DYSKRETNE PRZEKSZTAŁCENIE FOURIERA C.D.

Save this PDF as:
 WORD  PNG  TXT  JPG

Wielkość: px
Rozpocząć pokaz od strony:

Download "DYSKRETNE PRZEKSZTAŁCENIE FOURIERA C.D."

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

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

Bardziej szczegółowo

Ćwiczenie 3. Właściwości przekształcenia Fouriera

Ćwiczenie 3. Właściwości przekształcenia Fouriera Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L Ćwiczenie 3. Właściwości przekształcenia Fouriera 1. Podstawowe właściwości przekształcenia

Bardziej szczegółowo

uzyskany w wyniku próbkowania okresowego przebiegu czasowego x(t) ze stałym czasem próbkowania t takim, że T = t N 1 t

uzyskany w wyniku próbkowania okresowego przebiegu czasowego x(t) ze stałym czasem próbkowania t takim, że T = t N 1 t 4. 1 3. " P r ze c ie k " w idm ow y 1 0 2 4.13. "PRZECIEK" WIDMOWY Rozważmy szereg czasowy {x r } dla r = 0, 1,..., N 1 uzyskany w wyniku próbkowania okresowego przebiegu czasowego x(t) ze stałym czasem

Bardziej szczegółowo

CYFROWE PRZETWARZANIE SYGNAŁÓW

CYFROWE 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 szczegółowo

Przekształcenie Fouriera i splot

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

Bardziej szczegółowo

CYFROWE PRZTWARZANIE SYGNAŁÓW (Zastosowanie transformacji Fouriera)

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

Bardziej szczegółowo

8. Analiza widmowa metodą szybkiej transformaty Fouriera (FFT)

8. 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 szczegółowo

Szybkie przekształcenie Fouriera

Szybkie 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 szczegółowo

2. Próbkowanie Sygnały okresowe (16). Trygonometryczny szereg Fouriera (17). Częstotliwość Nyquista (20).

2. Próbkowanie Sygnały okresowe (16). Trygonometryczny szereg Fouriera (17). Częstotliwość Nyquista (20). SPIS TREŚCI ROZDZIAŁ I SYGNAŁY CYFROWE 9 1. Pojęcia wstępne Wiadomości, informacje, dane, sygnały (9). Sygnał jako nośnik informacji (11). Sygnał jako funkcja (12). Sygnał analogowy (13). Sygnał cyfrowy

Bardziej szczegółowo

Podstawy Przetwarzania Sygnałów

Podstawy Przetwarzania Sygnałów Adam Szulc 188250 grupa: pon TN 17:05 Podstawy Przetwarzania Sygnałów Sprawozdanie 6: Filtracja sygnałów. Filtry FIT o skończonej odpowiedzi impulsowej. 1. Cel ćwiczenia. 1) Przeprowadzenie filtracji trzech

Bardziej szczegółowo

Cyfrowe przetwarzanie sygnałów Jacek Rezmer -1-

Cyfrowe przetwarzanie sygnałów Jacek Rezmer -1- Cyfrowe przetwarzanie sygnałów Jacek Rezmer -1- Filtry cyfrowe cz. Zastosowanie funkcji okien do projektowania filtrów SOI Nierównomierności charakterystyki amplitudowej filtru cyfrowego typu SOI można

Bardziej szczegółowo

Systemy akwizycji i przesyłania informacji

Systemy 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 szczegółowo

Ćwiczenie 4. Filtry o skończonej odpowiedzi impulsowej (SOI)

Ćwiczenie 4. Filtry o skończonej odpowiedzi impulsowej (SOI) Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L Ćwiczenie 4. Filtry o skończonej odpowiedzi impulsowej (SOI) 1. Filtracja cyfrowa podstawowe

Bardziej szczegółowo

W celu obliczenia charakterystyki częstotliwościowej zastosujemy wzór 1. charakterystyka amplitudowa 0,

