FFT i dyskretny splot. Aplikacje w DSP
|
|
- Jacek Małecki
- 7 lat temu
- Przeglądów:
Transkrypt
1 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
2 Transformata Fouriera Transformata Fouriera wyraża się wzorem x(f ) = x(t)e 2πixf dt, M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 2 / 17
3 Transformata Fouriera Transformata Fouriera wyraża się wzorem x(f ) = x(t)e 2πixf dt, dla której odwrotna transformata wyraża się wzorem: x(t) = 1 x(f )e 2πixf df. 2π M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 2 / 17
4 Transformata Fouriera Transformata Fouriera wyraża się wzorem x(f ) = x(t)e 2πixf dt, dla której odwrotna transformata wyraża się wzorem: x(t) = 1 x(f )e 2πixf df. 2π Transformata Fouriera pozwala na rozłożenie sygnału ma poszczególne składowe częstotliwościowe sygnału. M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 2 / 17
5 DFT Dla dyskretnego sygnału określonego w N punktach x i, i = 0,..., N 1 transformata Fouriera przyjmuje postać X k = N 1 kn 2πi x n e N, M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 3 / 17
6 DFT Dla dyskretnego sygnału określonego w N punktach x i, i = 0,..., N 1 transformata Fouriera przyjmuje postać X k = N 1 a transformata do niej odwrotna x n = 1 N N 1 kn 2πi x n e N, kn 2πi X k e N. M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 3 / 17
7 DFT Dla dyskretnego sygnału określonego w N punktach x i, i = 0,..., N 1 transformata Fouriera przyjmuje postać X k = N 1 a transformata do niej odwrotna x n = 1 N N 1 kn 2πi x n e N, kn 2πi X k e N. Tak zdyskretyzowana tranformata Fouriera nazywa się DFT (Discrete Fourier Transform). M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 3 / 17
8 DFT Aby móc wykorzystać DFT w przetwarzaniu sygnałów potrzebny jest algorytm pozwalający na stosunkowo szybkie obliczenie DFT. Algorytm 1 DFT(x,N) (algorytm brutalny) Input: x : tablica zmiennych typu complex o długości N Output: x : tablica zmiennych typu complex o długości N 1: for k = 0 to N 1 do 2: sum 0 3: for n = 0 to N 1 do 4: ω e 2πi kn N 5: sum sum + ωx n 6: end for 7: x k sum 8: end for 9: return x M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 4 / 17
9 Jednak jego złożoność takiego algorytmu jest rzędu Θ(n 2 ). M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 5 / 17
10 Jednak jego złożoność takiego algorytmu jest rzędu Θ(n 2 ). Stosunkowo łatwe spostrzeżenie pozwola na zredukowanie tego czasu do Θ(n log n). Wzór na DFT można zapisać jako X k = N 1 kn 2πi x n e N M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 5 / 17
11 Jednak jego złożoność takiego algorytmu jest rzędu Θ(n 2 ). Stosunkowo łatwe spostrzeżenie pozwola na zredukowanie tego czasu do Θ(n log n). Wzór na DFT można zapisać jako X k = N 1 kn 2πi x n e N N 2 1 = x 2n e 2πi k(2n) N + N 2 1 k(2n+1) 2πi x 2n+1 e N M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 5 / 17
12 Jednak jego złożoność takiego algorytmu jest rzędu Θ(n 2 ). Stosunkowo łatwe spostrzeżenie pozwola na zredukowanie tego czasu do Θ(n log n). Wzór na DFT można zapisać jako X k = N 1 kn 2πi x n e N N 2 1 N 2 1 = x 2n e kn 2πi N x 2n e 2 +e 2πi k N 2πi k(2n) N + N 2 1 N 2 1 kn 2πi N x 2n+1 e 2 k(2n+1) 2πi x 2n+1 e N M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 5 / 17
13 Jednak jego złożoność takiego algorytmu jest rzędu Θ(n 2 ). Stosunkowo łatwe spostrzeżenie pozwola na zredukowanie tego czasu do Θ(n log n). Wzór na DFT można zapisać jako X k = N 1 kn 2πi x n e N N 2 1 N 2 1 = x 2n e kn 2πi N x 2n e 2 +e 2πi k N 2πi k(2n) N + N 2 1 N 2 1 kn 2πi N x 2n+1 e 2 = X e k + e 2πi k N X o k, k = 0,..., N 1 k(2n+1) 2πi x 2n+1 e N M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 5 / 17
