DYSKRETNE PRZEKSZTAŁCENIE FOURIERA C.D.
|
|
- Szczepan Grzybowski
- 6 lat temu
- Przeglądów:
Transkrypt
1 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 x(n) powoduje stałe przesunięcie fazowe DFT. Jeśli zdecydujemy się próbkować x(n) począwszy od n równego pewnej wartości n = k, w przeciwieństwie do n =, to DFT tych przesuniętych w czasie wartości próbek stanowi k ( ) j π km/ ( ) X m = e X m ( ) Z równania () widać, że jeśli punkt, w którym rozpoczynamy próbkowanie x(n) jest przesunięty w prawo o k próbek, to wyjściowe widmo X k (m) DFT wyraża się jako X(m), o każdym zespolonym składniku X(m) przemnożonym przez liniowe j km/ przesunięcie fazowe e π, które jest przesunięciem fazy o πkm/ a odwrót, jeśli punkt, w którym rozpoczynamy próbkowanie x(n) jest przesunięty w lewo o k próbek, to widmo X k (m) wyraża się jako X(m) mnożone j π km/ przez e
2 CPS 6 Przykład ( patrz Przykład z poprzedniego wykładu - DFT ) Dokonano próbkowania sygnału wejściowego z przykładu poprzedniego DFT z opóźnieniem o k = 3 próbki. () = sin ( π 3 ) + sin ( π + ) xt t t π a rysunku pokazano oryginalną wejściową funkcję czasu x -3 Rysunek. Próbkowanie sygnału x(t) w obu przykładach owy, przesunięty ciąg x(n) stanowi wartości reprezentowane grubymi czarnymi kropkami na rys.., których wartości to: x() =,67, x(l) =,3535, x() = -,67, x(3) = -,3535, x() = -,3535, x(5) =,3535, x(6) =,3535, x(7) =,66
3 CPS 6 Wyznaczając DFT ciągu, X k (m) ma postać: m amplituda faza część część urojona rzeczywista +5,88,88-5, -, , -, 7-5,88 -,88 MODUŁ FAZA CZ. RZECZYWISTA CZ. UROJOA Rysunek. Wyniki DFT z przykładu : (a) moduł X k (m), (b) faza X k (m), (c) część rzeczywista X k (m), (d) część urojona X k (m).
4 CPS 6 Z obliczeń wynika, że amplituda X k (m) amplitudy X(m). jest nie zmieniona względem Amplituda DFT względem oryginalnego sygnału okresowego nie uległa zmianie chociaż próbkowaliśmy sygnał w innym przedziale. Jednak, faza DFT zmienia się w zależności od chwili, w której zaczęliśmy próbkować sygnał x(n). Patrząc na składową DFT X k (m), odpowiadającą m = sprawdzimy wartości fazy sygnału przesuniętego: Pamiętając, że X() z przykładu DFT miała amplitudę przy kącie fazowym -9 mamy dla k = 3 oraz = 8: jπk m jπ 3 j π j π 8 () () X3 = e X = e e = e ( ) Zatem X 3 (m) ma amplitudę równą i kąt fazowy +5 o. Odwrotne dyskretne przekształcenie Fouriera Wyrażeniami standardowymi dla IDFT są i jednocześnie j π mn/ ( ) ( ) xn = X me ( 3 ) m= n n xn ( ) = X ( m) cos πm jsin πm + ( ) m=
5 CPS 6 Sygnał dyskretny w dziedzinie czasu można traktować jako sumę składowych sinusoidalnych o różnych częstotliwościach, a wartości X(m) DFT tworzą zbiór wartości zespolonych, określających amplitudę i fazę każdej ze składowych tworzących tę sumę. Przykład Jeśli wyznaczymy IDFT wstawiając wyniki z przykładu do równania (3), przejdziemy z powrotem z dziedziny częstotliwości do dziedziny czasu i otrzymamy wartości próbek oryginalnego sygnału x(n). x = X 8 ( m) e π 8 m= j m/8 j ( ( ) /8 j ( ) /8 j ( ) 6/8 j ( ) 8/8 j X e X e X e X e X ( ) e /8 ) π π π π π x = x[] =,66 oraz x[] =,3535, x[] =,3535, x[] =,66, x[3] =,67, x[] =,3535, x[5] = -,67, x[6] = -,3535, x[7] = -,3535 Zauważmy, że wyrażenie dla IDFT, określone równaniem (3), różni się od równania dla DFT jedynie czynnikiem skalującym / oraz zmianą znaku wykładnika. Oprócz różnicy w skalowaniu wartości, wszystkie właściwości dotyczące DFT, jakimi dotąd zajmowaliśmy się, stosują się również do IDFT.
