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

Wielkość: px
Rozpocząć pokaz od strony:

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

Transkrypt

1 Teoria Synałów Inżynieria Obliczeniowa II rok 208/9 Wykład 0 Wykorzystanie transformacji Fouriera w analizie korelacyjnej Na początek krótkie przypomnienie podstawowych definicji: Funkcja autokorelacji = = ( τ ) ( τ t) dτ Podstawowe własności = ( t) Dla funkcji rzeczywistych = ( t) ( τ ) (0) = dτ ( τ ) (0) 2 Jeśli dla pewneo t 0 ( t 0 ) = 0 to synały (t) i (t-t 0 ) są ortoonalne.

2 Definicja widma enerii synału kwadrat widma amplitudoweo: 2 ( ω) = ( ω) X( ω) 2 A = Widmo enerii synału i funkcja autokorelacji synału tworzą parę transformat Fouriera: Dowód: iωτ iωτ ( ω) = ( τ ) e dτ ( τ ) = ( ω) e dω ωτ ( τ ) = i ( t τ ) dt = X( ω) X ( ω) e dω = X( ω) iωτ I[ ( τ t) ] = X( ω) e dyż Tw. Rayleiha 2 e iωτ dω Enerię synału można obliczyć: w dziedzinie czasu, jako całkę z kwadratu modułu synału, w dziedzinie korelacyjnej, jako (0), w dziedzinie częstotliwości, jako całkę z widma enerii podzieloną przez. E = π ( 0) = ( ω) dω = ( ω) dω 0 Π

3 Związki między synałem i jeo charakterystykami w dziedzinie częstotliwości i dziedzinie korelacyjnej ilustruje prosty diaram. Strzałki podwójne oznaczają na nim związki wzajemnie jednoznaczne, tj. jednoznaczne przejścia od jednej do druiej wielkości, natomiast strzałki pojedyncze oznaczają przejście tylko w jedną stronę. ( τ ) ( τ t) dτ (t) (t) I X(ω) (ω) X ( ω) 2 Funkcja autokorelacji synału stanowi jedynie częściowy opis synału. Znając te funkcję możemy odtworzyć widmo amplitudowe synału, tracimy jednak informację o widmie fazowym. Efektywny czas korelacji. tef 0 = dt ( 0) Zasada nieoznaczoności tef ω ef = const I I I Efektywna szerokość widma Podana definicja efektywneo czasu korelacji ma sens dla przypadku synałów, których funkcja autokorelacji maleje monotonicznie. Dla synałów o funkcji autokorelacji dążącej do zera oscylacyjnie można wprowadzić inne miary czasu korelacji. Zasada nieoznaczoności pozostaje w mocy bez wzlędu na sposób definiowania efektywneo czasu korelacji i efektywnej szerokości widma. ω ef = 0 ( ω) ma dω Dla synałów o oraniczonej mocy funkcje korelacyjne definiujemy jako wielkości raniczne (dla odróżnienia oznaczamy je literą psi). Właściwości funkcji autokorelacji synałów o oraniczonej mocy są podobne jak w przypadku synałów o oraniczonej enerii. ψ = lim T ( τ ) 2T T T ( τ t) dτ Dla synału okresoweo definicja jest następująca: ψ t0 + T = ( τ ) ( τ t) dτ T t0 Wartość funkcji autokorelacji ψ (t) synału o oraniczonej mocy w punkcie t=0 jest rzeczywista i równa jeo mocy. Funkcja autokorelacji ψ (t) przybiera maksymalną co do modułu wartość dla t=0. Brak korelacji czasowej synałów oznacza ich ortoonalność. Funkcja autokorelacji synału o oraniczonej mocy posiada transformatę Fouriera w sensie ranicznym. Funkcja autokorelacji ψ (t) jest niezmiennicza wzlędem przesunięcia, tj. ψ (t)=ψ (t+t 0 ) dla dowolneo t 0. Funkcja autokorelacji synału okresoweo jest również okresowa o tym samym okresie.