14 Pozostaje jeszcze zauważyć, że X k = Xk e + e 2πi k N Xk o = Xk e e 2πi k N Xk o X k+ N 2 0 k < N 2 Bez straty ogólności załóżmy, że N = 2 m, m N. Jeżeli tak nie jest to do ciągu x i, i = 0,..., N 1 można dopisać zera, aż do najbliżej potęgi 2. Ponadto DFT ciągu składającego się z jednej próbki to identyczność. Wobec tego można sformułować poniższy algorytm. M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 6 / 17
15 Algorytm 2 (x,n) Input: x : tablica zmiennych typu complex o długości N = 2 m Output: x : tablica zmiennych typu complex o długości N 1: if N=1 then 2: return x 3: end if 4: ω, ω N 1, e i 2π N 5: x e, x o (x 0, x 2,..., x N 2 ), (x 1, x 3,..., x N 1 ) 6: x e, x o (x e, N 2 ), (x o, N 2 ) 7: for k = 0 to N 2 1 do 8: x k x k e + ω x k o 9: x k+ N x k e ω x k o 10: ω ωω N 11: end for 12: return x 2 M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 7 / 17
16 Złożoność powyższego algorytmu to Θ(n log n). M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 8 / 17
17 Złożoność powyższego algorytmu to Θ(n log n). Zauważmy że działania wykonywane w liniach 7 11 mają złożoność liniową. Wobec tego złożoność całego algrytmu wynosi T (n) = 2T ( n 2 ) + Θ(n). M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 8 / 17
18 Złożoność powyższego algorytmu to Θ(n log n). Zauważmy że działania wykonywane w liniach 7 11 mają złożoność liniową. Wobec tego złożoność całego algrytmu wynosi T (n) = 2T ( n 2 ) + Θ(n). Po rozwikłaniu tej rekurencji (np. za pomocą tw. o rekurencji uniwersalnej) dostajemy T (n) = Θ(n log n). M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 8 / 17
19 Złożoność powyższego algorytmu to Θ(n log n). Zauważmy że działania wykonywane w liniach 7 11 mają złożoność liniową. Wobec tego złożoność całego algrytmu wynosi T (n) = 2T ( n 2 ) + Θ(n). Po rozwikłaniu tej rekurencji (np. za pomocą tw. o rekurencji uniwersalnej) dostajemy T (n) = Θ(n log n). Jest to szybka metoda na obliczenie DFT, co pozwala na wykonywanie operacji na sygnale w dziedzinie częstotliwości. M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 8 / 17
20 Splot dwóch funkcji x i h definiujemy wzorem (x h)(t) = x(τ)h(t τ)dτ. M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 9 / 17
21 Splot dwóch funkcji x i h definiujemy wzorem (x h)(t) = x(τ)h(t τ)dτ. Jeśli sygnał określony jest w punktach x i, i = 0,..., N 1, to dyskretnym analogiem powyższej definicji jest (x h) n = N 1 m=0 x m h n m. M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 9 / 17
22 Splot dwóch funkcji x i h definiujemy wzorem (x h)(t) = x(τ)h(t τ)dτ. Jeśli sygnał określony jest w punktach x i, i = 0,..., N 1, to dyskretnym analogiem powyższej definicji jest (x h) n = N 1 m=0 x m h n m. Bezpośrednie obliczenie takiej sumy ma złożoność Θ(n 2 ). Istnieje jednak szybszy sposób na obliczenie dyskretnego splotu dwóch funkcji. M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 9 / 17
23 Korzystając z faktu, że x h = xĥ dyskretny splot można obliczyć w czasie Θ(n log n). M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 10 / 17
24 Konwersja sygnału analogowego na cyfrowy Wartości występujące w przyrodzie są na ogół ciągłe (analogowe). Aby móc korzystać z metod cyfrowego przetwarzania w celu ich obróbki należy dokonać wcześniejszej konwersji sygnału analogowego na cyfrowy. Odbywa się to w trzech etapach: M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 11 / 17
