Kompresja Danych. Streszczenie Studia Dzienne Wykład 13, f(t) = c n e inω0t, T f(t)e inω 0t dt.
|
|
- Karol Jóźwiak
- 7 lat temu
- Przeglądów:
Transkrypt
1 1 Kodowanie podpasmowe Kompresja Danych Streszczenie Studia Dzienne Wykład 13, Transformaty, próbkowanie i filtry Korzystamy z faktów: Każdą funkcję okresową można reprezentować w postaci nieskończonego szeregu funkcji sinusoidalnych (szeregi Fouriera): f(t) = a 0 + a n cos(nω 0 t) + b n sin(nω 0 t), n=1 n=1 gdzie ω 0 = 2π/T, a T to okres funkcji f. Co więcej, współczynniki a i, b i można wyliczyć z funkcji f. Inaczej mówiąc, funkcja f może być reprezentowana w bazie funkcji cos(nω 0 t), sin(nω 0 t) dla t = 1, 2,... Bardziej zwarta postać tej reprezentacji: f(t) = c n e inω0t, gdzie i = 1 (zamianę tych postaci uzyskujemy w oparciu o tożsamość e iφ = cos φ + i sin φ). A wartości c n wyliczamy ze wzoru c n = 1 T T 0 f(t)e inω 0t dt. Funkcję nieokresową możemy reprezentować jak powyżej w przedziale [a, b], zakładając, że jest ona okresowa, czyli poza przedziałem [a, b] zachodzi własność f(x) = f(x + T ) gdzie T = b a albo... dokładnie w bazie mocy continuum (transformata Fouriera) f(t) = 1 F (ω)e iωt dω, 2π 1
2 gdzie F (ω) = f(t)e iωt dt jest współczynnikiem przy funkcji e iωt. CZYLI: zbiór funkcji g(ω) = e iωt dla wszystkich ω R stanowi bazę. W praktyce kodowania mamy do czynienia nie z funkcjami ciągłymi, ale spróbkowanymi, czyli ciągami wartości o ustalonej długości N. Dla nich stosujemy rozkład na N składowych charakteryzujących cykliczność o długościach 1, 2, 3,..., N (dyskretna transformata Fouriera; DCT jest zastosowaniem dyskretnej transformaty Fouriera). Dla cyfrowej reprezentacji sygnałów analogowych kluczowe jest: Twierdzenie 1 (twierdzenie o próbkowaniu (Nyquist)). Niech f będzie funkcja, której transormata Fouriera jest równa 0 dla częstości większych niż W. Wówczas, funkcję f można odtworzyć z wartości w punktach f(i/(2w )) dla liczb całkowitych i. Inaczej mówiac, wystarczy próbkować funkcję f z częstotliwościa (2W ). Powyższy wynik ma też przydatne uogólnienie: Twierdzenie 2??? Niech f będzie funkcja, której transormata Fouriera jest równa 0 dla częstości większych niż W 1 i częstotliwości mniejszych niż W 2. Wówczas, wystarczy próbkować funkcję f z częstotliwościa (2(W 1 W 2 )). ALE NIE DLA WSZYSTKICH W 1 i W 2... Po co nam ten rozkład w dziedzinie częstotliwości (pierwsze przybliżenie)? niektóre częstotliwości nie są dostrzegane przez człowieka (np. dźwięk o częstotliwościach poniżej 20Hz i powyżej 20KHz); można je pominąć! w typowych danych dźwiękowych czy obrazach: tylko pewien zakres częstotliwości istotnie wpływa na kształt danych (odpowiadają mu duże współczynniki); jeśli chcemy reprezentować sygnał (funkcję) Porównanie idei kodowania transformującego (np. JPEG) i podpasmowego: Kodowanie transformujące: kodujemy współczynniki reprezentacji w bazie częstotliwości. Kodowanie podpasmowe: dzielimy sygnał na wiele sygnałów (pasm) powstałych przez usunięcie z sygnału składowych reprezentującyh częstotliwości spoza ustalonego zakresu. Następnie kodujemy poszczególne sygnały w oryginalnej reprezentacji (czasowej, przestrzennej) wykorzystując ich specyfikę, oraz specyfikę percepcji (ludzkiej) dla różnych częstotliwości. 2
3 Do rozkładu sygnału na pasma używa się filtrów. Jak działa filtr idealny : filtr dolnoprzepustowy: usuwa składowe o częstotliwościach powyżej W. filtr górnoprzepustowy: usuwa składowe o częstotliwościach poniżej W. filtr środkowoprzepustowy: usuwa składowe o częstotliwościach spoza przedziału [W 1, W 2 ]. Filtry rzeczywiste charakteryzujemy poprzez funkcję odwzorowującą w jakim stopniu składowe o poszczególnych częstotliwościach są przenoszone. Są to zazwyczaj funkcje ciągłe, które przenoszą również (w mniejszym stopniu) składowe o częstotliwościach które powinny być usunięte; redukują (częściowo) siłę sygnału o częstotliwościach, które powinny być przenoszone. Fakty wykorzystywane przy kodowaniu poszczególnych pasm: twierdzenie o próbkowaniu: pozwala na dziesiątkowanie (rozrzedzanie) ciągu danych; różnice w słyszalności dla różnych częstotliwości; logarytmiczna skala rozróżnialności głośności (siły sygnału); maskowanie w bazie częstotliwości: silny dźwięk o pewnej częstotliwości maskuje dźwięki o innych częstotliwościach występujące w tym samym momencie maskowanie w czasie: silny sygnał o częstotliwości f w momencie t powoduje niesłyszalność innych sygnałów w pewnym przedziale czasowym wokół t i podobnych częstotliwościach. Na czym polega dziesiątkowanie (przykład): dany jest sygnał f spróbkowany z częstotliwością W ; użyliśmy filtru, który usunął z sygnału częstotliwości większe od V dla V takiego, że V < W/2 i dla i > 1; uzyskaliśmy sygnał g; wobec tego do odtworzenia sygnału wystarczy próbkowanie go z częstością 2V < W/2 i 1 dla i > 1; czyli wystarczy pozostawić jedną (np. pierwszą) z każdych kolejnych 2 i 1 wartości sygnału g. 3