W 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 szczegółowo

Akustyka muzyczna ANALIZA DŹWIĘKÓW MUZYCZNYCH

Akustyka 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 szczegółowo

CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE

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

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

POLITECHNIKA 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 szczegółowo

9. Dyskretna transformata Fouriera algorytm FFT

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

Bardziej szczegółowo

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

Kartkówka 1 Opracowanie: Próbkowanie częstotliwość próbkowania nie mniejsza niż podwojona szerokość przed spróbkowaniem. Znowu prosta zasada - zbierzmy wszystkie zagadnienia z tych 3ech kartkówek i opracujmy - może się akurat przyda na dopytkę i uda się zaliczyć labki :) (dodatkowo można opracowania z tych rzeczy z doc ów

Bardziej szczegółowo

Laboratorium Przetwarzania Sygnałów. Ćwiczenie 2. Analiza widmowa

Laboratorium 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 szczegółowo

Liczby zespolone. x + 2 = 0.

Liczby 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 szczegółowo

Dyskretne sygnały deterministyczne i analiza widmowa

Dyskretne 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 szczegółowo

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

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

Bardziej szczegółowo

Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L

Politechnika 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 szczegółowo

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

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

Bardziej szczegółowo

Analiza szeregów czasowych: 2. Splot. Widmo mocy.

Analiza szeregów czasowych: 2. Splot. Widmo mocy. Analiza szeregów czasowych: 2. Splot. Widmo mocy. P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 2006/07 Splot Jedna z najważniejszych własności transformaty Fouriera jest to, że transformata

Bardziej szczegółowo

Algorytmy detekcji częstotliwości podstawowej

Algorytmy detekcji częstotliwości podstawowej Algorytmy detekcji częstotliwości podstawowej Plan Definicja częstotliwości podstawowej Wybór ramki sygnału do analizy Błędy oktawowe i dokładnej estymacji Metody detekcji częstotliwości podstawowej czasowe

Bardziej szczegółowo

Analiza właściwości filtra selektywnego

Analiza 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 szczegółowo

FFT i dyskretny splot. Aplikacje w DSP

FFT i dyskretny splot. Aplikacje w DSP i dyskretny splot. Aplikacje w DSP Marcin Jenczmyk m.jenczmyk@knm.katowice.pl Wydział Matematyki, Fizyki i Chemii 10 maja 2014 M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 1 / 17 Transformata

Bardziej szczegółowo

Analiza właściwości filtrów dolnoprzepustowych

Analiza 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 szczegółowo

Podstawowe człony dynamiczne

Podstawowe 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 szczegółowo

8. Realizacja projektowanie i pomiary filtrów IIR

8. 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 szczegółowo

Wydział Elektryczny Katedra Telekomunikacji i Aparatury Elektronicznej

Wydział 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 szczegółowo

Laboratorium Przetwarzania Sygnałów Biomedycznych

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

Bardziej szczegółowo

POLITECHNIKA POZNAŃSKA

POLITECHNIKA POZNAŃSKA POLITECHNIKA POZNAŃSKA INSTYTUT ELEKTROTECHNIKI I ELEKTRONIKI PRZEMYSŁOWEJ Zakład Elektrotechniki Teoretycznej i Stosowanej Laboratorium Podstaw Telekomunikacji Ćwiczenie nr 1 Temat: Pomiar widma częstotliwościowego

Bardziej szczegółowo

Transformata Laplace a to przekształcenie całkowe funkcji f(t) opisane następującym wzorem:

Transformata Laplace a to przekształcenie całkowe funkcji f(t) opisane następującym wzorem: PPS 2 kartkówka 1 RÓWNANIE RÓŻNICOWE Jest to dyskretny odpowiednik równania różniczkowego. Równania różnicowe to pewne związki rekurencyjne określające w sposób niebezpośredni wartość danego wyrazu ciągu.