25 Konwersja sygnału analogowego na cyfrowy Wartości występujące w przyrodzie są na ogół ciągłe (analogowe). Aby móc korzystać z metod cyfrowego przetwarzania w celu ich obróbki należy dokonać wcześniejszej konwersji sygnału analogowego na cyfrowy. Odbywa się to w trzech etapach: próbkowania; M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 11 / 17
26 Konwersja sygnału analogowego na cyfrowy Wartości występujące w przyrodzie są na ogół ciągłe (analogowe). Aby móc korzystać z metod cyfrowego przetwarzania w celu ich obróbki należy dokonać wcześniejszej konwersji sygnału analogowego na cyfrowy. Odbywa się to w trzech etapach: próbkowania; kwantyzacji; M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 11 / 17
27 Konwersja sygnału analogowego na cyfrowy Wartości występujące w przyrodzie są na ogół ciągłe (analogowe). Aby móc korzystać z metod cyfrowego przetwarzania w celu ich obróbki należy dokonać wcześniejszej konwersji sygnału analogowego na cyfrowy. Odbywa się to w trzech etapach: próbkowania; kwantyzacji; kodowania; M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 11 / 17
28 Konwersja sygnału analogowego na cyfrowy M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 12 / 17
29 Próbkowanie Próbkowanie polega na pobieraniu próbek z sygnału analogowego z częstotliwością próbkowania, w wyniku którego z sygnału ciągłego uzyskuje się ciąg próbek w postaci impulsów o wartościach określonych w dyskretnych punktach i o amplitudach równych amplitudom sygnału analogowego w tych punktach. M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 13 / 17
30 Kwantyzacja Kwantyzacja dyskretnego sygnału otrzymanego w procesie próbkowania polega na podziale zakresu amplitud, jakie mogą przybierać próbki, na określoną liczbę przedziałów i przyporządkowanie każdej próbce numeru poziomu, do którego sięga jej amplituda. M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 14 / 17
31 Kodowanie Kodowanie skwantowanego sygnału polega na przekształceniu go w sygnał cyfrowy przez przyporządkowanie poszczególnym poziomom tego sygnału, wyrażonym w liczbach układu dziesiętnego, numerów wyrażonych w systemie binarnym. M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 15 / 17
32 Kodowanie Kodowanie skwantowanego sygnału polega na przekształceniu go w sygnał cyfrowy przez przyporządkowanie poszczególnym poziomom tego sygnału, wyrażonym w liczbach układu dziesiętnego, numerów wyrażonych w systemie binarnym. Na ogół zakres amplitud dzieli się na (2 16 1) przedziałów, pozwala to na zapisanie do 16-bitowych integerów. M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 15 / 17
33 Filtry splotowe Operacji na sygnałach można dokonywać za pomocą filtrów cyfrowych. W tym celu wyobraźmy sobie układ, który po podaniu na wejście sygnału na wyjściu podaje sygnał przetworzony przez ten układ. W teorii przetwarzania sygnałów stosuje się m.in. takie układy, które splatają sygnał z innym, określonym przez układ ciągiem. Jeśli taki układ jest filtrem splotowym, to ciąg ten będziemy nazywać współczynnikami filtra splotowego. M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 16 / 17
34 Filtry FIR M. Jenczmyk Sesja wiosenna KNM 2014 i dyskretny splot 17 / 17
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 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 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 szczegółowoCYFROWE 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 szczegółowoZastowowanie transformacji Fouriera w cyfrowym przetwarzaniu sygnałów
31.01.2008 Zastowowanie transformacji Fouriera w cyfrowym przetwarzaniu sygnałów Paweł Tkocz inf. sem. 5 gr 1 1. Dźwięk cyfrowy Fala akustyczna jest jednym ze zjawisk fizycznych mających charakter okresowy.
