Systemy przetwarzania sygnałów

Wielkość: px
Rozpocząć pokaz od strony:

Download "Systemy przetwarzania sygnałów"

Transkrypt

1 Sstem przetwarzania sgnałów x(t) (t)? x(t) Sstem przetwarzania sgnałów (t)

2 Sstem przetwarzania sgnałów sgnał ciągł x(t) (t)=h(x(t)) Sstem czasu ciągłego (t) np. megafon - wzmacniacz analogow sgnał dskretn x(n) (n)=h(x(n)) Sstem czasu dskretnego (n) np. model pogłosu: (n)=.*(n-) +x(n), filtr cfrowe t ciągła zmienna czasu n dskretna zmienna czasu n =,, N,

3 Właściwości sstemów przetwarzania sgnałów. Sstem z pamięcią i bez pamięci. Sstem odwracalne i nieodwracalne 3. Sstem przcznowe i nieprzcznowe 4. Sstem stabilne i niestabilne 5. Sstem liniowe i nieliniowe 6. Sstem niezmienne względem czasu (przesunięcia) i zmienne względem czasu 3

4 Sstem z pamięcią i bez pamięci Sgnał wjściow sstemu bez pamięci w chwili n zależ tlko od sgnału wejściowego w tej samej chwili, np.: n 3x n x n Sgnał wjściow sstemu z pamięcią w chwili n zależ sgnału wejściowego wstępującego w chwilach czasu kn, np.: n n xk xn n n xn 4

5 Sstem przcznowe Sstem jest przcznow gd jego sgnał wjściow w chwili n jest zależn tlko sgnału wejściowego w chwili n i/lub sgnału wejściowego z chwil przeszłch, np.: n xn x( n ) n xn x( n ) nieprzcznow 5

6 Sstem stabilne/niestabilne Sstem jest stabiln jeżeli dla sgnału wejściowego x(n) spełniającego warunek x(n) <A (gdzie: A jest stałą o ograniczonej wartości) próbki wtwarzane wjściu sstemu spełniają warunek (n) <B (gdzie: B jest również stałą o ograniczonej wartości). Któr z poniższch sstemów jest stabiln? a) b) c) d) n x 3 ( n) n n a n u n n k x( n) n N n x n gdzie u(n) jest sekwencją impulsów jednostkowch gdzie k jest stałą 6

7 Sstem jednorodne Jeżeli: x(n) Sstem (n) to: k x(n) Sstem k (n) 7

8 Sstem addtwne Jeżeli: x(n) Sstem (n) oraz: x(n) Sstem (n) to: x(n) + x(n) Sstem (n) + (n) 8

9 Sstem liniowe Jeżeli sstem jest jednorodn i addtwn to jest liniow. jednorodn addtwn liniow 9

10 Zasada superpozcji Sstem linowe spełniają zasadę superpozcji: ax n bx n ahx n bhbx n a n b n H tj. odpowiedź sstemu liniowego na sumę sgnałów wejściowch jest równa sumie odpowiedzi sstemu na poszczególne sgnał składowe. Przkład sstemu liniowego: Przkład sstemu nieliniowego: n n 3x x n n

11 Sstem liniowe Cz sstem: Niech: x n xn n i x n 3 jest liniow? Nie! n x n 5 Jednakże: n x n 7 n x n x n n n 3 Wniosek: Odpowiedź sstemu liniowego na zerowe pobudzenie jest?

12 Sstem liniowe Cz sstem: n xn liniow? Zasada superpozcji mówi: Jednak: a ax n bx n a n b n H n bx n ax n bx n ax n bx n H ax n b n ax n bx n a b

13 Sstem liniowe. Któr z poniższch sstemów jest liniow? Pokaż obliczenia. a) n 3x( n) b) n N n x n c) d) e) f) n k x( n) n x ( n) t alog( x( t)) t t x( ) d o 3

14 Sstem liniowe niezmienne względem przesunięcia Sstem niezmienne względem przesunięcia posiadają następującą właściwość: Jeżeli (n) jest odpowiedzią sstemu na pobudzenie x(n) to (n-k) jest odpowiedzią sstemu na x(n-k). n H xn n k Hxn k Skoncentrujem się na sstemach liniowch niezmiennch względem przesunięcia. 4

15 Sstem liniowe niezmienne względem przesunięcia Pokażem, że dla sstemów liniowch niezmiennch względem przesunięcia, znajomość odpowiedzi sstemu na pobudzenie impulsowe (n) pozwala wznaczć odpowiedź sstemu na dowoln sgnał wejściow. (n) Odpowiedź impulsowa h(n) Sstem liniow 5

16 Sgnał ciągł a sgnał dskretn - ciąg impulsow Diraca Impuls jednostkow: n dla dla n k k n n n k n= n n n=k n 6

17 Sgnał ciągł a sgnał dskretn xt x(t) k x n = k x(nt) t n x k n xt n k 3 Dt n 7

18 Definicja sgnału dskretnego Sgnał dskretn jest ciągiem impulsowm {x(ndt)} dla Dt= {x(), x(), x(k), } x(ndt) x 3 k n xk n k Dt n 8

19 Sgnał dskretn - przkład x(ndt) x(-) - 3 Dt n x n x n x n x n x n 9

20 Odpowiedź sstemu liniowego na pobudzenie sgnałem dskretnm k Sgnał wejściow x(n): xn xk n k Odpowiedź impulsowa: hn H n Odpowiedź sstemu na sgnał wejściow x(n) obliczam korzstając z zasad superpozcji: k k n H xk n k xk H n k xk hn k k

21 Odpowiedź sstemu liniowego na pobudzenie sgnałem dskretnm Sgnał wejściow x(n): x k n xk n k Sgnał wjściow (n): k k n xk hn k xn khk

22 Przkład splotu x h n,, n [, ] x(k) h(k) - 3 k - 3 k k n xn khk x(-k) k x khk x h k - - k

23 Przkład splotu x h n,, n [, ] x(k) h(k) - 3 k - 3 k k n xn khk x(-k) k x khk x h k x( ) h()... x( ) h() - - k 3

24 Przkład splotu x h n,, n [, ] x(k) h(k) - 3 k - 3 k k n xn khk x(-k) k x khk x h k x( ) h()... x( ) h() - - k 4

25 Przkład splotu x h n,, n [, ] x(k) h(k) - 3 k - 3 k k n xn khk x(3-k) k 3 x3 khk x3 h k x(3 ) h() x(3 ) h() - k 5

26 Wnik splotu x(k) h(k) x h n n [ ] - 3 k k n xn hn xk hn k n xn hn [ ] (n) - 3 k - 3 n 6

27 Splot (ang. Convolution) Dla sgnałów ciągłch : t xt ht x ht d Dla sgnałów dskretnch: k n xn hn xk hn k Warto spojrzeć na stronę internetową: 7