4 Po co jeszcze potrzebujemy filtrów: przy próbkowaniu sygnału z częstotliwością 2W, jego składowe o częstotliwościach większych od W powodują zniekształcenia zwane aliasingiem. aliasing polega na tym, że sygnał o zbyt dużej częstotliwości odtwarzany jest jako sygnał o częstotliwości mniejszej (p. cofające się koła w samochodach). dlatego: zazwyczaj przed kodowaniem usuwa się (za pomocą odpowiedniego filtru) z sygnału składowe o częstotliwościach większych od połowy częstotliwości prókowania. powyższy krok nazywany jest anty-liasingiem. 1.2 Kodowanie podpasmowe Ogólny schemat kodowania podpasmowego: 1. Wybierz zbiór filtrów. 2. Używając filtrów, rozłóż sygnał wejściowy na sygnały podpasm. 3. rozrzedzanie (dziesiątkowanie) sygnałów (jeśli częstotliwość większa od tej która wystarcza do odtworzenia rozważanych częstotliwości, wybieramy tylko co p-tą próbkę) 4. kwantyzacja sygnałów, lub kodowanie różnicowe i kwantyzacja: niektóre sygnały mogą być mniej zauważalne (np. te o większych częstotliwościach): stosujemy dla nich mniej dokładną kwantyzację; wynikowe sygnały mogą mieć różne własności statystyczne: możemy każdy z nich inaczej kodować; efekt maskowania: niektóre składowe możemy pomijać w określonych przedziałach. 5. kodowanie wynikowych sygnałów. Uwaga: w praktyce metodę powyższą stosujemy osobno dla kolejnych bloków danych o ustalonej długości; w metodach adaptacyjnych pewne parametry dla kolejnych bloków są ustalane na podstawie bloków poprzednich. UWAGA: gdyby filtry działały idealnie (usuwały częstotliwości spoza ustalonego przedziału i przenosiły bez zmian pozostałe częstotliwości), dekodowanie mogłoby polegać jedynie na odtworzeniu poszczególnych podpasm i zsumowaniu ich. Ogólny schemat dekodowania: 4
5 1. dekodowanie poszczególnych ciągów skwantyzowanych (algorytm bezstratny); 2. odtworzenie wartości (przybliżonych) poszczególnych podpasm (dekodowanie DPCM lub dekodowanie odpowiedniego algorytmu kwantyzacji); 3. zagęszczenie (uzupełnienie ciągów zerami) tak, aby uzyskać częstotliwość ciągu wejściowego; 4. zastosowanie filtrów syntezujących (odpowiednio dopasowanych do filtrów stosowanych w trakcie kodowania). 1.3 Jak wygladaj a filtry? (spróbkowany) sygnał x 1, x 2,... (wejścia) jest przekształcany przez filtr na sygnał y 1, y 2,... wg reguły N M y n = a i x n i + b i y n i gdzie wartości {a i } i {b i } nazywane są współczynnikami filtra. Podział filtrów: i=0 FIR (finite impulse filters): współczynniki {b i } są zerowe, czyli wyjście zależy tylko od wejścia; i=1 IIR (infinite impulse filters): {b i } nie są zerowe. Reakcja impulsowa filtra nazywamy ciąg h 1, h 2,... uzyskamy w wyniku zastosowania filtra do sygnału 1, 0, 0,... czyli x 1 = 1 i x i = 0 dla i > 1. Fakt 1 Reakcja impulsowa jednoznacznie definiuje filtr wg wzoru: M y n = h k x n k, k=0 gdzie M jest ustalona stała dla FIR oraz M = dla IIR (można przyjać, że x i = 0 dla i 0). Przykład... czyli jak to się dzieje, że filtr zdefiniowany jako funkcja liniowa wycina wybrane częstotliwości. Dany ciąg x 1,..., x 12 : Użyjemy dwóch filtrów:
6 y n = (x n + x n 1 )/2, czyli filtr o reakcji impulsowej 0.5, 0.5, 0, 0,..., inaczej h 0 = h 1 = 0.5 oraz h i = 0 dla pozostałych wartości i; z n = (x n x n 1 )/2, czyli filtr o reakcji impulsowej 0.5, 0.5, 0, 0,..., inaczej h 0 = 1, h 1 = 1, h i = 0 dla pozostałych wartości i. Obserwacje: do odtworzenia ciągu {x i } nie potrzebujemy nieparzystych wartości z ciągów {y i } i {z i }, ponieważ: y 2n + z 2n = x 2n y 2n z 2n = x 2n 1 (uzyskaliśmy to dzięki odpowiedniemu dopasowaniu do siebie filtrów y i z); ciąg {y i } wygląda następująco: a ciąg {z i } tak: czyli {y n } to ciąg bardziej gładki od x n (można np. zastosować DPCM), a {z n } to ciąg o małym zakresie wartości (kwantyzacja skalarna dla oryginalnych wartości da niewielki błąd). Obserwacji c.d.: filtr y n jest filtrem dolnoprzepustowym (zachowuje niskie częstości), z n jest filtrem górnoprzepustowym (zachowuje wysokie częstości). eksperyment potwierdzający rolę filtrów y n i z n : efekt ich działania na ciągach 1, 1, 1,... (stałym) i 1, 1, 1, 1,... (ciąg o okresie częstości dwukrotnie mniejszej od częstości próbkowania). Jak wygląda filtr odwrotny (syntezujący)? dane są ciągi {y i } oraz {z i } takie, że y i = (x 2i + x 2i 1 )/2 oraz z i = (x 2i x 2i 1 )/2; jak odtworzyć ciąg {x i }? przypomnijmy wzory: x 2i = y i + z i oraz x 2i 1 = y i z i ; jeśli ciągi y i i z i przepleciemy : y 1, z 1, y 2, z 2,... i oznaczymy wynikowy ciąg przez {v i } to: x 2i = v 2i 1 + v 2i oraz x 2i 1 = v 2i 1 v 2i 6