6 CPS 6 Przeciek DFT Poprzednie przykłady DFT przyniosły poprawne wyniki, ponieważ wejściowe ciągi x(n) stanowiły starannie dobrane przebiegi sinusoidalne. Jak się okazuje, DFT próbkowanych sygnałów rzeczywistych prowadzi do wyników w dziedzinie częstotliwości, które mogą być mylące. Właściwość DFT, znana jako przeciek widma, powoduje, że wyniki DFT stanowią jedynie aproksymację widma sygnałów wejściowych poddanych próbkowaniu. Istnieją sposoby minimalizacji przecieku, nie można jednak wyeliminować go całkowicie. DFT ograniczają się do operowania na skończonych zbiorach wartości wejściowych, próbkowanych z częstotliwością f p, dając w wyniku - punktową transformatę, której dyskretne wartości wyjściowe są związane częstotliwościami: f m mf p = ; m=,,,..., ( 5 ) dla których wyznaczamy kolejne próbki DFT. DFT daje prawidłowe wyniki tylko wtedy, kiedy ciąg danych wejściowych zawiera energię rozłożoną dokładnie przy częstotliwościach, dla których dokonujemy analizy określonych równaniem (5), będących całkowitymi wielokrotnościami częstotliwości podstawowej f p /. Przykład
7 CPS 6 Jeśli sygnał wejściowy zawiera składową o pewnej częstotliwości pośredniej, np.:,5 f p / to pomiędzy częstotliwościami mf p /, dla których wyznaczamy wartości DFT, ta składowa sygnału wejściowego ujawni się w pewnym stopniu przy wszystkich wyjściowych wartościach częstotliwości DFT, dla których przeprowadzamy częstotliwościową analizę tego sygnału! Wyznaczamy 6 punktową DFT dla ciągu, który otrzymano w wyniku próbkowania 3 okresów sinusoidy (rys.3). Obliczona transformata pokazuje, że ciąg nie zawiera składowej o częstotliwości innej niż m=3. Korelacja ciągu wejściowego oraz składowych sinusoidalnych dla m różnego od 3 jest równa zero..5 3 OKRESY 35 3 DFT Rysunek 3. 6-punktowa DFT (a) ciąg wejściowy, (b) moduł wartości wyjściowych DFT, pierwsza połowa wyniku Mamy teraz ciąg wejściowy sinusoidalny mający 3, okresu dla 6 próbek. Ponieważ ten ciąg wejściowy nie ma całkowitej liczby okresów w przedziale 6 próbek, energia wejściowa przecieka do wszystkich innych próbek DFT, jak to pokazano na rys. (b).
8 CPS 6.5 3, OKRESÓW 3 DFT Rysunek. 6-punktowa DFT (a) ciąg wejściowy, (b) moduł wartości wyjściowych DFT, pierwsza połowa wyniku Próbka DFT np. dla m = nie jest równa zeru, ponieważ suma iloczynów ciągu wejściowego i składowej odpowiadającej analizie częstotliwości dla m= nie jest już równa zeru. Jest to przeciek powoduje on. że dowolny sygnał wejściowy, którego częstotliwość nie jest dokładnie równa częstotliwości, dla której jest wyznaczana dana próbka DFT, przecieka do wszystkich innych wyznaczanych próbek DFT. Przeciek jest nie do uniknięcia, kiedy wyznaczamy DFT rzeczywistego ciągu czasowego o skończonej długości. Jak należy przewidywać i minimalizować skutki przecieku? Dla rzeczywistego przebiegu sinusoidalnego, zawierającego k okresów w - punktowym wejściowym ciągu czasowym, wartości prążków -punktowej DFT w funkcji indeksu m są aproksymowane za pomocą funkcji sinc ( ) X m sin π = π ( k m) ( k m) ( 6 )
9 CPS 6 a.8 Widmo ciągłe.6. DFT sin π X ( m) = π ( k m) ( k m) b Widmo amplitudowe.5 DFT sin π X ( m) = π ( k m) ( k m) Rysunek 5. DFT dla -punktowego ciągu wejściowego, zawierającego k okresów rzeczywistej sinusoidy: (a) widmo jako funkcja m-tej próbki DFT, (b) widmo amplitudowe.