4 Funkcja autokorelacji synału harmoniczneo jest funkcją kosinusoidalną o tym samym okresie co okres synału harmoniczneo i nie zależy od jeo fazy początkowej. Przykład ten świadczy dobitnie o tym, że funkcja autokorelacji nie zawiera informacji o fazie synału. Π

5

6

7 Dla synału skończoneo, dyskretneo funkcję widmowej ęstości mocy wyznacza się na podstawie funkcji autokorelacji: N N m [ m] = [ n] [ n m] n= 0 M [ k] = w[ m] m= ( M ) m = 0,,2,, M i mk K [ m] e K = N + ( M ) k = 0,,2,, K Procedurę można zrealizować w formie szybkiej tj z wykorzystaniem procedury FFT. Okazuje się bowiem, iż dla dłuieo ciąu danych koszt obliczenia funkcji korelacji [m] w sposób bezpośredni jest większy niż obliczenie tej funkcji w dziedzinie częstotliwościowej. Procedura dla synału [n], n=0,,,n- wyląda następująco:. Uzupełniamy cią [n] zerami do dłuości K=N+(M-) 2. Obliczamy K-punktową DTF 3. Liczymy kwadrat widma amplitudoweo X[k] 2 4. Obliczamy K-punktową, odwrotną DTF - M pierwszych wartości tworzy funkcję korelacji 5. Z pomocą wybraneo okna w[n] tworzymy synał: [ n] s = 0 [ n] w[ n] [ K n] w[ K n] 6. Obliczamy DTF dla synału s[n] 0 n M M n K M K M + n K

8 Widmową ęstość mocy aproksymuje się czasem za pomocą periodoramu - kwadratu widma amplitudoweo X[k] 2 synału. Jest to estymator obciążony aby otrzymać poprawę estymacji należy dokonać jeo uśrednienia w ruchomym oknie. Wynik będzie wówczas zbieżny do metody wykorzystującej funkcję korelacji.

Teoria Sygnałów. III rok Informatyki Stosowanej. Wykład 8

Teoria Sygnałów. III rok Informatyki Stosowanej. Wykład 8 Teoria Synałów rok nformatyki Stosowanej Wykład 8 Analiza częstotliwościowa dyskretnych synałów cyfrowych okna widmowe (cd poprzednieo wykładu) N = 52; T =.24; %czas trwania synału w sekundach dt = T/N;

Bardziej szczegółowo

2. P (E) = 1. β B. TSIM W3: Sygnały stochastyczne 1/27

2. P (E) = 1. β B. TSIM W3: Sygnały stochastyczne 1/27 SYGNAŁY STOCHASTYCZNE Przestrzeń probabilistyczna i zmienna losowa Definicja Przestrzenią probabilistyczną (doświadczeniem) nazywamy trójkę uporządkowaną (E, B, P ), gdzie: E przestrzeń zdarzeń elementarnych;

Bardziej szczegółowo

Przetwarzanie sygnałów

Przetwarzanie sygnałów Spis treści Przetwarzanie sygnałów Ćwiczenie 3 Właściwości przekształcenia Fouriera 1 Podstawowe właściwości przekształcenia Fouriera 1 1.1 Kompresja i ekspansja sygnału................... 2 1.2 Właściwości

Bardziej 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

Splot i korelacja są podstawowymi pojęciami przetwarzania sygnałów.

Splot i korelacja są podstawowymi pojęciami przetwarzania sygnałów. Splot i korelacja są podstawowymi pojęciami przetwarzania synałów. Splot jest bazową operacją dla filtracji cyfrowej, pozwołającej na zwiększenie stosunku mocy synału do mocy zakłóceń. Korelacja pozwala

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

Część 1. Transmitancje i stabilność

Część 1. Transmitancje i stabilność Część 1 Transmitancje i stabilność Zastosowanie opisu transmitancyjnego w projektowaniu przekształtników impulsowych Istotne jest przewidzenie wpływu zmian w warunkach pracy (m. in. v g, i) i wielkości

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

Data wykonania: Data oddania: Zwrot do poprawy: Data oddania: Data zliczenia: OCENA