7 czyli ciąg..., x 0, x 2, x 4, x 6,... uzyskamy poprzez zastosowanie do ciągu {v i }: filtra f o współczynnikach h 0 = h 1 = 1 (i h i = 0 dla pozostałych i) oraz usunięciu co drugiego elementu; ORAZ filtra g o współczynnikach h 0 = 1 i h 1 = 1; przeplecenie parzystych elementów z ciągów wyjściowych filtrów f i g. 1.4 Filtry bardziej ogólnie... Filtr (zdefiniowany przez współczynniki h i ) jako nieskończona transformata o macierzy H: macierz transformaty: wiersz 0 zawiera współczynniki h i (h i w i-tej kolumnie dla wszystkich całkowitych i); wiersz j to przesunięcie o j w prawo wiersza 0; wtedy iloczyn takiej macierzy przez wektor danych x da wynik zastosowania filtra y. Pytanie: kiedy filtrowanie jest operacją odwracalną?? Tylko gdy Hx = 0 x = 0. Czyli tylko dla nieciekawych filtrów. DF.A. Niech {g i } i {f i } to para filtrów taka, że wystarczy brać parzyste elementy z obu ciągów wynikowych (żeby odtworzyć ciąg wejściowy): niech (nieskończone) macierze G i F reprezentują oba filtry; wtedy przekształcenie przez nie zdefiniowane odpowiada: usunięciu nieparzystych wierszy z obu macierzy; przeplatamy wiersze parzyste. w powyższy sposób uzyskujemy macierz H, która definiuje przekształcenie dające w wyniku ciągi wynikowe obu filtrów f i g. Obserwacja: każdy wiersz macierzy przekształcenia definiującego filtr FIR (ze stałą liczbą niezerowych wartości h i ) ma skończoną liczbę wartości niezerowych. Przypomnienie: macierz (nieskończoną) A nazywamy ortonormalną gdy AA T = I. Twierdzenie 3 Jeśli macierz przekształcenia H odpowiadajacego parze filtrów {f i } i {g i } jest ortonormalna, a także ortonormalna jest macierz H T to przekształcenie to pozwoli odtworzyć sygnał wejściowy. 7
8 Jak to udowodnić: analogia do transformat. Wniosek: mamy już jakieś kryterium dla oceny, czy podana para filtrów jest dobra (pozwala odtworzyć sygnał). A teraz podamy konkretną metodę tworzenia filtra do pary. Twierdzenie 4 Niech h (zdefiniowany przez współczynniki {h i }) będzie filtrem spełniajacym warunek h i h i+2k = σ k gdzie σ k = 0 dla k 0 i σ 0 = 1 (p. ortonormalność). Niech g będzie filtrem zdefiniowanym przez następujace współczynniki i g k = ( 1) k h 1 k. Wtedy h i g tworza ortonormalny bank filtrów, co w szczególności oznacza, że sa para filtrów pozwalajac a odtworzyć sygnał oryginalny, za pomoca macierzy będac a transpozycja macierzy utworzonej wg DF.A. A jak tworzyć większe (nie dwu-elementowe) banki filtrów?... tym nie zajmiemy się, ale do kompresji falkowej wystarczą nam takie banki dwu-elementowe. 8
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 szczegółowoKodowanie 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 szczegółowoKompresja dźwięku w standardzie MPEG-1
mgr inż. Grzegorz Kraszewski SYSTEMY MULTIMEDIALNE wykład 7, strona 1. Kompresja dźwięku w standardzie MPEG-1 Ogólne założenia kompresji stratnej Zjawisko maskowania psychoakustycznego Schemat blokowy
Bardziej szczegółowoKodowanie podpasmowe. Plan 1. Zasada 2. Filtry cyfrowe 3. Podstawowy algorytm 4. Zastosowania
Kodowanie podpasmowe Plan 1. Zasada 2. Filtry cyfrowe 3. Podstawowy algorytm 4. Zastosowania Zasada ogólna Rozkład sygnału źródłowego na części składowe (jak w kodowaniu transformacyjnym) Wada kodowania
Bardziej szczegółowoTransformata 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 szczegółowoTransformata Laplace a to przekształcenie całkowe funkcji f(t) opisane następującym wzorem:
PPS 2 kartkówka 1 RÓWNANIE RÓŻNICOWE Jest to dyskretny odpowiednik równania różniczkowego. Równania różnicowe to pewne związki rekurencyjne określające w sposób niebezpośredni wartość danego wyrazu ciągu.
Bardziej szczegółowo2. Próbkowanie Sygnały okresowe (16). Trygonometryczny szereg Fouriera (17). Częstotliwość Nyquista (20).