10 CPS 6 Krzywą na rys. 5 (a), zawierającą listek główny oraz okresowe szczyty i doliny, znane jako listki boczne, możemy traktować jako -punktowe widmo, rzeczywistego czasowego ciągu sinusoidalnego, mającego k pełnych okresów w wejściowym - punktowym przedziale czasowym. Wartości DFT są dyskretnymi próbkami, które znajdują się na krzywych z rys. 5: to jest, DFT będzie spróbkowaną wersją widma ciągłego. Jeśli ciąg wejściowy ma dokładnie całkowitą liczbę k okresów, przeciek nie pojawia się, ponieważ jeśli kąt w liczniku równania (6) jest niezerową całkowitą wielokrotnością π, to sinus tego kąta jest równy zeru. Jeśli wejściowa sinusoida ma całkowitą liczbę okresów w przedziale próbek sygnału wejściowego w dziedzinie czasu, to wartości wyjściowe DFT są położone na krzywej widma ciągłego dokładnie w punktach przejść przez zero tej krzywej. Przykład: Rzeczywista sinusoida o częstotliwościach 8 khz,8,5 khz,8,75 khz, o amplitudzie, została spróbkowana częstotliwością 3kHz. Dla 3 punktowej DFT odległość między próbkami wynosi f p /=khz. DFT pokazuje rysunek. a 8 6 DFT 8kHz
11 CPS 6 b i c 8 6 DFT 8,5kHz DFT 8,75kHz Rysunek 6. DFT dla 3-punktowego ciągu wejściowego sinusoidalnego (a) częstotliwość sygnału f=8khz, (b) f=8,5khz, (c) f=8,75khz
12 CPS 6 Skutki przecieku widma DFT są kłopotliwe, ponieważ wartości prążków odpowiadające sygnałom o małej amplitudzie będą zakłócane przez poziomy listków bocznych z sąsiednich prążków odpowiadających sygnałom o dużej amplitudzie. Ważna technika, znana jako okienkowanie jest najbardziej powszechnym sposobem redukcji przecieku. Okienkowanie zmniejsza przeciek DFT przez zminimalizowanie amplitudy listków bocznych funkcji sinc z równania (6) Rysunek 9.. Minimalizacja nieciągłości w punktach końcowych przedziału próbkowania: (a) wejściowa sinusoida o nieskończonym czasie trwania; (b) okno prostokątne odpowiadające przedziałowi próbkowania, (c) iloczyn okna prostokątnego i wejściowej sinusoidy
13 CPS Rysunek 9.. (a) wejściowa sinusoida o nieskończonym czasie trwania; (b) trójkątna funkcja okna, (c) iloczyn okna trójkątnego i wejściowej sinusoidy; Rysunek 9.3. (a) wejściowa sinusoida o nieskończonym czasie trwania(b) funkcja okna Hanninga, (c) iloczyn okna Hanninga i wejściowej sinusoidy,
14 CPS 6 Rozważmy sygnał o nieskończonym czasie trwania w dziedzinie czasu, pokazany na rys. 9.(a). DFT może być przeprowadzona jedynie na przedziale próbkowania o skończonym czasie, takim jak pokazany na rys. 9.(c). Możemy traktować DFT sygnału wejściowego z rys. 9.(c) jako DFT iloczynu sygnału wejściowego o nieskończonym czasie trwania z rys. 9(a), i okna prostokątnego, którego amplituda wynosi w przedziale próbkowania pokazanym na rys. 9.(b). Za każdym razem, kiedy wyznaczamy DFT ciągu wejściowego o skończonym czasie trwania, w sposób domyślny mnożymy ten ciąg przez okno samych jedynek i mnożymy wartości wejściowe poza tym przedziałem przez zera. Jak się okazuje, kształt funkcji sinc=sin(x)/x jest spowodowany przez to okno prostokątne, ponieważ ciągła transformata Fouriera okna prostokątnego jest funkcją sinc. Aby zminimalizować przeciek widma spowodowany przez te listki boczne musimy zmniejszyć ich amplitudy używając funkcji okna innych niż okno prostokątne. Wyobraźmy sobie, że przemnożyliśmy nasz sygnał wejściowy z rys. 9.(a) przez okno trójkątne pokazane na rys. 9.