28 Odpowiedź sstemu liniowego na pobudzenie sgnałem okresowm Niech sgnał wejściow: x n e jn Sgnał wjściow (n): jnk n xn khk e hk e jn k k k k e jk h k k xnh j n H e j n H e 8

29 Splot (ang. Convolution) k n xn hn xk hn k Sgnał x Sgnał h Splot

30 Splot (ang. Convolution) k n xn hn xk hn k Sgnał x Sgnał h Splot

31 Splot (ang. Convolution) k n xn hn xk hn k Sgnał x Sgnał h Splot

32 Splot (ang. Convolution) k n xn hn xk hn k Sgnał x Sgnał h Splot

33 Splot (ang. Convolution) k n xn hn xk hn k Sgnał x Sgnał h Splot

34 Splot (ang. Convolution) k n xn hn xk hn k Sgnał x Sgnał h Splot

35 Splot (ang. Convolution) k n xn hn xk hn k Sgnał x Sgnał h * Splot

36 Splot (ang. Convolution) k n xn hn xk hn k Sgnał x Sgnał h * Splot

37 Splot (ang. Convolution) k n xn hn xk hn k Sgnał x Sgnał h * Splot

38 Splot (ang. Convolution) k n xn hn xk hn k Sgnał x Sgnał h * Splot

39 Splot (ang. Convolution) k n xn hn xk hn k Sgnał x Sgnał h * Splot

40 Splot (ang. Convolution) k n xn hn xk hn k Sgnał x Sgnał h * Splot

41 Splot (ang. Convolution) k n xn hn xk hn k Sgnał x Zwróć uwagę na długość sgnału wnikowego. Sgnał h Porównaj sgnał wnikow z sgnałem wejściowm Splot L M N

42 Splot - przkład h(t) - t x(t) t x ht d -Dt -Dt Dt Dt t Wznacz (t)= x(t) h(t), dla: Dt=4, Dt=, Dt=3/ i Dt= 4

43 conv(x,h) x h Splot - przkład Dt=

44 conv(x,h) x h Splot - przkład Dt=

45 conv(x,h) x h Splot - przkład Dt=

46 conv(x,h) x h Splot - przkład Dt=

47 Splot Równanie: k n xk hn k xn hn jest nazwane splotem (konwolucją), x(n) z h(n), tj. ciągu wejściowego z odpowiedzią impulsową sstemu. Zachodzi: k k n xk hn k hk xn k 47

48 Obliczanie splotu x(k) x(n-k) x(-k) x(-k) h(k) k k k h(k) k k n hk xn k k 48

49 Obliczanie splotu - przkład Niech jest dan sstem liniow H(.): Odpowiedź impulsowa sstemu: x(n) Dt / / h (n) n xn xn n n n h(n) / (n) h(.) 49

50 Obliczanie splotu - przkład Sgnał odp. Imp x()= h()= x()= h()= x()= h()= k n hk xn k k n xk hn k () = x()h() + x()h(-) + x()h(-) = ++ = () = x()h() + x()h() + x()h(-) = ++ = () = x()h() + x()h() + x()h( ) = ++ = (3) = x()h(3) + x()h() + x()h( ) = ++ = (4) =. 5

51 Obliczanie splotu - przkład Sgnał odp. Imp x()= h()= x()= h()= x()= h()= k n hk xn k k n xk hn k () = x()h() + x()h(-) + x()h(-) = ++ = () = x()h() + x()h() + x()h(-) = ++ = () = x()h() + x()h() + x()h( ) = ++ = 3 (3) =.. (4) =. 5

52 Nieskończona odpowiedź impulsowa Odpowiedź impulsowa sstemu może bć nieskończona: n a n xn Sprzężenie zwrotne x(n) (n) a (n-) a (n-) Dt Dla jakich wartości współcznnika a sstem ten jest stabiln? 5

53 Ptania. Sgnał dskretn w czasie można zdefiniować jako: a) kombinację liniową ważonch, jednostkowch funkcji impulsowch b) kombinację liniową kolejno opóźnianch jednostkowch funkcji impulsowch c) kombinację liniową jednostkowch funkcji impulsowch d) kombinację liniową ważonch i kolejno opóźnianch jednostkowch funkcji impulsowch. Znajomość funkcji impulsowej umożliwia w pełni scharakterzować: a) liniow sstem bez pamięci b) sstem liniow c) sstem niezmienn względem przesunięcia d) sstem liniow, niezmienn względem przesunięcia 53

54 Splot jako filtracja Przekład: Oblicz splot sgnału EKG z odpowiedzią impulsową: h n k n xn k k

55 Splot jako filtracja # Pthon (interactive mode) from scip.io import loadmat,savemat ecg=loadmat('ecg_all.mat')['ecg_s'] #load ecg signal and assign to variable ecg ecg=reshape(ecg,len(ecg)) #reshaping required for.mat files plot(ecg) h=/4.*ones(4) #define impulse response h =convolve(h,ecg) #result of filtering plot() k 3 k n hxn h xn h3xn 3 hk xn k 55

56 Splot jako filtracja.6 Sgnał EKG Odpowiedź impulsowa filtru

57 Splot jako filtracja.6.4. Wnik filtracji splotowej Filtr wgładzając x conv(x,h) 57

58 Splot filtr cfrowe x(k) współcznniki ruchomej średniej b współcznniki autoregresji (k) z - z - x(k-) b a (k-) z - z - x(k-) b a (k-) z - z - x(k-m) b M a N (k-n) 58

59 Podsumowanie. Rodzaje sstemów przetwarzania sgnałów dskretnch. Własności sstemów 3. Sstem liniowe niezmienne względem przesunięcia 4. Splot - definicja - obliczanie - przkład - filtracja 59

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

Systemy przetwarzania sygnałów

Systemy przetwarzania sygnałów Systemy przetwarzania sygnałów x(t) y(t)? x(t) System przetwarzania sygnałów y(t) 23 P. Strumiłło 1 Systemy przetwarzania sygnałów sygnał cigły x(t) y(t)=h(x(t)) System czasu cigłego y(t) np. megafon -