SPIS TREŚCI ROZDZIAŁ I SYGNAŁY CYFROWE 9 1. Pojęcia wstępne Wiadomości, informacje, dane, sygnały (9). Sygnał jako nośnik informacji (11). Sygnał jako funkcja (12). Sygnał analogowy (13). Sygnał cyfrowy
Bardziej szczegółowoKodowanie transformacyjne. Plan 1. Zasada 2. Rodzaje transformacji 3. Standard JPEG
Kodowanie transformacyjne Plan 1. Zasada 2. Rodzaje transformacji 3. Standard JPEG Zasada Zasada podstawowa: na danych wykonujemy transformacje która: Likwiduje korelacje Skupia energię w kilku komponentach
Bardziej szczegółowouzyskany w wyniku próbkowania okresowego przebiegu czasowego x(t) ze stałym czasem próbkowania t takim, że T = t N 1 t
4. 1 3. " P r ze c ie k " w idm ow y 1 0 2 4.13. "PRZECIEK" WIDMOWY Rozważmy szereg czasowy {x r } dla r = 0, 1,..., N 1 uzyskany w wyniku próbkowania okresowego przebiegu czasowego x(t) ze stałym czasem
Bardziej szczegółowoKodowanie podpasmowe. Plan 1. Zasada 2. Filtry cyfrowe 3. Podstawowy algorytm 4. Zastosowania
Kodowanie podpasmowe Plan 1. Zasada. Filtry cyfrowe 3. Podstawowy algorytm 4. Zastosowania Zasada ogólna Rozkład sygnału źródłowego na części składowe (jak w kodowaniu transformacyjnym) Wada kodowania
Bardziej szczegółowo4 Zasoby językowe Korpusy obcojęzyczne Korpusy języka polskiego Słowniki Sposoby gromadzenia danych...
Spis treści 1 Wstęp 11 1.1 Do kogo adresowana jest ta książka... 12 1.2 Historia badań nad mową i językiem... 12 1.3 Obecne główne trendy badań... 16 1.4 Opis zawartości rozdziałów... 18 2 Wyzwania i możliwe
Bardziej szczegółowoKodowanie i kompresja Streszczenie Studia Licencjackie Wykład 11,
1 Kwantyzacja skalarna Kodowanie i kompresja Streszczenie Studia Licencjackie Wykład 11, 10.05.005 Kwantyzacja polega na reprezentowaniu dużego zbioru wartości (być może nieskończonego) za pomocą wartości
Bardziej szczegółowoCyfrowe przetwarzanie i kompresja danych
Cyfrowe przetwarzanie i kompresja danych dr inż.. Wojciech Zając Wykład 5. Dyskretna transformata falkowa Schemat systemu transmisji danych wizyjnych Źródło danych Przetwarzanie Przesył Przetwarzanie Prezentacja
Bardziej szczegółowoSzereg i transformata Fouriera
Analiza danych środowiskowych III rok OŚ Wykład 3 Andrzej Leśniak KGIS, GGiOŚ AGH Szereg i transformata Fouriera Cel wykładu: Wykrywanie i analiza okresowości w szeregach czasowych Przepływ wody w rzece
Bardziej szczegółowoPrzekształcenie Fouriera obrazów FFT
Przekształcenie ouriera obrazów T 6 P. Strumiłło, M. Strzelecki Przekształcenie ouriera ourier wymyślił sposób rozkładu szerokiej klasy funkcji (sygnałów) okresowych na składowe harmoniczne; taką reprezentację
Bardziej szczegółowoPrzetwarzanie i transmisja danych multimedialnych. Wykład 9 Kodowanie podpasmowe. Przemysław Sękalski.
Przetwarzanie i transmisja danych multimedialnych Wykład 9 Kodowanie podpasmowe Przemysław Sękalski sekalski@dmcs.pl Politechnika Łódzka Katedra Mikroelektroniki i Technik Informatycznych DMCS Wykład opracowano
Bardziej szczegółowoTechnika 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 szczegółowoAkwizycja 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 szczegółowoPrzetwarzanie 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 szczegółowoZałożenia 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 szczegółowoMatematyka dyskretna. Andrzej Łachwa, UJ, /15
Matematyka dyskretna Andrzej Łachwa, UJ, 2013 andrzej.lachwa@uj.edu.pl 7/15 Rachunek różnicowy Dobrym narzędziem do obliczania skończonych sum jest rachunek różnicowy. W rachunku tym odpowiednikiem operatora
Bardziej szczegółowoSIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa
SIMR 06/07, Analiza, wykład, 07-0- Przestrzeń wektorowa Przestrzeń wektorowa (liniowa) - przestrzeń (zbiór) w której określone są działania (funkcje) dodawania elementów i mnożenia elementów przez liczbę
Bardziej szczegółowo3 1 + i 1 i i 1 2i 2. Wyznaczyć macierze spełniające własność komutacji: [A, X] = B
1. Dla macierzy a) A = b) A = c) A = d) A = 3 1 + i 1 i i i 0 i i 0 1 + i 1 i 0 0 0 0 1 0 1 0 1 + i 1 i Wyznaczyć macierze spełniające własność komutacji: A, X = B. Obliczyć pierwiaski z macierzy: A =
Bardziej szczegółowoANALIZA SYGNAŁÓ W JEDNÓWYMIARÓWYCH
ANALIZA SYGNAŁÓ W JEDNÓWYMIARÓWYCH Generowanie podstawowych przebiegów okresowych sawtooth() przebieg trójkątny (wierzhołki +/-1, okres 2 ) square() przebieg kwadratowy (okres 2 ) gauspuls()przebieg sinusoidalny
Bardziej szczegółowo1. Modulacja analogowa, 2. Modulacja cyfrowa
MODULACJA W16 SMK 2005-05-30 Jest operacja mnożenia. Jest procesem nakładania informacji w postaci sygnału informacyjnego m.(t) na inny przebieg o wyższej częstotliwości, nazywany falą nośną. Przyczyna
Bardziej szczegółowomacierze jednostkowe (identyczności) macierze diagonalne, które na przekątnej mają same
1 Macierz definicja i zapis Macierzą wymiaru m na n nazywamy tabelę a 11 a 1n A = a m1 a mn złożoną z liczb (rzeczywistych lub zespolonych) o m wierszach i n kolumnach (zamiennie będziemy też czasem mówili,
Bardziej szczegółowoFFT i dyskretny splot. Aplikacje w DSP
i dyskretny splot. Aplikacje w DSP Marcin Jenczmyk m.jenczmyk@knm.katowice.pl Wydział Matematyki, Fizyki i Chemii 10 maja 2014 M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 1 / 17 Transformata
Bardziej szczegółowoAnaliza szeregów czasowych: 2. Splot. Widmo mocy.