Bardziej szczegółowo

Widmo akustyczne radia DAB i FM, porównanie okien czasowych Leszek Gorzelnik

Widmo 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 szczegółowo

f = 2 śr MODULACJE

f = 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 szczegółowo

BIBLIOTEKA PROGRAMU R - BIOPS. Narzędzia Informatyczne w Badaniach Naukowych Katarzyna Bernat

BIBLIOTEKA PROGRAMU R - BIOPS. Narzędzia Informatyczne w Badaniach Naukowych Katarzyna Bernat BIBLIOTEKA PROGRAMU R - BIOPS Narzędzia Informatyczne w Badaniach Naukowych Katarzyna Bernat Biblioteka biops zawiera funkcje do analizy i przetwarzania obrazów. Operacje geometryczne (obrót, przesunięcie,

Bardziej szczegółowo

Szereg i transformata Fouriera

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

Bardziej szczegółowo

Transformacje Fouriera * podstawowe własności

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Liczby zespolone. Magdalena Nowak. 23 marca Uniwersytet Śląski

Liczby 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 szczegółowo

EFEKTYWNE UŻYTKOWANIE ENERGII ELEKTRYCZNEJ

EFEKTYWNE 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 szczegółowo

METODY ANALIZY SYGNAŁÓW WIBROAKUSTYCZNYCH

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

Bardziej szczegółowo

Transformata Fouriera i analiza spektralna

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

Bardziej szczegółowo

Właściwości sygnałów i splot. Krzysztof Patan

Właściwości sygnałów i splot. Krzysztof Patan Właściwości sygnałów i splot Krzysztof Patan Właściwości sygnałów Dla sygnału ciągłego x(t) można zdefiniować wielkości liczbowe charakteryzujące ten sygnał wartość średnia energia sygnału x sr = lim τ

Bardziej szczegółowo

Przekształcenie Fouriera obrazów FFT

Przekształcenie Fouriera obrazów FFT Przekształcenie ouriera obrazów T 6 P. Strumiłło, M. Strzelecki Przekształcenie ouriera ourier wymyślił sposób rozkładu szerokiej klasy funkcji (sygnałów) okresowych na składowe harmoniczne; taką reprezentację

Bardziej szczegółowo

Przetwarzanie sygnału cyfrowego (LabVIEW)

Przetwarzanie 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 szczegółowo

Symulacja sygnału czujnika z wyjściem częstotliwościowym w stanach dynamicznych

Symulacja 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 szczegółowo

Ćwiczenie - 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. 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 szczegółowo

Generowanie sygnałów na DSP

Generowanie sygnałów na DSP Zastosowania Procesorów Sygnałowych dr inż. Grzegorz Szwoch greg@multimed.org p. 732 - Katedra Systemów Multimedialnych Generowanie sygnałów na DSP Wstęp Dziś w programie: generowanie sygnałów za pomocą

Bardziej szczegółowo

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

IMPLEMENTATION OF THE SPECTRUM ANALYZER ON MICROCONTROLLER WITH ARM7 CORE IMPLEMENTACJA ANALIZATORA WIDMA NA MIKROKONTROLERZE Z RDZENIEM ARM7 Łukasz Deńca V rok Koło Techniki Cyfrowej dr inż. Wojciech Mysiński opiekun naukowy IMPLEMENTATION OF THE SPECTRUM ANALYZER ON MICROCONTROLLER WITH ARM7 CORE IMPLEMENTACJA ANALIZATORA WIDMA NA MIKROKONTROLERZE

Bardziej szczegółowo

Ćwiczenie 11. Podstawy akwizycji i cyfrowego przetwarzania sygnałów. Program ćwiczenia:

Ćwiczenie 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 szczegółowo

Dynamiczne badanie wzmacniacza operacyjnego- ćwiczenie 8

Dynamiczne 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 szczegółowo

Przekształcenia widmowe Transformata Fouriera. Adam Wojciechowski

Przekształcenia widmowe Transformata Fouriera. Adam Wojciechowski Przekształcenia widmowe Transformata Fouriera Adam Wojciechowski Przekształcenia widmowe Odmiana przekształceń kontekstowych, w których kontekstem jest w zasadzie cały obraz. Za pomocą transformaty Fouriera

Bardziej szczegółowo

4 Zasoby językowe Korpusy obcojęzyczne Korpusy języka polskiego Słowniki Sposoby gromadzenia danych...

4 Zasoby językowe Korpusy obcojęzyczne Korpusy języka polskiego Słowniki Sposoby gromadzenia danych... Spis treści 1 Wstęp 11 1.1 Do kogo adresowana jest ta książka... 12 1.2 Historia badań nad mową i językiem... 12 1.3 Obecne główne trendy badań... 16 1.4 Opis zawartości rozdziałów... 18 2 Wyzwania i możliwe