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

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

Adam Korzeniewski p Katedra Systemów Multimedialnych

Adam Korzeniewski p Katedra Systemów Multimedialnych Adam Korzeniewski adamkorz@sound.eti.pg.gda.pl p. 732 - Katedra Systemów Multimedialnych Operacja na dwóch funkcjach dająca w wyniku modyfikację oryginalnych funkcji (wynikiem jest iloczyn splotowy). Jest

Bardziej szczegółowo

Przetwarzanie sygnałów biomedycznych

Przetwarzanie sygnałów biomedycznych Przetwarzanie sgnałów biomedcznch Człowiek- najlepsza inwestcja Projekt współfinansowan przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Wkład XIII Dstrbucje czasowo częstotliwościowe

Bardziej szczegółowo

25. RÓWNANIA RÓŻNICZKOWE PIERWSZEGO RZĘDU. y +y tgx=sinx

25. RÓWNANIA RÓŻNICZKOWE PIERWSZEGO RZĘDU. y +y tgx=sinx 5. RÓWNANIA RÓŻNICZKOWE PIERWSZEGO RZĘDU 5.1. Pojęcia wstępne. Klasfikacja równań i rozwiązań Rozróżniam dwa zasadnicze tp równań różniczkowch: równania różniczkowe zwczajne i równania różniczkowe cząstkowe.

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

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Modelowanie

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Modelowanie Politechnika Wrocławska, Wydział Informatyki i Zarządzania Modelowanie Zad Wyznacz transformaty Laplace a poniższych funkcji, korzystając z tabeli transformat: a) 8 3e 3t b) 4 sin 5t 2e 5t + 5 c) e5t e

Bardziej szczegółowo

RÓWNANIA RÓŻNICZKOWE WYKŁAD 5

RÓWNANIA RÓŻNICZKOWE WYKŁAD 5 RÓWNANIA RÓŻNICZKOWE WYKŁAD 5 Równania różniczkowe rzędu drugiego Równania rzędu drugiego sprowadzalne do równań rzędu pierwszego Równanie różniczkowe rzędu drugiego postaci F ( x, ', ") 0 ( nie wstępuje

Bardziej szczegółowo

Optyka Fourierowska. Wykład 1 Analiza sygnałów i układów dwuwymiarowych

Optyka Fourierowska. Wykład 1 Analiza sygnałów i układów dwuwymiarowych Optka Forierowska Wkład Analiza sgnałów i kładów dwwmiarowch Literatra K. Gniadek Optka Forierowska K. Gniadek Optczne przetwarzanie inormacji J.W. Goodman Introdction to Forier Optics O. K. Erso Diraction

Bardziej szczegółowo

UKŁADY JEDNOWYMIAROWE. Część III UKŁADY NIELINIOWE

UKŁADY JEDNOWYMIAROWE. Część III UKŁADY NIELINIOWE UKŁADY JEDNOWYMIAROWE Część III UKŁADY NIELINIOWE 1 15. Wprowadzenie do części III Układ nieliniowe wkazją czter właściwości znacznie różniące je od kładów liniowch: 1) nie spełniają zasad sperpozcji,

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

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

Macierze normalne. D : Dowolną macierz kwadratową można zapisać w postaci A = B + ic gdzie ( ) B = A + A B = A + A = ( A + A)

Macierze normalne. D : Dowolną macierz kwadratową można zapisać w postaci A = B + ic gdzie ( ) B = A + A B = A + A = ( A + A) Macierze normalne Twierdzenie: Macierz można zdiagonalizować za pomocą unitarnej transformacji podobieństwa wted i tlko wted gd jest normalna (AA A A). ( ) D : Dowolną macierz kwadratową można zapisać

Bardziej szczegółowo

Politechnika Warszawska Instytut Automatyki i Robotyki. Prof. dr hab. inż. Jan Maciej Kościelny PODSTAWY AUTOMATYKI

Politechnika Warszawska Instytut Automatyki i Robotyki. Prof. dr hab. inż. Jan Maciej Kościelny PODSTAWY AUTOMATYKI Politechnika Warszawska Insttut Automatki i Robotki Prof. dr hab. inż. Jan Maciej Kościeln PODSTAWY AUTOMATYKI 1. Wprowadzenie, pojęcia podstawowe Plan wkładu 2 Definicja automatki jako dziedzin nauki

Bardziej szczegółowo

Rozwiązanie równań stanu dla układów liniowych - pola wektorowe

Rozwiązanie równań stanu dla układów liniowych - pola wektorowe Rozwiązanie równań stanu dla układów liniowch - pola wektorowe Przgotowanie: Dariusz Pazderski Wprowadzenie Rozważm liniowe równanie stanu układu niesingularnego stacjonarnego o m wejściach: ẋ = A+ Bu,

Bardziej szczegółowo

Równania różniczkowe cząstkowe

Równania różniczkowe cząstkowe Równania różniczkowe cząstkowe Definicja Równaniem różniczkowm cząstkowm nazwam takie równanie różniczkowe w którm wstępuje co najmniej jedna pochodna cząstkowa niewiadomej funkcji dwóch lub więcej zmiennch

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

RÓWNANIA RÓŻNICZKOWE WYKŁAD 3

RÓWNANIA RÓŻNICZKOWE WYKŁAD 3 RÓWNANIA RÓŻNICZKOWE WYKŁAD 3 Równania różniczkowe liniowe Metoda przewidwań Metoda przewidwań całkowania równania niejednorodnego ' p( x) opiera się na następującm twierdzeniu. Twierdzenie f ( x) Suma

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

1 Macierze i wyznaczniki

1 Macierze i wyznaczniki 1 Macierze i wyznaczniki 11 Definicje, twierdzenia, wzory 1 Macierzą rzeczywistą (zespoloną) wymiaru m n, gdzie m N oraz n N, nazywamy prostokątną tablicę złożoną z mn liczb rzeczywistych (zespolonych)

Bardziej szczegółowo

Filtry cyfrowe. h(n) odpowiedź impulsowa. Filtr cyfrowy. Procesory sygnałowe (DSP), układy programowalne

Filtry cyfrowe. h(n) odpowiedź impulsowa. Filtr cyfrowy. Procesory sygnałowe (DSP), układy programowalne Filtry cyfrowe Procesory sygnałowe (DSP), układy programowalne x(n) Filtr cyfrowy y(n) h(n) odpowiedź impulsowa x(n) y(n) y(n) = x(n) h(n) 1 Filtry cyfrowe Po co filtrujemy sygnały? Aby uzyskać: redukcję