(b), aby otrzymać okienkowany sygnał wejściowy pokazany na rys. 9.(c). Zauważmy na rys. 9., że wartości tego wynikowego sygnału wejściowego stają się takie same na początku i końcu przedziału próbkowania. Zredukowana nieciągłość zmniejsza poziom względnie wysokich składowych częstotliwościowych w całym zbiorze wartości całej DFT; to znaczy. że poziomy prążków DFT listków bocznych mają zmniejszoną amplitudę, dzięki użyciu okna trójkątnego. Istnieją inne funkcje okien, które zmniejszają przeciek nawet bardziej, niż okno trójkątne, takie jak okno Hanninga z rys. 9.3 (b). Iloczyn okna z rys. 9.3(b) i ciągu wejściowego daje sygnał pokazany na rys. 9.3(c), stanowiący sygnał wejściowy DFT.
15 CPS 6 Typy okien Zakładając, że oryginalnych próbek sygnału wejściowego jest indeksowanych przez n, gdzie n oznaczmy współczynników okna jako w(n); to znaczy, że ciąg wejściowy x(n) jest mnożony przez odpowiadające współczynniki okna w(n), zanim jest wyznaczona DFT. Zatem DFT X w (m) okienkowanego ciągu wejściowego x(n) przyjmuje postać W j m n ( 7 ) n= ( ) = ( ) ( ) X m w n x n e π Okno prostokątne wn ( ) =, dla n=,,,..., (zwane także oknem jednostajnym lub w języku angielskim boxcar) n ; n=,,,..., / = / n ; n= /+, /+,..., / (bardzo podobne do okien Bartletta i Parzena ) Okno trójkątne wn ( ) n Okno Hanninga: wn ( ) = cos π, n=,,,..., (zwane także oknem podniesionego cosinusa. Hanna lub von Hanna) n π Okno Hamminga: wn ( ) =,5,6cos ; n=,,,...,
16 CPS 6 Widmo amplitudowe okna prostokątnego stanowi miarę, jakiej zazwyczaj używamy aby porównać inne okna. Definiuje się logarytmiczną odpowiedź amplitudową jako pozwalającą unormować widma różnych okien: Szerokości listków głównych różnych okien nie prostokątnych degradują rozdzielczość częstotliwościową okienkowanych DFT prawie dwukrotnie. Jednak istotne korzyści zmniejszenia przecieku zazwyczaj przeważają nad stratą w częstotliwościowej rozdzielczości DFT. Prostokątne Trójkątne - Hamminga Hanninga Rysunek. Moduły odpowiedzi okien w unormowanej skali logarytmicznej
17 CPS 6 Zauważmy zmniejszenie się poziomu pierwszego listka bocznego i gwałtowny spadek listków bocznych okna Hanninga. Okno Hamminga ma nawet mniejsze poziomy pierwszego listka, lecz listki boczne tego okna opadają wolniej w porównaniu z oknem Hanninga. Oznacza to. że przeciek w odległości trzech lub czterech prążków od prążka środkowego jest mniejszy dla okna Hamminga, niż dla okna Hanninga, ale przeciek dla kilkunastu prążków od prążka środkowego jest mniejszy dla okna Hanninga, niż dla okna Hamminga. Przykład: Jeśli zastosujemy okno Hanninga do przykładu 3, okresu w przedziale próbkowania, otrzymamy wartości wyjściowe DFT dla tego okienkowanego przebiegu na rys. wraz z wynikami DFT bez okienkowania, tj. przy oknie prostokątnym..5 okno Hanninga 3 DFT okno prostokątne okno Hanninga okno prostokątne Rysunek. Porównanie DFT dla okna prostokątnego i Hanninga Jak oczekiwaliśmy, widmo amplitudowe dla okna Hanninga jest szersze i ma mniejszą wartość maksymalną, lecz przeciek listków bocznych jest zauważalnie zmniejszony w porównaniu z przeciekiem dla okna prostokątnego. Możemy zatem stwierdzić, iż wybór okna stanowi kompromis pomiędzy rozszerzeniem listka głównego, poziomami pierwszego listka bocznego, oraz tego, jak szybko maleją listki boczne wraz ze wzrostem częstotliwości. Użycie każdego szczególnego okna zależy od zastosowań.