Analiza szeregów czasowych: 2. Splot. Widmo mocy. P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 2007/08 Splot Jedna z najważniejszych własności transformaty Fouriera jest to, że transformata
Bardziej szczegółowoAnaliza obrazów - sprawozdanie nr 2
Analiza obrazów - sprawozdanie nr 2 Filtracja obrazów Filtracja obrazu polega na obliczeniu wartości każdego z punktów obrazu na podstawie punktów z jego otoczenia. Każdy sąsiedni piksel ma wagę, która
Bardziej szczegółowoKwantyzacja wektorowa. Kodowanie różnicowe.
Kwantyzacja wektorowa. Kodowanie różnicowe. Kodowanie i kompresja informacji - Wykład 7 12 kwietnia 2010 Kwantyzacja wektorowa wprowadzenie Zamiast kwantyzować pojedyncze elementy kwantyzujemy całe bloki
Bardziej szczegółowoAnaliza szeregów czasowych: 2. Splot. Widmo mocy.
Analiza szeregów czasowych: 2. Splot. Widmo mocy. P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 2006/07 Splot Jedna z najważniejszych własności transformaty Fouriera jest to, że transformata
Bardziej szczegółowoO sygnałach cyfrowych
O sygnałach cyfrowych Informacja Informacja - wielkość abstrakcyjna, która moŝe być: przechowywana w pewnych obiektach przesyłana pomiędzy pewnymi obiektami przetwarzana w pewnych obiektach stosowana do
Bardziej szczegółowoKompresja 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 szczegółowoKodowanie i kompresja Tomasz Jurdziński Studia Wieczorowe Wykład Kody liniowe - kodowanie w oparciu o macierz parzystości
Kodowanie i kompresja Tomasz Jurdziński Studia Wieczorowe Wykład 13 1 Kody liniowe - kodowanie w oparciu o macierz parzystości Przykład Różne macierze parzystości dla kodu powtórzeniowego. Co wiemy z algebry
Bardziej szczegółowodr inż. Artur Zieliński Katedra Elektrochemii, Korozji i Inżynierii Materiałowej Wydział Chemiczny PG pokój 311
dr inż. Artur Zieliński Katedra Elektrochemii, Korozji i Inżynierii Materiałowej Wydział Chemiczny PG pokój 3 Politechnika Gdaoska, 20 r. Publikacja współfinansowana ze środków Unii Europejskiej w ramach
Bardziej szczegółowoPrzekształcenia widmowe Transformata Fouriera. Adam Wojciechowski
Przekształcenia widmowe Transformata Fouriera Adam Wojciechowski Przekształcenia widmowe Odmiana przekształceń kontekstowych, w których kontekstem jest w zasadzie cały obraz. Za pomocą transformaty Fouriera
Bardziej szczegółowoĆwiczenie 3. Właściwości przekształcenia Fouriera
Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L Ćwiczenie 3. Właściwości przekształcenia Fouriera 1. Podstawowe właściwości przekształcenia
Bardziej szczegółowoLista. Przestrzenie liniowe. Zadanie 1 Sprawdź, czy (V, +, ) jest przestrzenią liniową nadr :
Lista Przestrzenie liniowe Zadanie 1 Sprawdź, czy (V, +, ) jest przestrzenią liniową nadr : V = R[X], zbiór wielomianów jednej zmiennej o współczynnikach rzeczywistych, wraz ze standardowym dodawaniem
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład XIII: Prognoza. 26 stycznia 2015 Wykład XIII: Prognoza. Prognoza (predykcja) Przypuśćmy, że mamy dany ciąg liczb x 1, x 2,..., x n, stanowiących wyniki pomiaru pewnej zmiennej w czasie wielkości
Bardziej szczegółowoSygnał a informacja. Nośnikiem informacji mogą być: liczby, słowa, dźwięki, obrazy, zapachy, prąd itp. czyli różnorakie sygnały.
Sygnał a informacja Informacją nazywamy obiekt abstarkcyjny, który może być przechowywany, przesyłany, przetwarzany i wykorzystywany y y y w określonum celu. Zatem informacja to każdy czynnik zmnejszający
Bardziej szczegółowoAkwizycja 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 szczegółowoW celu obliczenia charakterystyki częstotliwościowej zastosujemy wzór 1. charakterystyka amplitudowa 0,
Bierne obwody RC. Filtr dolnoprzepustowy. Filtr dolnoprzepustowy jest układem przenoszącym sygnały o małej częstotliwości bez zmian, a powodującym tłumienie i opóźnienie fazy sygnałów o większych częstotliwościach.