Data wykonania: Data oddania: Zwrot do poprawy: Data oddania: Data zliczenia: OCENA WFiIS LABORATORIM Z ELEKTRONIKI Imię i nazwisko: 1. 2. TEMAT: ROK GRPA ZESPÓŁ NR ĆWICZENIA Data wykonania: Data oddania: Zwrot do poprawy: Data oddania: Data zliczenia: OCENA CEL ĆWICZENIA: Celem ćwiczenia

Bardziej szczegółowo

Teoria sterowania - studia niestacjonarne AiR 2 stopień

Teoria sterowania - studia niestacjonarne AiR 2 stopień Teoria sterowania - studia niestacjonarne AiR stopień Kazimierz Duzinkiewicz, dr hab. Inż. Katedra Inżynerii Systemów Sterowania Wykład 4-06/07 Transmitancja widmowa i charakterystyki częstotliwościowe

Bardziej szczegółowo

DYSKRETNE PRZEKSZTAŁCENIE FOURIERA C.D.

DYSKRETNE PRZEKSZTAŁCENIE FOURIERA C.D. CPS 6 DYSKRETE PRZEKSZTAŁCEIE FOURIERA C.D. Twierdzenie o przesunięciu Istnieje ważna właściwość DFT, znana jako twierdzenie o przesunięciu. Mówi ono, że: Przesunięcie w czasie okresowego ciągu wejściowego

Bardziej szczegółowo

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Podstawy Automatyki

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Podstawy Automatyki Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Podsta Automatyki Transmitancja operatorowa i widmowa systemu, znajdowanie odpowiedzi w dziedzinie s i w

Bardziej 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

PRZETWARZANIE SYGNAŁÓW

PRZETWARZANIE SYGNAŁÓW PRZEWARZANIE SYGNAŁÓW SEMESR V Człowiek- nalepsza inwestyca Proekt współfinansowany przez Unię Europeską w ramach Europeskiego Funduszu Społecznego Wykład II Wprowadzenie Podstawy teoretyczne przetwarzania

Bardziej szczegółowo

Egzamin / zaliczenie na ocenę*

Egzamin / zaliczenie na ocenę* WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI Zał. nr 4 do ZW 33/01 KARTA PRZEDMIOTU Nazwa w języku polskim CYFROWE PRZETWARZANIE SYGNAŁÓW Nazwa w języku angielskim DIGITAL SIGNAL PROCESSING Kierunek studiów

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

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

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

ANALIZA KORELACYJNA I FILTRACJA SYGNAŁÓW

ANALIZA KORELACYJNA I FILTRACJA SYGNAŁÓW POLIECHNIKA BIAŁOSOCKA KAEDRA ZARZĄDZANIA PRODUKCJĄ Instrukcja do zajęć laboratoryjnych z przedmiotu: Podstawy diagnostyki technicznej Kod przedmiotu: KS05454 Ćwiczenie Nr ANALIZA KORELACYJNA I FILRACJA

Bardziej szczegółowo

13. ANALIZA CZĘSTOTLIWOŚCIOWA UKŁADÓW SLS

13. ANALIZA CZĘSTOTLIWOŚCIOWA UKŁADÓW SLS OBWODY SYGNAŁY Wykład 3 : Analiza częstotliwościowa układów SLS 3. ANALZA ZĘSTOTLWOŚOWA ŁADÓW SLS 3.. POJĘE MMTANJ TANSMTANJ ozpatrzmy układ elektryczny, na który działa wymuszenie harmoniczne o symbolicznej

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

Zmiany fazy/okresu oscylacji Chandlera i rocznej we współrzędnych bieguna ziemskiego.