18 CPS 6 Rozdzielczość DFT, uzupełnianie zerami i próbkowanie w dziedzinie częstotliwości Jedną z popularnych metod poprawy rozdzielczości częstotliwościowej DFT, jest metoda znana jako uzupełnianie zerami. Proces ten wymaga dodania do oryginalnego ciągu wejściowego DFT próbek o zerowej wartości w celu zwiększenia całkowitej liczby próbek danych wejściowych. Kiedy próbkujemy funkcję ciągłą w dziedzinie czasu, mającą ciągłą transformatę Fouriera i wyznaczamy DFT tych próbek, wówczas DFT daje w wyniku próbkowaną aproksymację transformaty ciągłej w dziedzinie częstotliwości. Można się spodziewać, że im więcej jest punktów w DFT, tym lepiej wartości wyjściowe tej DFT aproksymują transformatę ciągłą. Próbki wejściowe 8 Moduł DFT iezerowa próbka DFT Rys 3. Próbkowanie DFT w dziedzinie częstotliwości: (a) 6 próbek danych wejściowych i = 6;
19 CPS 6.8 Próbki wejściowe 8 7 Moduł DFT x6 zerowych próbek Rys. Próbkowanie DFT w dziedzinie częstotliwości: 6 próbek danych wejściowych, 3x6 dołączonych zer; 8.8 Próbki wejściowe 7 Moduł DFT x6 zerowych próbek Rys 5. Próbkowanie DFT w dziedzinie częstotliwości: 6 próbek danych wejściowych, x6 dołączonych zer, Dodawanie zer do ciągu wejściowego poprawia rozdzielczość wyniku DFT, ale istnieje praktyczna granica określająca, jak wiele możemy zyskać przez dodanie większej liczby zer. W praktyce, jeśli chcemy przeprowadzić zarówno uzupełnienie zerami, jak i okienkowanie ciągu próbek danych wejściowych, musimy uważać, aby nie zastosować okna do całego sygnału wejściowego, po dołączeniu próbek o wartościach zerowych.
Dyskretne przekształcenie Fouriera cz. 2
Cyfrowe przetwarzanie sygnałów Jacek Rezmer -1- Dyskretne przekształcenie Fouriera cz. 2 Twierdzenie o przesunięciu Istnieje ważna właściwość DFT, znana jako twierdzenie o przesunięciu. Mówi ono, że: przesunięcie
Bardziej szczegółowoZjawisko 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 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 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 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 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 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 7 1/7 ĆWICZENIE 7. Splot liniowy i kołowy sygnałów
Andrzej Leśnicki Laboratorium CPS Ćwiczenie 7 1/7 ĆWICZEIE 7 Splot liniowy i kołowy sygnałów 1. Cel ćwiczenia Operacja splotu jest jedną z najczęściej wykonywanych operacji na sygnale. Każde przejście
Bardziej szczegółowoCYFROWE 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 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 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 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 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 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 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 szczegółowoSzybkie przekształcenie Fouriera
Szybkie przekształcenie Fouriera Wprawdzie DFT jest najbardziej bezpośrednią procedurą matematyczną do określania częstotliwościowej zawartości ciągu z dziedziny czasu, jest ona bardzo nieefektywna. Ponieważ
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 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 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 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 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 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 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 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 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 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 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 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 szczegółowoKartkówka 1 Opracowanie: Próbkowanie częstotliwość próbkowania nie mniejsza niż podwojona szerokość przed spróbkowaniem.