Bardziej szczegółowo

ANALIZA SYGNAŁÓ W JEDNÓWYMIARÓWYCH

ANALIZA 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 szczegółowo

TEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM

TEORIA 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 szczegółowo

Rozdział 2. Liczby zespolone

Rozdział 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 szczegółowo

macierze jednostkowe (identyczności) macierze diagonalne, które na przekątnej mają same

macierze 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 szczegółowo

Transformata Fouriera

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

Bardziej szczegółowo

13. Wybrane algorytmy cyfrowego przetwarzania sygnałów

13. Wybrane algorytmy cyfrowego przetwarzania sygnałów 13. Wybrane algorytmy cyfrowego przetwarzania sygnałów Dyskretna transformata Fouriera algorytm FFT (ang. fast Fourier transform) Wykrywanie tonów DTMF (ang. Dual Tone Multi Frequency) Filtracja cyfrowa

Bardziej szczegółowo

ELEKTRONIKA W EKSPERYMENCIE FIZYCZNYM

ELEKTRONIKA W EKSPERYMENCIE FIZYCZNYM ELEKTRONIKA W EKSPERYMENCIE FIZYCZNYM D. B. Tefelski Zakład VI Badań Wysokociśnieniowych Wydział Fizyki Politechnika Warszawska, Koszykowa 75, 00-662 Warszawa, PL 28 lutego 2011 Stany nieustalone, stabilność

Bardziej szczegółowo

rezonansu rezonansem napięć rezonansem szeregowym rezonansem prądów rezonansem równoległym

rezonansu 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 szczegółowo

Interpolacja, aproksymacja całkowanie. Interpolacja Krzywa przechodzi przez punkty kontrolne

Interpolacja, 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 szczegółowo

Ćw. 7 Wyznaczanie parametrów rzeczywistych wzmacniaczy operacyjnych (płytka wzm. I)

Ćw. 7 Wyznaczanie parametrów rzeczywistych wzmacniaczy operacyjnych (płytka wzm. I) Ćw. 7 Wyznaczanie parametrów rzeczywistych wzmacniaczy operacyjnych (płytka wzm. I) Celem ćwiczenia jest wyznaczenie parametrów typowego wzmacniacza operacyjnego. Ćwiczenie ma pokazać w jakich warunkach

Bardziej szczegółowo

LABORATORIUM METROLOGII. Podstawy akwizycji i cyfrowego przetwarzania sygnałów. dr inż. Andrzej Skalski. mgr inż. Mirosław Socha

LABORATORIUM METROLOGII. Podstawy akwizycji i cyfrowego przetwarzania sygnałów. dr inż. Andrzej Skalski. mgr inż. Mirosław Socha AKADEMIA GÓRNICZO - HUTNICZA IM. STANISŁAWA STASZICA w KRAKOWIE WYDZIAŁ ELEKTROTECHNIKI, AUTOMATYKI, INFORMATYKI i ELEKTRONIKI KATEDRA METROLOGII LABORATORIUM METROLOGII Podstawy akwizycji i cyfrowego

Bardziej szczegółowo

Wprowadzenie. Spis treści. Analiza_sygnałów_-_ćwiczenia/Filtry

Wprowadzenie. Spis treści. Analiza_sygnałów_-_ćwiczenia/Filtry Analiza_sygnałów_-_ćwiczenia/Filtry Spis treści 1 Wprowadzenie 2 Filtry cyfrowe: powtórka z wykładu 2.1 Działanie filtra w dziedzinie czasu 2.2 Nazewnictwo 2.3 Przejście do dziedziny częstości 2.3.1 Działanie