Bardziej szczegółowoTeoria 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 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 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 szczegółowoTransformaty. 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 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 szczegółowoCYFROWE PRZETWARZANIE SYGNAŁÓW
Cyfrowe przetwarzanie sygnałów -1-2003 CYFROWE PRZETWARZANIE SYGNAŁÓW tematy wykładowe: ( 28 godz. +2godz. kolokwium, test?) 1. Sygnały i systemy dyskretne (LTI, SLS) 1.1. Systemy LTI ( SLS ) (definicje
Bardziej szczegółowoWstęp do metod numerycznych Dyskretna transformacja Fouriera. P. F. Góra
Wstęp do metod numerycznych Dyskretna transformacja Fouriera P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 01 Problem Majac dany szereg czasowy {x i } N i=1 = {x 1, x,..., x N } (zazwyczaj nieciekawy),
Bardziej szczegółowoPL 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 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 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 szczegółowoPodstawy akwizycji i cyfrowego przetwarzania sygnałów
AKADEMIA GÓRNICZO - HUTNICZA IM. STANISŁAWA STASZICA w KRAKOWIE WYDZIAŁ ELEKTROTECHNIKI, AUTOMATYKI, INFORMATYKI i ELEKTRONIKI KATEDRA METROLOGII LABORATORIUM METROLOGII Podstawy akwizycji i cyfrowego
Bardziej szczegółowoGENERACJA PRZEBIEGU SINUSOIDALNEGO.
GENERACJA PRZEBIEGU SINUSOIDALNEGO. Podstawą generacji sygnału sinusoidalnego jest równanie różnicowe wyprowadzone w sposób następujący. Transmitancja układu generującego jest równa: Na wyjściu spodziewany
Bardziej szczegółowoAndrzej 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 szczegółowoPrzetwarzanie analogowo-cyfrowe sygnałów
Przetwarzanie analogowo-cyfrowe sygnałów A/C 111111 1 Po co przekształcać sygnał do postaci cyfrowej? Można stosować komputerowe metody rejestracji, przetwarzania i analizy sygnałów parametry systemów
Bardziej szczegółowoPrzeksztacenie 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 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 szczegółowoDyskretne 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 szczegółowoLABORATORIUM METROLOGII. Podstawy akwizycji i cyfrowego przetwarzania sygnałów. dr inż. Andrzej Skalski. mgr inż. Mirosław Socha
AKADEMIA GÓRNICZO - HUTNICZA IM. STANISŁAWA STASZICA w KRAKOWIE WYDZIAŁ ELEKTROTECHNIKI, AUTOMATYKI, INFORMATYKI i ELEKTRONIKI KATEDRA METROLOGII LABORATORIUM METROLOGII Podstawy akwizycji i cyfrowego
Bardziej szczegółowoAkwizycja i przetwarzanie sygnałów cyfrowych
Akwizycja i przetwarzanie sygnałów cyfrowych Instytut Teleinformatyki ITI PK Kraków 21 luty 2011 Analiza czestotliwościowa sygnałów dyskretnych Do tej pory - dwie metody analizy częstotliwościowej sygnałów
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 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 szczegółowoTransformata Fouriera i analiza spektralna
Transformata Fouriera i analiza spektralna Z czego składają się sygnały? Sygnały jednowymiarowe, częstotliwość Liczby zespolone Transformata Fouriera Szybka Transformata Fouriera (FFT) FFT w 2D Przykłady
Bardziej szczegółowo2. Szybka transformata Fouriera
Szybka transforata Fouriera Wyznaczenie ciągu (Y 0, Y 1,, Y 1 ) przy użyciu DFT wyaga wykonania: nożenia zespolonego ( 1) razy, dodawania zespolonego ( 1) razy, przy założeniu, że wartości ω j są już dane
Bardziej 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 szczegółowoTeoria 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 szczegółowoAnaliza szeregów czasowych: 1. Dyskretna transformata Fouriera i zagadnienia pokrewne
Analiza szeregów czasowych: 1. Dyskretna transformata Fouriera i zagadnienia pokrewne P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 007/08 Transformata Fouriera G(f) = g(t)e πift dt (1)
Bardziej 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 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 szczegółowoAdam Korzeniewski - p. 732 dr inż. Grzegorz Szwoch - p. 732 dr inż.