Znowu prosta zasada - zbierzmy wszystkie zagadnienia z tych 3ech kartkówek i opracujmy - może się akurat przyda na dopytkę i uda się zaliczyć labki :) (dodatkowo można opracowania z tych rzeczy z doc ów
Bardziej szczegółowo1.1 Wprowadzenie. 1.2 Podstawy matematyczne analizy widmowej Przestrzeń Euklidesowa N-wymiarowa
1.1 Wprowadzenie Dowolnemu procesowi technologicznemu towarzyszą zawsze zjawiska pasożytnicze w postaci drgań poszczególnych części danego urządzenia i związanej z tym emisji hałasu. Efekty te, w zależności
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 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 szczegółowoLiczby zespolone. x + 2 = 0.
Liczby zespolone 1 Wiadomości wstępne Rozważmy równanie wielomianowe postaci x + 2 = 0. Współczynniki wielomianu stojącego po lewej stronie są liczbami całkowitymi i jedyny pierwiastek x = 2 jest liczbą
Bardziej 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 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 szczegółowoDyskretne sygnały deterministyczne i analiza widmowa
Wydział Elektryczny Zakład Automatyki LABORATORIUM CYFROWEGO PRZETWARZAIA SYGAŁÓW Ćwiczenie Dyskretne sygnały deterministyczne i analiza widmowa. Cel ćwiczenia Opanowanie umiejętności komputerowego modelowania
Bardziej szczegółowoCyfrowe 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 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 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 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 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 szczegółowoAnaliza szeregów czasowych: 2. Splot. Widmo mocy.
Analiza szeregów czasowych: 2. Splot. Widmo mocy. P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 2006/07 Splot Jedna z najważniejszych własności transformaty Fouriera jest to, że transformata
Bardziej 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 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 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 szczegółowoTeoria 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 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 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 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 szczegółowoAproksymacja funkcji a regresja symboliczna
Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(x), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(x), zwaną funkcją aproksymującą
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 szczegółowoWZMACNIACZ OPERACYJNY
1. OPIS WKŁADKI DA 01A WZMACNIACZ OPERACYJNY Wkładka DA01A zawiera wzmacniacz operacyjny A 71 oraz zestaw zacisków, które umożliwiają dołączenie elementów zewnętrznych: rezystorów, kondensatorów i zwór.
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 szczegółowoAnaliza szeregów czasowych: 2. Splot. Widmo mocy.
Analiza szeregów czasowych: 2. Splot. Widmo mocy. P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 2007/08 Splot Jedna z najważniejszych własności transformaty Fouriera jest to, że transformata
Bardziej 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 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 szczegółowoRóżne reżimy dyfrakcji
Fotonika Wykład 7 - Sposoby wyznaczania obrazu dyfrakcyjnego - Przykłady obrazów dyfrakcyjnych w polu dalekim obliczonych przy użyciu dyskretnej transformaty Fouriera - Elementy dyfrakcyjne Różne reżimy
Bardziej 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 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 szczegółowow analizie wyników badań eksperymentalnych, w problemach modelowania zjawisk fizycznych, w analizie obserwacji statystycznych.
Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(), zwaną funkcją aproksymującą
Bardziej szczegółowoWidmo akustyczne radia DAB i FM, porównanie okien czasowych Leszek Gorzelnik
Widmo akustycznych sygnałów dla radia DAB i FM Pomiary widma z wykorzystaniem szybkiej transformacji Fouriera FFT sygnału mierzonego w dziedzinie czasu wykonywane są w skończonym czasie. Inaczej mówiąc
Bardziej szczegółowoBIBLIOTEKA 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 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 szczegółowoSzereg i transformata Fouriera
Analiza danych środowiskowych III rok OŚ Wykład 3 Andrzej Leśniak KGIS, GGiOŚ AGH Szereg i transformata Fouriera Cel wykładu: Wykrywanie i analiza okresowości w szeregach czasowych Przepływ wody w rzece
Bardziej szczegółowoTransformacje 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 szczegółowoProcedura modelowania matematycznego
Procedura modelowania matematycznego System fizyczny Model fizyczny Założenia Uproszczenia Model matematyczny Analiza matematyczna Symulacja komputerowa Rozwiązanie w postaci modelu odpowiedzi Poszerzenie
Bardziej szczegółowoLiczby zespolone. Magdalena Nowak. 23 marca Uniwersytet Śląski
Uniwersytet Śląski 23 marca 2012 Ciało liczb zespolonych Rozważmy zbiór C = R R, czyli C = {(x, y) : x, y R}. W zbiorze C definiujemy następujące działania: dodawanie: mnożenie: (a, b) + (c, d) = (a +
Bardziej 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 szczegółowoEFEKTYWNE UŻYTKOWANIE ENERGII ELEKTRYCZNEJ
Studia Podyplomowe EFEKTYWNE UŻYTKOWANIE ENERGII ELEKTRYCZNEJ w ramach projektu Śląsko-Małopolskie Centrum Kompetencji Zarządzania Energią Pomiar parametrów sygnałów sieci elektroenergetycznej dr inż.
