Cyfrowe przetwarzanie i kompresja danych

Wielkość: px
Rozpocząć pokaz od strony:

Download "Cyfrowe przetwarzanie i kompresja danych"

Transkrypt

1 Cyfrowe przetwarzane kompresja danyh dr nż.. Wojeh Zają Wykład 4. Dyskretna transformata kosnusowa

2 Shemat przetwarzana danyh w systeme yfrowym Cyfryzaja danyh Dekorelaja kwantyzaja ompresja FEC + przeplot Modulaja odpowedna do medum, np. modulaja fal snusodalnej sygnałem dyskretnym transmsja Odzyskane sygnału yfrowego z sygnału transmtowanego - demodulaja orekja błędów transmsj usunęe danyh dodatkowyh FEC, usunęe przeplotu Dekompresja Odwrotna operaja dekorelaj Sygnał użytezny

3 Dekorelaja usuwane korelaj wzajemnej zależno noś statystyznej danyh w zborze

4 Przekształene Fourera Funkja ągłą opsana w dzedzne rzezywstej przekształana jest do posta sumy harmonznyh proste przekształene Fourera fˆ ω t ( ω ) f ( t ) e dt π odwrotne przekształene Fourera f ω t ( t ) f ( ω ) e dt π

5 Dyskretne przekszta Dyskretne przekształene Fourera ene Fourera proste dyskretne przekszta proste dyskretne przekształene Fourera ene Fourera odwrotne dyskretne przekszta odwrotne dyskretne przekształene Fourera ene Fourera ( ) ( ) ( )( ) N j k j N j x k X ω ( ) ( ) ( )( ) N k k j N k X N j x ω ( ) N N e π ω

6 Dyskretne przekszta Dyskretne przekształene Fourera ene Fourera DFT w posta maerzowej DFT w posta maerzowej YDFT YDFT X IDFTw IDFTw posta maerzowej posta maerzowej X Y Y DFT DFT x N x x x x x X N X X X X X ) ),( ( ) 0,( ),0 ( 0, N N N N N N N N DFT

7 Fast Fourer Transform Najpopularnejszą wersją FFT jest FFT o podstawe. Jest to bardzo efektywna operaja, jednak wektor próbek wejśowyh (spr( spróbkowany sygnał) ) mus meć długość N k, gdze k to pewna lzba naturalna. Wynk otrzymuje sę na drodze shematyznyh przekształe eń,, opartyh o tak zwane struktury motylkowe. Złożoność oblzenowa FFT wynos nlog n,, zamast n perwotnego algorytmu.

8 Skutezność dekorelaj Skutezność dekorelaj merzy sę na drodze określena MSE (MSE0 oznaza dealną dekorelaję) Uszeregowane transformat pod względem mnmalzaja zakłóe eń średnokwadratowyh :.LT,.DCT, 3.slant slant, 4.WHT, 5.HT, 6.DFT DFT, 7.DST DST.

9 oszt numeryzny transformaja LT slant FFT DCT WHT lzba op. mnożena N 3 N N log N N log N 0 lzba op. dodawana N 3 N log N N log N N log N N log N

10 ryterum optymalzaj welokryteralnej Sprawność transformaty wydajność dekorelaj w stosunku do kosztu numeryznego

11 Zalety: Transformata optymalna LT mnmalzaja aja zakłóe eń średnokwadratowyh w sygnale odtworzonym (dealna dekorelaja danyh) Wady: najwększy spośród d transformat koszt numeryzny (N( 3 operaj mnożena N 3 operaj dodawana), brak szybkego algorytmu LT, konezność wyznazena modelu kowaranj sygnału źródłowego, o stanow złożone z one zadane numeryzne. konezność wyznazena transmsj do dekodera bazy transformaj LT (dagonalzowanej maerzy kowaranj danyh)

12 Transformata neoptymalna DCT Dla stajonarnego proesu Markowa perwszego rzędu transformata DCT osąga sprawność (wydajność dekorelaj w stosunku do kosztu numeryznego) zblżon oną do sprawnoś transformaty LT Zalety Wady wysoka wydajność dekorelaj, względne mały y koszt numeryzny. dekorelaja odbegająa od dealnej, efekt blokowy, przy przetwarzanu dla potrzeb slnej kompresj występowane artefaktów w transformaty Akeptowalny komproms mędzy jakoś ą dekorelaj a kosztem numeryznym - powszehne zastosowane w tehne.

13 Efekt blokowy

14 Artefakty transformaty DCT

15 y Reprezentaja sygnału u ągłego w dzedzne zasu dyskretnego () ysn(t) t y ysn(n) N y(n) y y 3 y 3 4 y 4 5 y 5 6 y 6 7 y 7 y 9 y 9 0 y 0 y y 3 y 3 4 y 4 5 y 5 6 y 6 n

16 Reprezentaja sygnału u ągłego w dzedzne zasu dyskretnego ()

17 Reprezentaja dwuwymarowego sygnału ągłego w dzedzne zasu dyskretnego

18 Zmana dzedzny opsu sygnału - analza zęstotlwo stotlwośowa lub nazej transformaja sygnału Przetwarzane za pomoą transformat wykorzystuje fakt, że dowolny sygnał s może e być przedstawony za pomoą lnowej kombnaj pewnyh funkj elementarnyh, zwanyh funkjam bazowym f. Dsrete Fourer Transform - DFT Fast Fourer Transform - FFT Dsrete Cosne Transform - DCT Dsrete Wavelet Transform - DWT s C f gdze C jest stałą

19 Dsrete Cosne Transform DCT () Funkje bazowe f transformaty DCT mają postać: f os ( j )( ) π + dla dla <, j N. Ahmed,, T. Natarajan, and. R. Rao,, "Dsrete" Cosne Transform", IEEE Trans. Computers,, 90-93, 93, Jan 974. N. Ahmed,, "How" I ame up wth the Dsrete Cosne Transform", Dgtal Sgnal Proessng,, Vol., p.4-5 (99).