Bardziej szczegółowo

Dyskretne układy liniowe. Funkcja splotu. Równania różnicowe. Transform

Dyskretne układy liniowe. Funkcja splotu. Równania różnicowe. Transform Dyskretne układy liniowe. Funkcja splotu. Równania różnicowe. Transformata Z. March 20, 2013 Dyskretne układy liniowe. Funkcja splotu. Równania różnicowe. Transformata Z. Sygnał i system Sygnał jest opisem

Bardziej szczegółowo

Plan wykładu. Własności statyczne i dynamiczne elementów automatyki:

Plan wykładu. Własności statyczne i dynamiczne elementów automatyki: Plan wykładu Własności statyczne i dynamiczne elementów automatyki: - charakterystyka statyczna elementu automatyki, - sygnały standardowe w automatyce: skok jednostkowy, impuls Diraca, sygnał o przebiegu

Bardziej szczegółowo

MES polega na wyznaczaniu interesujących nas parametrów w skończonej ilości punktów. A co leży pomiędzy tymi punktami?

MES polega na wyznaczaniu interesujących nas parametrów w skończonej ilości punktów. A co leży pomiędzy tymi punktami? MES- 07 Interpolacja, wprowadzenie Interpolacja: po co nam to? Ptania MES polega na wznaczaniu interesującch nas parametrów w skończonej ilości punktów. A co leż pomiędz tmi punktami? Na razie rozpatrwaliśm

Bardziej szczegółowo

Wykład 7: Warunkowa wartość oczekiwana. Rozkłady warunkowe.

Wykład 7: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Rachunek prawdopodobieństwa MAP3040 WPPT FT, rok akad. 2010/11, sem. zimowy Wykładowca: dr hab. Agnieszka Jurlewicz Wykład 7: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Warunkowa wartość oczekiwana.

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 Plan na dziś 1 Przedstawienie przedmiotu i zakresu wykładu polecanej iteratury zasad zaliczenia 2 Wyklad

Bardziej szczegółowo

Plan wyk y ł k adu Mózg ludzki a komputer Komputer Mózg Jednostki obliczeniowe Jednostki pami Czas operacji Czas transmisji Liczba aktywacji/s

Plan wyk y ł k adu Mózg ludzki a komputer Komputer Mózg Jednostki obliczeniowe Jednostki pami Czas operacji Czas transmisji Liczba aktywacji/s Sieci neuronowe model konekcjonistczn Plan wkładu Mózg ludzki a komputer Modele konekcjonistcze Sieć neuronowa Sieci Hopfielda Mózg ludzki a komputer Twój mózg to komórek, 3 2 kilometrów przewodów i (biliard)

Bardziej szczegółowo

Wykład Analiza jakościowa równań różniczkowych

Wykład Analiza jakościowa równań różniczkowych Na podstawie książki J. Rusinka, Równania różniczkowe i różnicowe w zarządzaniu, Oficna Wdawnicza WSM, Warszawa 2005. 21 maja 2012 Definicja Stabilność Niech = F (x, ) będzie równaniem różniczkowm. Rozwiązanie

Bardziej szczegółowo

Instrukcja do laboratorium z cyfrowego przetwarzania sygnałów. Systemy i wybrane sposoby ich opisu

Instrukcja do laboratorium z cyfrowego przetwarzania sygnałów. Systemy i wybrane sposoby ich opisu Instrukcja do laboratorium z cyfrowego przetwarzania sygnałów Systemy i wybrane sposoby ich opisu Przemysław Korohoda, KE, AGH Zawartość instrukcji: 1 Materiał z zakresu DSP 1.1 Klasyfikacja systemów 1.

Bardziej szczegółowo

Modulatory i detektory. Modulacja. Modulacja i detekcja

Modulatory i detektory. Modulacja. Modulacja i detekcja Modulator i detektor Modulacja Przekształcenie sgnału informacjnego do postaci dogodnej do transmisji w kanale telekomunikacjnm Polega na zmianie, któregoś z parametrów fali nośnej (amplitud, częstotliwości,

Bardziej szczegółowo

Interpolacja. Układ. x exp. = y 1. = y 2. = y n

Interpolacja. Układ. x exp. = y 1. = y 2. = y n MES 07 lokaln Interpolacja. Układ Interpolacja, wprowadzenie Interpolacja: po co nam to? Ptania MES polega na wznaczaniu interesującch nas parametrów w skończonej ilości punktów. A co leż pomiędz tmi punktami?

Bardziej szczegółowo

19. Wybrane układy regulacji Korekcja nieliniowa układów. Przykład K s 2. Rys Schemat blokowy układu oryginalnego

19. Wybrane układy regulacji Korekcja nieliniowa układów. Przykład K s 2. Rys Schemat blokowy układu oryginalnego 19. Wbrane układ regulacji Przkład 19.1 19.1. Korekcja nieliniowa układów w K s 2 Rs. 19.1. Schemat blokow układu orginalnego 1 Zbadać możliwość stabilizacji układu za pomocą nieliniowego prędkościowego

Bardziej szczegółowo

Równania różniczkowe cząstkowe

Równania różniczkowe cząstkowe Równania różniczkowe cząstkowe Definicja: Równaniem różniczkowm cząstkowm nazwam takie równanie różniczkowe w którm wstępuje co najmniej jedna pochodna cząstkowa niewiadomej funkcji dwóch lub więcej zmiennch

Bardziej szczegółowo

Przetwarzanie sygnałów

Przetwarzanie sygnałów Przetwarzanie sygnałów Ćwiczenie 3 Filtry o skończonej odpowiedzi impulsowej (SOI) Spis treści 1 Filtracja cyfrowa podstawowe wiadomości 1 1.1 Właściwości filtru w dziedzinie czasu............... 1 1.2

Bardziej szczegółowo

Przeksztacenie Laplace a. Krzysztof Patan

Przeksztacenie Laplace a. Krzysztof Patan Przeksztacenie Laplace a Krzysztof Patan Wprowadzenie Transformata Fouriera popularna metoda opisu systemów w dziedzinie częstotliwości Transformata Fouriera umożliwia wykonanie wielu użytecznych czynności:

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

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 1-2

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 1-2 Stanisław Cichocki Natalia Nehreecka Zajęcia - . Model liniow Postać modelu liniowego Zapis macierzow modelu liniowego. Estmacja modelu Przkład Wartość teoretczna (dopasowana) Reszt 3. MNK - przpadek wielu

Bardziej szczegółowo

b n y k n T s Filtr cyfrowy opisuje się również za pomocą splotu dyskretnego przedstawionego poniżej:

b n y k n T s Filtr cyfrowy opisuje się również za pomocą splotu dyskretnego przedstawionego poniżej: 1. FILTRY CYFROWE 1.1 DEFIICJA FILTRU W sytuacji, kiedy chcemy przekształcić dany sygnał, w inny sygnał niezawierający pewnych składowych np.: szumów mówi się wtedy o filtracji sygnału. Ogólnie Filtracją

Bardziej szczegółowo

Wykład 4 Testy zgodności. dystrybuanta rozkładu populacji dystrybuanty rozkładów dwóch populacji rodzaj rozkładu wartości parametrów.