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 szczegółowoPropagacja w przestrzeni swobodnej (dyfrakcja)
Fotonika Wykład 7 - Sposoby wyznaczania obrazu dyfrakcyjnego - Przykłady obrazów dyfrakcyjnych w polu dalekim obliczonych przy użyciu dyskretnej transformaty Fouriera - Elementy dyfrakcyjne Propagacja
Bardziej 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 szczegółowoSymulacja sygnału czujnika z wyjściem częstotliwościowym w stanach dynamicznych
XXXVIII MIĘDZYUCZELNIANIA KONFERENCJA METROLOGÓW MKM 06 Warszawa Białobrzegi, 4-6 września 2006 r. Symulacja sygnału czujnika z wyjściem częstotliwościowym w stanach dynamicznych Eligiusz PAWŁOWSKI Politechnika
Bardziej szczegółowoPrzetwarzanie sygnału cyfrowego (LabVIEW)
Politechnika Rzeszowska im. Ignacego Łukasiewicza w Rzeszowie Wydział: Elektryczny, Kierunek: Informatyka Projekt zaliczeniowy Przedmiot: Systemy akwizycji i przesyłania informacji Przetwarzanie sygnału
Bardziej szczegółowoTransformaty. Kodowanie transformujace
Transformaty. Kodowanie transformujace Kodowanie i kompresja informacji - Wykład 10 10 maja 2009 Szeregi Fouriera Każda funkcję okresowa f (t) o okresie T można zapisać jako f (t) = a 0 + a n cos nω 0
Bardziej szczegółowoPrzekształcenie Fouriera obrazów FFT
Przekształcenie ouriera obrazów T 6 P. Strumiłło, M. Strzelecki Przekształcenie ouriera ourier wymyślił sposób rozkładu szerokiej klasy funkcji (sygnałów) okresowych na składowe harmoniczne; taką reprezentację
Bardziej szczegółowoWłaściwości sygnałów i splot. Krzysztof Patan
Właściwości sygnałów i splot Krzysztof Patan Właściwości sygnałów Dla sygnału ciągłego x(t) można zdefiniować wielkości liczbowe charakteryzujące ten sygnał wartość średnia energia sygnału x sr = lim τ
Bardziej szczegółowoDynamiczne badanie wzmacniacza operacyjnego- ćwiczenie 8
Dynamiczne badanie wzmacniacza operacyjnego- ćwiczenie 8 1. Cel ćwiczenia Celem ćwiczenia jest dynamiczne badanie wzmacniacza operacyjnego, oraz zapoznanie się z metodami wyznaczania charakterystyk częstotliwościowych.