Zmiany fazy/okresu oscylacji Chandlera i rocznej we współrzędnych bieguna ziemskiego. Strona 1 z 27 Zmiany fazy/okresu oscylacji Chandlera i rocznej we współrzędnych bieguna ziemskiego. Alicja Rzeszótko Wiesław Kosek Waldemar Popiński Seminarium Sekcji Dynamiki Ziemi Komitetu Geodezji PAN

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

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

Dystrybucje, wiadomości wstępne (I)

Dystrybucje, wiadomości wstępne (I) Temat 8 Dystrybucje, wiadomości wstępne (I) Wielkości fizyczne opisujemy najczęściej przyporządkowując im funkcje (np. zależne od czasu). Inną drogą opisu tych wielkości jest przyporządkowanie im funkcjonałów

Bardziej szczegółowo

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

Laboratorium Przetwarzania Sygnałów Biomedycznych

Laboratorium Przetwarzania Sygnałów Biomedycznych Laboratorium Przetwarzania Sygnałów Biomedycznych Ćwiczenie 1 Wydobywanie sygnałów z szumu z wykorzystaniem uśredniania Opracowali: - prof. nzw. dr hab. inż. Krzysztof Kałużyński - mgr inż. Tomasz Kubik

Bardziej szczegółowo

Analiza szeregów czasowych: 2. Splot. Widmo mocy.

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

Bardziej szczegółowo

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

PL B1. Sposób wyznaczania błędów napięciowego i kątowego indukcyjnych przekładników napięciowych dla przebiegów odkształconych

PL B1. Sposób wyznaczania błędów napięciowego i kątowego indukcyjnych przekładników napięciowych dla przebiegów odkształconych PL 216925 B1 RZECZPOSPOLITA POLSKA (12) OPIS PATENTOWY (19) PL (11) 216925 (13) B1 (21) Numer zgłoszenia: 389198 (51) Int.Cl. G01R 35/02 (2006.01) Urząd Patentowy Rzeczypospolitej Polskiej (22) Data zgłoszenia:

Bardziej szczegółowo

Miernictwo Wibroakustyczne Literatura. Wykład 1 Wprowadzenie. Sygnały pomiarowe

Miernictwo Wibroakustyczne Literatura. Wykład 1 Wprowadzenie. Sygnały pomiarowe Wykład Wprowadzenie. Sygnały pomiarowe Dr inż.adeusz Wszołek Miernictwo Wibroakustyczne - Wydział Inżynierii Mechanicznej i Robotyki Katedra Mechaniki i Wibroakustyki D-, p.6, konsultacje-poniedziałek,

Bardziej szczegółowo

Podstawy Elektrotechniki i Elektroniki. Opracował: Mgr inż. Marek Staude

Podstawy Elektrotechniki i Elektroniki. Opracował: Mgr inż. Marek Staude Podstawy Elektrotechniki i Elektroniki Opracował: Mgr inż. Marek Staude Część 2 Analiza obwodów w stanie ustalonym przy wymuszeniu sinusoidalnym Przypomnienie ostatniego wykładu Prąd i napięcie Podstawowe

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

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 3. Właściwości przekształcenia Fouriera 1. Podstawowe właściwości przekształcenia

Bardziej szczegółowo

AiR_TSiS_1/2 Teoria sygnałów i systemów Signals and systems theory. Automatyka i Robotyka I stopień ogólnoakademicki

AiR_TSiS_1/2 Teoria sygnałów i systemów Signals and systems theory. Automatyka i Robotyka I stopień ogólnoakademicki Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2013/2014

Bardziej szczegółowo

Laboratorium Przetwarzania Sygnałów Biomedycznych

Laboratorium Przetwarzania Sygnałów Biomedycznych PSB - laboratorium Laboratorium Przetwarzania Sygnałów Biomedycznych Ćwiczenie 5 Analiza sygnału świergotowego przy zastosowaniu transformacji Hilberta Opracowali: - prof. dr hab. inż. Krzysztof Kałużyński

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

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

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

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

Akwizycja i przetwarzanie sygnałów cyfrowych

Akwizycja i przetwarzanie sygnałów cyfrowych Akwizycja i przetwarzanie sygnałów cyfrowych Instytut Teleinformatyki ITI PK Kraków 21 luty 2011 Analiza czas - częstotliwość analiza częstotliwościowa: problem dla sygnału niestacjonarnego zwykła transformata

Bardziej szczegółowo

Laboratorium Wirtualne Obwodów w Stanach Ustalonych i Nieustalonych

Laboratorium Wirtualne Obwodów w Stanach Ustalonych i Nieustalonych ĆWICZENIE 1 Badanie obwodów jednofazowych rozgałęzionych przy wymuszeniu sinusoidalnym Cel ćwiczenia Celem ćwiczenia jest Poznanie podstawowych elementów pasywnych R, L, C, wyznaczenie ich wartości na