Bardziej szczegółowo

4.2 Analiza fourierowska(f1)

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

Bardziej szczegółowo

przy warunkach początkowych: 0 = 0, 0 = 0

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

Bardziej szczegółowo

1. Modulacja analogowa, 2. Modulacja cyfrowa

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

Bardziej szczegółowo

Podstawy akwizycji i cyfrowego przetwarzania sygnałów

Podstawy akwizycji i cyfrowego przetwarzania sygnałów AKADEMIA GÓRNICZO - HUTNICZA IM. STANISŁAWA STASZICA w KRAKOWIE WYDZIAŁ ELEKTROTECHNIKI, AUTOMATYKI, INFORMATYKI i ELEKTRONIKI KATEDRA METROLOGII LABORATORIUM METROLOGII Podstawy akwizycji i cyfrowego

Bardziej szczegółowo

Akwizycja i przetwarzanie sygnałów cyfrowych

Akwizycja i przetwarzanie sygnałów cyfrowych Akwizycja i przetwarzanie sygnałów cyfrowych Instytut Teleinformatyki ITI PK Kraków 21 luty 2011 Projektowania filtrów IIR Metoda niezmienności odpowiedzi impulsowej Podstawowa zasada określajaca: projektujemy

Bardziej szczegółowo

Ćwiczenie 6 Projektowanie filtrów cyfrowych o skończonej i nieskończonej odpowiedzi impulsowej

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

Bardziej szczegółowo

1 + x 1 x 1 + x + 1 x. dla x 0.. Korzystając z otrzymanego wykresu wyznaczyć funkcję g(m) wyrażającą liczbę pierwiastków równania.

1 + x 1 x 1 + x + 1 x. dla x 0.. Korzystając z otrzymanego wykresu wyznaczyć funkcję g(m) wyrażającą liczbę pierwiastków równania. 10 1 Wykazać, że liczba 008 008 10 + + jest większa od Nie używając kalkulatora, porównać liczby a = log 5 log 0 + log oraz b = 6 5 Rozwiązać równanie x + 4y + x y + 1 = 4xy 4 W prostokątnym układzie współrzędnych

Bardziej szczegółowo

Diagnostyka obrazowa

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

Bardziej szczegółowo

Wzmacniacze operacyjne

Wzmacniacze 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 szczegółowo

Podstawy Automatyki. Wykład 5 - stabilność liniowych układów dynamicznych. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki

Podstawy Automatyki. Wykład 5 - stabilność liniowych układów dynamicznych. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki Wykład 5 - stabilność liniowych układów dynamicznych Instytut Automatyki i Robotyki Warszawa, 2015 Wstęp Stabilność O układzie możemy mówić, że jest stabilny gdy układ ten wytrącony ze stanu równowagi

Bardziej szczegółowo

Lepkosprężystość. Metody pomiarów właściwości lepkosprężystych materii

Lepkosprężystość. Metody pomiarów właściwości lepkosprężystych materii Metody pomiarów właściwości lepkosprężystych materii Pomiarów dokonuje się w dwóch dziedzinach: czasowej lub częstotliwościowej i nie zależy to od rodzaju przyłożonych naprężeń (normalnych lub stycznych).

Bardziej szczegółowo

Ćwiczenie: "Obwody prądu sinusoidalnego jednofazowego"

Ćwiczenie: Obwody prądu sinusoidalnego jednofazowego Ćwiczenie: "Obwody prądu sinusoidalnego jednofazowego" Opracowane w ramach projektu: "Informatyka mój sposób na poznanie i opisanie świata realizowanego przez Warszawską Wyższą Szkołę Informatyki. Zakres

Bardziej szczegółowo

Andrzej Leśnicki Laboratorium CPS Ćwiczenie 10 1/12 ĆWICZENIE 10. Filtry FIR

Andrzej Leśnicki Laboratorium CPS Ćwiczenie 10 1/12 ĆWICZENIE 10. Filtry FIR Andrzej Leśnicki Laboratorium CPS Ćwiczenie 10 1/12 ĆWICZENIE 10 Filtry FIR 1. Cel ćwiczenia Przyczynowy system DLS służący do filtrowania synałów i mający skończoną odpowiedź impulsową nazywa się w skrócie