20 Dsrete Cosne Transform DCT () Funkje bazowe f transformaty DCT mają postać: f os ( j )( ) π + dla dla <, j Ważną ehą transformaty DCT jest konezność operaj na lzbe danyh będąej b potęgą dwójk. Oznaza to, że e lzba próbek może e wynosć: 0,,,,, 4, 3,, 4, 6,

21 Dsrete Cosne Transform DCT () Funkje bazowe f transformaty DCT mają postać: f os ( j )( ) π + dla dla <, j Ważną ehą transformaty DCT jest konezność operaj na lzbe danyh będąej b potęgą dwójk. Oznaza to, że e lzba próbek może e wynosć: 0,,,,, 4, 3,, 4, 6,

22 Dsrete Cosne Transform DCT () Funkje bazowe f transformaty DCT mają postać: f os ( j )( ) π + dla dla <, j j,,,,,,,,,

23 Dsrete Dsrete Cosne Cosne Transform Transform DCT () DCT () Funkje Funkje bazowe bazowe f transformaty transformaty DCT DCT maj mają posta postać: ( )( ) < + j dla j dla f, os π 3 oznaza.., j..,,7,6,5,4,3,, 7, 7,7 7,6 7,5 7,4 7,3 7, 7, 6, 6, 6, 6, 6, 6, 6, 6, 5, 5,7 5,6 5,5 5,4 5,3 5, 5, 4,7 4,6 4, 4,5 4,4 4,3 4, 4, 3, 3,7 3,6 3,5 3,4 3,3 3, 3,,,7,6,5,4,3,,,,7,6,5,4,3,,, DCT j

24 Dsrete Dsrete Cosne Cosne Transform Transform DCT () DCT () Funkje Funkje bazowe bazowe f transformaty transformaty DCT DCT maj mają posta postać: ( )( ) < + j dla j dla f, os π 3 oznaza.., j..,,7,6,5,4,3,, 7, 7,7 7,6 7,5 7,4 7,3 7, 7, 6, 6, 6, 6, 6, 6, 6, 6, 5, 5,7 5,6 5,5 5,4 5,3 5, 5, 4,7 4,6 4, 4,5 4,4 4,3 4, 4, 3, 3,7 3,6 3,5 3,4 3,3 3, 3,,,7,6,5,4,3,,,,7,6,5,4,3,,, DCT j Jak oblzy Jak oblzyć wsp współzynnk zynnk,j,j?

25 Dsrete Cosne Transform DCT (3) Dla 3 funkjef bazowe f transformaty DCT mają postać: f os ( j )( ) π + dla dla <, j

26 Dsrete Cosne Transform DCT (3) Dla 3 funkjef bazowe f transformaty DCT mają postać: f 3 os ( j )( ) π + dla dla <, j f os ( j )( ) π 6 dla dla <, j

27 Dsrete Cosne Transform DCT (4) Dla 3 funkjef bazowe f transformaty DCT mają postać: f os ( j )( ) π 6 dla dla <, j

28 Dsrete Cosne Transform DCT (4) Dla 3 funkjef bazowe f transformaty DCT mają postać: f os ( j )( ) π 6 dla dla <, j f dla, j

29 Dsrete Cosne Transform DCT (4) Dla 3 funkjef bazowe f transformaty DCT mają postać: f os ( j )( ) π 6 dla dla <, j f dla, j π f os 6 ( j ) dla, j

30 Dsrete Cosne Transform DCT (4) Dla 3 funkjef bazowe f transformaty DCT mają postać: f os ( j )( ) π 6 dla dla <, j f dla, j π f os 6 ( j ) dla, j π f3 os 6 ( j ) dla 3, j

31 Dsrete Cosne Transform DCT (4) Dla 3 funkjef bazowe f transformaty DCT mają postać: f os ( j )( ) π 6 dla dla <, j f dla, j π f os 6 ( j ) dla, j π f3 os 6 ( j ) dla 3, j 3π f4 os 6 ( j ) dla 4, j

32 Dsrete Cosne Transform DCT (4) Dla 3 funkjef bazowe f transformaty DCT mają postać: f os ( j )( ) f dla, j π f os 6 ( j ) dla, j π f3 os 6 ( j ) dla 3, j π 6 dla dla <, j 4π f5 os 6 ( j ) dla 5, j 3π f4 os 6 ( j ) dla 4, j

33 Dsrete Cosne Transform DCT (4) Dla 3 funkjef bazowe f transformaty DCT mają postać: f os ( j )( ) f dla, j π f os 6 ( j ) dla, j π f3 os 6 ( j ) dla 3, j π 6 dla dla <, j 4π f5 os 6 ( j ) dla 5, j 5π f6 os 6 ( j ) dla 6, j 3π f4 os 6 ( j ) dla 4, j

34 Dsrete Cosne Transform DCT (4) Dla 3 funkjef bazowe f transformaty DCT mają postać: f os ( j )( ) f dla, j π f os 6 ( j ) dla, j π f3 os 6 ( j ) dla 3, j π 6 dla dla <, j 4π f5 os 6 ( j ) dla 5, j 5π f6 os 6 ( j ) dla 6, j 6π f7 os 6 ( j ) dla 7, j 3π f4 os 6 ( j ) dla 4, j

35 Dsrete Cosne Transform DCT (4) Dla 3 funkjef bazowe f transformaty DCT mają postać: f os ( j )( ) f dla, j π f os 6 ( j ) dla, j π f3 os 6 ( j ) dla 3, j 3π f4 os 6 ( j ) dla 4, j π 6 dla dla <, j 4π f5 os 6 ( j ) dla 5, j 5π f6 os 6 ( j ) dla 6, j 6π f7 os 6 ( j ) dla 7, j 7π f os 6 ( j ) dla j, j

36 Dsrete Cosne Transform DCT (5) f dla, j j f f f 3 f 4 f 5 f 6 f 7 f

37 Dsrete Cosne Transform DCT (5) π f os 6 ( j ) dla, j j f f f 3 f 4 f 5 f 6 f 7 f

38 Dsrete Cosne Transform DCT (5) π f3 os 6 ( j ) dla 3, j j f f f 3 f 4 f 5 f 6 f 7 f

39 Dsrete Cosne Transform DCT (5) 3π f4 os 6 ( j ) dla 4, j j f f f 3 f 4 f 5 f 6 f 7 f

40 Dsrete Cosne Transform DCT (5) 4π f5 os 6 ( j ) dla 5, j j f f f 3 f 4 f 5 f 6 f 7 f

41 Dsrete Cosne Transform DCT (5) 5π f6 os 6 ( j ) dla 6, j j f f f 3 f 4 f 5 f 6 f 7 f

42 Dsrete Cosne Transform DCT (5) 6π f7 os 6 ( j ) dla 7, j j f f f 3 f 4 f 5 f 6 f 7 f

43 Dsrete Cosne Transform DCT (5) 7π f os 6 ( j ) dla j, j j f f f 3 f 4 f 5 f 6 f 7 f

44 Dsrete Cosne Transform DCT (6) funton fdtd() % generowane maerzy wspolzynnkw DCT N; for :N for j:n f f os ( j )( ) f(,j)/sqrt(); else f(,j)sqrt(/)*os((*j-)*(-)*p/6); end end end π 6 dla dla <, j