Bardziej szczegółowo

ĆWICZENIE III ANALIZA WIDMOWA SYGNAŁÓW DYSKRETNYCH. ver.3

ĆWICZENIE III ANALIZA WIDMOWA SYGNAŁÓW DYSKRETNYCH. ver.3 1 Zakład Elektrotechniki Teoretycznej ver.3 ĆWICZEIE III AALIZA WIDMOWA SYGAŁÓW DYSKRETYCH (00) Celem ćwiczenia jest przeprowadzenie analizy widmowej dyskretnych sygnałów okresowych przy zastosowaniu szybkiego

Bardziej szczegółowo

Wykład 2: Szeregi Fouriera

Wykład 2: Szeregi Fouriera Rachunek prawdopodobieństwa MAP64 Wydział Elektroniki, rok akad. 8/9, sem. letni Wykładowca: dr hab. A. Jurlewicz Wykład : Szeregi Fouriera Definicja. Niech f(t) będzie funkcją określoną na R, okresową

Bardziej szczegółowo

Zad Sprawdzić, czy dana funkcja jest funkcją własną danego operatora. Jeśli tak, znaleźć wartość własną funkcji.

Zad Sprawdzić, czy dana funkcja jest funkcją własną danego operatora. Jeśli tak, znaleźć wartość własną funkcji. Zad. 1.1. Sprawdzić, czy dana funkcja jest funkcją własną danego operatora. Jeśli tak, znaleźć wartość własną funkcji. Zad. 1.1.a. Funkcja: ϕ = sin2x Zad. 1.1.b. Funkcja: ϕ = e x 2 2 Operator: f = d2 dx

Bardziej szczegółowo

Miernictwo dynamiczne Dynamic Measurement. Elektrotechnika I stopnia (I stopień / II stopień) Ogólnoakademicki (ogólno akademicki / praktyczny)

Miernictwo dynamiczne Dynamic Measurement. Elektrotechnika I stopnia (I stopień / II stopień) Ogólnoakademicki (ogólno akademicki / praktyczny) Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Miernictwo dynamiczne Dynamic Measurement

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

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

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 - definicja 1 O układzie możemy mówić, że jest stabilny gdy wytrącony ze stanu równowagi

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

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

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

Zmiany fazy/okresu oscylacji Chandlera i rocznej we współrzędnych bieguna ziemskiego.

Zmiany fazy/okresu oscylacji Chandlera i rocznej we współrzędnych bieguna ziemskiego. Strona 1 z 38 Zmiany fazy/okresu oscylacji Chandlera i rocznej we współrzędnych bieguna ziemskiego. Alicja Rzeszótko alicja@cbk.waw.pl 2 czerwca 2006 1 Omówienie danych 3 Strona główna Strona 2 z 38 2

Bardziej szczegółowo

Inżynieria Systemów Dynamicznych (3)

Inżynieria Systemów Dynamicznych (3) Inżynieria Systemów Dynamicznych (3) Charakterystyki podstawowych członów dynamicznych Piotr Jacek Suchomski Katedra Systemów Automatyki WETI, Politechnika Gdańska 2 grudnia 2010 O czym będziemy mówili?

Bardziej szczegółowo

Przekształcenia widmowe Transformata Fouriera. Adam Wojciechowski

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

Bardziej szczegółowo

TEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM

TEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM TEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM AKADEMIA MORSKA Katedra Telekomunikacji Morskiej ĆWICZENIE 3 BADANIE CHARAKTERYSTYK CZASOWYCH LINIOWYCH UKŁADÓW RLC. Cel ćwiczenia Celem ćwiczenia są pomiary i analiza

Bardziej szczegółowo

Podstawy Fizyki IV Optyka z elementami fizyki współczesnej. wykład 11, Radosław Chrapkiewicz, Filip Ozimek