Bardziej szczegółowo

Nieskończona jednowymiarowa studnia potencjału

Nieskończona jednowymiarowa studnia potencjału Nieskończona jednowymiarowa studnia potencjału Zagadnienie dane jest następująco: znaleźć funkcje własne i wartości własne operatora energii dla cząstki umieszczonej w nieskończonej studni potencjału,

Bardziej szczegółowo

Równania poziom podstawowy (opracowanie: Mirosława Gałdyś na bazie = Rozwiąż układ równań: (( + 1 ( + 2 = = 1

Równania poziom podstawowy (opracowanie: Mirosława Gałdyś na bazie  = Rozwiąż układ równań: (( + 1 ( + 2 = = 1 Równania poziom podstawowy (opracowanie: Mirosława Gałdyś na bazie http://www.zadania.info/). Rozwiąż układ równań: (( + ( + 2 = 3 = 4. http://www.zadania.info/d38/2287 2. Rozwiąż układ równań: ( + 2 (

Bardziej szczegółowo

AKADEMIA MORSKA KATEDRA NAWIGACJI TECHNICZEJ

AKADEMIA MORSKA KATEDRA NAWIGACJI TECHNICZEJ AKADEMIA MORSKA KATEDRA NAWIGACJI TECHNICZEJ ELEMETY ELEKTRONIKI LABORATORIUM Kierunek NAWIGACJA Specjalność Transport morski Semestr II Ćw. 2 Filtry analogowe układy całkujące i różniczkujące Wersja opracowania

Bardziej szczegółowo

Funkcje wymierne. Jerzy Rutkowski. Działania dodawania i mnożenia funkcji wymiernych określa się wzorami: g h + k l g h k.

Funkcje wymierne. Jerzy Rutkowski. Działania dodawania i mnożenia funkcji wymiernych określa się wzorami: g h + k l g h k. Funkcje wymierne Jerzy Rutkowski Teoria Przypomnijmy, że przez R[x] oznaczamy zbiór wszystkich wielomianów zmiennej x i o współczynnikach rzeczywistych Definicja Funkcją wymierną jednej zmiennej nazywamy

Bardziej szczegółowo

Politechnika Warszawska

Politechnika Warszawska Politechnika Warszawska Wydział Elektryczny Laboratorium Teletechniki Skrypt do ćwiczenia T.08 Zasady wytwarzania sygnałów zmodulowanych za pomocą modulacji AM 1. Zasady wytwarzania sygnałów zmodulowanych

Bardziej szczegółowo

EGZAMIN MATURALNY Z MATEMATYKI

EGZAMIN MATURALNY Z MATEMATYKI Miejsce na naklejkę z kodem szkoły dysleksja MMA-R1_1P-07 EGZAMIN MATURALNY Z MATEMATYKI POZIOM ROZSZERZONY Czas pracy 180 minut Instrukcja dla zdającego 1 Sprawdź, czy arkusz egzaminacyjny zawiera 15

Bardziej szczegółowo

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

Przetwarzanie i transmisja danych multimedialnych. Wykład 8 Transformaty i kodowanie cz. 2. Przemysław Sękalski. Przetwarzanie i transmisja danych multimedialnych Wykład 8 Transformaty i kodowanie cz. 2 Przemysław Sękalski sekalski@dmcs.pl Politechnika Łódzka Katedra Mikroelektroniki i Technik Informatycznych DMCS

Bardziej szczegółowo

ZASTOSOWANIE FUNKCJI OKIEN CZASOWYCH W DIAGNOSTYCE WIRNIKÓW SILNIKÓW INDUKCYJNYCH

ZASTOSOWANIE FUNKCJI OKIEN CZASOWYCH W DIAGNOSTYCE WIRNIKÓW SILNIKÓW INDUKCYJNYCH Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Nr 62 Politechniki Wrocławskiej Nr 62 Studia i Materiały Nr 28 28 Marcin PAWLAK* silnik indukcyjny, diagnostyka, uszkodzenia wirnika analiza

Bardziej szczegółowo

Przetwarzanie sygnałów biomedycznych

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

Bardziej szczegółowo

Laboratorium optycznego przetwarzania informacji i holografii. Ćwiczenie 4. Badanie optycznej transformaty Fouriera