45 Dsrete Cosne Transform f f f3 f4 f5 f6 f7 f

46 Dsrete Cosne Transform f f f3 f4 f5 f6 f7 f N

47 Dsrete Cosne Transform f f f3 f4 f5 f6 f7 f

48 Dsrete Cosne Transform f f f3 f4 f5 f6 f7 f N

49 Dsrete Dsrete Cosne Cosne Transform Transform ( )( ) <., os,, N j N dla N j N N j dla N DCT j π 0,0975 0,77 0,457 0,4904 0,4904 0,457 0,77 0,0975 0,93 0,469 0,469 0,93 0,93 0,469 0,469 0,93 0,775 0,4904 0,0975 0,457 0,457 0,0975 0,4904 0,77 0,3536 0,3536 0,3536 0,3536 0,3536 0,3536 0,3536 0,3536 0,457 0,0975 0,4904 0,77 0,77 0,4904 0,0975 0,457 0,469 0,93 0,93 0,469 0,469 0,93 0,93 0,469 0,4904 0,457 0,77 0,0975 0,0975 0,77 0,457 0,4904 0,3536 0,3536 0,3536 0,3536 0,3536 0,3536 0,3536 0,3536 DCT

50 Oblzane transformaty Przekształene proste wektora x Y DCT X Przekształene odwrotne wektora x X DCT T Y

51 Oblzane transformaty x x x 3 x 4 x 5 x 6 x 7 f f f3 f4 f5 * f6 f7 f DCT x y y y 3 y 4 y 5 y 6 y 7 x y

52 Oblzane transformaty x y x y x 3 y 3 x 4 x 5 * DCT x y 4 y 5 x 6 y 6 x 7 y 7 x y

53 Oblzane transformaty x y x y x 3 x 4 x 5 x 6 0,3536 0,4904 0,469 0,3536 0,4904 0,469 * 0,457 0,0975 0,4904 0,77 0,77 0,4904 0,0975 0,457 DCT 0,3536 0,3536 0,3536 0,3536 0,3536 0,3536 0,3536 0,3536 0,77 0,93 0,0975 0,3536 0,457 0,93 0,4904 0,469 0,77 0,3536 0,77 0,93 0,0975 0,469 0,457 0,3536 0,0975 0,469 0,457 0,93 0,4904 0,3536 0,0975 0,469 0,457 0,93 0,4904 0,3536 0,77 0,93 0,0975 0,469 0,457 0,3536 0,457 0,93 0,4904 0,469 0,77 0,775 0,93 0,0975 y 3 y 4 y 5 y 6 x 7 y 7 x y

54 Dwuwymarowa transformaja DCT Przekształene proste Y DCT X DCT T Przekształene odwrotne X ' DCT T Y DCT

55 x x yp x x yp x 3 x 3 yp 3 x 4 x 5 x 4 x 5 DCT x * yp 4 yp 5 x 6 x 6 yp 6 x 7 x 7 yp 7 x x yp

56 x x x yp yp x x x yp yp x 3 x 3 x 3 yp 3 yp 3 x 4 x 5 x 4 x 5 x 4 x 5 DCT x * yp 4 yp 5 yp 4 yp 5 x 6 x 6 x 6 yp 6 yp 6 x 7 x 7 x 7 yp 7 yp 7 x x x yp yp

57 x x x yp yp x x x yp yp x 3 x 3 x 3 yp 3 yp 3 x 4 x 5 x 4 x 5 x 4 x 5 DCT x * yp 4 yp 5 yp 4 yp 5 x 6 x 6 x 6 yp 6 yp 6 x 7 x 7 x 7 yp 7 yp 7 x x x yp yp * DCT T x y y y 3 y 4 y 5 y 6 y 7 y y y y 3 y 4 y 5 y 6 y 7 y

58 x x x yp yp x x x yp yp x 3 x 3 x 3 yp 3 yp 3 x 4 x 5 x 4 x 5 x 4 x 5 DCT x * yp 4 yp 5 yp 4 yp 5 x 6 x 6 x 6 yp 6 yp 6 x 7 x 7 x 7 yp 7 yp 7 x x x yp yp * DCT T x y y y 3 y 4 y 5 y 6 y 7 y y y y 3 y 4 y 5 y 6 y 7 y

59 Powstawane zakłóe eń DCT maerz danyh przestrzennyh X

60 Powstawane zakłóe eń DCT maerz danyh przestrzennyh transformata prosta X DCT

61 Powstawane zakłóe eń DCT maerz danyh przestrzennyh transformata prosta maerz danyh zęstotlwo stotlwośowyh X DCT Y

62 Powstawane zakłóe eń DCT maerz danyh przestrzennyh transformata prosta maerz danyh zęstotlwo stotlwośowyh przetwarzane kanału X DCT Y

63 Powstawane zakłóe eń DCT maerz danyh przestrzennyh transformata prosta maerz danyh zęstotlwo stotlwośowyh przetwarzane kanału transmsja X DCT Y

64 Powstawane zakłóe eń DCT maerz danyh przestrzennyh transformata prosta maerz danyh zęstotlwo stotlwośowyh przetwarzane kanału transmsja + zakłóena X DCT Y

65 Powstawane zakłóe eń DCT maerz danyh przestrzennyh transformata prosta maerz danyh zęstotlwo stotlwośowyh przetwarzane kanału transmsja + zakłóena maerz danyh zęstotlwo stotlwośowyh + zakłóena btowe X DCT Y Y'