Podstawy Fizyki IV Optyka z elementami fizyki współczesnej. wykład 11, Radosław Chrapkiewicz, Filip Ozimek Podstawy Fizyki IV Optyka z elementami fizyki współczesnej wykład 11, 19.03.2012 wykład: pokazy: ćwiczenia: Czesław Radzewicz Radosław Chrapkiewicz, Filip Ozimek Ernest Grodner Wykład 10 - przypomnienie

Bardziej szczegółowo

TRANSFORMATA FOURIERA

TRANSFORMATA FOURIERA TRANSFORMATA FOURIERA. Wzór całkowy Fouriera Wzór ten wykorzystujemy do analizy funkcji nieokresowych; funkcje te mogą opisywać np.przebiegi eleektryczne. Najpierw sformułujmy tzw. warunki Dirichleta.

Bardziej szczegółowo

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

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

Informacja o przestrzeniach Hilberta

Informacja o przestrzeniach Hilberta Temat 10 Informacja o przestrzeniach Hilberta 10.1 Przestrzenie unitarne, iloczyn skalarny Niech dana będzie przestrzeń liniowa X. Załóżmy, że każdej parze elementów x, y X została przyporządkowana liczba

Bardziej szczegółowo

Własności dynamiczne przetworników pierwszego rzędu

Własności dynamiczne przetworników pierwszego rzędu 1 ĆWICZENIE 7. CEL ĆWICZENIA. Własności dynamiczne przetworników pierwszego rzędu Celem ćwiczenia jest poznanie własności dynamicznych przetworników pierwszego rzędu w dziedzinie czasu i częstotliwości

Bardziej szczegółowo

Ważne rozkłady i twierdzenia c.d.

Ważne rozkłady i twierdzenia c.d. Ważne rozkłady i twierdzenia c.d. Funkcja charakterystyczna rozkładu Wielowymiarowy rozkład normalny Elipsa kowariacji Sploty rozkładów Rozkłady jednostajne Sploty z rozkładem normalnym Pobieranie próby

Bardziej szczegółowo

KARTA MODUŁU KSZTAŁCENIA

KARTA MODUŁU KSZTAŁCENIA KARTA MODUŁU KSZTAŁCENIA I. Informacje ogólne I. 1 Nazwa modułu kształcenia Analiza i przetwarzanie sygnałów 2 Nazwa jednostki prowadzącej moduł (należy wskazać nazwę zgodnie ze Statutem PSW Instytut,

Bardziej 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, 2018 Wstęp Stabilność O układzie możemy mówić, że jest stabilny jeżeli jego odpowiedź na wymuszenie (zakłócenie)

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

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

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

Bardziej szczegółowo

Różne reżimy dyfrakcji

Różne reżimy dyfrakcji Fotonika Wykład 7 - Sposoby wyznaczania obrazu dyfrakcyjnego - Przykłady obrazów dyfrakcyjnych w polu dalekim obliczonych przy użyciu dyskretnej transformaty Fouriera - Elementy dyfrakcyjne Różne reżimy

Bardziej szczegółowo

7 Twierdzenie Fubiniego

7 Twierdzenie Fubiniego M. Beśka, Wstęp do teorii miary, wykład 7 19 7 Twierdzenie Fubiniego 7.1 Miary produktowe Niech i będą niepustymi zbiorami. Przez oznaczmy produkt kartezjański i tj. zbiór = { (x, y : x y }. Niech E oraz

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

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

Wykład 2 Zmienne losowe i ich rozkłady

Wykład 2 Zmienne losowe i ich rozkłady Wykład 2 Zmienne losowe i ich rozkłady Magdalena Frąszczak Wrocław, 11.10.2017r Zmienne losowe i ich rozkłady Doświadczenie losowe: Rzut monetą Rzut kostką Wybór losowy n kart z talii 52 Gry losowe Doświadczenie

Bardziej szczegółowo

Twierdzenie o splocie

Twierdzenie o splocie Twierdzenie o splocie g(t) = (s h) (t) G(f ) = S(f ) H(f ) (1) To twierdzenie działa też w drugą stronę: G(f ) = (S H) (f ) g(t) = s(t) h(t) (2) Zastosowania: zamiana splotu na mnożenie daje wgląd w okienkowanie