Bardziej szczegółowoCyfrowe przetwarzanie obrazów i sygnałów Wykład 2 AiR III
1 Niniejszy dokument zawiera materiały do wykładu z przedmiotu Cyfrowe Przetwarzanie Obrazów i Sygnałów. Jest on udostępniony pod warunkiem wykorzystania wyłącznie do własnych, prywatnych potrzeb i może
Bardziej szczegółowoTeoria sterowania - studia niestacjonarne AiR 2 stopień
Teoria sterowania - studia niestacjonarne AiR stopień Kazimierz Duzinkiewicz, dr hab. Inż. Katedra Inżynerii Systemów Sterowania Wykład 4-06/07 Transmitancja widmowa i charakterystyki częstotliwościowe
Bardziej szczegółowoKodowanie podpasmowe
Kodowanie i kompresja informacji - Wykład 12 [10] 24 maja 2010 Wprowadzenie Rozłożenie informacji na części (pasma) i kodowanie ich oddzielnie. Wprowadzenie Rozłożenie informacji na części (pasma) i kodowanie
Bardziej szczegółowoĆwiczenie 4. Filtry o skończonej odpowiedzi impulsowej (SOI)
Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L Ćwiczenie 4. Filtry o skończonej odpowiedzi impulsowej (SOI) 1. Filtracja cyfrowa podstawowe
Bardziej szczegółowoDYSKRETNE 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 szczegółowoWedług raportu ISO z 1988 roku algorytm JPEG składa się z następujących kroków: 0.5, = V i, j. /Q i, j
Kompresja transformacyjna. Opis standardu JPEG. Algorytm JPEG powstał w wyniku prac prowadzonych przez grupę ekspertów (ang. Joint Photographic Expert Group). Prace te zakończyły się w 1991 roku, kiedy
Bardziej szczegółowoWykład 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 szczegółowoGrafika 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 szczegółowoZjawisko aliasingu. Filtr antyaliasingowy. Przecieki widma - okna czasowe.
Katedra Mechaniki i Podstaw Konstrukcji Maszyn POLITECHNIKA OPOLSKA Komputerowe wspomaganie eksperymentu Zjawisko aliasingu.. Przecieki widma - okna czasowe. dr inż. Roland PAWLICZEK Zjawisko aliasingu
Bardziej szczegółowoMacierze. Rozdział Działania na macierzach
Rozdział 5 Macierze Funkcję, która każdej parze liczb naturalnych (i, j) (i 1,..., n; j 1,..., m) przyporządkowuje dokładnie jedną liczbę a ij F, gdzie F R lub F C, nazywamy macierzą (rzeczywistą, gdy
Bardziej szczegółowoAkwizycja i przetwarzanie sygnałów cyfrowych
Akwizycja i przetwarzanie sygnałów cyfrowych Instytut Teleinformatyki ITI PK Kraków 21 luty 2011 Rewolucja cyfrowa i jej skutki Rewolucja cyfrowa - dane cyfrowe: podstawowy rodzaj informacji multimedialnych,
Bardziej szczegółowoPrzetwarzanie 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 szczegółowoPrzetwarzanie 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 szczegółowoPolitechnika 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 szczegółowoAnaliza obrazu. wykład 5. Marek Jan Kasprowicz Uniwersytet Rolniczy 2008
Analiza obrazu komputerowego wykład 5 Marek Jan Kasprowicz Uniwersytet Rolniczy 2008 Slajdy przygotowane na podstawie książki Komputerowa analiza obrazu R.Tadeusiewicz, P. Korohoda, oraz materiałów ze
Bardziej szczegółowoProcedura modelowania matematycznego
Procedura modelowania matematycznego System fizyczny Model fizyczny Założenia Uproszczenia Model matematyczny Analiza matematyczna Symulacja komputerowa Rozwiązanie w postaci modelu odpowiedzi Poszerzenie
Bardziej szczegółowoKwantowanie sygnałów analogowych na przykładzie sygnału mowy
Kwantowanie sygnałów analogowych na przykładzie sygnału mowy Treść wykładu: Sygnał mowy i jego właściwości Kwantowanie skalarne: kwantyzator równomierny, nierównomierny, adaptacyjny Zastosowanie w koderze
Bardziej szczegółowoCZWÓRNIKI KLASYFIKACJA CZWÓRNIKÓW.
CZWÓRNK jest to obwód elektryczny o dowolnej wewnętrznej strukturze połączeń elementów, mający wyprowadzone na zewnątrz cztery zaciski uporządkowane w dwie pary, zwane bramami : wejściową i wyjściową,
Bardziej szczegółowo3. FUNKCJA LINIOWA. gdzie ; ół,.
1 WYKŁAD 3 3. FUNKCJA LINIOWA FUNKCJĄ LINIOWĄ nazywamy funkcję typu : dla, gdzie ; ół,. Załóżmy na początek, że wyraz wolny. Wtedy mamy do czynienia z funkcją typu :.. Wykresem tej funkcji jest prosta
Bardziej szczegółowo5. Rozwiązywanie układów równań liniowych
5. Rozwiązywanie układów równań liniowych Wprowadzenie (5.1) Układ n równań z n niewiadomymi: a 11 +a 12 x 2 +...+a 1n x n =a 10, a 21 +a 22 x 2 +...+a 2n x n =a 20,..., a n1 +a n2 x 2 +...+a nn x n =a
Bardziej szczegółowoTeoria przetwarzania A/C i C/A.