Adam Korzeniewski - adamkorz@sound.eti.pg.gda.pl, p. 732 dr inż. Grzegorz Szwoch - greg@sound.eti.pg.gda.pl, p. 732 dr inż. Piotr Odya - piotrod@sound.eti.pg.gda.pl, p. 730 Plan przedmiotu ZPS Cele nauczania
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 szczegółowoPrzetwarzanie 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 szczegółowoPrzetwornik analogowo-cyfrowy
Przetwornik analogowo-cyfrowy Przetwornik analogowo-cyfrowy A/C (ang. A/D analog to digital; lub angielski akronim ADC - od słów: Analog to Digital Converter), to układ służący do zamiany sygnału analogowego
Bardziej szczegółowoAndrzej Leśnicki Laboratorium CPS Ćwiczenie 6 1/8 ĆWICZENIE 6. Dyskretne przekształcenie Fouriera DFT
Andrzej Leśnicki Laboratorium CPS Ćwiczenie 6 1/8 ĆWICZEIE 6 Dyskretne przekształcenie Fouriera DFT 1. Cel ćwiczenia Dyskretne przekształcenie Fouriera ( w skrócie oznaczane jako DFT z ang. Discrete Fourier
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 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 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 szczegółowoPrzekształcenie 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 szczegółowoDYSKRETNA 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 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 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 szczegółowoAdaptacyjne Przetwarzanie Sygnałów. Filtracja adaptacyjna w dziedzinie częstotliwości
W Filtracja adaptacyjna w dziedzinie częstotliwości Blokowy algorytm LMS (BLMS) N f n+n = f n + α x n+i e(n + i), i= N L Slide e(n + i) =d(n + i) f T n x n+i (i =,,N ) Wprowadźmy nowy indeks: n = kn (
Bardziej szczegółowoTransformata 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 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 szczegółowoPrzetworniki analogowo-cyfrowe
POLITECHNIKA ŚLĄSKA WYDZIAŁ INŻYNIERII ŚRODOWISKA I ENERGETYKI INSTYTUT MASZYN I URZĄDZEŃ ENERGETYCZNYCH LABORATORIUM ELEKTRYCZNE Przetworniki analogowo-cyfrowe (E-11) opracował: sprawdził: dr inż. Włodzimierz
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 szczegółowoTransformacja 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 szczegółowoWykład 2. Transformata Fouriera
Wykład 2. Transformata Fouriera Transformata Fouriera jest podstawowym narzędziem analizy harmonicznej i teorii analizy i przetwarzania sygnału. Z punktu widzenia teorii matematycznej transformata Fouriera
Bardziej szczegółowoprzedmiot kierunkowy (podstawowy / kierunkowy / inny HES) obieralny (obowiązkowy / nieobowiązkowy) polski semestr VI
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 2018/2019
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 szczegółowoPrzedmowa 11 Ważniejsze oznaczenia 14 Spis skrótów i akronimów 15 Wstęp 21 W.1. Obraz naturalny i cyfrowe przetwarzanie obrazów 21 W.2.