66 Powstawane zakłóe eń DCT maerz danyh przestrzennyh transformata prosta maerz danyh zęstotlwo stotlwośowyh przetwarzane kanału transmsja + zakłóena maerz danyh zęstotlwo stotlwośowyh + zakłóena btowe transformata odwrotna X DCT Y Y' IDCT

67 Powstawane zakłóe eń DCT maerz danyh przestrzennyh transformata prosta maerz danyh zęstotlwo stotlwośowyh przetwarzane kanału transmsja + zakłóena maerz danyh zęstotlwo stotlwośowyh + zakłóena btowe transformata odwrotna maerz danyh przestrzennyh + zakłóena X DCT Y Y' IDCT X'

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

STANDARDOWE TECHNIKI KOMPRESJI SYGNAŁÓW

STANDARDOWE TECHNIKI KOMPRESJI SYGNAŁÓW STANDARDOWE TECHNIKI KOMPRESJI SYGNAŁÓW Źródło Kompresja Kanał transmsj sek wdeo 60 Mbt 2 mn muzyk (44 00 próbek/sek, 6 btów/próbkę) 84 Mbt Dekompresja Odborca. Metody bezstratne 2. Metody stratne 2 Kodowane

Bardziej szczegółowo

NIEOPTYMALNA TECHNIKA DEKORELACJI W CYFROWYM PRZETWARZANIU OBRAZU

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

Bardziej szczegółowo

Transformaty. Kodowanie transformujace

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

Bardziej szczegółowo

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

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

Adaptacyjne Przetwarzanie Sygnałów. Filtracja adaptacyjna w dziedzinie częstotliwości

Adaptacyjne Przetwarzanie Sygnałów. Filtracja adaptacyjna w dziedzinie częstotliwości W Filtracja adaptacyjna w dziedzinie częstotliwości Blokowy algorytm LMS (BLMS) N f n+n = f n + α x n+i e(n + i), i= N L Slide e(n + i) =d(n + i) f T n x n+i (i =,,N ) Wprowadźmy nowy indeks: n = kn (

Bardziej szczegółowo

Szybka transformacja Fouriera (FFT Fast Fourier Transform)

Szybka transformacja Fouriera (FFT Fast Fourier Transform) Szybka transformacja Fouriera (FFT Fast Fourier Transform) Plan wykładu: 1. Transformacja Fouriera, iloczyn skalarny 2. DFT - dyskretna transformacja Fouriera 3. FFT szybka transformacja Fouriera a) algorytm

Bardziej szczegółowo

Technika audio część 2

Technika audio część 2 Technika audio część 2 Wykład 12 Projektowanie cyfrowych układów elektronicznych Mgr inż. Łukasz Kirchner lukasz.kirchner@cs.put.poznan.pl http://www.cs.put.poznan.pl/lkirchner Wprowadzenie do filtracji

Bardziej szczegółowo

KINEMATYKA MANIPULATORÓW

KINEMATYKA MANIPULATORÓW KIEMK MIULOÓW WOWDEIE. Manpulator obot można podzelć na zęść terująą mehanzną. Część mehanzna nazywana jet manpulatorem. punktu wdzena Mehank ta zęść jet najbardzej ntereująa. Manpulator zaadnzo można

Bardziej szczegółowo

ZASADY WYZNACZANIA DEPOZYTÓW ZABEZPIECZAJĄCYCH PO WPROWADZENIU DO OBROTU OPCJI W RELACJI KLIENT-BIURO MAKLERSKIE

ZASADY WYZNACZANIA DEPOZYTÓW ZABEZPIECZAJĄCYCH PO WPROWADZENIU DO OBROTU OPCJI W RELACJI KLIENT-BIURO MAKLERSKIE Zasady wyznazana depozytów zabezpezaąyh po wprowadzenu do obrotu op w rela lent-buro malerse ZAADY WYZNACZANIA DEPOZYTÓW ZABEZPIECZAJĄCYCH PO WPROWADZENIU DO OBROTU OPCJI W RELACJI KLIENT-BIURO MAKLERKIE

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

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

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

Bardziej szczegółowo

Zastowowanie transformacji Fouriera w cyfrowym przetwarzaniu sygnałów

Zastowowanie transformacji Fouriera w cyfrowym przetwarzaniu sygnałów 31.01.2008 Zastowowanie transformacji Fouriera w cyfrowym przetwarzaniu sygnałów Paweł Tkocz inf. sem. 5 gr 1 1. Dźwięk cyfrowy Fala akustyczna jest jednym ze zjawisk fizycznych mających charakter okresowy.

Bardziej szczegółowo

Dyskretna transformata falkowa z wykorzystaniem falek Haara. Alfréd Haar

Dyskretna transformata falkowa z wykorzystaniem falek Haara. Alfréd Haar Dyskretna transformata falkowa z wykorzystaniem falek Haara Alfréd Haar 88-9 Przypomnijmy, że istotą DWT jest podział pierwotnego sygnału za pomoą pary filtrów (górnoprzepustowego i dolnoprzepustowego)

Bardziej szczegółowo

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

Wstęp do metod numerycznych Dyskretna transformacja Fouriera. P. F. Góra Wstęp do metod numerycznych Dyskretna transformacja Fouriera P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 01 Problem Majac dany szereg czasowy {x i } N i=1 = {x 1, x,..., x N } (zazwyczaj nieciekawy),

Bardziej szczegółowo

KOMPRESJA OBRAZÓW STATYCZNYCH - ALGORYTM JPEG

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

Bardziej szczegółowo

Kompresja obrazów w statycznych - algorytm JPEG

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Metody Przetwarzania Danych Meteorologicznych Ćwiczenia 14

Metody Przetwarzania Danych Meteorologicznych Ćwiczenia 14 Danych Meteorologicznych Sylwester Arabas (ćwiczenia do wykładu dra Krzysztofa Markowicza) Instytut Geofizyki, Wydział Fizyki Uniwersytetu Warszawskiego 18. stycznia 2010 r. Zadanie 14.1 : polecenie znalezienie

Bardziej szczegółowo

Adaptive wavelet synthesis for improving digital image processing

Adaptive wavelet synthesis for improving digital image processing for improving digital image processing Politechnika Łódzka Wydział Fizyki Technicznej, Informatyki i Matematyki Stosowanej 4 listopada 2010 Plan prezentacji 1 Wstęp 2 Dyskretne przekształcenie falkowe

Bardziej szczegółowo

Przetwarzanie i transmisja danych multimedialnych. Wykład 7 Transformaty i kodowanie. Przemysław Sękalski.