Teoria przetwarzania A/C i C/A. Autor: Bartłomiej Gorczyński Cyfrowe metody przetwarzania sygnałów polegają na przetworzeniu badanego sygnału analogowego w sygnał cyfrowy reprezentowany ciągiem słów binarnych
Bardziej szczegółowoTRANSFORMATA FALKOWA 2D. Oprogramowanie Systemów Obrazowania 2016/2017
TRANSFORMATA FALKOWA 2D Oprogramowanie Systemów Obrazowania 2016/2017 Wielorozdzielczość - dekompozycja sygnału w ciąg sygnałów o coraz mniejszej rozdzielczości na wielu poziomach gdzie: s l+1 - aproksymata
Bardziej szczegółowoKOMPRESJA 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 szczegółowoBIBLIOTEKA PROGRAMU R - BIOPS. Narzędzia Informatyczne w Badaniach Naukowych Katarzyna Bernat
BIBLIOTEKA PROGRAMU R - BIOPS Narzędzia Informatyczne w Badaniach Naukowych Katarzyna Bernat Biblioteka biops zawiera funkcje do analizy i przetwarzania obrazów. Operacje geometryczne (obrót, przesunięcie,
Bardziej szczegółowoMechanika Kwantowa. Maciej J. Mrowiński. 24 grudnia Funkcja falowa opisująca stan pewnej cząstki ma następującą postać: 2 x 2 )
Mechanika Kwantowa Maciej J. Mrowiński 4 grudnia 11 Zadanie MK1 Funkcja falowa opisująca stan pewnej cząstki w chwili t = ma następującą postać: A(a Ψ(x,) = x ) gdy x [ a,a] gdy x / [ a,a] gdzie a +. Wyznacz
Bardziej szczegółowoPodstawy Przetwarzania Sygnałów
Adam Szulc 188250 grupa: pon TN 17:05 Podstawy Przetwarzania Sygnałów Sprawozdanie 6: Filtracja sygnałów. Filtry FIT o skończonej odpowiedzi impulsowej. 1. Cel ćwiczenia. 1) Przeprowadzenie filtracji trzech
Bardziej szczegółowoKompresja danych DKDA (7)
Kompresja danych DKDA (7) Marcin Gogolewski marcing@wmi.amu.edu.pl Uniwersytet im. Adama Mickiewicza w Poznaniu Poznań, 22 listopada 2016 1 Kwantyzacja skalarna Wprowadzenie Analiza jakości Typy kwantyzatorów
Bardziej szczegółowoZaawansowane 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 szczegółowoOpis 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 szczegółowoPrzestrzeń unitarna. Jacek Kłopotowski. 23 października Katedra Matematyki i Ekonomii Matematycznej SGH
Katedra Matematyki i Ekonomii Matematycznej SGH 23 października 2018 Definicja iloczynu skalarnego Definicja Iloczynem skalarnym w przestrzeni liniowej R n nazywamy odwzorowanie ( ) : R n R n R spełniające
Bardziej szczegółowoRównanie Schrödingera
Równanie Schrödingera Maciej J. Mrowiński 29 lutego 2012 Zadanie RS1 Funkcja falowa opisująca stan pewnej cząstki w chwili t = 0 ma następującą postać: A(a Ψ(x,0) = 2 x 2 ) gdy x [ a,a] 0 gdy x / [ a,a]
Bardziej szczegółowo9. Dyskretna transformata Fouriera algorytm FFT
Transformata Fouriera ma szerokie zastosowanie w analizie i syntezie układów i systemów elektronicznych, gdyż pozwala na połączenie dwóch sposobów przedstawiania sygnałów reprezentacji w dziedzinie czasu
Bardziej szczegółowoTERAZ 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 szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa Ćwiczenie szóste Transformacje obrazu w dziedzinie częstotliwości 1 Cel ćwiczenia Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z podstawowymi przekształceniami
Bardziej szczegółowoALGEBRA LINIOWA Z ELEMENTAMI GEOMETRII ANALITYCZNEJ
ALGEBRA LINIOWA Z ELEMENTAMI GEOMETRII ANALITYCZNEJ WSHE, O/K-CE 10. Homomorfizmy Definicja 1. Niech V, W będą dwiema przestrzeniami liniowymi nad ustalonym ciałem, odwzorowanie ϕ : V W nazywamy homomorfizmem
Bardziej szczegółowoWykład 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 szczegółowoSpis treści. Metody nieparametryczne. Transformacja Fouriera
Spis treści 1 Metody nieparametryczne 1.1 Transformacja Fouriera 1.2 Bliżej życia 1.3 Splot 2 Transformacja Z 3 Filtry 4 Metody parametryczne 5 Analiza danych wielokanałowych 5.1 Koherencje 5.2 Związki
Bardziej szczegółowox(n) x(n-1) x(n-2) D x(n-n+1) h N-1
Laboratorium Układy dyskretne LTI projektowanie filtrów typu FIR Z1. apisać funkcję y = filtruj(x, h), która wyznacza sygnał y będący wynikiem filtracji sygnału x przez filtr FIR o odpowiedzi impulsowej
Bardziej szczegółowoGenerowanie sygnałów na DSP
Zastosowania Procesorów Sygnałowych dr inż. Grzegorz Szwoch greg@multimed.org p. 732 - Katedra Systemów Multimedialnych Generowanie sygnałów na DSP Wstęp Dziś w programie: generowanie sygnałów za pomocą
Bardziej szczegółowoKompresja danych Streszczenie Studia Dzienne Wykład 10,
1 Kwantyzacja wektorowa Kompresja danych Streszczenie Studia Dzienne Wykład 10, 28.04.2006 Kwantyzacja wektorowa: dane dzielone na bloki (wektory), każdy blok kwantyzowany jako jeden element danych. Ogólny
Bardziej szczegółowoWłaściwości sygnałów i splot. Krzysztof Patan
Właściwości sygnałów i splot Krzysztof Patan Właściwości sygnałów Dla sygnału ciągłego x(t) można zdefiniować wielkości liczbowe charakteryzujące ten sygnał wartość średnia energia sygnału x sr = lim τ
Bardziej szczegółowoPolitechnika 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 szczegółowoSymulacja sygnału czujnika z wyjściem częstotliwościowym w stanach dynamicznych
XXXVIII MIĘDZYUCZELNIANIA KONFERENCJA METROLOGÓW MKM 06 Warszawa Białobrzegi, 4-6 września 2006 r. Symulacja sygnału czujnika z wyjściem częstotliwościowym w stanach dynamicznych Eligiusz PAWŁOWSKI Politechnika
Bardziej szczegółowoWstęp 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 szczegółowoZadania z Analizy Funkcjonalnej I Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi?