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 szczegółowoIMPLEMENTATION OF THE SPECTRUM ANALYZER ON MICROCONTROLLER WITH ARM7 CORE IMPLEMENTACJA ANALIZATORA WIDMA NA MIKROKONTROLERZE Z RDZENIEM ARM7
Łukasz Deńca V rok Koło Techniki Cyfrowej dr inż. Wojciech Mysiński opiekun naukowy IMPLEMENTATION OF THE SPECTRUM ANALYZER ON MICROCONTROLLER WITH ARM7 CORE IMPLEMENTACJA ANALIZATORA WIDMA NA MIKROKONTROLERZE
Bardziej szczegółowoZASTOSOWANIA PRZEKSZTAŁCENIA ZET
CPS - - ZASTOSOWANIA PRZEKSZTAŁCENIA ZET Rozwiązywanie równań różnicowych Dyskretny system liniowy-stacjonarny można opisać równaniem różnicowym w postaci ogólnej N M aky[ n k] bkx[ n k] k k Przekształcenie
Bardziej szczegółowo4.2 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 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 szczegółowo4 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 szczegółowoMETODY 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 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 szczegółowoWykład Drgania elektromagnetyczne Wstęp Przypomnienie: masa M na sprężynie, bez oporów. Równanie ruchu
Wykład 7 7. Drgania elektromagnetyczne Wstęp Przypomnienie: masa M na sprężynie, bez oporów. Równanie ruchu M d x kx Rozwiązania x = Acost v = dx/ =-Asint a = d x/ = A cost przy warunku = (k/m) 1/. Obwód
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 szczegółowoAnaliza obrazu. wykład 5. Marek Jan Kasprowicz Uniwersytet Rolniczy 2008
Analiza obrazu komputerowego wykład 5 Marek Jan Kasprowicz Uniwersytet Rolniczy 2008 Slajdy przygotowane na podstawie książki Komputerowa analiza obrazu R.Tadeusiewicz, P. Korohoda, oraz materiałów ze
Bardziej szczegółowoRozdział 2. Liczby zespolone
Rozdział Liczby zespolone Zbiór C = R z działaniami + oraz określonymi poniżej: x 1, y 1 ) + x, y ) := x 1 + x, y 1 + y ), 1) x 1, y 1 ) x, y ) := x 1 x y 1 y, x 1 y + x y 1 ) ) jest ciałem zob rozdział
Bardziej szczegółowoTEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM
TEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM AKADEMIA MORSKA Katedra Telekomunikacji Morskiej ĆWICZENIE 4 WYZNACZANIE CHARAKTERYSTYK CZĘSTOTLIWOŚCIOWYCH UKŁADÓW RLC. Cel ćwiczenia Celem ćwiczenia jest doświadczalne
Bardziej szczegółowoELEKTRONIKA W EKSPERYMENCIE FIZYCZNYM
ELEKTRONIKA W EKSPERYMENCIE FIZYCZNYM D. B. Tefelski Zakład VI Badań Wysokociśnieniowych Wydział Fizyki Politechnika Warszawska, Koszykowa 75, 00-662 Warszawa, PL 28 lutego 2011 Stany nieustalone, stabilność
Bardziej szczegółoworezonansu rezonansem napięć rezonansem szeregowym rezonansem prądów rezonansem równoległym
Lekcja szósta poświęcona będzie analizie zjawisk rezonansowych w obwodzie RLC. Zjawiskiem rezonansu nazywamy taki stan obwodu RLC przy którym prąd i napięcie są ze sobą w fazie. W stanie rezonansu przesunięcie
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 szczegółowomacierze jednostkowe (identyczności) macierze diagonalne, które na przekątnej mają same
1 Macierz definicja i zapis Macierzą wymiaru m na n nazywamy tabelę a 11 a 1n A = a m1 a mn złożoną z liczb (rzeczywistych lub zespolonych) o m wierszach i n kolumnach (zamiennie będziemy też czasem mówili,
Bardziej szczegółowoWzmacniacze operacyjne
Wzmacniacze operacyjne Cel ćwiczenia Celem ćwiczenia jest badanie podstawowych układów pracy wzmacniaczy operacyjnych. Wymagania Wstęp 1. Zasada działania wzmacniacza operacyjnego. 2. Ujemne sprzężenie
Bardziej szczegółowoPrzetwarzanie sygnałów
Spis treści Przetwarzanie sygnałów Ćwiczenie 2 Dyskretna transformacja Fouriera 1 Liczby zespolone 1 2 Dyskretna Transformacja Fouriera (ang. Discrete Fourier Transform DFT) 2 3 Pytania i zadania na kartkówkę
Bardziej szczegółowoProjekt z Układów Elektronicznych 1
Projekt z Układów Elektronicznych 1 Lista zadań nr 4 (liniowe zastosowanie wzmacniaczy operacyjnych) Zadanie 1 W układzie wzmacniacza z rys.1a (wzmacniacz odwracający) zakładając idealne parametry WO a)
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 szczegółowo