Wykład 4 Testy zgodności. dystrybuanta rozkładu populacji dystrybuanty rozkładów dwóch populacji rodzaj rozkładu wartości parametrów. Wkład Test zgodności. Test zgodności służą do werikacji hipotez mówiącch, że a dstrbuanta rozkładu populacji ma określoną z gór postać unkcjną b dstrbuant rozkładów dwóch populacji nie różnią się w sposób

Bardziej szczegółowo

Definicja wartości bezwzględnej. x < x y. x =

Definicja wartości bezwzględnej. x < x y. x = 1.9. WARTOŚĆ BEZWZGLĘDNA Definicja wartości bezwzględnej... gd... 0 =... gd... < 0 Własności wartości bezwzględnej 0 = = = n a n = a, gd n jest liczbą parzstą Przkład 1.9.1. Oblicz: a) b) c) 1 d) 0 e)

Bardziej szczegółowo

Równania różniczkowe

Równania różniczkowe Równania różniczkowe I rzędu Andrzej Musielak Równania różniczkowe Równania różniczkowe I rzędu Równanie różniczkowe pierwszego rzędu to równanie w którm pojawia się zmienna x, funkcja tej zmiennej oraz

Bardziej szczegółowo

Pochodna funkcji wykład 5

Pochodna funkcji wykład 5 Pochodna funkcji wkład 5 dr Mariusz Grządziel 8 listopada 2010 Funkcja logistczna 40 Rozważm funkcję logistczną = f 0 (t) = 1+5e 0,5t Funkcja f może bć wkorzstana np. do modelowania wzrostu mas ziaren

Bardziej szczegółowo

1 Macierz odwrotna metoda operacji elementarnych

1 Macierz odwrotna metoda operacji elementarnych W tej części skupimy się na macierzach kwadratowych. Zakładać będziemy, że A M(n, n) dla pewnego n N. Definicja 1. Niech A M(n, n). Wtedy macierzą odwrotną macierzy A (ozn. A 1 ) nazywamy taką macierz

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

Programowanie nieliniowe optymalizacja funkcji wielu zmiennych

Programowanie nieliniowe optymalizacja funkcji wielu zmiennych Ekonomia matematczna II Ekonomia matematczna II Prowadząc ćwiczenia Programowanie nieliniowe optmalizacja unkcji wielu zmiennch Modele programowania liniowego często okazują się niewstarczające w modelowaniu

Bardziej szczegółowo

Scenariusz lekcji matematyki z wykorzystaniem komputera

Scenariusz lekcji matematyki z wykorzystaniem komputera Scenariusz lekcji matematki z wkorzstaniem komputera Temat: Wpłw współcznników a i b na położenie wkresu funkcji liniowej. (Rsowanie wkresów prz użciu arkusza kalkulacjnego EXCEL.) Czas zajęć: 9 min Cele:

Bardziej szczegółowo

Lokalna odwracalność odwzorowań, odwzorowania uwikłane

Lokalna odwracalność odwzorowań, odwzorowania uwikłane Lokalna odwracalność odwzorowań, odwzorowania uwikłane Katedra Matematyki i Ekonomii Matematycznej Szkoła Główna Handlowa 17 maja 2012 Definicja Mówimy, że odwzorowanie F : X R n, gdzie X R n, jest lokalnie

Bardziej szczegółowo

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 4 ZADANIA - ZESTAW 4

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 4 ZADANIA - ZESTAW 4 ZADANIA - ZESTAW 4 Zadanie 4. 0-0,4 c 0 0, 0, Wznacz c. Wznacz rozkład brzegowe. Cz, są niezależne? (odp. c = 0,3 Zadanie 4.- 0-0,4 0,3 0 0, 0, Wznaczć macierz kowariancji i korelacji. Cz, są skorelowane?

Bardziej szczegółowo

Realizacja funkcji przełączających

Realizacja funkcji przełączających Realizacja funkcji przełączającch. Wprowadzenie teoretczne.. Podstawowe funkcje logiczne Funkcja logiczna NOT AND OR Zapis = x x = = x NAND NOR.2. Metoda minimalizacji funkcji metodą tablic Karnaugha Metoda

Bardziej szczegółowo

Podstawy Automatyki. Człowiek- najlepsza inwestycja. Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego

Podstawy Automatyki. Człowiek- najlepsza inwestycja. Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Podstaw Automatki Człowiek- najlepsza inwestcja Projekt współfinansowan przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Program 2 Podstaw Automatki Insttut Automatki i Robotki Autor programu:

Bardziej szczegółowo

Rys. 1 Otwarty układ regulacji

Rys. 1 Otwarty układ regulacji Automatyka zajmuje się sterowaniem, czyli celowym oddziaływaniem na obiekt, w taki sposób, aby uzyskać jego pożądane właściwości. Sterowanie często nazywa się regulacją. y zd wartość zadana u sygnał sterujący

Bardziej szczegółowo

Politechnika Poznańska, Katedra Sterowania i Inżynierii Systemów Wykłady 7,8, str. 1

Politechnika Poznańska, Katedra Sterowania i Inżynierii Systemów Wykłady 7,8, str. 1 Politechnika Poznańska, Katedra Sterowania i Inżnierii Sstemów Wkład 7,8, str. 28. Uchb ustalon w układach z niejednostkowm (elastcznm) sprzężeniem zwrotnm [rad] k u 0 [V] [V] u[v] G (s) G 2 (s) [rad]

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 1 Zadanie Definicja 1.1. (zadanie) Zadaniem nazywamy zagadnienie znalezienia rozwiązania x spełniającego równanie F (x, d) = 0, gdzie d jest zbiorem danych (od których zależy rozwiązanie x), a F