Laboratorium optycznego przetwarzania informacji i holografii. Ćwiczenie 4. Badanie optycznej transformaty Fouriera Laboratorium optycznego przetwarzania informacji i holografii Ćwiczenie 4. Badanie optycznej transformaty Fouriera Katedra Optoelektroniki i Systemów Elektronicznych, WETI, Politechnika Gdańska Gdańsk

Bardziej szczegółowo

WYDZIAŁ ELEKTROTECHNIKI, AUTOMATYKI I INFORMATYKI INSTYTUT AUTOMATYKI I INFORMATYKI KIERUNEK AUTOMATYKA I ROBOTYKA STUDIA STACJONARNE I STOPNIA

WYDZIAŁ ELEKTROTECHNIKI, AUTOMATYKI I INFORMATYKI INSTYTUT AUTOMATYKI I INFORMATYKI KIERUNEK AUTOMATYKA I ROBOTYKA STUDIA STACJONARNE I STOPNIA WYDZIAŁ ELEKTROTECHNIKI, AUTOMATYKI I INFORMATYKI INSTYTUT AUTOMATYKI I INFORMATYKI KIERUNEK AUTOMATYKA I ROBOTYKA STUDIA STACJONARNE I STOPNIA PRZEDMIOT : : LABORATORIUM PODSTAW AUTOMATYKI 10. Dyskretyzacja

Bardziej szczegółowo

Funkcje wymierne. Funkcja homograficzna. Równania i nierówności wymierne.

Funkcje wymierne. Funkcja homograficzna. Równania i nierówności wymierne. Funkcje wymierne. Funkcja homograficzna. Równania i nierówności wymierne. Funkcja homograficzna. Definicja. Funkcja homograficzna jest to funkcja określona wzorem f() = a + b c + d, () gdzie współczynniki

Bardziej szczegółowo

7. Szybka transformata Fouriera fft

7. 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 szczegółowo

Systemy. Krzysztof Patan

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

Bardziej szczegółowo

Kompresja Danych. Streszczenie Studia Dzienne Wykład 13, f(t) = c n e inω0t, T f(t)e inω 0t dt.

Kompresja Danych. Streszczenie Studia Dzienne Wykład 13, f(t) = c n e inω0t, T f(t)e inω 0t dt. 1 Kodowanie podpasmowe Kompresja Danych Streszczenie Studia Dzienne Wykład 13, 18.05.2006 1.1 Transformaty, próbkowanie i filtry Korzystamy z faktów: Każdą funkcję okresową można reprezentować w postaci

Bardziej szczegółowo

Ćwiczenie nr 65. Badanie wzmacniacza mocy

Ćwiczenie nr 65. Badanie wzmacniacza mocy Ćwiczenie nr 65 Badanie wzmacniacza mocy 1. Cel ćwiczenia Celem ćwiczenia jest poznanie podstawowych parametrów wzmacniaczy oraz wyznaczenie charakterystyk opisujących ich właściwości na przykładzie wzmacniacza

Bardziej szczegółowo

Funkcje - monotoniczność, różnowartościowość, funkcje parzyste, nieparzyste, okresowe. Funkcja liniowa.

Funkcje - monotoniczność, różnowartościowość, funkcje parzyste, nieparzyste, okresowe. Funkcja liniowa. Funkcje - monotoniczność, różnowartościowość, funkcje parzyste, nieparzyste, okresowe. Funkcja liniowa. Monotoniczność i różnowartościowość. Definicja 1 Niech f : X R, X R. Funkcję f nazywamy rosnącą w

Bardziej szczegółowo

Teoria sygnałów Signal Theory. Elektrotechnika I stopień (I stopień / II stopień) ogólnoakademicki (ogólno akademicki / praktyczny)

Teoria sygnałów Signal Theory. Elektrotechnika I stopień (I stopień / II stopień) ogólnoakademicki (ogólno akademicki / praktyczny) . KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013 Teoria sygnałów Signal Theory A. USYTUOWANIE MODUŁU W SYSTEMIE STUDIÓW

Bardziej szczegółowo