Bardziej szczegółowo

Wykład 6: Reprezentacja informacji w układzie optycznym; układy liniowe w optyce; podstawy teorii dyfrakcji

Wykład 6: Reprezentacja informacji w układzie optycznym; układy liniowe w optyce; podstawy teorii dyfrakcji Fotonika Wykład 6: Reprezentacja informacji w układzie optycznym; układy liniowe w optyce; podstawy teorii dyfrakcji Plan: pojęcie sygnału w optyce układy liniowe filtry liniowe, transformata Fouriera,

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

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

ĆWICZENIE 6 Transmitancje operatorowe, charakterystyki częstotliwościowe układów aktywnych pierwszego, drugiego i wyższych rzędów

ĆWICZENIE 6 Transmitancje operatorowe, charakterystyki częstotliwościowe układów aktywnych pierwszego, drugiego i wyższych rzędów ĆWICZENIE 6 Transmitancje operatorowe, charakterystyki częstotliwościowe układów aktywnych pierwszego, drugiego i wyższych rzędów. Cel ćwiczenia Badanie układów pierwszego rzędu różniczkującego, całkującego

Bardziej szczegółowo

Przekształcenie Z. Krzysztof Patan

Przekształcenie Z. Krzysztof Patan Przekształcenie Z Krzysztof Patan Wprowadzenie Przekształcenie Laplace a można stosować do sygnałów i systemów czasu ciągłego W przypadku sygnałów czy systemów czasu dyskretnego do wyznaczenia transmitancji

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

Podstawy Fizyki III Optyka z elementami fizyki współczesnej. wykład 11, Mateusz Winkowski, Łukasz Zinkiewicz

Podstawy Fizyki III Optyka z elementami fizyki współczesnej. wykład 11, Mateusz Winkowski, Łukasz Zinkiewicz Podstawy Fizyki III Optyka z elementami fizyki współczesnej wykład 11, 09.11.2017 wykład: pokazy: ćwiczenia: Czesław Radzewicz Mateusz Winkowski, Łukasz Zinkiewicz Radosław Łapkiewicz Wykład 10 - przypomnienie

Bardziej szczegółowo

Teoria systemów i sygnałów Kierunek AiR, sem. 5 2wE + 1l

Teoria systemów i sygnałów Kierunek AiR, sem. 5 2wE + 1l Teoria systemów i sygnałów Kierunek AiR, sem. 5 2wE + 1l Prof. dr hab. Wojciech Moczulski Politechnika Ślaska, Wydział Mechaniczny Technologiczny Katedra Podstaw Konstrukcji Maszyn 19 października 2008

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

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

Statystyka i eksploracja danych

Statystyka i eksploracja danych Wykład II: i charakterystyki ich rozkładów 24 lutego 2014 Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa,

Bardziej szczegółowo

Miernictwo dynamiczne Dynamic Measurement. Elektrotechnika I stopnia (I stopień / II stopień) Ogólnoakademicki (ogólno akademicki / praktyczny)

Miernictwo dynamiczne Dynamic Measurement. Elektrotechnika I stopnia (I stopień / II stopień) Ogólnoakademicki (ogólno akademicki / praktyczny) Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Miernictwo dynamiczne Dynamic Measurement

Bardziej szczegółowo

PROTOKÓŁ POMIAROWY - SPRAWOZDANIE

PROTOKÓŁ POMIAROWY - SPRAWOZDANIE PROTOKÓŁ POMIAROWY - SPRAWOZDANIE LABORATORIM PODSTAW ELEKTROTECHNIKI I ELEKTRONIKI Grupa Podgrupa Numer ćwiczenia 5 Nazwisko i imię Data wykonania. ćwiczenia. Prowadzący ćwiczenie Podpis Ocena sprawozdania

Bardziej szczegółowo

Zakłócenia w układach elektroenergetycznych LABORATORIUM 3

Zakłócenia w układach elektroenergetycznych LABORATORIUM 3 Zakłócenia w układach elektroenergetycznych LABORATORIUM 3 Przekształcenie 0-1- Dane są napięcia w trzech fazach (symetryczne): U = V U A = U max sin(ωt + 11. ) U B = U max sin(ωt + 11. ) U C = U max sin(ωt