Przetwarzanie i transmisja danych multimedialnych. Wykład 7 Transformaty i kodowanie. Przemysław Sękalski. Przetwarzanie i transmisja danych multimedialnych Wykład 7 Transformaty i kodowanie Przemysław Sękalski sekalski@dmcs.pl Politechnika Łódzka Katedra Mikroelektroniki i Technik Informatycznych DMCS Wykład

Bardziej szczegółowo

2. Szybka transformata Fouriera

2. Szybka transformata Fouriera Szybka transforata Fouriera Wyznaczenie ciągu (Y 0, Y 1,, Y 1 ) przy użyciu DFT wyaga wykonania: nożenia zespolonego ( 1) razy, dodawania zespolonego ( 1) razy, przy założeniu, że wartości ω j są już dane

Bardziej szczegółowo

Analiza szeregów czasowych: 1. Dyskretna transformata Fouriera i zagadnienia pokrewne

Analiza szeregów czasowych: 1. Dyskretna transformata Fouriera i zagadnienia pokrewne Analiza szeregów czasowych: 1. Dyskretna transformata Fouriera i zagadnienia pokrewne P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 007/08 Transformata Fouriera G(f) = g(t)e πift dt (1)

Bardziej szczegółowo

WikiWS For Business Sharks

WikiWS For Business Sharks WkWS For Busness Sharks Ops zadana konkursowego Zadane Opracowane algorytmu automatyczne przetwarzającego zdjęce odręczne narysowanego dagramu na tablcy lub kartce do postac wektorowej zapsanej w formace

Bardziej szczegółowo

Laboratorium ochrony danych

Laboratorium ochrony danych Laboratorum ochrony danych Ćwczene nr Temat ćwczena: Cała skończone rozszerzone Cel dydaktyczny: Opanowane programowej metody konstruowana cał skończonych rozszerzonych GF(pm), poznane ch własnośc oraz

Bardziej szczegółowo

Cyfrowe przetwarzanie i kompresja danych

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

Bardziej szczegółowo

PL B1. Sposób i układ pomiaru całkowitego współczynnika odkształcenia THD sygnałów elektrycznych w systemach zasilających

PL B1. Sposób i układ pomiaru całkowitego współczynnika odkształcenia THD sygnałów elektrycznych w systemach zasilających RZECZPOSPOLITA POLSKA (12) OPIS PATENTOWY (19) PL (11) 210969 (13) B1 (21) Numer zgłoszenia: 383047 (51) Int.Cl. G01R 23/16 (2006.01) G01R 23/20 (2006.01) Urząd Patentowy Rzeczypospolitej Polskiej (22)

Bardziej 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

Wielokategorialne systemy uczące się i ich zastosowanie w bioinformatyce. Rafał Grodzicki

Wielokategorialne systemy uczące się i ich zastosowanie w bioinformatyce. Rafał Grodzicki Welokategoralne systemy uząe sę h zastosowane w bonformatye Rafał Grodzk Welokategoralny system uząy sę (multlabel learnng system) Zbór danyh weśowyh: d X = R Zbór klas (kategor): { 2 } =...Q Zbór uząy:

Bardziej szczegółowo

Transformacja Fouriera i biblioteka CUFFT 3.0

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

Bardziej szczegółowo

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

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

Wybrane metody kompresji obrazów

Wybrane metody kompresji obrazów Wybrane metody kompresji obrazów Celem kodowania kompresyjnego obrazu jest redukcja ilości informacji w nim zawartej. Redukcja ta polega na usuwaniu informacji nadmiarowej w obrazie, tzw. redundancji.

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

WYSYCHANIE ZABYTKOWYCH MURÓW Z CEGŁY *

WYSYCHANIE ZABYTKOWYCH MURÓW Z CEGŁY * ROCZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/007 Komsja Inżyner Budowlanej Oddzał Polskej Akadem Nauk w Katowah WYSYCHANIE ZABYTKOWYCH MURÓW Z CEGŁY * Andrzej KUCHARCZYK Poltehnka Opolska, Opole. Wprowadzene

Bardziej szczegółowo

DYSKRETNA TRANSFORMACJA FOURIERA

DYSKRETNA TRANSFORMACJA FOURIERA Laboratorium Teorii Sygnałów - DFT 1 DYSKRETNA TRANSFORMACJA FOURIERA Cel ćwiczenia Celem ćwiczenia jest przeprowadzenie analizy widmowej sygnałów okresowych za pomocą szybkiego przekształcenie Fouriera

Bardziej szczegółowo

jako analizatory częstotliwości

jako analizatory częstotliwości jako analiatory cęstotliwości Widmo fourierowskie: y = cos p f t Widmo sygnału spróbkowanego Problem rodielcości Transformaty cyfrowe: analia wycinka sygnału xt wt próbek, T sekund Widmo wycinka: f*wf

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

Klasyfkator lnowy Wstęp Klasyfkator lnowy jest najprostszym możlwym klasyfkatorem. Zakłada on lnową separację lnowy podzał dwóch klas mędzy sobą. Przedstawa to ponższy rysunek: 5 4 3 1 0-1 - -3-4 -5-5

Bardziej szczegółowo

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni. Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :

Bardziej szczegółowo

Wymiana i składowanie danych multimodalnych

Wymiana i składowanie danych multimodalnych SKRYPT DO LABORATORIUM Wymiana i składowanie danych multimodalnych ĆWICZENIE 3: Dyskretna transformata kosinusowa zasada działania i podstawowe właściwości autor: dr inż. Adam Bujnowski 1. Wymagania wstępne

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

Cyfrowe przetwarzanie sygnałów. Wykład 10. Transformata cosinusowa. Falki. Transformata falkowa. dr inż. Robert Kazała

Cyfrowe przetwarzanie sygnałów. Wykład 10. Transformata cosinusowa. Falki. Transformata falkowa. dr inż. Robert Kazała Cyfrowe przetwarzanie sygnałów Wykład 10 Transformata cosinusowa. Falki. Transformata falkowa. dr inż. Robert Kazała 1 Transformata cosinusowa Dyskretna transformacja kosinusowa, (DCT ang. discrete cosine

Bardziej szczegółowo

architektura komputerów w. 3 Arytmetyka komputerów

architektura komputerów w. 3 Arytmetyka komputerów archtektura komputerów w. 3 Arytmetyka komputerów Systemy pozycyjne - dodawane w systeme dwójkowym 100101011001110010101 100111101000001000 0110110011101 1 archtektura komputerów w 3 1 Arytmetyka bnarna.