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 11 Ogólna postać metody iteracyjnej Definicja 11.1. (metoda iteracyjna rozwiązywania układów równań) Metodą iteracyjną rozwiązywania { układów równań liniowych nazywamy ciąg wektorów zdefiniowany

Bardziej szczegółowo

Pomiar bezpośredni przyrządem wskazówkowym elektromechanicznym

Pomiar bezpośredni przyrządem wskazówkowym elektromechanicznym . Rodzaj poiaru.. Poiar bezpośredni (prost) W przpadku poiaru pojednczej wielkości przrząde wskalowan w jej jednostkach wartość niedokładności ± określa graniczn błąd przrządu analogowego lub cfrowego

Bardziej szczegółowo

3.3. UKŁADY RÓWNAŃ LINIOWYCH. Równanie liniowe z dwiema niewiadomymi. Równaniem liniowym z dwiema niewiadomymi x i y nazywamy równanie postaci

3.3. UKŁADY RÓWNAŃ LINIOWYCH. Równanie liniowe z dwiema niewiadomymi. Równaniem liniowym z dwiema niewiadomymi x i y nazywamy równanie postaci .. UKŁADY RÓWNAŃ LINIOWYCH Równanie liniowe z dwiema niewiadommi Równaniem liniowm z dwiema niewiadommi i nazwam równanie postaci A B C 0, gdzie A, B, C R i A B 0 m równania z dwiema niewiadommi nazwam

Bardziej szczegółowo

Cyfrowe Przetwarzanie Obrazów i Sygnałów

Cyfrowe Przetwarzanie Obrazów i Sygnałów Cyfrowe Przetwarzanie Obrazów i Sygnałów Laboratorium EX Lokalne transformacje obrazów Joanna Ratajczak, Wrocław, 28 Cel i zakres ćwiczenia Celem ćwiczenia jest zapoznanie się z własnościami lokalnych

Bardziej szczegółowo

Detekcja zespołów QRS w sygnale elektrokardiograficznym

Detekcja zespołów QRS w sygnale elektrokardiograficznym Detekcja zespołów QRS w sygnale elektrokardiograficznym 1 Wprowadzenie Zadaniem algorytmu detekcji zespołów QRS w sygnale elektrokardiograficznym jest określenie miejsc w sygnale cyfrowym w których znajdują

Bardziej szczegółowo

BADANIE CYFROWYCH UKŁADÓW ELEKTRONICZNYCH TTL strona 1/7

BADANIE CYFROWYCH UKŁADÓW ELEKTRONICZNYCH TTL strona 1/7 BADANIE CYFROWYCH UKŁADÓW ELEKTRONICZNYCH TTL strona 1/7 BADANIE CYFROWYCH UKŁADÓW ELEKTRONICZNYCH TTL 1. Wiadomości wstępne Monolitcne układ scalone TTL ( ang. Trasistor Transistor Logic) stanowią obecnie

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

Wykład 1 Podstawy projektowania układów logicznych i komputerów Synteza i optymalizacja układów cyfrowych Układy logiczne

Wykład 1 Podstawy projektowania układów logicznych i komputerów Synteza i optymalizacja układów cyfrowych Układy logiczne Element cfrowe i układ logicne Wkład Literatura M. Morris Mano, Charles R. Kime Podstaw projektowania układów logicnch i komputerów, Wdawnictwa Naukowo- Technicne Giovanni De Micheli - Sntea i optmaliacja

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

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

Wartości i wektory własne

Wartości i wektory własne Rozdział 7 Wartości i wektor własne Niech X będzie skończenie wmiarową przestrzenią liniową nad ciałem F = R lub F = C. Niech f : X X będzie endomorfizmem, tj. odwzorowaniem liniowm przekształającm przestrzeń

Bardziej szczegółowo

Y AUT AU OMA OM T A YKI

Y AUT AU OMA OM T A YKI PODSTAWY AUTOMATYKI Wkład 1 Prowadząc: Jan Sposz Wstępne informacje Podstawa zaliczenia wkładu: kolokwium 23.01.2010 Obecność na wkładach: lista obecności. Zakres tematczn przedmiotu: (10 godzin wkładów)

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

ALGEBRA LINIOWA 2. Lista zadań 2003/2004. Opracowanie : dr Teresa Jurlewicz, dr Zbigniew Skoczylas

ALGEBRA LINIOWA 2. Lista zadań 2003/2004. Opracowanie : dr Teresa Jurlewicz, dr Zbigniew Skoczylas ALGEBRA LINIOWA 2 Lista zadań 23/24 Opracowanie : dr Teresa Jurlewicz dr Zbigniew Skoczylas Lista pierwsza Zadanie Uzasadnić z definicji że zbiór wszystkich rzeczywistych macierzy trójkątnych górnych stopnia

Bardziej szczegółowo

1. Wielomiany Podstawowe definicje i twierdzenia

1. Wielomiany Podstawowe definicje i twierdzenia 1. Wielomiany Podstawowe definicje i twierdzenia Definicja wielomianu. Wielomianem stopnia n zmiennej rzeczywistej x nazywamy funkcję w określoną wzorem w(x) = a n x n + a n 1 x n 1 + + a 1 x + a 0, przy

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

SPRZĘTOWA REALIZACJA FILTRÓW CYFROWYCH TYPU SOI

SPRZĘTOWA REALIZACJA FILTRÓW CYFROWYCH TYPU SOI 1 ĆWICZENIE VI SPRZĘTOWA REALIZACJA FILTRÓW CYFROWYCH TYPU SOI (00) Celem pracy jest poznanie sposobu fizycznej realizacji filtrów cyfrowych na procesorze sygnałowym firmy Texas Instruments TMS320C6711

Bardziej szczegółowo

Przedziały ufności i testy parametrów. Przedziały ufności dla średniej odpowiedzi. Interwały prognoz (dla przyszłych obserwacji)

Przedziały ufności i testy parametrów. Przedziały ufności dla średniej odpowiedzi. Interwały prognoz (dla przyszłych obserwacji) Wkład 1: Prosta regresja liniowa Statstczn model regresji liniowej Dane dla prostej regresji liniowej Przedział ufności i test parametrów Przedział ufności dla średniej odpowiedzi Interwał prognoz (dla

Bardziej szczegółowo

12. FUNKCJE WIELU ZMIENNYCH. z = x + y jest R 2, natomiast jej

12. FUNKCJE WIELU ZMIENNYCH. z = x + y jest R 2, natomiast jej 1. FUNKCJE WIELU ZMIENNYCH 1.1. FUNKCJE DWÓCH ZMIENNYCH Funkcją dwóch zmiennch określoną w zbiorze D R nazwam przporządkowanie każdej parze liczb () D dokładnie jednej liczb rzeczwistej z. Piszem prz tm