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

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

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

Politechnika Krakowska im. Tadeusza Kościuszki. Karta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2014/2015

Politechnika Krakowska im. Tadeusza Kościuszki. Karta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2014/2015 Politechnika Krakowska im. Tadeusza Kościuszki Karta przedmiotu Wydział Inżynierii Lądowej obowiązuje studentów rozpoczynających studia w roku akademickim 01/015 Kierunek studiów: Transport Forma sudiów:

Bardziej szczegółowo

Rozdział 1 PODSTAWOWE POJĘCIA I DEFINICJE

Rozdział 1 PODSTAWOWE POJĘCIA I DEFINICJE 1. 1. W p r owadze n ie 1 Rozdział 1 PODSTAWOWE POJĘCIA I DEFINICJE 1.1. WPROWADZENIE SYGNAŁ nośnik informacji ANALIZA SYGNAŁU badanie, którego celem jest identyfikacja własności, cech, miar sygnału; odtwarzanie

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 korelacyjna sygnałów dr hab. inż.

Bardziej szczegółowo

Przekształcenie całkowe Fouriera

Przekształcenie całkowe Fouriera Przekształcenie całkowe Fouriera Postać zespolona szeregu Fouriera Niech ana bęzie funkcja f spełniająca w przeziale [, ] warunki Dirichleta. Wtey szereg Fouriera tej funkcji jest o niej zbieżny, tj. przy

Bardziej szczegółowo

Własności światła laserowego

Własności światła laserowego Własności światła laserowego Cechy światła laserowego: rozbieżność (równoległość) wiązki, pasmo spektralne, gęstość mocy oraz spójność (koherencja). Równoległość wiązki Dyfrakcyjną rozbieżność kątową awkącie

Bardziej szczegółowo

FUNKCJE ZESPOLONE Lista zadań 2005/2006

FUNKCJE ZESPOLONE Lista zadań 2005/2006 FUNKJE ZESPOLONE Lista zadań 25/26 Opracowanie: dr Jolanta Długosz Liczby zespolone. Obliczyć wartości podanych wyrażeń: (2 + ) ( ) 2 4 i (5 + i); b) (3 i)( 4 + 2i); c) 4 + i ; d) ( + i) 4 ; e) ( 2 + 3i)

Bardziej szczegółowo

Andrzej Leśnicki Laboratorium CPS Ćwiczenie 7 1/7 ĆWICZENIE 7. Splot liniowy i kołowy sygnałów

Andrzej Leśnicki Laboratorium CPS Ćwiczenie 7 1/7 ĆWICZENIE 7. Splot liniowy i kołowy sygnałów Andrzej Leśnicki Laboratorium CPS Ćwiczenie 7 1/7 ĆWICZEIE 7 Splot liniowy i kołowy sygnałów 1. Cel ćwiczenia Operacja splotu jest jedną z najczęściej wykonywanych operacji na sygnale. Każde przejście

Bardziej szczegółowo

Ćwiczenia 05. Sylwester Arabas (ćwiczenia do wykładu prof. Szymona Malinowskiego) 9. listopada 2010 r.

Ćwiczenia 05. Sylwester Arabas (ćwiczenia do wykładu prof. Szymona Malinowskiego) 9. listopada 2010 r. FFT w u: fft() Ćwiczenia 05 Sylwester Arabas (ćwiczenia do wykładu prof. Szymona Malinowskiego) Instytut Geofizyki, Wydział Fizyki Uniwersytetu Warszawskiego 9. listopada 2010 r. Zadanie 5.1 : wstęp (Landau/Lifszyc

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

Przetwarzanie obrazów wykład 6. Adam Wojciechowski

Przetwarzanie obrazów wykład 6. Adam Wojciechowski Przetwarzanie obrazów wykład 6 Adam Wojciechowski Przykłady obrazów cyfrowych i ich F-obrazów Parzysta liczba powtarzalnych wzorców Transformata Fouriera może być przydatna przy wykrywaniu określonych

Bardziej szczegółowo