Bardziej szczegółowo

Wstęp do sieci neuronowych, wykład 03 Warstwy RBF, jednostka Adaline.

Wstęp do sieci neuronowych, wykład 03 Warstwy RBF, jednostka Adaline. Wstęp do sieci neuronowych, wykład 3 Warstwy, jednostka Adaline. Maja Czoków, Jarosław Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 211-1-18 1 Pomysł Przykłady Zastosowanie 2

Bardziej szczegółowo

Zadanie na wykonanie Projektu Zespołowego

Zadanie na wykonanie Projektu Zespołowego Zadane na wykonane Projektu Zespołowego Celem projektu jest uzyskane następującego szeregu umejętnośc praktycznych: umejętnośc opracowana równoległych wersj algorytmów (na przykładze algorytmów algebry

Bardziej szczegółowo

WPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO

WPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO Walenty OWIECZKO WPŁYW PARAMETRÓW DYSKRETYZACJI A IEPEWOŚĆ WYIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO STRESZCZEIE W artykule przedstaono ynk analzy nepenośc pomaru ybranych cech obektu obrazu cyfroego. Wyznaczono

Bardziej szczegółowo

WSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH

WSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH Metrologa Wspomagana Komputerowo - Zegrze, 9-22 05.997 WSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH dr nż. Jan Ryszard Jask, dr nż. Elgusz Pawłowsk POLITECHNIKA lubelska

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

Wykład 2. Transformata Fouriera

Wykład 2. Transformata Fouriera Wykład 2. Transformata Fouriera Transformata Fouriera jest podstawowym narzędziem analizy harmonicznej i teorii analizy i przetwarzania sygnału. Z punktu widzenia teorii matematycznej transformata Fouriera

Bardziej szczegółowo

Transformata Fouriera. Sylwia Kołoda Magdalena Pacek Krzysztof Kolago

Transformata Fouriera. Sylwia Kołoda Magdalena Pacek Krzysztof Kolago Transformata Fouriera Sylwia Kołoda Magdalena Pacek Krzysztof Kolago Transformacja Fouriera rozkłada funkcję okresową na szereg funkcji okresowych tak, że uzyskana transformata podaje w jaki sposób poszczególne

Bardziej szczegółowo

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie. Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane

Bardziej szczegółowo

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa.   PARA ZMIENNYCH LOSOWYCH Analza danych Analza danych welowymarowych. Regresja lnowa. Dyskrymnacja lnowa. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ PARA ZMIENNYCH LOSOWYCH Parę zmennych losowych X, Y możemy

Bardziej szczegółowo

GENERACJA PRZEBIEGU SINUSOIDALNEGO.

GENERACJA PRZEBIEGU SINUSOIDALNEGO. GENERACJA PRZEBIEGU SINUSOIDALNEGO. Podstawą generacji sygnału sinusoidalnego jest równanie różnicowe wyprowadzone w sposób następujący. Transmitancja układu generującego jest równa: Na wyjściu spodziewany

Bardziej szczegółowo

Metody rozwiązania równania Schrödingera

Metody rozwiązania równania Schrödingera Metody rozwiązania równania Schrödingera Równanie Schrödingera jako algebraiczne zagadnienie własne Rozwiązanie analityczne dla skończonej i nieskończonej studni potencjału Problem rozwiązania równania

Bardziej szczegółowo

Analiza szeregów czasowych: 1. Dyskretna transformata Fouriera i zagadnienia pokrewne

Analiza szeregów czasowych: 1. Dyskretna transformata Fouriera i zagadnienia pokrewne Analiza szeregów czasowych: 1. Dyskretna transformata Fouriera i zagadnienia pokrewne P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 006/07 Plan wykładu Dyskretna transformata Fouriera,

Bardziej szczegółowo

Problemy implementacji algorytmów FFT w strukturach FPGA 1)

Problemy implementacji algorytmów FFT w strukturach FPGA 1) Problemy implementacji algorytmów FFT w strukturach FPGA 1) Robert Kędzierawski Wojskowa Akademia Techniczna, Wydział Elektroniki Streszczenie Omówiono implementacje algorytmów FFT dla przypadku przetwarzania

Bardziej szczegółowo

Szybka transformacja Fouriera

Szybka transformacja Fouriera Szybka transformacja Fouriera (Opis i wydruki programów) Instytut Astronomii UMK, Toruń 1976 2 K. Borkowski PROGRAM OBLICZANIA TRANSFORMAT FOURIERA Wstęp Prezentowany tutaj program przeznaczony jest do

Bardziej szczegółowo

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,

Bardziej szczegółowo

Przedmowa Wykaz oznaczeń Wykaz skrótów 1. Sygnały i ich parametry 1 1.1. Pojęcia podstawowe 1 1.2. Klasyfikacja sygnałów 2 1.3.

Przedmowa Wykaz oznaczeń Wykaz skrótów 1. Sygnały i ich parametry 1 1.1. Pojęcia podstawowe 1 1.2. Klasyfikacja sygnałów 2 1.3. Przedmowa Wykaz oznaczeń Wykaz skrótów 1. Sygnały i ich parametry 1 1.1. Pojęcia podstawowe 1 1.2. Klasyfikacja sygnałów 2 1.3. Sygnały deterministyczne 4 1.3.1. Parametry 4 1.3.2. Przykłady 7 1.3.3. Sygnały

Bardziej szczegółowo

Grafika Komputerowa Wykład 2. Przetwarzanie obrazów. mgr inż. Michał Chwesiuk 1/38

Grafika Komputerowa Wykład 2. Przetwarzanie obrazów. mgr inż. Michał Chwesiuk 1/38 Wykład 2 Przetwarzanie obrazów mgr inż. 1/38 Przetwarzanie obrazów rastrowych Jedna z dziedzin cyfrowego obrazów rastrowych. Celem przetworzenia obrazów rastrowych jest użycie edytujących piksele w celu