Zadania z Analizy Funkcjonalnej I - 1 1. Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi?. a) X = R, x = arctg x ; b) X = R n, d(x, y) = x 1 y 1 + x 2 y 2 + max i 3 x i y i ;
Bardziej szczegółowoPrzetwarzanie sygnałów
Przetwarzanie sygnałów Ćwiczenie 5 Filtry o nieskończonej odpowiedzi impulsowej (NOI) Spis treści 1 Wprowadzenie 1 1.1 Filtry jednobiegunowe....................... 1 1.2 Filtry wąskopasmowe........................
Bardziej szczegółowoMatematyka dyskretna. Andrzej Łachwa, UJ, /10
Matematyka dyskretna Andrzej Łachwa, UJ, 2018 andrzej.lachwa@uj.edu.pl 10/10 Podziały i liczby Stirlinga Liczba Stirlinga dla cykli (często nazywana liczbą Stirlinga pierwszego rodzaju) to liczba permutacji
Bardziej szczegółowoAkwizycja i przetwarzanie sygnałów cyfrowych
Akwizycja i przetwarzanie sygnałów cyfrowych Instytut Teleinformatyki ITI PK Kraków 21 luty 2011 Reprezentacje sygnału Jak reprezentujemy sygnał: wybieramy sygnały wzorcowe (bazę) rozwijamy sygnał w wybranej
Bardziej szczegółowoAlgebra liniowa. 1. Macierze.
Algebra liniowa 1 Macierze Niech m oraz n będą liczbami naturalnymi Przestrzeń M(m n F) = F n F n będącą iloczynem kartezjańskim m egzemplarzy przestrzeni F n z naturalnie określonymi działaniami nazywamy
Bardziej szczegółowo8. Analiza widmowa metodą szybkiej transformaty Fouriera (FFT)
8. Analiza widmowa metodą szybkiej transformaty Fouriera (FFT) Ćwiczenie polega na wykonaniu analizy widmowej zadanych sygnałów metodą FFT, a następnie określeniu amplitud i częstotliwości głównych składowych
Bardziej szczegółowoKompresja 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 szczegółowoJeśli X jest przestrzenią o nieskończonej liczbie elementów:
Logika rozmyta 2 Zbiór rozmyty może być formalnie zapisany na dwa sposoby w zależności od tego z jakim typem przestrzeni elementów mamy do czynienia: Jeśli X jest przestrzenią o skończonej liczbie elementów
Bardziej szczegółowoKOMPUTEROWE SYSTEMY POMIAROWE
KOMPUTEROWE SYSTEMY POMIAROWE Dr inż. Eligiusz PAWŁOWSKI Politechnika Lubelska Wydział Elektrotechniki i Informatyki Prezentacja do wykładu dla EMST - ITwE Semestr zimowy Wykład nr 12 Prawo autorskie Niniejsze
Bardziej szczegółowo0 + 0 = 0, = 1, = 1, = 0.
5 Kody liniowe Jak już wiemy, w celu przesłania zakodowanego tekstu dzielimy go na bloki i do każdego z bloków dodajemy tak zwane bity sprawdzające. Bity te są w ścisłej zależności z bitami informacyjnymi,
Bardziej szczegółowoInformacja 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 szczegółowoCyfrowe przetwarzanie sygnałów Jacek Rezmer -1-
Cyfrowe przetwarzanie sygnałów Jacek Rezmer -1- Filtry cyfrowe cz. Zastosowanie funkcji okien do projektowania filtrów SOI Nierównomierności charakterystyki amplitudowej filtru cyfrowego typu SOI można
Bardziej szczegółowoRozdział 5. Macierze. a 11 a a 1m a 21 a a 2m... a n1 a n2... a nm
Rozdział 5 Macierze Funkcję, która każdej parze liczb naturalnych (i,j) (i = 1,,n;j = 1,,m) przyporządkowuje dokładnie jedną liczbę a ij F, gdzie F = R lub F = C, nazywamy macierzą (rzeczywistą, gdy F
Bardziej szczegółowoKatedra Elektrotechniki Teoretycznej i Informatyki
Katedra Elektrotechniki Teoretycznej i Inormatyki Przedmiot: Zintegrowane Pakiety Obliczeniowe W Zastosowaniach InŜynierskich umer ćwiczenia: 7 Temat: Wprowadzenie do Signal Processing Toolbox 1. PRÓBKOWAIE
Bardziej szczegółowo