Przedmowa 11 Ważniejsze oznaczenia 14 Spis skrótów i akronimów 15 Wstęp 21 W.1. Obraz naturalny i cyfrowe przetwarzanie obrazów 21 W.2. Technika obrazu 24 W.3. Normalizacja w zakresie obrazu cyfrowego
Bardziej szczegółowoKonwersja dźwięku analogowego do postaci cyfrowej
Konwersja dźwięku analogowego do postaci cyfrowej Schemat postępowania podczas przetwarzania sygnału analogowego na cyfrowy nie jest skomplikowana. W pierwszej kolejności trzeba wyjaśnić kilka elementarnych
Bardziej szczegółowoPrzedmowa 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 szczegółowoPrzetwarzanie sygnału cyfrowego (LabVIEW)
Politechnika Rzeszowska im. Ignacego Łukasiewicza w Rzeszowie Wydział: Elektryczny, Kierunek: Informatyka Projekt zaliczeniowy Przedmiot: Systemy akwizycji i przesyłania informacji Przetwarzanie sygnału
Bardziej szczegółowo3. Przetwarzanie analogowo-cyfrowe i cyfrowo-analogowe... 43
Spis treści 3 Przedmowa... 9 Cele książki i sposoby ich realizacji...9 Podziękowania...10 1. Rozległość zastosowań i głębia problematyki DSP... 11 Korzenie DSP...12 Telekomunikacja...14 Przetwarzanie sygnału
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 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 szczegółowoSpis treści. 1. Cyfrowy zapis i synteza dźwięku Schemat blokowy i zadania karty dźwiękowej UTK. Karty dźwiękowe. 1
Spis treści 1. Cyfrowy zapis i synteza dźwięku... 2 2. Schemat blokowy i zadania karty dźwiękowej... 4 UTK. Karty dźwiękowe. 1 1. Cyfrowy zapis i synteza dźwięku Proces kodowania informacji analogowej,
Bardziej szczegółowoKARTA 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 szczegółowoPrzetworniki analogowo-cyfrowe - budowa i działanie" anie"
Przetworniki analogowo-cyfrowe - budowa i działanie" anie" Wprowadzenie Wiele urządzeń pomiarowych wyposaŝonych jest obecnie w przetworniki A/C. Końcówki takich urządzeń to najczęściej typowe interfejsy
Bardziej szczegółowoPodstawy Automatyki. wykład 1 (26.02.2010) mgr inż. Łukasz Dworzak. Politechnika Wrocławska. Instytut Technologii Maszyn i Automatyzacji (I-24)
Podstawy Automatyki wykład 1 (26.02.2010) mgr inż. Łukasz Dworzak Politechnika Wrocławska Instytut Technologii Maszyn i Automatyzacji (I-24) Laboratorium Podstaw Automatyzacji (L6) 105/2 B1 Sprawy organizacyjne
Bardziej szczegółowoSPRZĘTOWA 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 szczegółowoInstrukcja do laboratorium z cyfrowego przetwarzania sygnałów. Wybrane właściwości Dyskretnej Transformacji Fouriera
Instrukcja do laboratorium z cyfrowego przetwarzania sygnałów Wybrane właściwości Dyskretnej Transformacji Fouriera Przemysław Korohoda, KE, AGH Zawartość instrukcji: 1 Materiał z zakresu DSP 1.1 Macierzowy
Bardziej 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 szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Informatyka Rodzaj przedmiotu: moduł specjalności obowiązkowy: Sieci komputerowe Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK PO PRZEDMIOCIE
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 szczegółowoSystemy. 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 szczegółowoPrzetwarzanie 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 szczegółowoSzybka transformacja Fouriera (FFT Fast Fourier Transform)