Bardziej szczegółowo

Opis efektów kształcenia dla modułu zajęć

Opis efektów kształcenia dla modułu zajęć Nazwa modułu: Teoria i przetwarzanie sygnałów Rok akademicki: 2013/2014 Kod: EEL-1-524-s Punkty ECTS: 6 Wydział: Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Kierunek: Elektrotechnika

Bardziej szczegółowo

Metody analizy obwodów

Metody analizy obwodów Metody analzy obwodów Metoda praw Krchhoffa, która jest podstawą dla pozostałych metod Metoda transfguracj, oparte na przekształcenach analzowanego obwodu na obwód równoważny Metoda superpozycj Metoda

Bardziej szczegółowo

Kompresja video (MPEG)

Kompresja video (MPEG) mgr inż. Grzegorz Kraszewski SYSTEMY MULTIMEDIALNE wykład 8, strona 1. Kompresja video (MEG) Zasadniczy schemat kompresora video Typy ramek przy kompresji czasowej Analiza ramek przez syntezę Sposób detekcji

Bardziej szczegółowo

Katedra Elektrotechniki Teoretycznej i Informatyki

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

Bardziej szczegółowo

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

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych

Bardziej szczegółowo

Sieci neuronowe - projekt

Sieci neuronowe - projekt Sieci neuronowe - projekt Maciej Barański, Kamil Dadel 15 stycznia 2015 Streszczenie W ramach projektu został zrealizowany algorytm kompresji stratnej bazujący na działaniu samoorganizującej się sieci

Bardziej szczegółowo

Wyznaczenie współczynnika podziału kwasu octowego pomiędzy fazą organiczną a wodną

Wyznaczenie współczynnika podziału kwasu octowego pomiędzy fazą organiczną a wodną Ćwzene 13 Wyznazene współzynnka podzału kwasu otowego pomędzy fazą anzną a wodną Cel ćwzena Celem ćwzena jest wyznazene współzynnka podzału kwasu otowego pomędzy fazą anzną (butanolem) a wodną w oparu

Bardziej szczegółowo

Filtracja obrazów. w dziedzinie częstotliwości. w dziedzinie przestrzennej

Filtracja obrazów. w dziedzinie częstotliwości. w dziedzinie przestrzennej Filtracja obrazów w dziedzinie częstotliwości w dziedzinie przestrzennej filtry liniowe filtry nieliniowe Filtracja w dziedzinie częstotliwości Obraz oryginalny FFT2 IFFT2 Obraz po filtracji f(x,y) H(u,v)

Bardziej szczegółowo

Laboratorium Przetwarzania Sygnałów

Laboratorium 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 szczegółowo

Kompresja Kodowanie arytmetyczne. Dariusz Sobczuk

Kompresja Kodowanie arytmetyczne. Dariusz Sobczuk Kompresja Kodowanie arytmetyczne Dariusz Sobczuk Kodowanie arytmetyczne (lata 1960-te) Pierwsze prace w tym kierunku sięgają początków lat 60-tych XX wieku Pierwszy algorytm Eliasa nie został opublikowany

Bardziej szczegółowo

Zasady wyznaczania minimalnej wartości środków pobieranych przez uczestników od osób zlecających zawarcie transakcji na rynku terminowym

Zasady wyznaczania minimalnej wartości środków pobieranych przez uczestników od osób zlecających zawarcie transakcji na rynku terminowym Załązn nr 3 Do zzegółowyh Zasad rowadzena Rozlzeń Transa rzez KDW_CC Zasady wyznazana mnmalne wartoś środów oberanyh rzez uzestnów od osób zleaąyh zaware transa na rynu termnowym 1. Metodologa wyznazana

Bardziej szczegółowo

Joint Photographic Experts Group

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

Bardziej szczegółowo

Algorytmy i struktury danych. wykład 9

Algorytmy i struktury danych. wykład 9 Plan wykładu:. Algorytmy numeryczne. Funkcja skrótu jest to funkcja H, która dla do dowolnej informacji m przyporządkowuje niespecyficzną wartość h, mającą cechy pseudolosowe. Cechy: skróty są zazwyczaj

Bardziej szczegółowo

Algorytmy i struktury danych. Co dziś? Tytułem przypomnienia metoda dziel i zwyciężaj. Wykład VIII Elementarne techniki algorytmiczne

Algorytmy i struktury danych. Co dziś? Tytułem przypomnienia metoda dziel i zwyciężaj. Wykład VIII Elementarne techniki algorytmiczne Algorytmy i struktury danych Wykład VIII Elementarne techniki algorytmiczne Co dziś? Algorytmy zachłanne (greedyalgorithms) 2 Tytułem przypomnienia metoda dziel i zwyciężaj. Problem można podzielić na

Bardziej szczegółowo

Micha Strzelecki Metody przetwarzania i analizy obrazów biomedycznych (2)

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

Bardziej szczegółowo

Podstawy teorii falek (Wavelets)

Podstawy teorii falek (Wavelets) Podstawy teor falek (Wavelets) Ψ(). Transformaca Haara (97).. Przykład pewne metody zapsu obrazu Transformaca Haara Przykład zapsu obrazu -D Podstawy matematyczne transformac Algorytmy rozkładana funkc

Bardziej szczegółowo

METODA ELEMENTU SKOŃCZONEGO. Termokinetyka

METODA ELEMENTU SKOŃCZONEGO. Termokinetyka METODA ELEMENTU SKOŃCZONEGO Termoknetyka Matematyczny ops ruchu cepła (1) Zasada zachowana energ W a Cepło akumulowane, [J] P we Moc wejścowa, [W] P wy Moc wyjścowa, [W] t przedzał czasu, [s] V q S(V)

Bardziej szczegółowo

Metody numeryczne. Wykład nr 7. dr hab. Piotr Fronczak

Metody numeryczne. Wykład nr 7. dr hab. Piotr Fronczak Metody numeryzne Wyłd nr 7 dr. Potr Fronz Cłowne numeryzne Cłowne numeryzne to przylżone olzne łe oznzony. Metody łown numeryznego polegją n przylżenu ł z pomoą odpowednej sumy wżonej wrtoś łownej unj

