość związana z częstotliwością podstawową, barwa
Bardziej szczegółowoCyfrowe przetwarzanie sygnałów w urządzeniach EAZ firmy Computers & Control
Cyfrowe przetwarzanie sygnałów w urządzeniach EAZ firmy Computers & Control 1. Wstęp 2.Próbkowanie i odtwarzanie sygnałów 3. Charakterystyka sygnałów analogowych 4. Aliasing 5. Filtry antyaliasingowe 6.
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 szczegółowo