Bardziej szczegółowo

Ciągi liczbowe. Zbigniew Koza. Wydział Fizyki i Astronomii

Ciągi liczbowe. Zbigniew Koza. Wydział Fizyki i Astronomii Ciągi liczbowe Zbigniew Koza Wydział Fizyki i Astronomii Wrocław, 2015 Co to są ciągi? Ciąg skończony o wartościach w zbiorze A to dowolna funkcja f: 1,2,, n A Ciąg nieskończony o wartościach w zbiorze

Bardziej szczegółowo

f x f y f, jest 4, mianowicie f = f xx f xy f yx

f x f y f, jest 4, mianowicie f = f xx f xy f yx Zestaw 14 Pochodne wŝszch rzędów Niech będzie dana funkcja x f określona w pewnm obszarze D Przpuśćm Ŝe f x istnieją pochodne cząstkowe tej funkcji x x Pochodne cząstkowe tch pochodnch jeŝeli istnieją

Bardziej szczegółowo

Przekształcenia liniowe

Przekształcenia liniowe ALGEBRA LINIOWA 2 Wydział Mechaniczny / AIR, MTR Semestr letni 2009/2010 Prowadzący: dr Teresa Jurlewicz Przekształcenia liniowe Uwaga. W nawiasach kwadratowych podane są numery zadań znajdujących się

Bardziej szczegółowo

14. Grupy, pierścienie i ciała.

14. Grupy, pierścienie i ciała. 4. Grup, pierścienie i ciała. Definicja : Zbiór A nazwam grupą jeśli jest wposaŝon w działanie wewnętrzne łączne, jeśli to działanie posiada element neutraln i kaŝd element zbioru A posiada element odwrotn.

Bardziej szczegółowo

1. Ubezpieczenia życiowe

1. Ubezpieczenia życiowe 1. Ubezpieczenia życiowe Przy ubezpieczeniach życiowych mamy do czynienia z jednorazową wypłatą sumy ubezpieczenia. Moment jej wypłaty i wielkość wypłaty może być funkcją zmiennej losowej T a więc czas

Bardziej szczegółowo

Automatyka. Treść wykładów: Układ sekwencyjny synchroniczny. Układ kombinacyjny AND. Układ sekwencyjny asynchroniczny. Układ sekwencyjny synchroniczny

Automatyka. Treść wykładów: Układ sekwencyjny synchroniczny. Układ kombinacyjny AND. Układ sekwencyjny asynchroniczny. Układ sekwencyjny synchroniczny Automatka dr inż. Szmon Surma szmon.surma@polsl.pl zawt.polsl.pl/studia pok. 202, tel. +48 32 603 4136 Treść wkładów: 1. Podstaw automatki 2. Układ kombinacjne, 3. Układ sekwencjne snchronicze, 4. Układ

Bardziej szczegółowo

Komputerowa akwizycja obrazów

Komputerowa akwizycja obrazów Percepcja wrażeń wzrokowch przez człowieka PWN Komputerowa akwizcja obrazów P. Strumiłło Percepcja wrażeń wzrokowch przez człowieka Człowiek uzskuje ponad 90% informacji o świecie zewnętrznm za pomocą

Bardziej szczegółowo

x 1 x 2 x 3 x n w 1 w 2 Σ w 3 w n x 1 x 2 x 1 XOR x (x A, y A ) y A x A

x 1 x 2 x 3 x n w 1 w 2 Σ w 3 w n x 1 x 2 x 1 XOR x (x A, y A ) y A x A Sieci neuronowe model konekcjonistczn Plan wkładu Perceptron - przpomnienie Uczenie nienadzorowane Sieci Hopfielda Perceptron w 3 Σ w n A Liniowo separowaln problem klasfikacji ( A, A ) Problem XOR 0 0

Bardziej szczegółowo

Przekształcenia liniowe

Przekształcenia liniowe Przekształcenia liniowe Zadania Które z następujących przekształceń są liniowe? (a) T : R 2 R 2, T (x, x 2 ) = (2x, x x 2 ), (b) T : R 2 R 2, T (x, x 2 ) = (x + 3x 2, x 2 ), (c) T : R 2 R, T (x, x 2 )

Bardziej szczegółowo

Automatyka. Treść wykładów: Układ kombinacyjny AND. Układ sekwencyjny synchroniczny. Układ sekwencyjny asynchroniczny. Układ sekwencyjny synchroniczny

Automatyka. Treść wykładów: Układ kombinacyjny AND. Układ sekwencyjny synchroniczny. Układ sekwencyjny asynchroniczny. Układ sekwencyjny synchroniczny Treść wkładów: Automatka dr inż. Szmon Surma szmon.surma@polsl.pl zawt.polsl.pl pok. 202, tel. +48 32 603 4136 1. Podstaw automatki 2. Układ kombinacjne, 3. Układ sekwencjne snchronicze, 4. Układ sekwencjne

Bardziej szczegółowo

Ubezpieczenia na życie

Ubezpieczenia na życie ROZDZIAŁ 4 Ubezpieczenia na życie Ubezpieczenie na życie jest to kontrakt (zwany polisą), w którym ubezpieczony zobowiązuje się do opłacenia składki (jednorazowo lub w ratach), a w zamian za to ubezpieczyciel

Bardziej szczegółowo

Metody iteracyjne rozwiązywania układów równań liniowych (5.3) Normy wektorów i macierzy (5.3.1) Niech. x i. i =1

Metody iteracyjne rozwiązywania układów równań liniowych (5.3) Normy wektorów i macierzy (5.3.1) Niech. x i. i =1 Normy wektorów i macierzy (5.3.1) Niech 1 X =[x x Y y =[y1 x n], oznaczają wektory przestrzeni R n, a yn] niech oznacza liczbę rzeczywistą. Wyrażenie x i p 5.3.1.a X p = p n i =1 nosi nazwę p-tej normy

Bardziej szczegółowo

Wprowadzenie do technik regulacji automatycznej. prof nzw. dr hab. inż. Krzysztof Patan

Wprowadzenie do technik regulacji automatycznej. prof nzw. dr hab. inż. Krzysztof Patan Wprowadzenie do technik regulacji automatycznej prof nzw. dr hab. inż. Krzysztof Patan Czym jest AUTOMATYKA? Automatyka to dziedzina nauki i techniki zajmująca się teorią i praktycznym zastosowaniem urządzeń