Bardziej szczegółowo

ANEMOMETRIA LASEROWA

ANEMOMETRIA LASEROWA 1 Wstęp ANEMOMETRIA LASEROWA Anemometria laserowa pozwala na bezdotykowy pomiar prędkośi zastezek (elementów) rozpraszajayh światło Źródłem światła jest laser, którego wiazka jest dzielona się nadwiewiazki

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

CYFROWE PRZETWARZANIE SYGNAŁÓW

CYFROWE PRZETWARZANIE SYGNAŁÓW Cyfrowe przetwarzanie sygnałów -1-2003 CYFROWE PRZETWARZANIE SYGNAŁÓW tematy wykładowe: ( 28 godz. +2godz. kolokwium, test?) 1. Sygnały i systemy dyskretne (LTI, SLS) 1.1. Systemy LTI ( SLS ) (definicje

Bardziej szczegółowo

Metody Numeryczne 2017/2018

Metody Numeryczne 2017/2018 Metody Nueryzne 7/8 II rok Inforatyka Stosowana Inżynera Oblzenowa Wykład Przedot odelowań ateatyznyh. Jak na baze praw fzyk sforułować odel ateatyzny pozwalająy na syulaję zahowana sę obektów systeów

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Podstawy Automatyki. Wykład 6 - Miejsce i rola regulatora w układzie regulacji. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki

Podstawy Automatyki. Wykład 6 - Miejsce i rola regulatora w układzie regulacji. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki Wykład 6 - Miejsce i rola regulatora w układzie regulacji Instytut Automatyki i Robotyki Warszawa, 2015 Regulacja zadajnik regulator sygnał sterujący (sterowanie) zespół wykonawczy przetwornik pomiarowy

Bardziej szczegółowo

Ćwiczenie: Własności dyskretnej transformaty Fouriera (DFT)

Ćwiczenie: Własności dyskretnej transformaty Fouriera (DFT) Opracował: dr hab. inż. G. Stępniak Ćwiczenie: Własności dyskretnej transformaty Fouriera (DFT) Dyskretna transformata Fouriera (DFT ang. discrete Fourier Transform) to jedno z podstawowych narzędzi w

Bardziej 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

Praca dyplomowa magisterska

Praca dyplomowa magisterska Praca dyplomowa magisterska Implementacja algorytmów filtracji adaptacyjnej o strukturze transwersalnej na platformie CUDA Dyplomant: Jakub Kołakowski Opiekun pracy: dr inż. Michał Meller Plan prezentacji

Bardziej szczegółowo

FPGA IMPLEMENTATION OF FAST FOURIER TRANSFORM ALGORITHM IMPLEMENTACJA ALGORYTMU SZYBKIEJ TRANSFORMATY FOURIERA W UKŁADZIE PROGRAMOWALNYM FPGA

FPGA IMPLEMENTATION OF FAST FOURIER TRANSFORM ALGORITHM IMPLEMENTACJA ALGORYTMU SZYBKIEJ TRANSFORMATY FOURIERA W UKŁADZIE PROGRAMOWALNYM FPGA Inż. Arkadiusz Pantoł IV rok Koło Naukowe Techniki Cyfrowej dr inż. Wojciech Mysiński opiekun naukowy FPGA IMPLEMENTATION OF FAST FOURIER TRANSFORM ALGORITHM IMPLEMENTACJA ALGORYTMU SZYBKIEJ TRANSFORMATY

Bardziej szczegółowo

Komputerowe Przetwarzanie Obrazów Szybka Transformata Fouriera. 1. Generowanie sygnałów 1D o różnych częstotliwościach oraz dodawanie szumu.

Komputerowe Przetwarzanie Obrazów Szybka Transformata Fouriera. 1. Generowanie sygnałów 1D o różnych częstotliwościach oraz dodawanie szumu. Komputerowe Przetwarzanie Obrazów Szybka Transformata Fouriera 1. Generowanie sygnałów 1D o różnych częstotliwościach oraz dodawanie szumu. t = 0:0.001:2; x1 = sin( 3*pi*2*t ); plot(t,x1) title('czestotliwosc

Bardziej szczegółowo

Podstawy Automatyki. wykład 1 (26.02.2010) mgr inż. Łukasz Dworzak. Politechnika Wrocławska. Instytut Technologii Maszyn i Automatyzacji (I-24)

Podstawy Automatyki. wykład 1 (26.02.2010) mgr inż. Łukasz Dworzak. Politechnika Wrocławska. Instytut Technologii Maszyn i Automatyzacji (I-24) Podstawy Automatyki wykład 1 (26.02.2010) mgr inż. Łukasz Dworzak Politechnika Wrocławska Instytut Technologii Maszyn i Automatyzacji (I-24) Laboratorium Podstaw Automatyzacji (L6) 105/2 B1 Sprawy organizacyjne

Bardziej szczegółowo

Sortowanie szybkie Quick Sort

Sortowanie szybkie Quick Sort Sortowane szybke Quck Sort Algorytm sortowana szybkego opera sę na strateg "dzel zwycęża" (ang. dvde and conquer), którą możemy krótko scharakteryzować w trzech punktach: 1. DZIEL - problem główny zostae

Bardziej szczegółowo

Instrukcja do laboratorium z cyfrowego przetwarzania sygnałów. Wybrane właściwości Dyskretnej Transformacji Fouriera

Instrukcja do laboratorium z cyfrowego przetwarzania sygnałów. Wybrane właściwości Dyskretnej Transformacji Fouriera Instrukcja do laboratorium z cyfrowego przetwarzania sygnałów Wybrane właściwości Dyskretnej Transformacji Fouriera Przemysław Korohoda, KE, AGH Zawartość instrukcji: 1 Materiał z zakresu DSP 1.1 Macierzowy

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

Krótki przegląd pierwszych standardów kompresji obrazów

Krótki przegląd pierwszych standardów kompresji obrazów Krótki przegląd pierwszych standardów kompresji obrazów Najstarszymi (980 rok) i szeroko stosowanymi obecnie standardami kompresji obrazów cyfrowych są międzynarodowe standardy kodowania cyfrowych faksów,

Bardziej szczegółowo

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.

Bardziej szczegółowo