Szybka transformacja Fouriera (FFT Fast Fourier Transform) Plan wykładu: 1. Transformacja Fouriera, iloczyn skalarny 2. DFT - dyskretna transformacja Fouriera 3. FFT szybka transformacja Fouriera a) algorytm
Bardziej 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 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 szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Inżynieria Biomedyczna Rodzaj przedmiotu: obowiązkowy moduł kierunkowy ogólny Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU CEL PRZEDMIOTU CYFROWE PRZETWARZANIE SYGNAŁÓW
Bardziej szczegółowoInformacja w perspektywie obliczeniowej. Informacje, liczby i obliczenia
Informacja w perspektywie obliczeniowej Informacje, liczby i obliczenia Cztery punkty odniesienia (dla pojęcia informacji) ŚWIAT ontologia fizyka UMYSŁ psychologia epistemologia JĘZYK lingwistyka nauki
Bardziej szczegółowoPREZENTACJA MODULACJI AM W PROGRAMIE MATHCAD
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 80 Electrical Engineering 2014 Jakub PĘKSIŃSKI* Grzegorz MIKOŁAJCZAK* PREZENTACJA MODULACJI W PROGRIE MATHCAD W artykule przedstawiono dydaktyczną
Bardziej szczegółowoAlgorytmy 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 szczegółowoPolitechnika 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 szczegółowoCechy karty dzwiękowej
Karta dzwiękowa System audio Za generowanie sygnału dźwiękowego odpowiada system audio w skład którego wchodzą Karta dźwiękowa Głośniki komputerowe Większość obecnie produkowanych płyt głównych posiada
Bardziej szczegółowoPomiary i przyrządy cyfrowe
Pomiary i przyrządy cyfrowe Przyrządy analogowe trochę historii Ustrój magnetoelektryczny z I z I N d S B r ~ Ω I r r zaciski pomiarowe U U = r I amperomierz woltomierz współczynnik poszerzenia zakresu
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 szczegółowoPodstawowe funkcje przetwornika C/A
ELEKTRONIKA CYFROWA PRZETWORNIKI CYFROWO-ANALOGOWE I ANALOGOWO-CYFROWE Literatura: 1. Rudy van de Plassche: Scalone przetworniki analogowo-cyfrowe i cyfrowo-analogowe, WKŁ 1997 2. Marian Łakomy, Jan Zabrodzki:
Bardziej szczegółowoPolitechnika 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 szczegółowoKompresja Danych. Streszczenie Studia Dzienne Wykład 13, f(t) = c n e inω0t, T f(t)e inω 0t dt.
1 Kodowanie podpasmowe Kompresja Danych Streszczenie Studia Dzienne Wykład 13, 18.05.2006 1.1 Transformaty, próbkowanie i filtry Korzystamy z faktów: Każdą funkcję okresową można reprezentować w postaci
Bardziej szczegółowoEFEKTYWNE UŻYTKOWANIE ENERGII ELEKTRYCZNEJ
Studia Podyplomowe EFEKTYWNE UŻYTKOWANIE ENERGII ELEKTRYCZNEJ w ramach projektu Śląsko-Małopolskie Centrum Kompetencji Zarządzania Energią Pomiar parametrów sygnałów sieci elektroenergetycznej dr inż.
Bardziej szczegółowoWydział Elektryczny Katedra Telekomunikacji i Aparatury Elektronicznej
Politechnika Białostocka Wydział Elektryczny Katedra Telekomunikacji i Aparatury Elektronicznej Instrukcja do zajęć laboratoryjnych z przedmiotu: Przetwarzanie Sygnałów Kod: TS1C400027 Temat ćwiczenia:
Bardziej szczegółowoZasada indukcji matematycznej
Zasada indukcji matematycznej Twierdzenie 1 (Zasada indukcji matematycznej). Niech ϕ(n) będzie formą zdaniową zmiennej n N 0. Załóżmy, że istnieje n 0 N 0 takie, że 1. ϕ(n 0 ) jest zdaniem prawdziwym,.