Bardziej szczegółowo

= Zapiszemy poniższy układ w postaci macierzy. 8+$+ 2&=4 " 5 3$ 7&=0 5$+7&=4

= Zapiszemy poniższy układ w postaci macierzy. 8+$+ 2&=4  5 3$ 7&=0 5$+7&=4 17. Układ równań 17.1 Co nazywamy układem równań liniowych? Jak zapisać układ w postaci macierzowej (pokazać również na przykładzie) Co to jest rozwiązanie układu? Jaki układ nazywamy jednorodnym, sprzecznym,

Bardziej szczegółowo

Zestaw 0. 1 sin 2 x ; k) (arctg x) 0 = 1 ; l) (arcctg x) x 2 m) (arcsin x) 0 = p 1

Zestaw 0. 1 sin 2 x ; k) (arctg x) 0 = 1 ; l) (arcctg x) x 2 m) (arcsin x) 0 = p 1 Podstawowe wzor rachunku ró zniczkowego Zestaw. Rachunek ró zniczkow i ca kow a) (f () g ()) = f () g () + f () g () b) f (g ()) = f (g ()) g () f() c) g() = f ()g() f()g () d) ( n ) = n n g () e) (log

Bardziej szczegółowo

Laboratorium Cyfrowego Przetwarzania Obrazów

Laboratorium Cyfrowego Przetwarzania Obrazów Laboratorium Cyfrowego Przetwarzania Obrazów Ćwiczenie 4 Filtracja 2D Opracowali: - dr inż. Krzysztof Mikołajczyk - dr inż. Beata Leśniak-Plewińska - dr inż. Jakub Żmigrodzki Zakład Inżynierii Biomedycznej,

Bardziej szczegółowo

WZMACNIACZ OPERACYJNY

WZMACNIACZ OPERACYJNY 1. OPIS WKŁADKI DA 01A WZMACNIACZ OPERACYJNY Wkładka DA01A zawiera wzmacniacz operacyjny A 71 oraz zestaw zacisków, które umożliwiają dołączenie elementów zewnętrznych: rezystorów, kondensatorów i zwór.

Bardziej szczegółowo

ZASTOSOWANIA PRZEKSZTAŁCENIA ZET

ZASTOSOWANIA PRZEKSZTAŁCENIA ZET CPS - - ZASTOSOWANIA PRZEKSZTAŁCENIA ZET Rozwiązywanie równań różnicowych Dyskretny system liniowy-stacjonarny można opisać równaniem różnicowym w postaci ogólnej N M aky[ n k] bkx[ n k] k k Przekształcenie

Bardziej szczegółowo

Optyka Fourierowska. Wykład 7 Filtracja przestrzenna

Optyka Fourierowska. Wykład 7 Filtracja przestrzenna Optka Fourierowska Wkład 7 Filtracja przestrzenna Optczna obróbka inormacji Układ liniowe są bardzo użteczne w analizie układów obrazującch Koncepcja ta pozwala na analizę pól optcznch w dziedzinie częstości

Bardziej szczegółowo

Metody numeryczne. Postać zmiennoprzecinkowa liczby. dr Artur Woike. Arytmetyka zmiennoprzecinkowa. Uwarunkowanie zadania.

Metody numeryczne. Postać zmiennoprzecinkowa liczby. dr Artur Woike. Arytmetyka zmiennoprzecinkowa. Uwarunkowanie zadania. Ćwiczenia nr 1 Postać zmiennoprzecinkowa liczby Niech będzie dana liczba x R Mówimy, że x jest liczbą zmiennoprzecinkową jeżeli x = S M B E, gdzie: B N, B 2 (ustalona podstawa systemu liczbowego); S {

Bardziej szczegółowo

VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa.

VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa. VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa. W rozdziale tym zajmiemy się dokładniej badaniem stabilności rozwiązań równania różniczkowego. Pojęcie stabilności w

Bardziej szczegółowo

ZAGADNIENIA ZALICZENIOWE i PRZYKŁADY PYTAŃ z METOD KOMPUTEROWYCH w TSiP

ZAGADNIENIA ZALICZENIOWE i PRZYKŁADY PYTAŃ z METOD KOMPUTEROWYCH w TSiP ZAGADNIENIA ZALICZENIOWE i PRZYKŁADY PYTAŃ z METOD KOMPUTEROWYCH w TSiP. Podstawowe związki (równania równowagi, liniowe i nieliniowe związki geometrczne, związki fizczne, warunki brzegowe) w zapisie wskaźnikowm

Bardziej szczegółowo

Jednostka mnożąco-sumującą EMAC (Enhanced Multiply-ACcumulate unit)

Jednostka mnożąco-sumującą EMAC (Enhanced Multiply-ACcumulate unit) Jednostka mnożąco-sumującą EMAC (Enhanced Multiply-ACcumulate unit) 1 Moduł MAC (1) Jednostka arytmetyczna przeznaczona do operacji wykorzystywanych podczas cyfrowej obróbki sygnałów DSP (Digital Signal

Bardziej szczegółowo

Wykład 2. Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova)

Wykład 2. Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova) Wykład 2 Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova) 1. Procesy Markova: definicja 2. Równanie Chapmana-Kołmogorowa-Smoluchowskiego 3. Przykład dyfuzji w kapilarze

Bardziej szczegółowo

#09. Systemy o złożonej strukturze

#09. Systemy o złożonej strukturze #09 Systemy o złożonej strukturze system składa się z wielu elementów, obiekty (podsystemy) wchodzące w skład systemu są ze sobą połączone i wzajemnie od siebie zależne mogą wystąpić ograniczenia w dostępności

Bardziej szczegółowo

STUDIA MAGISTERSKIE DZIENNE LABORATORIUM SYGNAŁÓW, SYSTEMÓW I MODULACJI. Filtracja cyfrowa. v.1.0

STUDIA MAGISTERSKIE DZIENNE LABORATORIUM SYGNAŁÓW, SYSTEMÓW I MODULACJI. Filtracja cyfrowa. v.1.0 Politechnika Warszawska Instytut Radioelektroniki Zakład Radiokomunikacji SUDIA MAGISERSKIE DZIENNE LABORAORIUM SYGNAŁÓW, SYSEMÓW I MODULACJI Filtracja cyfrowa v.1. Opracowanie: dr inż. Wojciech Kazubski,

Bardziej szczegółowo