Bardziej szczegółowoPOLITECHNIKA OPOLSKA
POLITECHNIKA OPOLSKA KATEDRA MECHANIKI I PODSTAW KONSTRUKCJI MASZYN MECHATRONIKA Instrukcja do ćwiczeń laboratoryjnych Analiza sygnałów czasowych Opracował: dr inż. Roland Pawliczek Opole 2016 1 2 1. Cel
Bardziej szczegółowoLaboratorium optycznego przetwarzania informacji i holografii. Ćwiczenie 4. Badanie optycznej transformaty Fouriera
Laboratorium optycznego przetwarzania informacji i holografii Ćwiczenie 4. Badanie optycznej transformaty Fouriera Katedra Optoelektroniki i Systemów Elektronicznych, WETI, Politechnika Gdańska Gdańsk
Bardziej szczegółowoWOJSKOWA AKADEMIA TECHNICZNA
WOJSKOWA AKADEMIA TECHNICZNA LABORATORIUM CYFROWE PRZETWARZANIE SYGNAŁÓW Stopień, imię i nazwisko prowadzącego Imię oraz nazwisko słuchacza Grupa szkoleniowa Data wykonania ćwiczenia dr inż. Andrzej Wiśniewski
Bardziej szczegółowoPROCESORY SYGNAŁOWE - LABORATORIUM. Ćwiczenie nr 04
PROCESORY SYGNAŁOWE - LABORATORIUM Ćwiczenie nr 04 Obsługa buforów kołowych i implementacja filtrów o skończonej i nieskończonej odpowiedzi impulsowej 1. Bufor kołowy w przetwarzaniu sygnałów Struktura
Bardziej szczegółowoWydział Elektryczny Katedra Telekomunikacji i Aparatury Elektronicznej
Politechnika Białostocka Wydział Elektryczny Katedra Telekomunikacji i Aparatury Elektronicznej Instrukcja do zajęć laboratoryjnych z przedmiotu: Przetwarzanie Sygnałów Kod: TS1A400027 Temat ćwiczenia:
Bardziej szczegółowoPróbkowanie sygnałów (ang. sampling) PRZETWARZANIE SYGNAŁÓW ANALOGOWYCH NA SYGNAŁY CYFROWE. Literatura. Cyfrowe Przetwarzanie Sygnałów
Cyfrowe Przetwarzanie Sygnałów Literatura Dr inż. Jakub Gałka C2-419, jgalka@agh.edu.pl Tel. wew. AGH 50-68 Konsultacje, poniedziałek, 11:30-12:30 1. Alan V. Oppenhei, Ronald W.Schafer: Cyfrowe przetwarzanie
Bardziej szczegółowoWydział Elektryczny Katedra Telekomunikacji i Aparatury Elektronicznej
Politechnika Białostocka Wydział Elektryczny Katedra Telekomunikacji i Aparatury Elektronicznej Instrukcja do zajęć laboratoryjnych z przedmiotu: Przetwarzanie Sygnałów Kod: TS1A400027 Temat ćwiczenia:
Bardziej szczegółowoJoint Photographic Experts Group
Joint Photographic Experts Group Artur Drozd Uniwersytet Jagielloński 14 maja 2010 1 Co to jest JPEG? Dlaczego powstał? 2 Transformata Fouriera 3 Dyskretna transformata kosinusowa (DCT-II) 4 Kodowanie
Bardziej 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 szczegółowojako analizatory częstotliwości
jako analiatory cęstotliwości Widmo fourierowskie: y = cos p f t Widmo sygnału spróbkowanego Problem rodielcości Transformaty cyfrowe: analia wycinka sygnału xt wt próbek, T sekund Widmo wycinka: f*wf
Bardziej szczegółowoĆwiczenie 6 Projektowanie filtrów cyfrowych o skończonej i nieskończonej odpowiedzi impulsowej
Ćwiczenie 6 Projektowanie filtrów cyfrowych o skończonej i nieskończonej odpowiedzi impulsowej 1. Filtry FIR o skończonej odpowiedzi impulsowej (SOI) Filtracja FIR polega na tym, że sygnał wyjściowy powstaje
Bardziej szczegółowo